劉述芳，徐永能，喬 僑

(1.南京地鐵資源開發(fā)有限公司， 南京 210012； 2.南京理工大學(xué) 自動化學(xué)院, 南京 210094)

【基礎(chǔ)研究】

大型裝備健康診斷和智能維護管理系統(tǒng)概述

劉述芳1，徐永能2，喬 僑2

(1.南京地鐵資源開發(fā)有限公司， 南京 210012； 2.南京理工大學(xué) 自動化學(xué)院, 南京 210094)

隨著我國工業(yè)化和城市化水平的飛速發(fā)展，獲得廣泛應(yīng)用的大型裝備在傳統(tǒng)檢維修模式中存在的數(shù)據(jù)信息不全面、不規(guī)范，數(shù)據(jù)分析處理不完善和數(shù)據(jù)分析手段落后等問題，嚴(yán)重制約了大型裝備的使用效率。健康診斷和智能維護管理系統(tǒng)可為大型裝備預(yù)防性維修和全員自主維修提供全面技術(shù)支持。本文重點分析了大型裝備維修模式發(fā)展趨勢、健康診斷與智能維護系統(tǒng)需求分析與組成，并結(jié)合軌道交通車輛關(guān)鍵部件案例對該系統(tǒng)的功能進行系統(tǒng)分析，分析結(jié)果表明，該系統(tǒng)的開發(fā)應(yīng)用可以更好的確保大型裝備全壽命周期的可靠性和安全性水平，有效提升大型裝備的使用效率。

大型裝備；健康診斷；智能維護；大數(shù)據(jù)分析；劣化趨勢

1 概述

大型裝備維修管理是隨著工業(yè)化和城市化進程發(fā)展而隨之發(fā)展起來的，其維修管理模式和水平也是不斷在完善和細(xì)化。國際上大型裝備維修管理基本上經(jīng)歷了不同的維修體系，包括事后維修階段、傳統(tǒng)的預(yù)防性維修階段、狀態(tài)預(yù)警階段或狀態(tài)維修階段、故障預(yù)測階段或預(yù)測性維修階段，各個階段檢修成本、響應(yīng)時間及其故障處理情況如圖1所示。

圖1 大型裝備維修模式發(fā)展歷程及其特點

從圖1可以看出，隨著維修技術(shù)的快速發(fā)展，傳統(tǒng)計劃預(yù)防修階段，大型裝備重點開展的是故障后開展的響應(yīng)式維護，或者按照預(yù)先規(guī)定的檢維修周期開展的定期檢查維修工作，響應(yīng)時間長，維修成本高；狀態(tài)預(yù)警階段，由于遠(yuǎn)程監(jiān)控手段和數(shù)據(jù)診斷能力的改進，在大型裝備檢維修現(xiàn)場可以根據(jù)實際狀態(tài)進行維修，維修成本適中，響應(yīng)時間也適中；而故障預(yù)測階段，則可以根據(jù)大數(shù)據(jù)建模方法對故障發(fā)生的情況進行預(yù)測，依據(jù)數(shù)據(jù)進行裝備劣化趨勢分析，并根據(jù)系統(tǒng)預(yù)測的狀態(tài)選擇維修的時機和作業(yè)內(nèi)容，維修成本最低，響應(yīng)時間也最短，越來越成為大型裝備檢維修模式優(yōu)化發(fā)展趨勢。

現(xiàn)階段，國內(nèi)根據(jù)各個行業(yè)大型裝備實際檢維修作業(yè)中的具體要求，分化出多種維修模式或維修理念，包括以裝備全壽命周期維護管理[1]、可靠性為中心的維修(Reliability Centered Maintenance，RCM)[2],全員生產(chǎn)維修(Total Productive Maintenance，TPM)，e-維護[3]、智能維護[4]以及綠色設(shè)備管理與維修模式[5]等。

2 健康診斷和智能維護系統(tǒng)需求分析

健康診斷及智能維護系統(tǒng)是建立在各個大型裝備使用現(xiàn)場的裝備故障預(yù)測維修模式的平臺，期望根據(jù)該平臺的建設(shè)，能夠在建立的現(xiàn)場數(shù)據(jù)中心支持基礎(chǔ)上，實時監(jiān)控各個管控區(qū)域的大型裝備的運行狀態(tài)；通過平臺獲得的大數(shù)據(jù)分析基礎(chǔ)上，實現(xiàn)故障預(yù)測，觸發(fā)資產(chǎn)管理系統(tǒng)的工作流程，自動生成維修工單及相應(yīng)故障維修的指導(dǎo)操作標(biāo)準(zhǔn)，使故障在發(fā)生前以高質(zhì)量的維修進程進行消除；對于大型裝備關(guān)鍵部件能夠?qū)崿F(xiàn)在線實時診斷，對于故障實現(xiàn)早期預(yù)警和分級報警，準(zhǔn)確指導(dǎo)大型裝備的現(xiàn)場運用和維修作業(yè)；同時實現(xiàn)備品備件的智能化管理，通過大數(shù)據(jù)分析智能調(diào)控大型裝備的零部件的倉儲進程。

健康診斷和智能維護系統(tǒng)需要有較完善的自檢和自診斷能力，包括對大型裝備進行實時監(jiān)督和故障報警，并能實施遠(yuǎn)程故障集中報警和維護信息的綜合管理分析。針對故障率離、疑難故障處理乏力和維護成本高昂的大型裝備，系統(tǒng)需要利用大數(shù)據(jù)業(yè)務(wù)與分析處理技術(shù)，分別從決策層、執(zhí)行層和操作層三個層面上落實如圖2所示的大型裝備健康診斷和智能維護系統(tǒng)需求[6]。

表1 大型裝備健康診斷和智能維護系統(tǒng)需求情況

從表1可以看出，大型裝備開展健康診斷和智能維護過程中，需要始終堅持戴明環(huán)(PDCA)的閉環(huán)跟蹤環(huán)節(jié)，從系統(tǒng)高度上為整個健康診斷和智能維護全過程提供一個發(fā)現(xiàn)問題-處理問題-解決問題-問題反饋的作業(yè)處理機制，并能實時根據(jù)各種維護類型監(jiān)測目前的執(zhí)行狀況，針對不同的故障維修、計劃維護、問題跟蹤作業(yè)等分別進行響應(yīng)的工作流程追蹤，將整個系統(tǒng)維護過程中的執(zhí)行機構(gòu)、管理機構(gòu)、資產(chǎn)提供機構(gòu)、供貨商、負(fù)責(zé)人等納入系統(tǒng)管理過程中，覆蓋系統(tǒng)全生命周期的全過程，并持續(xù)關(guān)注全過程中的可靠性水平和備件可靠性分析[7]，如圖2所示[8]。

具體到大型裝備的健康診斷和智能維護過程中，一旦預(yù)測到故障或者啟動預(yù)防性維修作業(yè)后，系統(tǒng)應(yīng)能及時采取一整套有效的維護措施，具體包括：

1) 設(shè)備健康狀態(tài)監(jiān)測。在設(shè)備發(fā)生故障或達(dá)到故障預(yù)防閾值時及時報警，提供規(guī)范的故障位置、故障編號、故障模式、故障后果影響、故障類型等信息，同時依據(jù)大數(shù)據(jù)分析結(jié)果提供健康維護輔助決策；

2) 故障快速決策。以最快的時間定位故障根本原因，并根據(jù)戴明環(huán)(PDCA)基本原理迅速形成規(guī)范化的故障快速決策和根本原因分析策略，正確執(zhí)行大型裝備維修模式、維修時機、維修周期、維修成本和維修更新價值等決策策略；

3) 預(yù)防性維護策略。貫穿以可靠性為中心的維修思想，執(zhí)行故障后果導(dǎo)向的預(yù)防性維護策略優(yōu)選，以減少大型關(guān)鍵設(shè)備故障維修概率，優(yōu)化預(yù)防性維護相關(guān)標(biāo)準(zhǔn)為參考，通過可靠的大數(shù)據(jù)統(tǒng)計與分析策略指導(dǎo)預(yù)防性維修。

圖2 大型裝備全生命周期過程中的協(xié)同可靠性評估進程

3 健康診斷和智能維護系統(tǒng)構(gòu)成

大型裝備健康診斷及智能維護系統(tǒng)，至少應(yīng)包括下述三個組成部分：裝備自動檢測系統(tǒng)、系統(tǒng)數(shù)據(jù)倉庫及分析中心和資產(chǎn)管理系統(tǒng)。

裝備自動檢測系統(tǒng)主要功能包括：

1) 檢測大型裝備各部件運行狀態(tài)；

2) 將系統(tǒng)運行狀態(tài)數(shù)據(jù)化；

3) 實時監(jiān)測，實時診斷；

4) 故障診斷模型程序化，運行過程中自動輸出診斷結(jié)論；

5) 準(zhǔn)確反映故障后果及危害度等級，匹配最優(yōu)維修策略。

數(shù)據(jù)倉庫及分析中心主要功能:

1) 集成所有數(shù)據(jù)；

2) 數(shù)據(jù)模型分析及在線實時監(jiān)控；

3) 設(shè)備故障率實時統(tǒng)計；

4) 設(shè)備狀態(tài)特征變化趨勢跟蹤及反饋。

資產(chǎn)管理系統(tǒng)主要功能：

1) 智能管理維修計劃；

2) 智能測算備品采購計劃；

3) 智能核查備件信息與物流預(yù)警；

4) 自動生成采購單以及自動分配。

4 以可靠性為中心的健康診斷和智能維護系統(tǒng)應(yīng)用案例

4.1 系統(tǒng)構(gòu)建思路

為了改變傳統(tǒng)的裝備以計劃預(yù)防修和故障修為主的檢維修體系，構(gòu)建基于裝備狀態(tài)監(jiān)測、特征提取、狀態(tài)評估、故障診斷、故障預(yù)測、維修模式優(yōu)化和維修決策于一體的大型裝備健康診斷和智能維護系統(tǒng)，本文以城市軌道交通車輛為案例，分析該系統(tǒng)主要構(gòu)建思路和典型應(yīng)用過程。

1) 優(yōu)化思路

本文建立的以可靠性為中心的智能運維系統(tǒng)，

首先立足于設(shè)備狀態(tài)監(jiān)測與診斷、故障預(yù)測與風(fēng)險等級評測、規(guī)范化故障分析數(shù)據(jù)等基礎(chǔ)數(shù)據(jù)，然后根據(jù)車輛子系統(tǒng)維修價值，根據(jù)風(fēng)險矩陣分析方法，梳理車輛各子系統(tǒng)及部件風(fēng)險等級，進一步優(yōu)化車輛設(shè)備維修策略。

2) 優(yōu)化過程

應(yīng)用過程中，統(tǒng)計近期車輛各子系統(tǒng)設(shè)備故障

數(shù)據(jù)，對影響任務(wù)可靠性的誘因進行分析，對設(shè)備重要性進行判斷，根據(jù)故障影響程度和發(fā)生故障頻率建立風(fēng)險矩陣，識別關(guān)鍵子系統(tǒng)；摸清各關(guān)鍵子系統(tǒng)運行狀態(tài)、建立多維度的故障預(yù)測模型，針對當(dāng)前各子系統(tǒng)維修策略及規(guī)程在實施過程中存在的問題，提出維修策略優(yōu)化方向，逐步完善各子系統(tǒng)維修策略；以提升可靠性為主要目標(biāo)，建立各子系統(tǒng)設(shè)備全生命周期可靠性管理優(yōu)化策略，精準(zhǔn)優(yōu)化設(shè)備維修作業(yè)規(guī)程，并制定具體改進維修作業(yè)計劃。

3) 應(yīng)用效果

基于可靠性設(shè)備健康管理，利用狀態(tài)監(jiān)測和診

斷技術(shù)，識別關(guān)鍵子系統(tǒng)，開展劣化趨勢分析，支持全系統(tǒng)維持策略應(yīng)用。在應(yīng)用過程中，重點關(guān)注影響運營安全及服務(wù)可靠性的車輛轉(zhuǎn)向架、制動系統(tǒng)和車門系統(tǒng)，強化其在線狀態(tài)監(jiān)測與故障診斷，遠(yuǎn)程監(jiān)測異常情況并及時預(yù)判和告警，從而解決規(guī)模化運營帶來車輛維保體量增加和批量設(shè)備深度維修需求，極大地提升了車輛維修價值，通過動態(tài)跟蹤設(shè)備運行狀態(tài)，不斷摸索設(shè)備劣化規(guī)律，優(yōu)化了多個關(guān)鍵部件的維修周期，充分利用窗口期維修，車輛可利用率提升5%的同時，保障設(shè)備運行質(zhì)量和節(jié)約設(shè)備維修成本。 為了更好的說明該系統(tǒng)，限于論文篇幅，本文僅就系統(tǒng)應(yīng)用案例中最為關(guān)鍵的三個環(huán)節(jié)：關(guān)鍵部件的識別與分類、可靠狀態(tài)識別和維修周期優(yōu)化等部分內(nèi)容進行詳細(xì)說明。

4.2 關(guān)鍵部件的識別與分類

針對大型裝備開展以可靠性為中心的健康診斷和智能維護系統(tǒng)開發(fā)時，僅需要針對關(guān)鍵部件都進行以可靠性為中心的維修(RCM)分析，從維修工程的角度出發(fā)，主要考慮以下四個方面作為選擇關(guān)鍵設(shè)備的準(zhǔn)則：

A：安全性，判斷大型裝備部件對運行安全的影響程度。重點關(guān)注本級、上一級以及最終的故障危害度后果影響分析。

B：服務(wù)水平，判斷設(shè)備部件對運行服務(wù)水平的影響。重點關(guān)注影響服務(wù)水平比較大的設(shè)備部件。

C：維修費用，判斷故障發(fā)生造成的經(jīng)濟損失或者修復(fù)所需的維修成本大小。重點關(guān)注故障引致的直接經(jīng)濟損失大的故障。

D：故障頻率，判斷故障發(fā)生的頻度是否超過預(yù)設(shè)的風(fēng)險閾值。重點關(guān)注部件故障后果影響大且頻發(fā)的故障。

4.3 關(guān)鍵部件運行可靠狀態(tài)識別

確認(rèn)關(guān)鍵設(shè)備部件之后，需要根據(jù)測試數(shù)據(jù)對其進行可靠性統(tǒng)計與變化規(guī)律分析，從而準(zhǔn)備識別其可靠狀態(tài)。通常根據(jù)收集的規(guī)范化的故障統(tǒng)計數(shù)據(jù)進行可靠性分析。識別過程如下：

A：故障分布規(guī)律識別，設(shè)備部件故障概率曲線一般都是服從一定的統(tǒng)計規(guī)律的，可以通過識認(rèn)曲線特征智能判別部件壽命分布函數(shù)，進而掌握故障分布規(guī)律，并可開展部件故障劣化趨勢分析。

B：可靠度函數(shù)識別：當(dāng)確定部件故障分布類型和壽命曲線后，可以通過相應(yīng)的數(shù)理統(tǒng)計方法準(zhǔn)確識認(rèn)可靠度函數(shù)置信區(qū)間以及相關(guān)特征參數(shù)。

C：裝備可靠狀態(tài)識別：當(dāng)確定部件劣化趨勢、設(shè)備故障概率密度函數(shù)和可靠度函數(shù)之后，就可以根據(jù)運行里程或者周期準(zhǔn)確判別部件的可靠狀態(tài)。

4.4 關(guān)鍵部件維修周期優(yōu)化

準(zhǔn)確識認(rèn)大型裝備關(guān)鍵部件可靠度分析相關(guān)指標(biāo)后，可以根據(jù)關(guān)鍵部件處于的可靠狀態(tài)與預(yù)期的可靠度水平差值，合理預(yù)測關(guān)鍵部件的維修周期和維修時機。如表2所示，根據(jù)軌道交通車輛關(guān)鍵部件轉(zhuǎn)向架系統(tǒng)和制動系統(tǒng)故障率統(tǒng)計圖，合理設(shè)定故障劣化趨勢及關(guān)鍵部件的維修周期(轉(zhuǎn)向架系統(tǒng)最優(yōu)架修周期為72.8萬公里，轉(zhuǎn)向架系統(tǒng)最優(yōu)架修周期為77.2萬公里)[10]。

表2 軌道交通車輛關(guān)鍵部件維修周期 萬公里

5 結(jié)論

健康診斷和智能維護系統(tǒng)可以顯著提升大型裝備的利用效率和裝備管理信息化水平，通過本文研究重點得到下述結(jié)論：

1) 系統(tǒng)分析當(dāng)前大型裝備維修模式發(fā)展趨勢及其特點；并系統(tǒng)分析了健康診斷和智能維護系統(tǒng)的功能需求及其組成；

2) 針對系統(tǒng)功能需求，全面分析了大型裝備健康診斷和智能維護實現(xiàn)手段以及相應(yīng)的可靠性水平維持策略；

3) 選用軌道交通車輛作為案例，系統(tǒng)分析了裝備健康診斷和智能維護系統(tǒng)分支之一的以可靠性為中心的大型裝備維修周期優(yōu)化分析方法和流程，為后續(xù)拓展系統(tǒng)的其他功能奠定了堅實的基礎(chǔ)。

[1] 屈巖，孟曉紅，劉鵬，等.保障性分析在裝備壽命周期過程中的應(yīng)用[J].四川兵工學(xué)報，2012(8)：52-54.

[2] 吳誤，沈鋼.軌道車輛走行部機械故障預(yù)警方案研究[J].華東交通大學(xué)學(xué)報，2013(1)：32-36.

[3] 蔣超.軌道交通自動門遠(yuǎn)程監(jiān)控系統(tǒng)中的智能故障診斷技術(shù)研究[D].南京：南京理工大學(xué)，2004.

[4] 麥金森，夕文.鐵路機車車輛運行故障監(jiān)測診斷技術(shù)的研究與應(yīng)用[J].中國鐵路，2007(3)：56-59.

[5] 用于設(shè)備狀態(tài)監(jiān)測中故障診斷的歸納的模式識別，中國，CN104471501 A，2013.06.03.

[6] 南京地鐵二號線設(shè)備房標(biāo)識系統(tǒng)研究[R].南京：南京理工大學(xué)，2010.

[7] 李田科，李偉，沙衛(wèi)曉，等.備件可靠性分析及需求預(yù)測[J].兵器裝備工程學(xué)報，2016(4)：47-50.

[8] 南京地鐵運營公司TPM&RCM推行關(guān)鍵技術(shù)研究[R].南京：南京理工大學(xué)，2012.

[9] 南京地鐵運營公司車輛維修模式優(yōu)化研究[R].南京：南京理工大學(xué)，2014.

[10] 南京地鐵運營公司車輛中大修維修周期優(yōu)化研究[R].南京：南京理工大學(xué)，2016.

LargeEquipmentHealthDiagnosisandIntelligentMaintenanceManagementSystem

LIU Shufang1， XU Yongneng2， QIAO Qiao2

(1.Nanjing Metro Resource Development Company, Nanjing 210012, China; 2.School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China)

With the rapid development of industrialization and urbanization level in China, large-scale use of large equipment in the traditional inspection and maintenance mode is of the existence of incomplete and irregular data, unreasonable storage and imperfect in data analysis and processing, backward data analysis means and so on. This situation seriously hampered the use of large-scale equipment efficiency. Health diagnosis and intelligent maintenance management system provide preventive maintenance of large equipment and total self-maintenance for comprehensive technical support. This paper focuses on the development trend of large equipment maintenance model, health diagnosis and needs analysis and composition of intelligent maintenance system，and the function of the system is systematically analyzed according to the case of key components of rail transit vehicle. The results show that the development and application of the system can better ensure the reliability and safety of the full life cycle of large equipment，and effectively improve the efficiency of large-scale equipment.

large equipment; health diagnosis; intelligent maintenance; large data analysis; degradation trend

2017-09-20；

2017-10-15

中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目(30917012102)

劉述芳(1972—)，女，碩士，主要從事機械工程及其自動化研究。

10.11809/scbgxb2017.12.064

本文引用格式：劉述芳,徐永能,喬僑.大型裝備健康診斷和智能維護管理系統(tǒng)概述[J].兵器裝備工程學(xué)報，2017(12):297-300,304.

formatLIU Shufang，XU Yongneng，QIAO Qiao.Large Equipment Health Diagnosis and Intelligent Maintenance Management System[J].Journal of Ordnance Equipment Engineering,2017(12):297-300,304.

U239.5

A

2096-2304(2017)12-0297-04

(責(zé)任編輯楊繼森)