物流設備可靠性研究與探討

文/張宇航 方錦明 李正芳 尚高海 張大勇

一、引言

近年來，我國物流業發展迅猛，公路、鐵路、港口、貨運樞紐、物流園區等物流基礎設施建設走在世界前列，物流服務市場規模持續擴大，物流技術水平、物流信息化程度、物流運作管理水平顯著提升[1]。國有物流企業體量大，占有大量物流基礎設施，與需求企業存在不可分割的聯系，如中遠、中外運、中海、中郵、中鐵、中儲、招商局集團等在物流業具有舉足輕重的地位[2]，昆船智能、音飛、蘭劍等物流裝備技術企業在物流設備研發方面也取得突出成果[3]。

一般而言，物流系統[4]包括物流配送、自動化倉庫、堆垛機、自動輸送裝備與分揀裝置、智能密集存儲裝備以及穿梭車等，物流系統的運行依靠各個子部件之間正常運行以及協同合作。其中，物流配送環節的主要作業包括保管、搬運、揀貨、分類等，在每個環節都有適配的機械裝備。保管用機械包括自動化倉庫、托盤式/流動式貨架等，搬運機械包括叉車、臺車、輸送機、AGV等，分類機械包括托盤、料箱、集裝箱等。更為核心的裝置，如堆垛機、穿梭車以及密集存儲裝置等，更是集成了各式各樣的器件?？梢哉f，物流設備所涉及的機械，具有種類繁多、分工清晰、功能復雜、協同困難和管理困難等特點。

關于物流設備可靠性的分析研究目前有待加強

目前，國內在機械可靠性理論、可靠性評定方法、機械設備成套體系可靠性（數控機床、發動機、高鐵等典型設備）等方面均進行了大量系統研究，為我國機械裝備可靠性理論和技術的提升奠定了基礎。不過，物流領域可靠性技術的研究工作較少，已有研究大多采用古典的可靠性分析方法，顯然現有研究的理論方法、評價體系等都需要進一步更新。本文結合企業需求以及我國可靠性發展闡述現階段物流可靠性研究及特點，從機械設備運行可靠性計算方法進行綜述分析，歸納現階段物流設備可靠性技術的不足，并為日后物流可靠性研究方向提出初步的想法與建議。

二、物流領域可靠性研究現狀

作為物流業發展的重要載體，物流設備的高質量發展是必然選擇，而可靠性方法的應用則是自動化物流設備產業高質量發展的需要。對物流產品進行可靠性研究，可以促進國產產品技術水平和產品質量提升，使我國的物流設備全面達到國際先進水平，提高國際市場競爭力，助推物流設備行業高質量發展。

可靠性研究雖然已經發展近80年，基于不同物流領域的相關可靠性研究較多，但使用新型可靠性模型的研究在我國物流領域仍然總體較少。物流技術和系統可以廣泛應用于各行各業，如表1所示，在物流領域的可靠性研究主要集中在系統可靠性度量、供應鏈、配送模式、裝卸過程等相關的研究上，研究大多采用傳統的國家（軍用）標準中定義的可靠性模型來計算整體的指標。在絕大多數的研究中，未提及可靠性指標的計算和實際生產活動、設備性能的差距。實際情況中設備、系統存在正常運行“0”和不正常運行“1”兩個階段，而可靠性計算結果通常不能完全一一對應。此外，可靠性計算模型采用一定的假設，這些假設可能導致計算的偏差，因此與真實情況有所不同。

表1 我國物流領域可靠性研究

三、機械設備運行可靠性計算

1.機械系統可靠性計算的改進方法

古典的可靠性計算方法構成早期研究的基礎，隨著生產實踐和研究者們深入了解，發現古典方法存在缺陷和不足。促使可靠性研究發展存在三種路徑：一是在經典方法上進行微調，實現精度的提升；二是依賴全新方法解決老問題；三是用經典/新方法解決新問題。

2012年，為了應對經典算法難以評估單臺設備運行狀態，蔡改改等[17]利用小波包分析技術和距離評估技術，提取設備運行狀態的響應協變量特征指標.采用比例協變量模型，建立了設備的可靠性評估模型。2013年，孫闖等[18]提出基于狀態信息的航空發動機運行可靠性評估方法。該方法利用核主成分分析建立狀態子空間，計算正常狀態與當前狀態子空間基矢量的主夾角，利用映射函數將主夾角轉化為運行可靠度；文章的核心思想是通過核主成分分析方法（Kernel Principal Component Analysis, KPCA）計算子控件的特征矩陣，并計算兩種狀態下的矢量夾角來衡量運行可靠性。2013年，張根保等[19]提出基于對數線性比例強度模型（Loglinear Proportional Intensity Model,LPIM），將其用到數控機床的可靠性評估上。論文核心思想是對單臺機床故障時間的似然函數進行對數化處理，并通過Fisher信息矩陣求LPIM參數的區間估計。通過例子分析，LPIM方法比較符合實際情況。隨后2014年，張根保等[20]提出了基于冪律過程的可靠性評估方法，將可靠性方法擴展到多臺設備上。以液壓折彎機為對象，進行分布驗方法，CBT（Common Beta Test）與CLT（Common Lambda Test）的分步檢驗方法對評估涉及的多臺機床的同質性進行了驗證。還應用Fisher信息矩陣區間估計和基于Delta方法的機床可靠性指標區間估計，這兩個處理方法在文章[19]中已經使用。文章核心思想通過非齊次泊松過程建立幕律函數來處理可靠度，此外還在趨勢檢驗手段中考慮了Laplace檢驗、更新過程檢驗和同性質檢驗。陳保家等[21]提出了一種基于比例協變量模型（PCM）和Logistic回歸模型（LRM）混合的可靠性評估方法，利用LRM先求解軸承的初始可靠性，然后與PCM相結合，動態揭示狀態監測數據與可靠性的映射關系。這種方法優勢在于弱化設備的退化失效機理、性能參數的退化路徑或概率分布密度函數等過多的假設。董思辰等[22]通過距離評估的特征降維方法，計算齒輪箱不同運行狀態下特征參數。在運用威布爾比例故障率模型（WPHM）、集合經驗模態分解（EEMD）分析齒輪箱運行可靠性。論文核心思想是通過對振動信號的高維特征向量的降維處理。改進算法多在古典算法的基礎上進行優化，在論文多處實例中改進算法和實際結果匹配較好。因此，物流設備可靠性可以考慮采用類似的方法進行研究。

2.智能化融合可靠性分析

對設備運行可靠性分析的智能方法主要是依賴于機器學習領域的算法作為輔助，通過這些植入的智能方法，可以對影響、反映設備運行狀態的參數重新進行關聯分析、時變可靠性估計?？傮w來說，主要是通過采集設備工作狀態中反饋的狀態特性、信息、性能指標，并采用機器學習領域的模型比如隨機森林、支持向量機、多變量神經網絡、回歸模型等進行參數相關性、影響性和重要性分析。

比如，馮鵬飛等[23]首先采用運行可靠性計算模型建立特定特征指標與運行可靠性的關系；然后采用相關向量機預測不同時刻下特征指標的值及其概率密度函數，并將其輸入到運行可靠性模型，計算獲得其所對應的運行可靠度。馬紅亮等[24]使用飛行快速存取記錄器記錄當前運行環境、飛機瞬時狀態、發動機當前工作狀態3類因素，并將隨機森林算法與分層抽樣法結合對數據進行擬合、預測并計算特征重要度，對航空發動機運行可靠性進行分析。馮蘊雯等[25]針對運行可靠性影響因素的多維、耦合的特點，采用機器學習方法對飛機的動力裝置運行可靠性的時變規律及其相關影響因素進行分析；提出了考慮動力裝置的工作狀態、飛機的運行外界條件、飛機的飛行狀態3類因素分析動力裝置實時運行狀態下的時變可靠性方法；采用隨機森林、多變量神經網絡回歸算法，建立2種基于機器學習的動力裝置運行可靠性分析模型。余璐等[26]提出基于機器學習的景象匹配可靠性分析及量測誤差建模方法，選取支持向量機模型SVM匹配特征指標以及誤差參數預。

總體而言，通過設備反饋的信息、信號以及使用機器學習模型來進行預估，可以減少人為劃分各個因素之間的影響因子，但是在設備可靠性領域的研究多采用較老的機器學習模型。隨著設備的自動化、網絡化、智能化以及機械故障診斷技術的發展，使用機器學習模型在故障的遠程監控和故障預警方面已有大量應用和研究，可能成為未來物流設備可靠性技術領域的熱點課題。

四、物流設備可靠性技術研究存在的問題

我國可靠性技術研究在機械設備（數控機床、軸承、航空航天發動機、高鐵等）、診斷分析、基礎理論研究、可靠性評估方法等方面取得了明顯進展，但物流領域關于物流設備可靠性分析研究還較為薄弱，主要存在以下問題。

1.物流設備可靠性研究的學者和機構較少

物流系統是一個子系統復雜、交互場景較多、機電融合、故障模式多樣、故障機理復雜的系統，其可靠性的研究工作較為復雜，涉及多學科交叉、設備全生命周期長、多部門協同、人機交互以及協調管理等。我國頒布了關于可靠性方面的眾多標準，這些國家（軍用）標準在電子、軍用、航天等領域具有較強的實用性和指導性，但在物流倉儲設備行業其實用性和指導性不足。

在物流行業的國家（軍用）標準的可靠性標準適用性問題，對物流設備可靠性研究的科技和資金投入力度較小，專門從事該方向研究的科研機構和團隊較少，導致尚未形成完整的物流系統可靠性分析體系。現階段，可以引入物流行業常用的可靠性參數，如平均故障間隔時間（MTBF）、平均修復時間（MTTR）、平均故障間隔里程（MMBF）等，解決物流倉儲設備行業的可靠性難對標問題。

2.重整機、輕功能部件

物流系統主要是由各類功能部件、數控系統及儲存系統組成的，整體可靠性與部件的可靠性密切相關。企業重整機，輕視功能部件的原因主要是：國內的中高檔功能部件、技術體系長期依賴進口，國內無法完整了解局部的功能部件、微型設備內部具體的運轉機制等。其次，整機可靠性的研究通常是進行現場跟蹤試驗，直接通過設備運行好壞來反饋可靠性指標，大多數情況下子部件損壞（可能僅僅導致某些非核心的功能失效），也并不影響整體運行。而功能部件可靠性的研究，一方面需要獨立的試驗設備；另一方面，各種設備之間的關聯性分析十分復雜，加之其他各種未知因素的介入，部件可靠性研究難度較大。

3.可靠性數據積累薄弱

現代物流技術的關鍵在于通過產、供、運、銷各環節信息互聯互通，自動優化配置物流資源，實現“貨—車—倉”的實時協同。設備的可靠性數據不僅包括日常正常運行數據、待機數據、故障數據，還應包括維修數據和特殊情況下載荷數據。目前正常運行數據、待機數據、故障和維修數據已經有了一定積累，但是還不具備成熟、配套的科學分析方法。已有數據只是針對某一型號或滿足某些用戶特殊需求，要制定更通用、標準的數據分析方法以及核心指標，還需要涵蓋不同用戶行業，研制統一規劃、具有普遍性的數據采集技術和可靠性評判標準。

五、展望

結合物流業發展狀況以及其他領域的可靠性研究，對未來物流可靠性研究提出以下建議：

1.首先建立基礎標準。古典可靠性理論雖然內容形式不夠先進，但經過了長時間實踐檢驗。因此，采用古典理論初步進行可靠性指標的計算，結合實際設備反饋的結果，制定基礎標準。

2.可靠性計算時應考慮基本順序。物流系統覆蓋大量的機械設備、電子設備，企業存在重整機，輕視功能部件的情況。為了保證可靠性的計算準確性，除了整機的可靠性指標計算，還應補充其他功能部件影響。具體工作為：在可靠性評價方面應逐步考慮單一設備的可靠性指標計算，設備關聯的影響，整體可靠性指標判定。

3.采用物流設備的信息挖掘技術和開展可靠性計算方法的匹配性研究。使用一些成熟的科學分析方法，如優化算法、智能算法，對設備反饋的信息、特征和設備運行狀態做關聯分析，以找到最佳的特征信息和指標，剔除無效的數據。還應考慮機械設備領域的可靠性理論、評判標準在物流設備中是否吻合，各種方法之間是否匹配。未來工作應以古典可靠性理論建立基礎標準，然后開展專門的物流設備和對應方法的研究，并根據結果對方法適用性進行評價。

4.建議未來引入信息流并融入可靠性評價體系中，協助設備運行可靠性分析，開發基于數字孿生的可靠性分析理論和技術。在互聯網和物聯網時代，企業進行智能化研究或者添加輔助設備等。額外的設備、軟件的添加，涉及商流、物流、信息流、資金流等各種資源、信息的組合，無疑會增加整個物流系統的復雜度。物流系統可能從發展模式、產業結構、運維流程等發生改變，導致現有可靠性理論不能滿足當前需求。不過，互聯網和物流網技術，將及時提供信息的傳遞和共享，如果可靠性分析能結合這些信息進行比對、校核和反饋，工作人員也能更及時、更有效地對設備進行檢測、調整、維修和改進。因此，基于數字孿生技術的可靠性理論可能是未來的研究方向。