卷煙制絲設備實時健康度評價體系研究

周萍芳，陳青欣，劉 勇，俞大祥，蔣鵬沖

（湖北中煙工業有限責任公司武漢卷煙廠，湖北武漢 430048）

0 引言

隨著中國煙草工業企業品牌的整合到達一定階段，煙草工業必須依靠數字化轉型帶來發展新動能，塑造發展新優勢。近年來，制絲生產數據治理、智能單機等概念飛速發展，但實際應用水平參差不齊，部分模塊存在重概念輕內涵、重平臺搭建輕數據治理、重建設輕運行等誤區，未能切實轉化為提質增效的有效手段。

以制絲設備數字化、智能化建設作為載體，引導設備健康狀態評價與預測，構建“感知—分析—決策—執行”的智能裝備，實現設備運行自感知、自學習、自決策、自執行、自適應的智能特征，真正實現生產數據從量的積累向質的飛躍，由點的突破向系統能力提升的轉變，切實提高制絲生產線智能化水平。

目前，制絲生產線主要工序的數據采集點已經相對完善，其涉及基礎條件保障指標、設備性能指標、工藝控制指標、質量參數指標等多個方面，但除關鍵工藝參數控制指標和質量指標之外，其余類型數據尚未在生產中充分應用，數據之間的關聯性尚未完全建立。此外，還存在未充分采集的設備性能數據及其他數據，當出現設備性能變化、質量數據波動時，缺少用于支撐精準分析、故障診斷的輔助數據及價值挖掘。

1 設備感知層搭建

1.1 感知層現有基礎

以葉絲干燥工序為試點單元，構建以數據為決策依據的智能控制系統，真正實現加工過程的高水平科學化決策分析，實現智能化控制高度下的結果控制向過程控制的轉變。

葉絲干燥工序智能控制系統的設備感知層構建主要從生產管理系統數據庫中獲取智能控制所需的相關數據及批次管理、生產管理等信息，并實現生產實時數據信息采集上傳，通過大數據計算服務，得到智能烘絲機數據推優及參數調控結果，并將信息保存至數據庫，以提供至葉絲干燥工序智能控制系統的界面輸出，并為智能控制系統的設備健康評價等相關模塊提供底層服務。

葉絲干燥工序智能控制系統的設備感知層數據類型分為4個評價維度，即環境工況數據、設備資源數據、生產過程數據、生產管控數據。設備感知層數據類型如圖1 所示。

圖1 設備感知層數據類型

（1）環境工況數據：生產正態運行所需具備的客觀評價指標。

（2）設備資源數據：設備靜態性能指標，設備關鍵系統或部件指標和參數。

（3）生產過程數據：包括設備運行效率、故障停機率、故障停機次數等評價設備運行狀態的指標。

（4）生產管控數據：包括設備本體自感應的在線檢測裝置的完好性和可靠性、工序輸出的過程質量和產品質量相關指標。

1.2 感知層搭建思路

葉絲干燥工序智能控制系統的設備感知層搭建總體架構如圖2 所示。數據采集感知主要用于實時采集生產數據、設備數據、環境數據及其他相關數據，通過數據接口接入大數據計算服務及智能控制管理系統，其中，大數據層主要進行數據的匯集融合、數據分析、生產機器學習等過程；智能控制系統PC 終端主要包括基于數據分析的實時監測、追溯管理、參數調控管理、工藝調優參數推送、設備健康管理、設備故障診斷經驗庫信息管理等。

圖2 設備感知層搭建總體架構

為完善葉絲干燥工序智能控制系統的設備感知層基礎配置，首先根據目前實際維保工作、故障經驗庫、產品工藝指標、加工后物料工藝指標、設備主要部件參數、設備管理等方面，梳理系統現有數據采集及未進行數據采集但關系到設備性能、過程質量的主要設備采集數據；其次，根據問題導向挖掘有利用需求和潛力但未被采集的數據，增加監測傳感采集點位；此外，根據數據感知采集相關內容構建數據交互基準和交互規則，為設備感知層完整構建及系統數據交互、數據使用及分析提供支撐；最后，基于感知數據挖掘信息，構建設備健康分析管理及故障經驗庫的數據基礎。

2 設備健康度評價模型構建

基于設備運行系統屬性，設備健康度評價模型建立的過程，即是選擇健康狀態評價指標，分類評價指標的屬性并確定相適應的算法，確定健康狀態指標權重，并最終完成評價模型的建立。設備健康度評價模型建立流程如圖3 所示。

圖3 設備健康度評價模型建立流程

2.1 線性健康度評價模型

線性模型基本反映實際執行機構和工藝指標變量的關系，在實際應用過程中，通過計算實時采集的工藝指標變量（實際值）和線性模型計算的工藝指標變量（模型理論值）之間的偏差程度，通過偏差程度診斷執行機構的運行狀態，當偏差程度過大時，提前預警并提示維修人員對設備進行維護保養（圖4）。

圖4 線性模型評價流程

按照采集規則，采集設備正常運行過程中的數據獲取樣本。通過線性回歸擬合建立控制過程中執行機構過程變量和工藝指標過程變量之間的模型方程式。根據建立的控制模型方程式，通過計算實時采集的工藝指標變量（實際值）和回歸模型計算的工藝指標變量（模型理論值）之間的偏差程度，通過偏差程度診斷執行機構的運行狀態，當偏差程度過大時，提前預警并提示維修人員對設備進行維護保養。

在設備控制過程中，一般是多個執行機構對應控制多個工藝指標標準，工藝指標控制的穩定性取決于對執行機構控制的精確度?？刂颇Ｐ偷慕⒁蕾囉趫绦袡C構的過程變量X 和工藝指標的響應變量Y。而回歸分析是一種預測性的建模技術，它研究的是因變量（目標）和自變量（預測器）之間的關系。通常使用曲線/線來擬合數據點，目標是使曲線到數據點的距離差異最小。線性回歸在假設特征滿足線性關系，根據給定的訓練數據訓練一個模型，并用此模型進行預測。

根據測試數據，擬合線性模型得到熱風風速相關性線性方程式（圖5）。

圖5 擬合線性模型

2.2 區間值健康度評價模型

區間值模型的建立從可靠性、經濟性、維修性等因素出發，反映設備在系統正態運行過程中評價指標的重要程度。

首先根據烘絲機控制原理和控制過程，分別對烘絲機薄板蒸汽系統、熱風系統、排潮系統主要部件進行拆解分析，其中主要部件有截止閥、汽水分離器、壓力變送器、蒸汽薄膜閥、旋轉接頭、熱交換板、散熱器、疏水閥組、溫度壓力儀表、風速儀等，烘絲系統工作原理如圖6 所示。

圖6 烘絲系統工作原理

其中，傳動系統雖不會直接影響產品質量，但該系統為設備運行基礎，其運行情況可反應設備健康狀態，需納入評價指標。為提高區間值評價模型的科學性和實用性，運用層次分析法對評價指標的重要程度進行分級，并根據不同層級的評價指標異常情況進行健康度折損計算。評價指標分級體系如下：

（1）可靠性：指標包括對系統功能的影響程度、設備故障后的及時修復程度、對人員和環境安全性的影響及失效頻率。

（2）經濟性：指標包括設備故障引起的產品降級、報廢等質量損失，設備維修費用及生產效率損失。

（3）維修性：指標包括維修的難易程度、備件的供應程度。

由上述步驟，得到葉絲干燥工序區間值評價模型相關的評價指標和所占權重，并與現有的PPK 評價規則相關聯，得到設備健康評價標準，烘絲工序區間值健康度模型評價標準如圖7 所示。

圖7 烘絲工序區間值健康度模型評價標準

3 設備健康度評價結果運用

將設備健康度評價模型與生產管理系統相關聯，監控設備單個控制參數在生產過程中變化，與烘絲加工質量及生產過程相關的數據建立標準運行參數庫，生產時值過大或者過小進行報警，可進行設備健康檢查及預警，根據實際運行數據與標準值的偏差程度，分級推送維修工單，提升維修工及時關注檢修。

同時，由蒸汽系統、熱風系統、排潮系統、傳動系統主要部件和生產運行機理逐步梳理形成設備故障經驗知識圖譜（圖8），實現維修工單推送時同步給出維修經驗參考，提升維修技能和維修效率。

圖8 設備故障經驗知識圖譜

4 結束語

針對制絲生產線主機設備建立一套設備運行健康度評價模型，結合設備性能測試數據、實際生產運行數據、產品質量數據等，基于工序產品質量要求及生產維護經驗，建立設備多維度健康評價、糾正模型，對設備健康狀態進行定量建模與實時監測。