百老汇官网,www.4001.com

联系方式:010-65256519

专题解读

面向智能制造的设备管理应用研究

  随着德国工业4.0的兴起及中国制造2025规划的落实推进,企业设备向着自动化与智能化的方向不断深入发展。生产规模化、产品定制化、设备健康多样化、生产系统复杂化、决策需求动态化的生产模式逐步普及深化。以预知性维护决策为核心的健康设备管理理念和方法成为设备管理领域的热门研究方向。预知性维护决策通过大数据及智能决策算法,基于设备健康状态趋势智能规划设备维护方案,在保障生产可持续性、设备安全与可靠性、减少维护或停机成本、提高设备可用度等方面具有较大优势,对支撑企业实施面向智能制造的智能化设备管理具有十分重要的科学意义。

  一、设备管理发展现状

  据资料统计,在现代制造企业中故障维修和停机损失费用已占其生产成本的30%~40%,其中1/3到1/2的成本是由于采用无效的维护管理方法而被浪费掉[1]。因而以保证生产效率、提高设备安全性与可靠性、降低制造成本为核心的设备管理成为制造科学中的重要课题。许多国家的学者通过理论与工业实践相结合的方式提出了一些建设性的研究成果。

  前苏联于20世纪40年代提出了计划预修制,即设备运行到一定来源:www.4001.com 时间后,按照既定的计划进行检查、维护(包含小修、中修和大修),持续期限根据设备的功能、特点与工作条件确定。美国于20世纪50年代提出生产维修制,以生产为中心,强调以提供企业的综合经济效益为主要目标,降低生产成本,适应市场竞争的需求。生产维修制的维修方式需要在考虑故障类型的基础上,统筹考虑维修费用与生产效率之间的匹配,使维修费控制在最佳范围,具体形式包括维修预防(Maintenance Prevention,MP),事后维修(Breakdown Maintenance,BM),改善维修(Corrective Maintenance,CM),预防维修(Preventive Maintenance,PM)。日本于20世纪70年代提出全员生产维修(Total Productive Maintenance,TPM),强调以达到最高的设备综合效率为目标,确立设备全生命周期管理的设备管理系统,涉及设备的计划、使用、维修等所有部门,从最高领导到一线员工全员参与,依靠开展小组自主活动来推行的生产维修[2]。这些设备管理理论在不同时期为各国企业的制造生产运营注入了强大的活力,提高企业的市场竞争力,助力企业利润持续增长。

  随着两化融合的深入推进以及智能制造的广泛兴起,以嵌入式智能代理技术和非接触式技术为代表的大量现代化新兴技术广泛应用于工业生产制造,以大规模定制化生产为重点的柔性化生产制造模式促使生产设备愈加复杂多样,传统的设备维护理论已经无法适用于现代化的多设备集成化与智能化设备管理系统,主要表现在如下几个方面。

  (1)设备状态演化形式的变化:现代生产设备的结构、性能相较传统设备已发生很大变化,故障类型多样且具有较强的随机性,故障特征呈现出非浴盆曲线的多态性及多样性。

  (2)维护周期的不确定性:许多昂贵的部件由于维护规则的制定被过早的更换,造成设备利用率的降低和资源浪费;同时另外一些部件在运行时已出现故障而没有得到修理维护,致使健康状态恶化。

  (3)维护规划缺乏预知动态性:频繁的定期维护和静态的长期规划无法改变和提高设备的可靠性,反而有可能将不确定因素带入原本稳定的制造系统中。

  (4)设备维护总成本缺乏科学配置:设备在整个制造环节处于不同的分工,具有不同的停机成本和替换成本,设备管理者需要科学规划,统筹配置,在确保生产效率的前提下,科学制定设备维护计划,降低维护总成本。

  (5)生产现场突发反应能力:现代企业生产工业复杂,环环相扣,涉及的设备复杂多样,某一个设备的停机会影响企业的整个生产,需要对设备实时的在线监测与预知维护规划,及时对设备衰退演化的突发故障做出反应。

  (6)设备维护与生产排产的集成:生产排产需要在可用设备的基础上进行排产,需要将设备的维护策略与生产排产模型高度集成,通过构建集成设备预知性维护的生产排产优化模型来满足实际生产排产的需求。

  二、智能化设备管理

  智能化设备管理以设备预知性维护策略及生产计划排程集成为核心,利用大数据分析技术、智能算法技术、运筹学、统计学、系统建模理论等实现设备的智能感知、实时预警、智能维护,高效集成。智能化设备管理系统的总体架构如下图所示。

 

  图1 智能化设备管理总体框架

  智能化设备管理利用先进成熟的数据采集技术获取设备原始数据,通过对原始数据状态特征提取处理为可识别的设备状态,基于大数据分析技术建立设备状态趋势预测模型,通过设备劣化趋势分析制定设备维护规则,通过构建设备维护规划模型制定设备预防性维护策略,集成高级计划排程实现设备资源的利用最优化配置。其关键技术包含以下几个方面。

  (1)数据采集技术

  要实现对复杂设备系统的健康管理,首先要获取其健康状态的信号。不同的设备具有不同的监测参数,总体来说包括流速、压力、速度、温度、功率等[3]。依据不同的工业应用标准及实践,可使用较为成熟的监测技术;针对个性化的需求,在考虑经济性和实用性的情况下,选择相适应的传感器及特定开发来满足设备健康管理的需要,如基于RFID的无线感应技术及watchdog Agent的嵌入式智能代理技术[4]。通过采集设备的实时参数来为预知性维护决策提供数据支撑。

  (2)数据处理分析

  数据处理分析通过对数据进行数据特征提取、评估来量化分析生产设备的健康状态。设备的状态由一系列的数据状态特征表现,需要模型化的映射来量化表述其设备状态,而数据状态特征需要通过对原始数据预处理获得,因此数据处理分析首先对原始数据预处理及特征提取,其次对特征空间降维到工程实用的层次,最后通过统计模型识别方法来识别设备的状态,同时评估设备健康状态,为设备健康预测提供分析的依据和基础。

  (3)健康趋势预测

  预知维护决策不仅需要评估衰退设备当前的健康状态,更需要在数据处理分析的基础上通过数据挖掘,迅速预判出生产设备未来的劣化趋势走向。健康趋势预测的算法主要包括基于模型、基于知识和基于数据的健康预测算法,智能化的设备管理系统应依据企业的实际需求选用相适应的算法来科学预测企业设备健康状况[5]。

  ○1基于模型的健康预测算法,是通过相关专业领域专家设计建立的数学模型,利用专家设计的模型化方法表述生产设备劣化趋势的物理过程,通过对研究对象本质的深入分析得出该设备的未来劣化趋势。该预测算法的准确性与建模的领域专家的专业知识有强关联性,同时设备数据采集的准确性也是建模的关键,成功模型的构建需要借助设备物理状态的参数映射关系来对模型做出优化调整,从而不断迭代优化直至符合实际。

  ○2基于知识的健康预测算法,是基于已有知识构建起来的知识库,通过如本体技术等科学预测推理技术和方法。构建知识库需要对设备知识进行获取和表达,建立基于知识的模型,从而预测潜在的故障状态及劣化趋势。设备知识库的构建同样需要专业领域专家的经验、规则、决策的静态知识,也包含反映设备随役龄增长而健康劣化的动态知识,还需求知识库相关规则逻辑处理能力的智能代理运算能力。

  ○3基于数据的健康预测方法,是通过数据挖掘与统计学等先进方法,基于生产设备的健康状态样本数据提取设备内在规律和有效信息,在大量已有数据的基础上预测未来的设备劣化趋势,利用历史记录和观测数据的挖掘分析来支持维护决策过程。该方法在解决设备健康预测问题时能够有效解决基于模型/知识的健康预测算法存在的问题,即:基于模型的健康预测算法需要精确的物理模型,这需要具备深厚物理专业知识的专家,建模存在经济性和可行性的难题;基于知识的健康预测模型需要获取领域专家的知识和经验,存在难以准确获取及表达问题。基于数据的健康预测方法依据现有收集的设备健康状态数据,通过大数据分析挖掘潜在的趋势规律,最终得出设备性能劣化的趋势,具有现实可行性和实操性。

  (4)设备维护规划模型

  设备维护规划模型是为实现降低故障风险、减少维护成本、提高可用性等维护目标,在现有企业维护资源的约束下,科学地规划维护作业的实施时机和维护资源的预先配置。目前设备维护规划模型有以下类别[6]:

  ○1基于役龄的维护规划模型:累积运行周期达到预定役龄或则故障发生时维护作业开始。

  ○2等周期预防维护规划模型:设定生产设备间隔,以固定周期开展维护作业。维护策略主要包括固定周期内实施成组更换,固定周期内遇到故障采用小修恢复运行,达到固定周期内实施设备更换两种策略。

  ○3顺序预防维护规划模型:该模型是对于等周期预防维护规划模型的改进和拓展,考虑设备在实际的维护作业中,其健康状态随着役龄的增加而呈现劣化加速的情况,响应的维护周期间隔也会逐渐缩短。

  在上述三种设备规划模型中,“基于役龄的维护规划模型”是维护决策方法的基础,“等周期预防维护规划模型”在实践中简单、可操性强的优势,但可能导致维护作业与维护需求的匹配性不足。“顺序预防维护规划模型”则结合分析了生产设备的健康状态衰退趋势,能够动态的调整设备维护状态,更加符合设备运行实际情况,更加满足智能化的设备管理系统对于预知维护规划的动态性和全局性需求。

  (5)集成设备预知性维护的生产排程

  在传统的设备维护策略中,生产计划排程与维护计划通常被认为是相互独立的系统。生产计划排程多考虑在一定产能基础上(设备始终可用)对订单进行合理有序排产;而在维护规划中则多以生产过程始终稳定,不太考虑异常情况。但在企业实际生产中两者是紧密关联的,即在生产计划执行期间,设备故障导致正常生产的中断,需要采取维护作业保证系统的可靠性,这必将导致生产来源:www.4001.com 时间的消耗,原定的生产计划将被破坏。因此将设备维修与生产排程进行科学统筹分析,建立集成设备预知性维护的生产排程是十分必要的。

  在维护策略与生产计划的集成中,维护策略需要综合系统地考虑设备间相互的依赖性,设备工序间的来源:www.4001.com 时间间隔,需要对各设备的维护作业进行科学的优化调度;生产计划排程则更多以最小化最大生产作业延迟来源:www.4001.com 时间的决策目标下,通过对设备衰退趋势定性与定量地描述,预测设备剩余维护寿命,对生产作业的完工来源:www.4001.com 时间和延迟来源:www.4001.com 时间建模,推导出最佳生产作业与设备预知性维护序列。

  三、设备管理发展展望

  设备管理经过几十年的发展已经取得丰硕的成果。然而随着智能制造的兴起以及生产制造模式的大规模定制化转变,设备管理更加需要引入预知维护决策为核心的智能化维护策略与方法。在设备预测的方法上需要着眼企业可获设备数据多少的现实条件,针对设备小样本、贫信息等难点[7],利用基于数据分析与推理技术,科学构建预知性维护决策建模。在维护规划模型方面,需要考虑设备健康状态的非线性劣化因素,需要能够针对设备衰退演化的突发波动而动态得出最新维护策略,需要从全局性考虑设备维修规划,统筹经济性、效率性和安全性要素,得出合理有效的预知维护规划。在于生产排程的集成方面,需要考虑生产模式中订单的随机性,生产排程的改变能及时动态的传导到设备管理系统中,从而对设备预知性维护做出动态同步调整。

  面向智能制造的设备管理系统将更加适应现代企业的生产节奏,满足大规模定制化、产品个性化、设备健康多样化、系统结构复杂化,决策需求动态化的发展要求,在保障企业在设备可靠性、安全性的前提下,通过减少维护停机成本,提高设备资源利用效率,最大限度的降低企业设备成本,提高企业成本竞争力,为我国制造企业智能制造转型升级提供一条切实可行的发展路径。

  [1] 美国联邦统计局, www.fedstats.gov/.

  [2] 孙博,康锐,谢劲松.故障预测与健康管理系统研究和应用现状综述[J].系统工程与电子技术,2007, 29(10): 1762-1767.

  [3] 徐萍,康锐.预测与状态管理系统(PHM)技术研究[J].测控技术2004,23(12):

  58-60.

  [4] 彭颖.基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究

  [D].上海:上海交通大学, 2011.

  [5] 金玉兰.生产系统有限来源:www.4001.com 时间区间弹性周期预防性维修策略研究[D].上海:上海

  交通大学, 2009.

  [6] 廖雯竹,潘尔顺,奚立峰.基于设备可靠性的动态预防维护策略[J].上海交通大

  学学报, 2009, 43(8): 1332-1336

  [7] 夏唐斌.面向制造系统健康管理的动态预测与预知维护决策研究[D].上海:上

  海交通大学, 2014.