工業(yè)制造企業(yè)如何做好設(shè)備的智能維護(hù)，提高生產(chǎn)效率

---

生產(chǎn)制造的核心是提高生產(chǎn)效率和滿足市場(chǎng)對(duì)產(chǎn)品的多樣性、實(shí)效性和高質(zhì)量的需求。旋轉(zhuǎn)機(jī)械部件是工業(yè)機(jī)械和精密加工中最重要的元件之一，對(duì)設(shè)備加工精度和效率起著至關(guān)重要的作用。以下特別以軸承，滾珠絲桿，主軸刀具為例，介紹其狀態(tài)監(jiān)測(cè)、故障預(yù)診和壽命預(yù)測(cè)的解決方案。

一、為什么需要智能維護(hù)？

1、當(dāng)前生產(chǎn)制造業(yè)平均生產(chǎn)率有待提高

據(jù)統(tǒng)計(jì)，在當(dāng)前大批量生產(chǎn)制造中，平均生產(chǎn)率不足60%[1]，其主要原因在于設(shè)備的故障和不可靠的生產(chǎn)過(guò)程控制。例如，汽車制造工廠停機(jī)1分鐘，將造成2萬(wàn)美金的損失[2]。

2、制作業(yè)數(shù)據(jù)資源充足，但并未得到充分利用

圖片來(lái)源：IDC, 麥肯錫全球研究院分析

麥肯錫的報(bào)告顯示，就大數(shù)據(jù)的數(shù)量而言，制造業(yè)遠(yuǎn)遠(yuǎn)超過(guò)其他行業(yè)的數(shù)據(jù)產(chǎn)生數(shù)量，且可被接入的設(shè)備數(shù)量也遠(yuǎn)超移動(dòng)互聯(lián)網(wǎng)。然而工業(yè)大數(shù)據(jù)的應(yīng)用卻遠(yuǎn)沒有在社交網(wǎng)絡(luò)、醫(yī)療等方面普遍和深入，其中的價(jià)值有待人們充分挖掘。

3、預(yù)測(cè)設(shè)備衰退狀態(tài)是提高生產(chǎn)效率的必要手段

持續(xù)保證加工精度是提高生產(chǎn)效率的關(guān)鍵，這包括對(duì)設(shè)備、生產(chǎn)工藝的控制，而不可避免的設(shè)備性能衰退將直接影響到精度從而導(dǎo)致產(chǎn)品良率的下降，嚴(yán)重情況下宕機(jī)。

要最小化設(shè)備衰退對(duì)生產(chǎn)效率造成的不良影響，最必要的手段之一是預(yù)測(cè)設(shè)備衰退狀態(tài)，支持運(yùn)維決策者做出敏捷正確的決策，進(jìn)而優(yōu)化生產(chǎn)計(jì)劃、節(jié)省維護(hù)成本，并盡量避免非計(jì)劃停機(jī)，實(shí)現(xiàn)近似零宕機(jī) (near-zero breakdown)。

二、如何進(jìn)行智能維護(hù)？

1、概述

從零部件級(jí)入手，通過(guò)采集加裝傳感器信號(hào)、控制信號(hào)、事件信號(hào)等，用預(yù)測(cè)與健康管理（PHM）策略和技術(shù)方法，對(duì)原始數(shù)據(jù)做分析處理，提取特征，并通過(guò)機(jī)器學(xué)習(xí)或統(tǒng)計(jì)方法建模，從而得出與狀態(tài)相關(guān)的置信度值來(lái)表示部件的健康狀態(tài)，及時(shí)讓用戶發(fā)現(xiàn)不可見的部件衰退并預(yù)測(cè)剩余使用壽命。

2、技術(shù)實(shí)現(xiàn)

為了了解單個(gè)部件的衰退過(guò)程以及其故障機(jī)理，通過(guò)高應(yīng)力加速劣化試驗(yàn)可以在短時(shí)間內(nèi)獲取全生命周期的衰退過(guò)程，與此同時(shí)，多方面、全周期的數(shù)據(jù)采集能夠從不同的角度更全面地描述其衰退形態(tài)。

一般情況下，在多傳感器的環(huán)境下學(xué)習(xí)，對(duì)不同類型的信號(hào)進(jìn)行預(yù)處理和特征提取，來(lái)自每個(gè)傳感器或者控制器信號(hào)所能反映出的特征只能反映本體的特定片面的信息，因此通過(guò)信息融合的方式則能更加全面的去詮釋本體的整體健康狀態(tài)和故障模式。

隨著機(jī)械設(shè)計(jì)復(fù)雜性的提高，外加傳感器變的越來(lái)越困難，好在復(fù)雜機(jī)械的控制系統(tǒng)能夠提供更加豐富的信號(hào)，如GE的發(fā)動(dòng)機(jī)在設(shè)計(jì)時(shí)就提供了大量的在線數(shù)據(jù)。

因此，我們將從多傳感器逐步轉(zhuǎn)向無(wú)傳感器的戰(zhàn)略，直到能夠通過(guò)控制器提供的數(shù)據(jù)找出與設(shè)備健康狀態(tài)相關(guān)的信號(hào)，通過(guò)“最少傳感器”的分析策略，來(lái)建立能夠有效預(yù)診設(shè)備狀態(tài)的模型，一個(gè)精簡(jiǎn)的無(wú)傳感器下故障診斷模型如下圖：

故障預(yù)診模型示例

圖片來(lái)源：P. Li, “Cyber App for Ball Screw Health Monitoring,” in IMS Center 32nd Industry Advisory Board Meeting, 2016.

三、案例分享

1、某家具制造商智能設(shè)備運(yùn)維典型案例

慧都工業(yè)大數(shù)據(jù)分析平臺(tái)的智能設(shè)備運(yùn)維解決方案，能夠整體提升故障預(yù)測(cè)及設(shè)備健康管理的準(zhǔn)確性，我們通過(guò)一個(gè)客戶案例來(lái)深入了解，智能設(shè)備運(yùn)營(yíng)解決方案為制造業(yè)帶來(lái)哪些變革。

該家具制造公司是一家以生產(chǎn)、銷售、研發(fā)、安裝、售后服務(wù)，為客戶提供全方位的產(chǎn)品和服務(wù)，包括辦公家具、民用家具、酒店家具、實(shí)木教具、教學(xué)家具、軟體家具、金屬家具等業(yè)務(wù)。

其公司存在以下業(yè)務(wù)痛點(diǎn)：

• 無(wú)法探索各設(shè)備停機(jī)時(shí)間的原因分析，得到改善建議
• 無(wú)法預(yù)測(cè)設(shè)備有效應(yīng)用率和故障，以及設(shè)備與產(chǎn)品質(zhì)量的關(guān)系
• 需要非常有經(jīng)驗(yàn)的人來(lái)維護(hù)設(shè)備，人工維護(hù)成本高

慧都大數(shù)據(jù)專家團(tuán)隊(duì)根據(jù)客戶需求進(jìn)行咨詢、調(diào)研、研發(fā)、實(shí)施、維護(hù)五步項(xiàng)目流程，為用戶定制化設(shè)備運(yùn)維解決方案。

圖片來(lái)源：慧都智能設(shè)備運(yùn)維項(xiàng)目圖片1

圖片來(lái)源：慧都智能設(shè)備運(yùn)維項(xiàng)目圖片2

2、滾珠絲桿故障預(yù)診和壽命預(yù)測(cè)

滾珠絲桿故障模式有多種，如潤(rùn)滑失效，絲桿／導(dǎo)軌預(yù)壓消失，滾珠／牙型磨損等問(wèn)題。在正常運(yùn)行狀態(tài)下，可能需要幾年的時(shí)間才能全部了解到各種故障模式，而通過(guò)高應(yīng)力下加速劣化實(shí)驗(yàn)，可以在短時(shí)間內(nèi)獲取不同的故障形態(tài)，衰退過(guò)程曲線。

圖片來(lái)源：W. Jin, “A Comparative Study ofFault Detection and Health Assessment Techniques for Motion ControlMechanism,” Master's thesis, University of Cincinnati, Aug. 2014.

該曲線一方面能夠快速分析出與故障相關(guān)的特征，如頻域中的球動(dòng)頻率，位置跟蹤誤差等，另一方面，根據(jù)對(duì)應(yīng)力與壽命的關(guān)系建模，能夠很好的區(qū)分出絲桿壽命、應(yīng)力、衰退之間的關(guān)系，從而可以快速推算出在正常操作條件下的衰退曲線。

圖片來(lái)源：P. Li, “Cyber App for Ball Screw Health Monitoring,” in IMS Center 32nd Industry Advisory Board Meeting, 2016.

3、軸承壽命預(yù)測(cè)

用深度學(xué)習(xí)從振動(dòng)信號(hào)、電流信號(hào)、溫度信號(hào)中提取的特征來(lái)監(jiān)測(cè)軸承的劣化并推算出其剩余壽命。根據(jù)歷史完整劣化數(shù)據(jù)建立訓(xùn)練集，基于相似性原理預(yù)測(cè)在運(yùn)行軸承的剩余壽命，通過(guò)加強(qiáng)深度學(xué)習(xí)使其預(yù)測(cè)模型更加精準(zhǔn)。

圖片來(lái)源：Liao, L., Jin, W., &Pavel, R. (2016).Enhanced restricted boltzmann machine with prognosability regularization for prognostics and health assessment. IEEE Transactions onIndustrial Electronics,63(11), 7076-7083.

4、刀具磨損預(yù)測(cè)與診斷

刀具磨損監(jiān)測(cè)和預(yù)測(cè)刀具的剩余使用壽命（RUL）一直是一個(gè)研究領(lǐng)域，因?yàn)殂姷吨械哪p會(huì)降低產(chǎn)品的表面質(zhì)量及其尺寸精度。

PHM協(xié)會(huì)2010年的工業(yè)數(shù)據(jù)競(jìng)賽是使用測(cè)功機(jī)和加速度計(jì)數(shù)據(jù)的高速數(shù)控銑床銑刀的RUL估計(jì)。該競(jìng)賽提供的數(shù)據(jù)包括收集的力和三個(gè)方向的加速度信號(hào)以及聲發(fā)射信號(hào)。數(shù)據(jù)來(lái)自于六個(gè)刀具全生命周期切削過(guò)程，目的是在切割工件時(shí)預(yù)估刀具的剩余使用壽命。

圖片來(lái)源：https://www.phmsociety.org/competition/phm/10

所使用的方法用到信號(hào)去噪、特征提取，用神經(jīng)網(wǎng)絡(luò)的方法關(guān)聯(lián)特征與刀具磨損，從而估算出刀具剩余壽命。

圖片來(lái)源：H.Davari, “Remaining Useful Life Estimation of a High Speed CNC Milling MachineUsing Dynamometer and Accelerometer Data,” in Prognostics and HealthManagement, 2010. PHM 2010. International Conference on,2010.”

四、方案推薦

慧都智能設(shè)備運(yùn)維解決方案使用的產(chǎn)品有慧都DataForce、慧都生產(chǎn)制造BI、慧都工業(yè)AI模型。通過(guò)做設(shè)備的運(yùn)維分析、故障預(yù)測(cè)，從而減少停機(jī)時(shí)間，同時(shí)給設(shè)備運(yùn)維提高效率，降低維護(hù)成本。

慧都工業(yè)大數(shù)據(jù)分析平臺(tái)架構(gòu)

最終實(shí)現(xiàn)效果：

• 維護(hù)周期，建模預(yù)測(cè)設(shè)備狀態(tài)，按小時(shí)實(shí)時(shí)調(diào)整維護(hù)計(jì)劃，讓計(jì)劃性的設(shè)備維護(hù)更合理、高效，降低成本。
• 故障預(yù)測(cè)，建模預(yù)測(cè)設(shè)備故障，提前處理，讓非計(jì)劃性的設(shè)備維護(hù)更可控，有效減少停機(jī)時(shí)間，從而降低對(duì)生產(chǎn)帶來(lái)的損失。
• 減少人力成本，設(shè)備運(yùn)維智能化，減少對(duì)有經(jīng)驗(yàn)的工程師的依賴程度，同時(shí)減少運(yùn)維人員的無(wú)必要的定期檢查。
• 提高設(shè)備效率，預(yù)測(cè)設(shè)備狀態(tài)，計(jì)劃性的設(shè)備運(yùn)維，按需維護(hù)，不用等到定期維護(hù)，更有效延長(zhǎng)設(shè)備的生命周期。

---

慧都工業(yè)大數(shù)據(jù)分析平臺(tái)致力于打造國(guó)內(nèi)第一個(gè)端到端的工業(yè)大數(shù)據(jù)分析平臺(tái)，為企業(yè)提供產(chǎn)品全生命周期數(shù)據(jù)管理和分析方案，為您提供從數(shù)據(jù)采集、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模、可視化分析的端到端解決方案。

歡迎撥打慧都熱線023-68661681或咨詢慧都在線客服，我們有專業(yè)的大數(shù)據(jù)團(tuán)隊(duì)，為您提供免費(fèi)大數(shù)據(jù)相關(guān)業(yè)務(wù)咨詢！