基于“互聯網+”的計量設備質量全壽命周期評價技術研究

劉巖，鄭安剛，王雍，尚懷贏，侯慧娟，周佑

(1.中國電力科學研究院有限公司，北京 100192； 2.河南省電力公司電力科學研究院計量中心，鄭州 450000； 3.國網浙江省電力有限公司營銷服務中心(計量中心), 杭州 310007)

0 引 言

在傳統方式下，電力計量設備在全壽命周期過程中[1]，包括生產供需關系和業務上下游關系在內的整個生態處于較為穩定但相對傳統的狀態之中，即電力計量設備的生產制造商負責研發設計、物料采購、生產制造、出廠供貨，電力計量設備應用商即電力公司負責對計量設備進行驗收檢測、倉儲配送、安裝運行及拆除報廢。目前計量設備產品質量管控分立于生產企業和電力公司內部各環節，存在脫節現象，數據沒有共享，缺少對計量設備設計制造和運行報廢全生命周期各環節質量控制點的全面掌控。隨著互聯網技術的發展及泛在電力物聯網的應用，對電力能源的管理和調度也提出了新的要求，而電力計量設備做為其中關鍵的一環，也要及時適應整個電力能源生產應用的變革。針對計量設備質量提升中存在的系統性不強、協同性不夠、整體技術解決能力不足等問題，基于“互聯網+”萬物互聯理念的發展戰略，打破計量設備生產企業和電力公司之間的數據壁壘，以計量設備供應鏈上下游企業質量協同為思路，將質量管控及評價向供應商制造端“前移”，開展基于“互聯網+”的計量設備全壽命周期(計量設備的設計、物料采購、生產、驗收、運行、報廢等)質量分析及評價技術研究與應用，推動計量設備質量水平全面提升。

1 綜述

研究基于“互聯網+”的計量設備全壽命周期評價技術，主要包括基于互聯網理念計量設備質量的管控業務模式和全壽命周期評價技術研究。業務模式研究主要是研究業務及數據流轉過程、具體業務環節的內容和約束關系，研究質量數據的采集和指標體系搭建；全壽命周期評價技術研究主要包括質量指標體系及評價模型的搭建，質量動態評價的評價模式和方法，以及影響質量因素的回歸分析。雖然當前國內計量設備的質量全生命周期管理已經有比較完整的體系和方法，但是業務的關注重點在計量設備出廠之后的驗收檢測、倉儲配送、現場運行等環節，對于生產研制階段中研發設計、生產制造、出廠供貨等環節已經開始關注，但具體的解決方案尚未完全建立[2-3]。

國外在計量設備質量與評價方面，主要通過人工判斷，手工采集等傳統手段進行判斷，對計量設備的評價、故障發生規律等信息沒有形成相關積累；在設備質量管控方面，國外尚無應用基于互聯網思維的質量數據可信采集分析先例，但在其他領域(尤其是食品質量安全)領域，相關項目的研究和實踐已廣泛開展。

國內對于電力計量設備的質量評價工作，無論是作為生產者的廠商，還是作為使用者的國家電網公司，都還沒有一個定量的標準。2014年，國家電網公司開展了電能計量裝置狀態檢驗方面的探索和研究；文獻[4]根據對電能表的當前運行狀態的評價，指導電能表現場檢驗及輪換周期的動態調整工作；文獻[5]基于大數據技術的智能電能表運行狀態分析系統通過分布式存儲、分布式分析計算和數據挖掘，將用電信息采集系統、計量生產調度平臺、營銷業務系統等系統中的電能表信息的海量數據轉化成智能電能表運行狀態報告。

2 計量設備質量管控業務模式研究

2.1 業務流轉過程

在“互聯網+”的應用環境和條件下，計量設備整個業務過程按業務的上下游關系分為不同階段和不同環節，其全壽命過程主要包括八個環節，即研發設計、物料采購、生產制造、出廠供貨、驗收檢測、倉儲配送、安裝運行、拆除報廢。在這些業務環節中，計量設備的生命特征不同，且不同環節之間的業務邏輯、約束關系、信息的傳輸及遞進模式都不同。

其中前四個環節的業務過程在電力計量設備的生產制造企業完成，設備的生命特征主要是研發設計制造等相關的指標，相關信息隨著產品的生產過程在生產企業內部的相關系統中流轉，后四個環節的業務過程在電力設備的應用維護企業即電力公司完成，設備的生命特征主要是在使用驗收使用過程中相關的指標，這些信息隨著業務的推進在不同業務系統之間進行流轉，具體如圖1所示。

圖1 業務流轉過程Fig.1 Business flow process

2.2 業務數據內容

業務數據是對業務信息的數字化呈現，是對質量進行在線分析和評估的數據來源。

(1)研發設計階段，主要包括研發管理規范、設計過程數據、測試過程數據、產品試驗或檢測報告、人員素質相關數據、檢測與試驗設備及校驗數據等；這些數據是反映企業研發管理體系、研發過程控制、研發產品檢測、研發基礎條件等研發技術能力水平及質量狀態的數據。主要分布于企業的PLM(質量管理)系統、DOORS(需求管理)系統，OA、SVN(文檔版本控制系統)、SAP、Bugfree(缺陷管理)系統，MES(生產執行系統)等系統中；

(2)物料采購階段，主要包括檢驗規范、采購計劃、檢驗記錄、物料試驗或檢測報告、關鍵元器件、物料供應商審核、物料檢驗與檢測設備及校驗、物料存儲環境及檢查等；這些數據是反映物料管理體系、采購過程控制、物料檢驗檢測、物料供應商管控、物料存儲環境等物料采購能力水平及質量狀態的數據。主要分布于企業的OA/SCM(供應鏈管理平臺)系統、ERP/WMS等系統中；

(3)生產制造階段，主要包括主要包括檢驗規范、生產檢驗與檢測設備及校驗、生產計劃、生產進度、工藝變更、工序檢驗、產品檢驗等；這些數據是反映生產制造管理體系、生產制造設備、生產過程控制、生產工序檢驗、產品檢驗等生產制造能力水平及質量狀態的數據。主要分布于IMS(物料追蹤系統)、MES系統等系統中；

(4)出廠供貨階段，主要包括檢驗規范、產品檢驗、工序檢驗、工序檢驗合格率、產品抽檢、出廠供貨進度、出廠供貨檢驗與檢測設備及校驗等；這些數據是反映出廠供貨管理體系、出廠檢驗、庫存抽檢、發貨運輸等出廠供貨能力水平及質量狀態的數據。主要分布于企業ERP、FIS等系統中；

(5)驗收檢測階段，主要包括計量標準、檢驗臺信息、標準器及配套設備、檢定方案、產品全性能檢驗、產品抽檢等；這些數據是反映驗收檢測管理體系、驗收檢測設備、檢定過程控制等驗收檢測能力水平及質量狀態的數據。主要分布于電力公司的MDS(生產調度平臺)系統、SG-MDS(國網生產調度平臺)系統中；

(6)倉儲配送階段，主要包括倉儲管理、配送計劃、配送任務、庫存檢驗、配送檢驗等；這些數據是反映倉儲配送管理體系、庫房存儲管理、配送過程管理等倉儲配送能力水平及質量狀態的數據。主要分布于電力公司的MDS、SG186(營銷業務應用)系統、二級及以下表庫可視化管理系統、二級庫集中式倉儲管理系統(WMS)等系統中；

(7)安裝運行階段，主要包括備安裝信息、運行抽檢、現場校驗信息等；安裝運行質量數據是反映安裝運行管理體系、安裝調試、運行抽檢、周期檢定、運行巡檢、客戶申校等安裝運行水平及質量狀態的數據。主要分布于SG186、電力用戶用電信息采集系統、采集運維閉環管理系統等系統中；

(8)拆除報廢階段，主要包括標準規范、資產拆除、分揀裝置、設備分揀、分揀處置、資產報廢技術鑒定等；拆除報廢質量數據是反映拆除報廢管理體系、拆除留庫、設備分揀、集中復檢、分類處置、資產報廢、數據收集等拆除報廢管理水平及質量狀態的數據。主要分布于MDS系統、SG-MDS系統、SG186系統、ERP系統等系統中。

2.3 質量數據采集

根據前文計量設備在全壽命周期內的業務流轉模式和信息流轉過程的研究，計量設備在不同業務環節，數據特征和數據源位置都不相同。在貫穿于八大業務環節的質量數據中，數據種類多，來源復雜，需要針對不同的數據類型、來源，采用不同的采集方法，最終保證數據可以科學、完整、準確采集。

其中前四個環節的數據主要產生于計量設備生產制造企業的PLM產品全壽命周期管理系統、CRM客戶管理系統、SAP系統、FIS生產信息管理系統、MES生產執行系統、ERP系統、SCM供應鏈管理系統、IMS物料追蹤系統等各類管理子系統中，后四個環節的數據主要產生于電力公司的MDS計量生產調度平臺系統、SG-MDS國網生產調度平臺、SG186營銷業務應用系統、電力用戶用電信息采集系統、二級庫房管理系統。除此之外，還包括在泛在電力物聯網體系下，產生于IoT設備或智能終端中的數據以及在線下管理的數據。

如圖2所示，根據數據來源的不同，將數據采集的方式分為三類，接口程序采集、自動采集和人工錄入。所有數據由數據采集器統一采集，數據采集器提供數據接口服務、數據數理前置機和數據錄入界面分別完成與三類數據源的數據采集。采集后的數據支撐質量在線管理的應用。

圖2 質量數據采集方式Fig.2 Quality data collection mode

3 計量設備質量全壽命周期評價技術研究

3.1 評價指標體系

在設計指標體系技術框架時，從橫縱兩個維度開展指標體系設計。其中，橫向維度涵蓋了質量技術基礎的五大核心要素，即標準化能力、計量能力、認證認可能力、檢驗檢測能力、質量管理能力，五要素之間相互作用、互相支撐[6-7]。縱向維度則是由相互影響、相互作用的關鍵質控點構成，貫穿計量設備全壽命周期的八大環節。橫縱維度構成一個完整的體系，綜合作用于計量設備行業發展，影響行業整個價值鏈，各維度、各要素之間相互依存、密不可分。指標體系技術框架如圖3所示。通過指標篩選和專家論證，得到指標體系主要包含2個主要層面、13個一級指標、25個二級指標和58個三級指標。

圖3 指標體系技術框架Fig.3 Technical framework of index system

3.2 質量評價模型

鑒于文章構建的指標體系包含多項指標，因此在進行質量技術基礎評價時，需要對多指標進行綜合分析。結合已有國內外國家質量技術基礎能力指數指標體系計算經驗，并考慮到部分數據不易獲取、樣本數量有限等客觀原因，文章在參照聯合國貿易發展組織貿易符合性指數研究的基礎上，采用改進的基于分層構權的主成分分析法進行評價。該方法可對主成分信息進行再次挖掘，進而得到更為準確的評價結果[8-12]。下面將對分層構權主成分分析的基本步驟進一步說明。

(1)數據標準化

在實際應用中指標之間可能存在不同量綱，因而在計算之前應首先消除量綱的影響，將原始數據標準化。常用的標準化公式為：

(1)

(2)標準化數據的相關系數矩陣的計算

由原始數據處理后得到標準化數據矩陣Zij，計算相關系數矩陣R=(rij)且為對稱矩陣。

(2)

rij為原變量xi與xj的相關系數，其計算公式為：

(3)

(3)計算相關系數矩陣的特征值與特征向量

根據特征方程|R-λ|=0得到特征值(λ1，λ2，…λp)，系數向量(w11，w21，…，wm1)是協方差矩陣特征值所對應的特征向量，其中λ1是因子F1的方差，方差越大則對因子的貢獻越大。

(4)按照方差貢獻率大于80%的原則確定因子個數

第i個因子的貢獻率為：

(4)

可以反映相應的因子代表原來P個指標多大的信息，有多大的綜合能力。

前K個因子的累計貢獻率為：

(5)

可以反映相應的前K個因子包含了原始變量所具有的信息量，共有多大的綜合能力。

(5)重復上述流程根據確定的因子數量確定子系統數量并進行主成分分析

(6)綜合評價與分析

在得到子系統主成分得分以及權重(方差貢獻率)的基礎上，代入標準化后的數據計算綜合評價值,計算公式表達如下：

A=W1×F1+W2×F2+…+WP×FP

(6)

式中W數據表示方差貢獻率，即各主成分的權重大小。

3.3 樣本數據

智能電能表是泛在電力物聯網和堅強智能電網感知層重要的數據采集工具，是電網企業為客戶提供優質服務中至關重要的計量設備，其產品質量與政府、電力公司和百姓切身利益息息相關。為驗證計量設備質量評價模型構建的合理性與科學性，文章10家智能電能表企業A-J進行模擬評估，其中，A-J家廠商取自市場上智能電能表銷量較為靠前的10家企業，從結果上判定該指標體系的適用性與應用性。

表1基于stata14.0軟件列舉了A-J10家廠商代表綜合質量技術基礎能力指標的描述性統計特征。從10家智能電能表廠商代表質量技術基礎指標的數據特征來看，差異化程度普遍存在并且較大。其中，標準差數值大于1小于10的指標有11個，大于10的指標有18個，充分說明了各個廠商之間智能電能表生產的質量基礎基礎存在較大差異。

表1 綜合質量技術基礎指標描述性統計Tab.1 Descriptive statistics of basic indicators of comprehensive quality technology

在對A-J10家廠商質量技術基礎能力進行評價時，首先要對指標數據進行預處理。文章中的數據預處理主要包括指標的無量綱化和正逆指標轉換。

無量綱化的目的在于為盡可能地反映實際情況，排除由于各項指標量綱不同以及其數值數量級間的懸殊差別所帶來的影響。這種方法基于原始數據的均值(X)和標準差(S)進行數據的標準化處理，公式表達如下：

(7)

同時，考慮到評價指標體系中存在既有極大型指標(正向指標)、極小型指標(負向指標)的可能，若在計算綜合評價結果之前并沒有對評價指標進行指標類型的一致化處理，那么經綜合評價方法計算得到的綜合評價數值是越大越好、或是越小越好就沒有評判的標準，因此，在進行綜合評價之前，需要對評價指標類型進行一致化處理，常用的轉化方法使用倒數轉化方法。文章對部分指標進行正向化處理。

3.4 質量動態評價

基于分層構權主成分分析法思想，對A-J10家智能電能表廠商智能電能表質量技術基礎能力的生產綜合指標進行降維處理。表2、圖4為依據主成分方法抽取的主要成分和碎石圖。

圖4 電能表生產綜合指標數據碎石圖Fig.4 Gravel map of comprehensive index data of electricity meter production

同樣根據特征值大于1的原則，可以看到表2有8個主成分特征值大于1，即8個主成分足以解釋綜合單三相質量技術基礎能力指標體系。

表2 生產綜合指標解釋的總方差Tab.2 Total variance of production comprehensive index interpretation

在獲得主成分的基礎上，基于分層構權思想對各主成分(子系統)再次進行主成分分析。結合成分矩陣(因子載荷矩陣)可知：子系統1含有12個指標；子系統2含有7個指標；子系統3含有10個指標；子系統4含有4個指標；子系統5含有8個指標；子系統6含有3個指標；子系統7含有2個指標；子系統8含有1個指標。由上述分析可知，子系統1、2、3、5所含指標成分較為復雜，故文章接下來分別對子系統1、2、3、5分別進行主成分分析。

表3列舉了子系統1-8的權重以及子系統1、2、3和5中主成分的權重。

表3 電能表生產綜合指標權重計算Tab.3 Calculation of the weight of the comprehensive index of electricity meter production

在獲得各主成分權重的基礎上，A-J10家智能電能表廠商綜合單三相智能電能表的質量技術基礎能力評價結果由權重乘以對應主成分得分加總求和獲得。其中，主成分(子系統)1、2、3、5的得分由經選取標準化后的指標數據乘以成分得分系數獲得。表4為根據分層構權主成分分析法計算的A-J10家智能電能表廠商綜合單三相智能電能表的質量技術基礎能力評價結果。

表4 綜合單三相質量技術基礎能力評價結果Tab.4 Comprehensive evaluation results of single and three-phase quality technology basic ability

表4顯示，A-J10家智能電能表廠商中三相智能電能表生產質量技術基礎能力得分最高的是I廠商，分值達到0.445分，分值最低的是A廠商，分值為-0.335分。

從結果可以看出，單、三相以及綜合單三相的智能電能表廠商質量技術基礎能力評價結果(注：單、三相的生產質量技術基礎能力評價過程及結果未在本文中詳細敘述)趨勢大基本一致，說明了在分層構權主成分方法下，單、三相以及綜合單三相的智能電能表廠商質量技術基礎能力評價結果具有較強一致性。

從評價結果可以看出，采用分層構權主成分分析法時，A-J10家智能電能表廠商的質量技術基礎評價結果具有較強相似性，基本證明了智能電能表質量技術基礎能力指標體系構建的科學性和合理性。表5為單、三相、綜合分層構權主成分評價排名所對應的A-J10家廠商。

表5 三種評價評價結果排名對應廠商匯總Tab.5 Summary of corresponding manufacturers in three evaluation results ranking

綜合三種評價結果可以看到，B、C、I整體評價較高，位居第一類廠商；D、H、G整體評價適中，位居第二類廠商；E、F、J評價較低，屬于第三類廠商。

經上述分析可知，綜合三種評價結果對A-J10家廠商的劃分與實際數據情況對比，由評價結果得到的劃分種類較好的反映了原始數據情況，這也間接證明了文章結論的正確性和研究方法選取的科學性。

3.5 質量因素回歸分析

通過主成分回歸分析，可以分析上述評價結果中各主成分對A-J10家智能電能表廠商質量技術基礎能力評價結果的影響程度。由于各類評價中主成分代表的含義不完全相同，因此，表6中的主成分只代表各自評價中的主成分排序，含義并不相同，需具體分析其影響程度。

表6 主成分影響因素回歸分析Tab.6 Regression analysis of factors affecting principal components

首先，從整體來看，單相、三相、綜合的主成分分析評價中的主成分1、2、3、4、6、7與評價結果整體呈現正相關，其中1、2、4、6、7與評價結果顯著正相關，即隨著主成分得分的增加，評價結果越高。以單相主成分1為例，主成分1得分提高1分，將會使評價結果上升0.001 07分，即提高智能電能表廠商單相電能表生產的質量技術基礎能力，從影響程度來看，對于單相評價結果，主成分4對其影響最大，主成分4得分每提高1分，將會使評價結果上升0.047 8分，由前文分析可知，主成分4(子系統4)主要涉及認證與市場層面的指標，即說明對于A-J10家智能電能表廠商的單相電能表生產來說，認證和市場相對更為重要，應注重加強產品認證和迎合市場需求。

單獨來看單相、三相、綜合、經指標提取后的主成分分析以及分層構權主成分分析的回歸結果，可以發現：三相評價中主成分2(標準、檢測層面的指標)對評價結果影響較大、綜合評價中主成分3(認證、市場服務和生產層面的指標)對評價結果影響較大。

4 結束語

文中以智能電能表為例，應用“互聯網+”技術，打通各相關方之間的業務流、數據流和信息流，為智能電能表生產使用打造質量管控閉環，質量評價貫穿全壽命周期，實現對行業發展的引領與帶動。

未來，隨著泛在電力物聯網建設的深入推進及電能表行業的發展，需要在數據采集方式方法上，指標體系的完善及評價模型的豐富上進行更深入的研究，以能夠不斷適用計量設備質量管理的需求，更加全面精準地完成對設備質量的全壽命質量管理。