可視化智能運維系統在鋼鐵企業的應用

王曉明，謝允澄

（1山東省冶金科學研究院有限公司，山東 濟南250014；2濟南濟鋼人力資源服務有限公司，山東 濟南250101）

1 前言

鋼鐵企業設備管理水平距離國家智能制造總體要求還存在一定的差距，主要體現在：設備規模大且分散，管理困難，缺少可視化和自動化遠程智能運維管理手段；環境異構、業務系統繁多，無法快速適應復雜環境設備的管控；人員能力層次不齊，服務范圍廣，缺少規范的、自動的流程化管理等。為了解決上述存在的問題，實現設備的全生命周期管理，提高設備管理的精細化水平，國內鋼鐵企業已進行了有效的嘗試和探索，并取得了一定效果。其中尤以基于大數據分析的可視化智能運維系統（以下簡稱智能運維系統）的應用效果顯著，該系統的應用為設備全生命周期跟蹤提供更多、更精細的數據支撐，大幅降低了設備非故障停機率，有效提高了生產效率。

2 系統架構

智能運維系統隸屬于設備管理系統范疇，因此，在鋼鐵企業信息化系統中應定位于L3（三級）層級，系統要實現對鋼鐵企業全流程生產關鍵設備的智能運維，在設計時就要從技術層面考慮安全性、可靠性、開放性、實用性、可擴展性、規范性和穩定性等原則，從而實現關鍵設備的全生命周期管理。

智能運維系統軟件實現的主要功能包括數據處理、Web頁面、手機APP等，部署安裝于企業云端的服務器中。Web頁面采用B/S架構，數據處理軟件采用C/S架構，在軟件的開發及擴展上，其技術架構如圖1所示。

圖1 智能運維系統技術架構

數據處理層：實現對生產、設備、PLC、環境等數據的采集、存儲，采用大數據分析技術對數據進行分析處理，掌握設備的運行狀態，對各種故障進行診斷并給出相關解決參考方案。同時，將相關數據進行存儲，在此基礎上為外部系統提供訪問數據的標準接口，實現數據采集和數據發布功能，系統支持多種通訊協議，實現與鋼鐵企業各信息化系統信息的互聯互通。系統數據流轉如圖2所示。

圖2 智能運維系統數據流轉

業務承載層：在企業云端部署虛擬服務器，配置相應的操作系統和數據庫軟件，搭建軟件運行環境，用以支撐數據分析計算和應用程序運行。

應用部署層：將實現系統要求的各模塊功能軟件部署于服務器端，主要包括Web頁面、手機APP通訊軟件、數據處理軟件等。

用戶訪問層：針對用戶訪問功能，提供Web頁面和手機APP軟件等多重訪問方式，同時針對不同的訪問方式進行安全隔離機制，確保信息安全高效的傳輸。

3 功能實現

智能運維系統的功能實現由標準管理、維修管理、資產管理、專家知識庫、設備狀態管理、資料管理等模塊組成，通過企業總線與ERP系統以及企業生產運營的其他專業系統實現數據資源共享。

3.1 運維標準管理體系

智能運維系統結合企業設備運行的實際情況，建立完善的設備標準體系，提高標準的實用性，規范支撐設備管理的制度、標準、規程等，通過對制度、標準、規程等進行統一、規范性管理，使制度的指導性提高，標準的應用更加方便、快捷，有利于設備運維人員對標準進行持續優化，為設備運維工作的順利開展提供可靠的標準和技術支撐。

3.2 設備全生命周期管理

智能運維系統對設備采購到設備淘汰報廢的整個生命周期實施全面合理的管理和監控。以提高設備可靠性為目標，設備臺賬管理為基礎，設備定期工作管理、點檢管理、技術監督等預防性、預警性管理為核心，檢修管理、技改管理等計劃性、項目性管理為依托，設備缺陷管理、運行值班管理等日常運營性數據為支撐，設備定值、設備異動、設備評級等管理為補充，利用大數據分析技術建立一個系統化、立體化、可視化的智能運維體系。將之前靜態、片面的設備臺賬管理上升到動態的、系統化的設備健康檔案管理，將原來事后搶救的運維管理轉變為事前預防、預警的智能運維管理，并與ERP系統的預算管理、物資管理實現互聯，將智能運維管理統一納入企業價值鏈管理之中，實現設備全生命周期管理。設備全生命周期管理過程如圖3所示。

圖3 設備全生命周期管理過程

3.3 點巡檢動態管理

規范點巡檢管理的作業流程，按照路徑行程組合最優原則，規劃設備點檢路線，將點檢標準、點檢區域、點檢計劃等信息在系統中進行匹配，同時利用大數據手段將點檢反饋、歷史記錄信息進行分析和處理，提出更有針對性的點巡檢策略，實現運維工作的過程化、動態化跟蹤，使點檢人員的操作更為規范、省時，效率更高。

3.4 智慧專家知識庫建設

智慧專家知識庫根據智能運維的實際需求，對海量異構數據等進行分析建模和挖掘建模。以點帶面，全面推進物聯網技術的應用，通過數據挖掘發現隱藏于數據中的規律以及數據間的關系，將設備運維過程中的數據轉化為知識，輔助工序設備運維人員科學合理的做好設備管理工作。實現對軋機等大型裝備和主傳動等復雜控制系統的故障進行智能診斷與智能維護，建立公司級設備管理專家知識庫。

以“生產工序→重點設備→重點部件”建立的點檢標準、報警標準、故障庫的知識庫數據為基礎，通過梳理形成以設備為中心的“知識關系庫”，構成數據神經網絡，從而實現了設備的智能可視化運維。以軸承庫為例，將企業內各設備關鍵部位的軸承數據預定義到系統中，在點檢數據頻譜分析時可直接用來判斷是否有特征故障存在。內置軸承廠家各種常見軸承信息，可擴展增加自定義軸承信息，自帶特征頻率計算助手。

3.5 設備預測性維護

實時對設備進行在線狀態監測，并以不同的形式展示給點檢人員，進行分析判斷并及時做出處理，使設備始終運行在健康狀態，實現高精度生產的設備運維目標。建立設備故障知識庫，完成對設備故障專業診斷和評價，實現設備故障診斷分析功能。

采集在線設備運行數據，結合故障診斷等數據在系統內部進行綜合分析和處理，實現多元異構數據的融合，形成易于識別應用的數據，完成非結構化數據的特征提取和海量設備數據存儲，通過數據分析提前預測設備的運行狀態、得出設備的運行規律，實現設備的預測性運維。

3.6 設備實時監控

主要用于實現設備參數、PLC、UPS、環境溫濕度、設備通訊狀態、視頻、智能儀表等數據的實時監控，針對不同人員所關心的數據不同進行不同的展示。

3.7 移動互聯的應用

隨著工業信息化的發展和智能手機的普遍應用，設備管理移動化將是未來工業設備管理應用的重要部份，移動互聯主要功能主要包括：狀態監測、故障審報和工作審批等。

移動應用功能通過移動應用終端，集消息應用、現場應用、管理應用、自助應用等為一體，滿足鋼鐵全流程各工序設備管理業務不同級別不同崗位的需求，已成為系統的重要組成部分。運維管理技術人員可以通過移動端很直觀的查看設備的運行狀態，對設備的異常情況及時做出處理。

4 結語

智能運維系統通過大數據分析手段實時采集獲取企業關鍵機械設備、電氣設備的運行信息、運維參數信息，根據設備的運行參數和理論參數在大數據系統中模擬分析最優的設備運行參數曲線，結合模型算法實現預防性的設備診斷、預警和維修，保障設備的科學合理使用，避免突發性設備故障，有效的保障了企業生產的連續性和產品質量的穩定性。