基于大數據技術加料機預警系統的研制

魯紀平，張忠恕

（紅塔遼寧煙草有限責任公司營口卷煙廠，遼寧 營口 115007）

加料機是卷煙制絲生產線上的關鍵設備之一，其主要功能是增加葉片的含水率和溫度，使葉片松散、柔軟，以便貯存后滿足切葉絲的加工工藝要求，準確均勻地施加料液（生物制劑），并使葉片充分吸收［1-4］。近年來，隨著煙草行業科技水平的不斷提高，以新一代信息技術與制造技術深度融合為特征的智能制造模式正在引發新一輪制造業變革。為此，針對加料系統故障影響產品質量，當前技術無法對設備故障前出現的異常情況進行預判，以及對元器件健康狀態判別，本研究欲搭建一套預警系統，利用大數據分析原理［5-10］監控并預測診斷設備工作狀態，當其出現非健康指標時能給予預警提示。

1 問題分析

營口卷煙廠現使用的設備管理模式為事前預防和事后維修相結合的方式，但這兩種維修都存在一定的弊端。針對事前預防，制絲車間目前采用的是以計劃維修和周期維修為主的事前維修方式，主要是根據經驗制定檢修計劃，存在部分設備過度維修、維修成本高的問題。事后維修是當設備出現嚴重故障后，導致設備異常停機后再進行維修，屬于被動維修，對產品質量以及生產成本造成了巨大影響，4個月共發生斷流8次，月平均斷流次數為1.92次/萬箱，因加料機導致斷流3次，平均診斷維修時間為70 min，嚴重影響車間生產效率。因此提前發現加料設備在運行過程中由于磨損、負荷變大、性能減弱等因素導致的設備異常狀態，是實現精準預測維修的根本方法。

2 預警系統研制

預警系統的主要設計思路是，在工況正常時，加料機加料泵的轉速根據流量的設定值和質量流量計的反饋值進行PID計算輸出，動態調節；工況異常時，如長時間生產后管路、噴嘴結垢，由于加料管道阻力發生改變，為了保持設定流量，加料泵轉速將發生變化。使用加料泵電機頻率與質量流量計的流量值進行數據分析，用數學方程反映系統工況。

2.1 預警系統總體框架設計

依靠中控歷史服務器10年數據存儲作為設備預警基礎值，利用車間網絡平臺和預警流程理念的部分內容，初步提出預警系統的設計框架（圖1）。

圖1 預警系統設計框架

2.2 預警系統研發技術指標確認

根據預警系統的框架以及研發預警系統的各項需求，需要確定預警系統的硬件設施、開發環境、通訊模塊、預警模塊、輸出模塊，最終確定的各項研發技術指標如圖2所示。

2.3 預警系統模型建立

圖2 預警系統研發技術指標

為了確定加料流量與加料泵電機頻率之間的數學方程，研究從系統隨機抽取人民大會堂（硬紅）、紅塔山（軟經典）等15個牌別的加工過程數據，并采用DPS對原始數據進行統計。由于加料流量原始數據具有牌別內數值集中、牌別間數值跳動的特點，因此對無效數據進行了無效值剔除，對各個牌別數據進行了均值化處理和相關性分析，并對加料流量和加料泵電機頻率的相關性進行數學表達式轉化，以確定二者的確切數學關系。通過對均值化數據進行單變量回歸得到具體參數。最終數學模型為Y=0.140 7X+3.068 8。

圖3 單變量回歸

為了驗證模型的正確性，利用上述方程對采集的原始試驗數據進行了代入分析，數據包含了全部在產牌別。分析發現，阿詩瑪細支的模型預測值與實際值明顯偏離，其他品牌預測準確度符合預期。因此，對阿詩瑪細支數據殘差與紅塔山（軟經典）數據殘差進行對照分析（圖4、圖5）。紅塔山軟經典絕對殘差極值為0.9 Hz，殘差波動為0.55 Hz；阿詩瑪細支雖然絕對殘差達到了4.45 Hz，但殘差波動僅0.45 Hz；通過常數對阿詩瑪細支數學模型進行修正，修正后數學模型為Y=0.140 7X+3.068 8-4.0。

統計加料機各種故障點位如雙介質噴嘴、齒輪泵、氣動球閥、過濾器、加料管路、質量流量計發生故障前，運行參數發生異常的數據，從而總結發生故障時，加料泵電機頻率變化率的變化規律，以雙介質噴嘴為例，當其發生故障時其頻率變化率隨時間變化的曲線近似為直齒曲線，如圖6所示。

圖4 阿詩瑪殘差分布

圖5 紅塔山殘差分布

圖6 頻率變化率曲線

2.4 預警系統測試

在加料機預警系統應用期間，對其報警的準確率和診斷時間進行統計，統計結果見表1。結果表明，系統能準確地對故障點位進行預警，平均診斷故障點位時間可縮短為20 min，大大縮短診斷故障點位的時間，提高了車間的生產效率。

表1 預警系統測試結果

3 結論

解決了當前加料機設備出現故障時不能準確找到點位、診斷時間長的問題，結合現代智能控制、網絡、通信和數據庫等先進技術，設計研發了加料機預警系統，實現數據共享和綜合分析處理。預警系統測試結果表明，預警系統結構合理，算法正確，預警誤差小，從根本上改變了加料機設備運行的管理模式，實現了煙機設備的智能監測和預警自動化。