卷煙生產設備疲勞狀態可視化智能維護技術研究

周稀喬，肖迎賓

(江蘇中煙工業有限責任公司，江蘇 南京 210009)

0 引言

目前煙草行業已經初步實現了生產設備與物流配送環節的智能技術應用[1]。早在20世紀初，一些制造業生產設備的零件誤差較大，導致設備維護難度變大并且維修頻率較高。國外開始研究設備維護的相關技術[2-3]，直至20世紀70年代左右，美國率先將傳感器和狀態監測等技術應用到設備維護中，逐漸實現對生產設備的離線與在線監測以及零件維護與更換。在后續發展過程中，日本等其他國家也相繼在相關領域展開研究。我國的相關研究比國外起步稍晚一些，但經過科研機構以及高等院校科研工作者的共同努力，我國在制造業生產設備維護技術層面已經取得技術突破，如文獻[4]設計的基于機器視覺的煙支接裝質量在線檢測系統和文獻[5]中對GD-H1000卷煙包裝機煙支推進機構做出的改進。但是在生產設備的疲勞狀態與可視化方面的研究成果還不夠全面，有待深入探討。

研究智能維護技術就是通過技術手段降低維修費用，并且在一定程度上延長卷煙生產設備的使用周期。對此，進行卷煙生產設備疲勞狀態可視化智能維護技術研究，其創新之處在于通過可視化手段，根據故障率設定可視化智能維護技術指標，分階段(早期、磨合期等)、有針對性地明確卷煙生產設備的疲勞狀態。

1 設計卷煙生產設備疲勞狀態可視化智能維護技術

1.1 獲取卷煙生產設備信息

卷煙生產設備是完成卷煙生產任務的關鍵載體，一旦出現生產設備故障的情況，將會對后續加工以及出廠環節造成嚴重影響。因此，卷煙生產設備的維護必須建立在煙草工藝、生產批量、生產周期等生產任務上，在復雜的信息處理過程中提供科學的維護依據。生產設備的維護信息與設備維護計劃的主要運作模式如圖1所示。

圖1 卷煙生產設備維護模式

卷煙生產設備的維護所需要的信息主要集中在運行狀態、疲勞狀態和歷史維護信息等方面。卷煙生產設備的運行狀態監測主要指的是通過相應的監測設備對生產設備進行持續監測，將采集到的數據進行處理和分析，判斷生產設備的運行狀態和疲勞狀態，以便進一步對設備的故障發生概率進行預測并根據預測結果進行有效維護。維護資源是生產設備維護的重要工具，是維護技術的有力保障，主要包括專業維護工具、技術人員、智能維護設備等[6-8]。卷煙生產設備維護信息的收集與數據處理共同構成了智能維護技術設計的數據信息基礎。通常情況下，卷煙生產設備的維護數據是參數估計、認識模型以及智能信息的集成，可在此基礎上，根據卷煙生產設備的具體生產狀況進行數據處理。

除此之外，通過卷煙生產商提供的故障時間和修復時間等歷史維護數據，建立相應的生產設備維護信息庫，包括卷煙生產設備的基本屬性信息和設備參數信息，為卷煙生產設備的效能分析提供數據支持，有助于后續展開生產設備疲勞狀態可視化智能技術研究[9-10]。

1.2 計算設備疲勞程度及故障率

卷煙生產設備維護與卷煙生產企業的生產調度之間存在著不同程度的內在關聯。通常情況下，卷煙制造企業都是采取在固定時間進行定期檢修的方式。這種設備維護方式是依靠傳統的設備維護技術，維護效果主要取決于相關技術人員的經驗與水平，并且由于維護周期都是相同的，導致這種預防性維修無法全面滿足設備的運行需求。故障主要指的是設備或者零部件無法實現其功能的一種現象，可把設備可能出現的故障定義為一個隨機事件，利用相關的統計分析方法去分析故障發生的原因和規律，為卷煙設備的疲勞狀態判斷提供科學依據。通過生產設備的故障浴盆曲線獲取更加清晰的信息，如圖2所示。

圖2 生產設備故障浴盆曲線

由圖2可以看出，在早期故障期的初始故障率較高，經過一段時間的磨合后故障發生率逐漸下降，這個時期內的故障與生產設備的出廠性能和制造質量有著直接關系，渡過磨合期后，故障率逐漸趨于穩定。偶發故障期的運行狀態基本趨于穩定，在該階段是卷煙生產設備的最佳工作時期，故障出現的原因主要是操作不當和維修不力，只要加強相應的運行狀態監測與維護保養工作，就能在一定程度上降低故障發生的概率。在損耗故障期出現的問題，主要是生產設備零部件的磨損和疲勞造成的，在第2階段和第3階段的拐點處開始全面檢修，能有效降低故障發生率。通過對卷煙設備的3個時期的故障率和疲勞程度分別進行計算，早期設備故障率密度函數為

(1)

式中：f(t) 表示故障率函數；S(t) 表示設備疲勞程度函數；α1表示可用指數分布參數；η為分布特征參數；t為運行時間；exp 表示生產設備的穩定運行期望函數。α1和η的取值范圍在1～10之間，當α1>1時，符合函數分布特征。偶發故障期的故障率f2(t)與設備疲勞程度函數S2(t)分別為

(2)

式中α2表示該階段生產設備的故障系數。由于在此階段的生產設備故障率更趨近于常數，因此卷煙生產設備的疲勞程度成為生產設備效能的重要衡量指標。設定隨機變量X表示生產設備開始運行到故障發生的工作時間，則

(3)

式中：t為運行時間；設備后續運行時間間隔Δt的疲勞程度用S(t+Δt)表示。根據最終式可以得出設備的疲勞程度與運行時間t之間沒有一定關系，只與間隔Δt和偶發故障率αn+1有關系。在耗損故障期階段，生產設備的故障率隨著運行時間變長而變大。耗損故障期主要是由偶然故障率和設備疲勞程度組成，偶然故障率f3(t)和設備疲勞程度函數S3(t)，分別表示為

(4)

其中，當n=2時，根據生產設備的故障浴盆曲線，得出相應的設備故障率和疲勞程度的相關數據，以此確定卷煙生產設備的預防性維護周期。

1.3 基于故障率設定可視化智能維護技術指標

區別于傳統的設備維護技術，基于可視化的智能維護技術優化算法，以多種類型的圖表作為表現形式，反映出生產設備智能維護的可視化特征。生產設備自身的故障率、疲勞狀態與健康狀態等因素，都會直接影響到后續的維護檢修工作。受科技進步的影響，設備維護工作也不再完全依賴人工，智能科技逐漸被應用到設備維護的工作中。處于不同疲勞等級的生產設備，對維護技術的需求也不同，根據測試結果將設備的疲勞分為5個等級。首先是較為健康的卷煙生產設備，在各項檢測中，所有的關鍵參數的測試結果都在正常范圍內，并且與出廠設置的原始數據比較接近，只需監測而不用維護，這種結果是屬于疲勞狀態較輕的一級疲勞級別；其次是在各項檢測中，卷煙生產設備的關鍵參數基本都在正常范圍內，并且測試結果與標準值的偏離程度較小，沒有超過健康范圍，只需要按照正常的維修計劃進行監測和維護，此級別屬于二級疲勞；再次是關鍵參數的檢測數據大多數都在正常范圍內，一些參數與標準值的偏離程度相對較大，但是沒有超過正常范圍，需要適當地維護并且加強對生產設備的狀態監測，此級別屬于三級疲勞；然后是生產裝備的參數檢測結果中，有一部分距離標準值的偏離程度較大，并且已經接近閾值的臨界點，需要停止使用盡早維護，這個級別是四級疲勞；最后是有一項或者多項測試參數超過閾值，已經面臨報廢，說明該設備的疲勞狀態已經達到頂峰的五級疲勞，需要立刻停止使用并全面檢修。

在對卷煙生產設備的檢測結果進行分析對比的過程中，其定性指標是重要的參照對象，而定性指標需要根據歷史數據曲線來進行相關信息提取。為了使卷煙生產設備關鍵參數之間的疲勞狀態具有較強的可操作性，需要將參數進行歸一化處理，用具體數值來表示卷煙生產設備的運行狀態，其可視化智能程度與歸一化數值之間是正比關系，其歸一化數值越大，說明生產設備的疲勞狀態越高，反之，歸一化數值越小，設備維護技術的智能程度就越低。為了提高卷煙生產設備維護技術的可視化智能程度，需要對其歸一值進行計算，公式為

(5)

式中:σi為歸一值；n為關鍵參數；i是其中一個參數；其測試值為ni，標準值為ns，上限值為nu，下限值為nl，則參數i的測試值與標準值的偏差為

Δ=|ni-ns|

(6)

參數i的最大允許誤差與最小允許誤差分別為

(7)

根據公式(5)可知，當卷煙生產設備參數i的值為標準值時，其歸一值為:0<σi<1，表明設備的疲勞程度較低，運行狀態良好；當偏離參數的標準值變大時，歸一值變小，生產設備參數i的疲勞程度處于中等水平；當裝備參數i的測試值達到最大或最小限值時，其歸一值為0，表明生產設備的疲勞程度較高，運行狀態較差。明確卷煙生產設備的疲勞狀態后，根據生產設備的歸一值進行可視化處理，連接計算機智能終端，提升維護技術。

2 實驗與分析

2.1 定義卷煙生產設備參數

實驗選取兩種傳統設備維護技術(文獻[4]方法和文獻[5]方法)，與文中運用智能維護技術進行設備修復成果的實驗對比，得出實驗結果。首先，以某煙包裝聯合機組設備為實驗對象，定義煙包裝聯合機組設備參數，結合圖1和圖2，對該機組設備的布設做出調整。

1)設計制造一種箱體(鑄鋁)，取代原有的下降裝置箱體，擴大其作用。

2)設計制造了降煙器的左前門組件，并更換了原降煙器的左前門組件，以適應改造后的卷煙進料方式。

3)對箱體前門安裝的“左面板”部件進行重新設計制造，以方便新部件的安裝。

4)重新設計和制造新的出口“從動輪總成”的下降裝置以及相應的過渡板、蓋板、前門、防塵盒等部件。

本實驗所用的煙卷包裝單元設備采用“C”型布置，單元占地約180m2，長度20m，寬度9m。原設備的功能需要擴展：全部采用原設備上的提升機、高位輸送機、下降裝置、貯存桶，而yf17型卷煙儲運系統中的降煙器需要進行改造，增加低位加料和下料裝置。

設備說明、綜合類型和分支類型等設備參數如圖3所示。

圖3 生產設備參數定義結構圖

根據圖3設備參數信息，卷煙生產設備的定義信息如表1所示。

表1 設備參數定義信息

結合卷煙生產設備的特定屬性，為得出維護技術實驗結果進行數據相關性分析。對卷煙生產設備的數據相關性進行有效分析，其有效性隸屬函數與式(5)中的歸一值σi有關，呈4種形態分布，具體如圖4所示。

圖4 設備參數有效性隸屬函數分布

經分析得到卷煙生產設備的參數取值范圍已經不局限于[0,1]之間的結論。在該區間內實現連續取值和任意取值，根據不同的取值，得出實驗結果。

2.2 驗證維護技術修復成果

通常情況下，卷煙生產設備的使用壽命在20年～25年。在使用的第5年～第15年時，屬于圖2浴盆曲線的第二階段，故障率符合指數分布特征。根據卷煙生產設備參數的不同取值，計算出3種設備維護技術的修復成果，具體以維護前與維護后的設備各項指標為參照，故障發生概率越小，證明該種維護技術的修復效果越好。根據浴盆故障曲線第二階段的故障函數式(3)，分別得出使用3種維護技術下的卷煙生產設備故障率，如表2所示。

表2 不同維護技術下生產設備的故障率 單位：%

根據維護前和維護后的數據可知，生產設備經過傳統維護技術維護后，故障率下降了0.227 4%～1.530 3%，而應用文中智能維護技術的故障率下降了4.917 2%～7.442 8%。因此，卷煙生產設備應用文中智能維護技術比傳統維護技術的故障發生概率更低。

3 結語

本文通過對卷煙生產設備維護技術的相關研究，設計出一種更有效的智能維護技術，在一定程度上推動了設備維護技術的發展進程。同時，也為學術界開展相關研究奠定了理論基礎和實踐基礎。

由于實驗約束條件過多，研究時間有限，文中在卷煙生產設備的使用數據方面收集得還不夠全面，未來將不斷完善。