基于神經網絡的生產設備潛在故障預測分析仿真研究

徐亮 廖一星 綦云華 劉作國

摘要：神經網絡算法作為一種用途十分廣泛的算法，在生產設備的故障檢測中能夠幫助使用者更快的發現在故障使用過程中潛在的故障，因此本文圍繞生產過程關鍵生產設備基于神經網絡的生產設備潛在故障預測分析仿真展開如下研究。

關鍵詞：神經網絡;生產設備;潛在故障分析;仿真設計

中圖分類號：TP183?? 文獻標識碼：A?? 文章編號：1672-9129（2020）12-0021-01

基于神經網絡的生產設備潛在故障分析能夠幫助生產設備使用方最大限度的提升故障檢測率，減少造成的經濟損失。因此，是一種值得推廣的新生產技術。

1 神經網絡

人工神經網絡（ANN）是在人類大腦的生物神經網絡啟發下所應運而生的一種算法，人工神經網絡是基于被稱為人工神經元的連接單元或節點所構成的一個集合體，其工作原理與人類大腦中的神經元十分相似。人工神經網絡方法，最初設計目標在于以人腦相同的方式去解決相關問題，但是隨著時間的進一步推移，人們開始將人工神經網絡運用于計算機視覺，醫療診斷等諸多方面[1]。

大腦的工作能夠有條不紊的順利開展，人類對于大腦的研究也逐步深入，在對人腦研究的過程當中也獲得了相應的啟發，人工神經網絡便是對于人腦功能的相關特性的一種反應，人工神經網絡并非是生物系統的一種描述，而是對于人腦功能的一種抽象和簡化。人工神經網絡構成原理和工作特點與人腦的工作原理和特點十分相似，其并非按照特定的程序來一步步進行運轉，而是根據周邊的環境總結規律來完成識別和過程控制等工作。人工神經網絡是建立在一定的學習準則上開展的[2]。人工神經網絡具有初步的自適應性和自主組織能力，能夠在不斷的學習的過程當中改變突觸權重值，進而更好的適應周邊環境。同時人工神經網絡還具有泛化能力，對于沒有經過訓練的樣本具有較好的預測能力。非線性映射能力，高度并行性等都是人工神經網絡的突出特點。

2 基于神經網絡的生產設備潛在故障預測分析仿真研究

本文圍繞生產過程關鍵設備基于神經網絡的生產設備潛在故障預測分析仿真研究開展如下探討：

2.1項目目標。設備信息聯網化，促進企業管理改革;計劃調度科學化，提升企業生產效率;故障診斷預知性，提高設備維護效率;設備管理透明化，提升企業決策水平;消除信息孤島，助力企業轉型升級。

2.2項目研究重點。制造車間生產設備的實時數據采集、挖掘和分析技術;生產設備健康趨勢預測及可視化技術;集成設備預知性維護的高級生產排程技術三大技術難題是本項目著重解決的問題。

2.3項目技術研究。

（1）基于制造物聯的設備實時集中管控技術研究。傳統的依靠人工錄入和逐級上報的方式，難以保證設備數據的一致性、實時性和準確性，從而導致企業對各生產車間的設備全生命周期情況進行實時綜合管理和運營決策時存在諸多困難。因此，研究基于制造物聯的設備集中管控技術，利用物聯網、云計算、大數據等信息技術，面向生產設備使用前期、運行期和使用后期，實現“企業管理層—生產部門—生產現場”三級次的設備全過程數據的綜合管理與實時監控，提高制造企業對生產設備的集中管控能力以及企業領導層、生產部門、生產車間與設備管理部門之間的信息交互能力。

（2）基于數據驅動的設備智能化運維管理技術研究。基于數據驅動的業務創新和管理流程的優化可以極大地提高企業的運行效率、降低運行成本。制造企業擁有大量生產設備，每個設備的不同部件均有定期的檢修和保養工作。傳統的設備運維管理模式將消耗設備維護人員大量時間，并且可能存在設備故障未準確識別、維保計劃執行延誤等一系列問題。研究基于數據驅動的設備智能化運維管理技術，通過充分挖掘和分析設備各類數據的潛在價值，將數據決策思想與先進的設備管理理念深度融合，在實現設備集中管控的基礎上，支撐制造企業實現對接入設備的狀態監控、故障診斷、智能維護、點巡檢指導等精細化的運維管理[3]。

（3）集成設備預知性維護策略的生產排程技術研究。傳統設備的維護其生產計劃排程與維護計劃通常被認為是相互獨立的系統。生產計劃排程多考慮在設備始終可用的基礎上對訂單進行合理有序的排產;在維護規劃中始終堅持以生產過程始終保持穩定為前提，不太考慮異常情況。但在企業實際生產過程中兩者是緊密關聯的，即在生產計劃執行期間，設備故障導致正常生產的中斷，需要采取設備維護工作來保證系統的可靠性，這必將導致生產時間的消耗，使得原定的生產計劃將被破壞。因此，開展集成設備預知性維護策略的生產排程技術研究，將設備維修與生產排程進行科學統籌分析，得出最佳生產作業與設備預知性維護序列，對提高企業生產效率和市場競爭力具有重要意義。

（4）系統間數據集成、共享與交互技術研究。面向智能制造的設備管理系統需更好的應對不斷變化的市場需求，滿足大規模定制化、設備健康多樣化、生產系統復雜化、決策需求動態化等現代制造模式的發展要求。設備作為制造企業的核心生產資料和物質基礎，是企業實現智能制造的重要依托。因此，本項目系統除了實現自身功能外，還將實現與企業的ERP、MES等業務管理系統的無縫連接，打通企業從設備層到決策層的信息縱向通道以及各業務管理系統間的橫向信息流，消除數據孤島，將設備數據轉化為提升企業生產質量和效率的信息流。通過數據交互、流轉彌補系統信息鴻溝，給各業務管理系統的精準實施與有效應用提供幫助，確保對企業大數據進行充分加工和利用，從而提升數據驅動模式下制造企業的運營管理能力和產品制造水平，助力企業面向智能制造的轉型升級。

結語：基于神經網絡的生產設備潛在故障預測項目再投入使用后能夠很大程度上降低成本，提前發現設備可能存在的潛在故障，對于降低企業的成本很有必要。

參考文獻：

[1]劉思雨，薛勁松，景棟盛.基于分階段深度神經網絡的施工違章識別[J].軟件工程，2020，23（09）：32-35.