1. 幾種不同的生產(chǎn)維護(hù)概念

相信很多在現(xiàn)場(chǎng)待過(guò)較長(zhǎng)時(shí)間的工程師都知道“巡檢”、“召修”這樣的工作，在設(shè)備發(fā)生故障后，由維修人員進(jìn)行維修、更換，這往往同時(shí)意味著生產(chǎn)的停機(jī)、重啟設(shè)備帶來(lái)的不良品和工時(shí)耽擱、以及潛在的人員傷害，并且在過(guò)程中也會(huì)存在過(guò)度維修的情況造成二次失效的風(fēng)險(xiǎn)，這種被稱為“事后控制”—維修人員擔(dān)當(dāng)“消防隊(duì)員”的角色，在生產(chǎn)過(guò)程中隨時(shí)去“救火”。

圖1-現(xiàn)場(chǎng)維護(hù)的發(fā)展階段

而另一種普遍采用的是預(yù)防性維護(hù)，尤其是在流程工業(yè)較為普遍，即，安排專門的時(shí)間對(duì)設(shè)備進(jìn)行統(tǒng)一的檢修、更換，以確保在未來(lái)一段時(shí)間里的生產(chǎn)穩(wěn)定運(yùn)行，相對(duì)于事后控制這種方式具有一定的可控性，也能避免較大的事故發(fā)生，但是，這種維護(hù)方式往往需要一定的維護(hù)保養(yǎng)時(shí)間，并且，經(jīng)常會(huì)產(chǎn)生為了保障未來(lái)一段時(shí)間不產(chǎn)生停機(jī)，而對(duì)未失效的設(shè)備、器件進(jìn)行整體的更換，也是一種時(shí)間和維修成本較高的方式。

為了解決“事后控制”和“預(yù)防性維護(hù)”的弊端，“預(yù)測(cè)性維護(hù)”是一種目前普遍在進(jìn)行的運(yùn)維模式。

第三種稱為“預(yù)測(cè)性維護(hù)”它又有不同的階段和技術(shù)成熟度的不同而產(chǎn)生了不同的方法。

2.預(yù)測(cè)性維護(hù)需求的根源

今天，預(yù)測(cè)性維護(hù)技術(shù)之所以廣泛關(guān)注，并形成了PHM-設(shè)備健康管理的整個(gè)完整的系統(tǒng)，也是工業(yè)物聯(lián)網(wǎng)技術(shù)、數(shù)字孿生技術(shù)的典型應(yīng)用場(chǎng)景，這有以下背景原因：

連續(xù)生產(chǎn)產(chǎn)生的需求

由于通過(guò)產(chǎn)線集群生產(chǎn)方式，每個(gè)單臺(tái)設(shè)備的故障將會(huì)影響整個(gè)產(chǎn)線的OEE水平，因此，預(yù)測(cè)性維護(hù)的必要性就變得更為迫切。

基于數(shù)據(jù)的方法變得更為經(jīng)濟(jì)

傳統(tǒng)的機(jī)理模型方式依賴于專家或?qū)＜蚁到y(tǒng)，專家極其難以培養(yǎng)，而專家系統(tǒng)也需要數(shù)十年的各種場(chǎng)景研究的積累，而隨著數(shù)據(jù)采集、傳輸、分析類的工具與方法變得更為經(jīng)濟(jì)的時(shí)候，數(shù)據(jù)驅(qū)動(dòng)的方法解決了傳統(tǒng)健康預(yù)測(cè)的瓶頸，進(jìn)而使得數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)得以快速發(fā)展。

3. 預(yù)測(cè)性維護(hù)的實(shí)現(xiàn)方法

3.1 預(yù)測(cè)性維護(hù)的兩種主要方法

通常預(yù)測(cè)性維護(hù)，首先一個(gè)概念稱為“基于狀態(tài)監(jiān)測(cè)”（Condition-Based Maintenance）的維護(hù)，它借助于傳感器技術(shù)、通信技術(shù)、專家系統(tǒng)，集中采集導(dǎo)致設(shè)備停機(jī)的狀態(tài)參數(shù)，可以實(shí)現(xiàn)在事故發(fā)生之前較長(zhǎng)時(shí)間里的故障“預(yù)測(cè)”，并提供較為精準(zhǔn)的故障定位與處理方法。

圖2-基于狀態(tài)的預(yù)測(cè)性維護(hù)

圖2-即是典型的基于振動(dòng)的分析，通過(guò)加速度傳感器對(duì)信號(hào)進(jìn)行采樣，通過(guò)系列的積分、濾波，對(duì)信號(hào)的包絡(luò)曲線提取、特征頻率獲取，通過(guò)快速傅里葉變換、整流、解調(diào)等方式對(duì)信號(hào)進(jìn)行前期處理，然后，將提取的數(shù)據(jù)輸入至狀態(tài)監(jiān)測(cè)系統(tǒng)（Condition Monitoring System）進(jìn)行分析，包括工頻、二倍頻、共振等方面的分析。而對(duì)數(shù)據(jù)的處理則有兩種不同的方法，用于對(duì)故障進(jìn)行預(yù)測(cè)，以獲得設(shè)備的剩余使用時(shí)間、故障點(diǎn)、故障類型等處理信息。

其中兩個(gè)主要的方法稱為基于模型的（Model-Based）方法，這一種是基于機(jī)理模型，即，機(jī)械系統(tǒng)的失效分析，它根據(jù)已有的軸承、齒輪箱的機(jī)械特征參數(shù)，并將實(shí)時(shí)參數(shù)進(jìn)行對(duì)比，對(duì)故障進(jìn)行預(yù)測(cè)，這種系統(tǒng)往往會(huì)依賴于長(zhǎng)期的數(shù)據(jù)積累，形成“專家系統(tǒng)”，類似于“查表”的方式，對(duì)故障進(jìn)行預(yù)測(cè)、定位與分析。

另一種是數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)（Data-Driven Predictive Maintenance）,是在現(xiàn)有的人工智能技術(shù)基礎(chǔ)發(fā)展起來(lái)的，同樣也是基于物理建模，但是，不同在于它沒(méi)有提供失效分析的方法而是通過(guò)大數(shù)據(jù)方法對(duì)特征值進(jìn)行學(xué)習(xí)，可以通過(guò)“強(qiáng)化學(xué)習(xí)”、“監(jiān)督學(xué)習(xí)”方法來(lái)預(yù)測(cè)未來(lái)的故障，通過(guò)大量數(shù)據(jù)的學(xué)習(xí)，自主掌握設(shè)備的潛在故障。

圖3-常用機(jī)器學(xué)習(xí)過(guò)程

3.2 模型驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)的方法選擇

模型驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)的方法各自有優(yōu)缺點(diǎn)，模型驅(qū)動(dòng)方法對(duì)于模型需求較強(qiáng)，必須對(duì)整個(gè)機(jī)械系統(tǒng)的材料、傳動(dòng)過(guò)程等非常清楚，并且能夠有很好的領(lǐng)域知識(shí)支撐來(lái)實(shí)現(xiàn)，這對(duì)于專業(yè)的依賴非常深，往往需要非常專業(yè)的領(lǐng)域?qū)＜?，例如?guó)際認(rèn)證振動(dòng)分析師這樣的專業(yè)人士才能進(jìn)行，而數(shù)據(jù)驅(qū)動(dòng)型的則不依賴于專家的知識(shí)，通過(guò)大量數(shù)據(jù)分析，對(duì)故障進(jìn)行預(yù)測(cè)，但是，這種方法需要數(shù)據(jù)量較大，同時(shí)，由于機(jī)器學(xué)習(xí)往往具有“不可解釋性”，因此，用戶采用與接受也需要一個(gè)長(zhǎng)期驗(yàn)證的過(guò)程。

采用模型驅(qū)動(dòng)還是數(shù)據(jù)驅(qū)動(dòng)也需要結(jié)合實(shí)際情況，對(duì)于機(jī)理模型強(qiáng)而數(shù)據(jù)少的，則采用模型分析方法，而對(duì)于機(jī)理模型不清晰，數(shù)據(jù)量較大的情況，則宜于采用數(shù)據(jù)驅(qū)動(dòng)的方法。

當(dāng)然，比較好的當(dāng)然是兩者的融合，模型提供了快速構(gòu)建預(yù)測(cè)性維護(hù)的基礎(chǔ)，但模型的保真度，以及運(yùn)行環(huán)境中的不確定性等會(huì)讓模型進(jìn)行的預(yù)測(cè)準(zhǔn)確度不夠，而基于數(shù)據(jù)則可以彌補(bǔ)這方面的缺陷，提高預(yù)測(cè)的精度。

4.預(yù)測(cè)性維護(hù)帶來(lái)的好處

降低甚至消除潛在的停機(jī)

備件可以被準(zhǔn)確預(yù)測(cè)并進(jìn)行準(zhǔn)備

可以實(shí)現(xiàn)最大的設(shè)備使用價(jià)值

根據(jù)相關(guān)研究數(shù)據(jù)表明，采用預(yù)測(cè)性維護(hù)技術(shù)對(duì)于工廠的貢獻(xiàn)如下：

降低維護(hù)成本：25-30%

消除生產(chǎn)當(dāng)機(jī)：70-75%

降低設(shè)備或流程的停機(jī)：35-45%

提高生產(chǎn)率：20-25%

版權(quán)提示：本文為宋華振為“工控百家談”公眾號(hào)獨(dú)家撰文，如需轉(zhuǎn)載，請(qǐng)聯(lián)系本微信公眾號(hào)獲得授權(quán)。如需投稿請(qǐng)聯(lián)系微信號(hào)：QQ1721078

作者簡(jiǎn)介：宋華振

貝加萊工業(yè)自動(dòng)化（中國(guó)）有限公司市場(chǎng)部經(jīng)理，武漢工程大學(xué)99屆自動(dòng)化儀表專業(yè)、同濟(jì)大學(xué)2015屆MBA，并擔(dān)任SAC/TC124/SC4委員、自動(dòng)化學(xué)會(huì)集成自動(dòng)化分委會(huì)委員，OPC UA基金會(huì)（中國(guó)）技術(shù)顧問(wèn)、走向智能研究院研究員，主要聚焦于產(chǎn)業(yè)市場(chǎng)研究、工業(yè)通信、智能制造發(fā)展、創(chuàng)新生態(tài)系統(tǒng)等方向。