基于大數據的設備狀態監控模型

王靈運，張光宇

（1.上海汽車股份有限公司培訓中心，上海 200041 2.江森自控有限公司，上海 200060）

基于大數據的設備狀態監控模型

王靈運1，張光宇2

（1.上海汽車股份有限公司培訓中心，上海 200041 2.江森自控有限公司，上海 200060）

針對設備管理過程中對設備狀態監控的需求和實施難點，分析大數據應用在設備監控的可行性，并提出建立實時有效的設備監控系統模型的思路，根據案例論述實施中應注意的問題。

工業大數據；設備監控；設備損失；智能制造

10.16621/j.cnki.issn1001-0599.2017.09.07

1 實施設備狀態監控的目的

設備在使用過程中會存在各種各樣的損失，這些損失可匯總為7種：①設備故障的損失。②設備空轉和暫停的損失。③設備換型的損失。④設備調試的損失。⑤設備啟動的損失。⑥設備性能衰減的損失。⑦產出廢品的損失。這些損失最終將表現為設備性能的下降，設備使用時間的減少，以及產品合格品率的降低，對企業的運營會帶來巨大的影響。

因此要了解設備在實際使用過程中的狀態，以及這些損失在使用過程中的分布情況，企業就需要對設備設定相應的控制點，并進行及時監控，以實現3個目的。

1.1 了解階段時間中設備損失的構成

目前企業對于這7種損失在設備監控過程中，主要采用3種方式進行收集，即損失①～④主要表現為這些損失的停機時間；損失⑤，⑥通過定期測試設備動靜態性能或比較實際的生產節拍與理想（工藝）工作節拍之間的差異來判斷；損失⑦是通過產品做出后的質量結果判斷而得出的。通過對這些數據的獲得，并以一定方式的計算就可以得到設備的損失構成，從而知曉消除損失的方向。

1.2 得到準確的設備KPI源數據

7種損失的數據均可轉化為統一的單位（比如時間），用來計算MTBF，MTTR，OEE等設備管理指標，最終評判階段性設備管理水準。而這些數據越精確，越實時，對設備的評價就越準確。

1.3 通過狀態數據來提前發現設備的問題和故障

設備性能從衰減到真正功能失效，一般都存在一定的周期。如果在衰減的初期能夠發現設備潛在的失效，就可以提前對設備采取相應的措施，避免可能產生的安全，環境和運營的損失。目前傳統的監控方式是使用某些儀表，定期對設備的某些控制點進行相應的測量。例如，熱成像儀通過電纜熱度的變化來判斷電纜的老化程度；利用振動儀顯示的頻次來測量軸承的好壞等。因此，設備監控可以提前發現設備的異常狀況，從而預先采取措施避免或者減少設備產生的損失。

2 設備狀態監控的難點

因為設備狀態監控對企業管理的益處，使設備監控越來越受到設備管理的重視。但目前企業設備監控中一般會存在若干難點，主要表現在3個方面。

2.1 監控采樣密度不夠

（1）需要收集足夠多的數據。由于設備狀態是連續變化的，所以希望采樣的密度能夠足夠大，以盡量收集足夠多和更加精確的數據，覆蓋足夠多的過程，以保證分析的可靠性。

（2）采用定時離散的監控計劃。傳統的狀態監控過程中，由于人員、設備和成本的因素，除了涉及到重大事項的控制點會投入巨大成本進行實時監控外，一般不會對控制點進行大密度或全天候的監控。而采用定時離散的監控計劃，其缺點是設備的失效或者潛在失效，可能是在監控的間隔之中產生的。

2.2 非顯性損失和人工采集數據精度不高

設備非顯性損失和人工采集方式所獲取的數據，往往使數據的精度不高。例如，上述中設備的7種損失并非都是顯性的，像設備故障的損失和產出廢品的損失可以相對顯性地表現出來，而其他5種損失如果不能明確的測量和收集甚至沒有具體的定義，很可能就會統計不到或被遺漏，造成統計數據的缺失和統計精度無法保證。

2.3 老設備的系統數據采樣難度大

因為有些設備在前期規劃階段沒有考慮到數據采集問題，所以老設備就會體現出2方面的采樣難度：一是設備不具備數據收集和傳輸能力；二是設備供應商不愿意開放這些數據給用戶。這2個難題均會帶來在實施過程中巨大的成本支出和時間占用，甚至會引起設備的大幅度改造。

3 工業大數據技術對設備狀態監控帶來的機會

工業大數據是指在工業領域中，圍繞典型智能制造模式，整個產品全生命周期各個環節所產生的各類數據及相關技術和應用的總稱。工業大數據技術是使工業大數據中所蘊含的價值得以挖掘和展現的一系列技術與方法，包括數據采集、預處理、存儲、分析挖掘、可視化和智能控制等。本質目標就是從復雜的數據集中發現新的模式與知識并得到有價值的新信息，從而促進工業企業的產品創新、提升經營水平和生產運作效率。

4 大數據設備監控模型架構

采用設備大數據進行設備監控的架構是通過傳感技術，先實時采集設備上的共有特性（如用電量、功率、電流、電壓等），再通過軟件對連續數據的分析和處理，得到一系列結果，完成對設備運營中損失的實時統計，發送出相應的解決方案和指令，之后對于數據顯著和關鍵的差異再通過專業儀器近一步的專項測試，從而確診故障點和實施故障解決。所以，通過大數據的使用，首先可以擺脫原先設備上的瓶頸，不局限于設備供應商是否支持和設備上有無傳輸端口；只要設備上有用電數據，就可以通過串并聯相關傳感單元很容易地被采集出來，而且采集的成本也會相對較低；只要將采樣周期設定得足夠短（達到秒級采樣周期），就可以得到更加精準的實時數據。

參考點（圖形）是決定軟件數據比較和判斷的重要基準。以功率為例，軟件中設定的一些參考數據將決定數據計算后的歸屬，設備瞬間運行功率為0 kW將被判斷為停機狀態；設定Pst就是待機功率時，運行功率=Pst為待機狀態，但這個功率對于每臺設備來說都是不同的，所以在前期設定過程中就需要了解設備的初始待機功率值；每臺設備生產產品節拍時間中的基本特性曲線，需要有既定的路程進行確定和修訂，將目前的設備曲線通過程序自動和特性圖形進行比對（可以設定相應的波動范圍），確定目前加工的過程是否存在異常，異常狀態就意味著損失的可能。

5 案例分享

下面是設備狀態監控模型在某整車廠動力總成車間實施的案例。該監控系統是通過對設備的用電量的方式進行采集，再通過MODBUS總線的方式收集數據，進行匯總和分析，最終得出系列結論和方案幫助企業進行精細化管理的過程。

（1）對標管理是企業能源管理的重點，能源消耗限額控制也是智能制造的重要維度之一。該模型基于把設備管理思想與能源管理思想相結合的前提，對每臺設備用電量進行采集分析，按照財務維度將制造工廠用能單位劃分為工廠、車間（以及輔助生產系統和附屬生產系統）、生產線、設備4個層級，逐級分析，每一層級制定相關的指標和參數。設備監控系統準確及時地反映整個能源管理過程中可能存在的問題，將能源管理的事后控制轉變為過程控制，使管理層能及時采取相關措施對暴露問題進行解決，從而有效地降低單位產品能耗，提高利潤率，實現能源管理上的精細化；同時通過構建統一、能效大的數據平臺，實現能效數據與業務現場數據的集成，使用大數據分析手段全面支持業務運作、成本管控和決策分析，實現崗位能效自我改善，幫助決策層更準確地評估企業能耗狀況，以大大提高企業決策的成功率。

（2）設備狀態分析數據包括設備異常類型（正常、總能耗異常、空運轉能耗比例異常、待機能耗比例異常、非生產能耗比例異常）、總能耗值、加工運行時間、加工運行能耗、空運轉時間、空運轉能耗、空運轉能耗比例值、待機時間、待機能耗、待機能耗比例值、非生產時間、非生產能耗、非生產能耗比例值等。如果按照功率——時間的方式采集數據，將會有更細化的報表生成。

（3）在分析和采集大量設備狀態能耗數據后，對不同種類和運行工況進行聚類分析，通過集群建模方法對設備狀態進行數據分析，通過比較每臺設備與集群的差異性來判斷其異常程度。在對設備的健康狀態進行定量化分析之后，可以從車間級、生產線級、單機級對設備狀態進行垂直立體化的管理，根據設備的實時狀態進行維護計劃和生產計劃的調度。

（4）在工廠生產線設計和建造階段雖然已經確定基本能耗范圍，但通過對能耗進行監控，運用大數據分析技術建立多維數據分析模型，通過關聯更多的維度和數據項，例如，班組、人員等信息，揭示人因與能效控制目標的偏差程度，對設備運行參數和能耗歷史數據進行分析，及時發現能耗偏離計劃目標的情況，整合相關數據進行分析，挖掘能耗異常的根本原因，指導設備進行自適應調整、生產工藝優化、節能管理措施實施等，不斷改進能耗表現。

這套設備的監控系統只囊括了監控的一小部分，更加豐富的內容隨著數據量的增加和軟件功能的加強會越來越體現其價值。總之，設備產生的各類數據是一筆巨大的財富，原先由于各種資源的約束，無法很好地進行開發，但隨著信息技術的快速發展，開發的成本將越來越低，隨之數據處理后的結果將為企業管理和決策帶來科學的參考依據和強大的支撐作用。

U468.2

B

〔編輯 王永洲〕