數據挖掘在設備維護階段的應用

季海鵬,安雅程,楊鎮豪,宋美賢,馮海領（.天津大學 機械工程學院; .河北工業大學 計算機科學與軟件學院,天津 30007）

?

數據挖掘在設備維護階段的應用

季海鵬1,安雅程2,楊鎮豪2,宋美賢2,馮海領2
（1.天津大學 機械工程學院; 2.河北工業大學 計算機科學與軟件學院,天津 300072）

摘 要：隨著制造業的不斷發展和壯大，對制造設備融入新型技術的要求越來越高，傳統制造業的運行模式已經不能滿足工業智能化的需求。通過總結分析現有數據挖掘技術在設備維護的應用，對于該技術廣泛應用的階段，將優化算法流程和速度、使之適應實際生產過程作為研究重點，以求將不同階段發現的知識進行共享，達到互相利用、輔助決策的作用。

關鍵詞：數據挖掘；設備全生命周期；制造服務；故障診斷

1 引言

制造業對于一個國家現代化建設具有不可替代的重要地位和作用，直接體現了國家的生產力水平，是區別發展中國家和發達國家的重要因素。我國是制造業大國，在新一輪國際產業結構調整中，我國正逐步成為全球最重要的制造業基地之一。但是隨著工業的發展及制造企業規模的擴大，設備的復雜程度越來越高，對生產的影響也越來越大，設備在企業中的作用及地位日益突出，迫切的需要將信息化、智能化的科學技術與傳統制造設備相結合，探索一種能夠貫穿設備周期始末的現代化技術，以提高制造業各個環節的工作效率，增強各部門之間的聯系，從而適應現代化發展的需要。

生命周期源于自然生態系統，被人們引用于其他研究領域，用以描述其他對象的某些類似于自然生態系統的生命曲線特征。維護維修階段包含預防性維護維修、設備狀態監測和故障診斷等過程，目的是針對設備可能出現的故障問題進行事先的監測和維護處理，盡量防止故障的發生。數據挖掘技術可用于對企業監測數據進行分析找出偏離正常值的參數點，也可通過算法發現隱含的故障規律提前預警。

2 設備狀態監測與故障診斷

設備狀態監測與故障診斷是以監測設備的狀態參數和分析設備的歷史運行數據的方式，在故障發生之前發現設備的異常情況，并分析其故障原因，起到預測預警的作用。數據挖掘技術中的關聯規則挖掘方法是目前設備故障監測診斷、預防性維護維修領域的研究熱點，通過對設備運行數據進行分析，挖掘其中隱含的故障判定規則，為故障診斷提供決策依據。然而關聯規則算法的前提是各項目的分布均勻且重要性相同，但在設備實際運行過程中，由于故障因素貢獻度不同或設備故障隨運行時間增加磨損程度不同等原因，不能滿足關聯規則的條件，所以引發了對于加權關聯規則和變權關聯規則等方面的研究。還有部分研究采用了數學方法得到設備的壽命分布，用于預測剩余壽命。

文獻[1]在關聯規則中Apriori算法的基礎上進行改進，利用多重最小支持度解決了設備故障診斷中非頻繁項目的挖掘；同時針對在實際的應用中項目集的重要程度不一致的問題，提出一種基于“組件信譽值”的加權多重最小支持度算法。文獻[2]針對各組件權值會隨時間因磨損發生變化的情況，提出了一種適用于設備故障診斷的變權關聯規則算法，將隨時間而變化的設備組件磨損程度因素作為衡量組件權重值的一項重要指標，以提高設備故障診斷的準確率，并用具體的實例分析來說明運用變權關聯規則對設備故障診斷更加準確。文獻[3]將“最小支持期望”和矩陣引入關聯規則，提出一種適用于設備故障診斷的基于矩陣的加權關聯規則模型——MWARMA模型，并以該模型為基礎設計并實現了一套設備故障診斷系統。文獻[4]針對如何利用新增數據進行快速診斷的問題，提出了加權關聯規則增量更新模型，直接對新增數據進行頻繁項集挖掘，在一定程度上縮減了矩陣規模。通過算例證明了其挖掘結果的準確率明顯優于經典的增量模型-FUP。文獻[5]針對退化分布函數難以估計的復雜系統，研究了剩余壽命預測及預防性維護維修最優決策問題，提出一種基于復雜系統剩余壽命有效預測的預防性維護維修策略。由已知的設備壽命分布函數預測其平均剩余壽命，以平均剩余壽命為閾值制定預防性維護維修策略。但研究過程均以數學模型推導求解的方式進行，未來可以考慮將數據挖掘方法融入壽命預測環節。

3 展望

目前，數據挖掘技術在制造設備全生命周期過程中的應用主要集中在生產制造階段和維修維護階段，而在設計階段和銷售使用階段卻少有涉及。文獻[6]提出了一種聯合眼動和腦電的汽車工業設計用戶體驗評選方法，使用眼動儀和腦電記錄儀采集目標用戶在對不同產品設計效果圖體驗評價過程中的眼動和腦電數據。對原始數據進行處理，并對處理后的眼動數據、腦電數據與主觀評價值三者之間的相關性進行了分析。文獻[7]考慮到消費者對新產品、再制造產品和二手產品的偏好程度不同，建立了閉環供應鏈差別定價模型，研究了制造商是否從事再制造和經銷商是否經銷二手產品的生產決策問題。得出結論為在制造商從事再制造且經銷商經銷二手產品的情形下，經銷商通過將自身的部分利潤轉移給制造商，可以保證雙方均獲得更大盈利。其求解過程同樣采用數學推導和積分求解的方式，沒有運用數據挖掘技術。

參考文獻：

[1]劉晶,季海鵬,朱清香.改進多重最小支持度關聯規則算法在故障診斷中的應用[J].工業工程,2010,13(04):108-111.

[2]朱清香,滕麗麗,劉晶.基于變權關聯規則的設備故障診斷研究[J].燕山大學學報,2011,35(02):167-172.

[3]朱清香,焦朋沙,劉晶等.矩陣加權關聯規則在故障診斷系統中的應用[J].工業工程,2013,16(02):87-91.

[4]朱清香,于欣,劉晶等.基于加權關聯增量更新模型的設備故障診斷研究[J].燕山大學學報,2014,38(04):365-370.

[5]石慧,曾建潮.基于壽命預測的預防性維護維修策略[J].計算機集成制造系統,2014,20(05):1133-1140.

[6]唐幫備,郭鋼,王凱等.聯合眼動和腦電的汽車工業設計用戶體驗評選[J].計算機集成制造系統,2015,21(06):1449-1459.

[7]許茂增,唐飛.考慮消費者偏好的閉環供應鏈差別定價模型[J].計算機集成制造系統,2014,20(04):945-954.

[8]劉晶,季海鵬,朱清香,于欣.含有隱性故障的復雜設備故障預警方法[J].計算機測量與控制,2014(04):1030-1032.

DOI:10.16640/j.cnki.37-1222/t.2016.02.084