飛機裝配工藝裝備保障狀態(tài)的多層次綜合評價方法

曲學軍，孟 飆

（1.沈陽航空航天大學 航空航天工程學部，沈陽 110136；2.沈陽航空航天大學 航空制造工藝數(shù)字化國防重點實驗室，沈陽 110136）

飛機裝配工藝裝備保障狀態(tài)的多層次綜合評價方法

曲學軍1，孟 飆2

（1.沈陽航空航天大學 航空航天工程學部，沈陽 110136；2.沈陽航空航天大學 航空制造工藝數(shù)字化國防重點實驗室，沈陽 110136）

設備保障狀態(tài)是對設備運行的當前狀態(tài)及其對裝配任務影響程度的綜合反映，完成設備保障狀態(tài)的綜合評估，將為制定有效的保障措施并為保障裝配任務的順利進行提供重要的參考依據(jù)。參照行業(yè)標準與裝配制造信息化應用現(xiàn)狀，建立基于分類特征文本的故障分類與判別準則，完成裝配工藝裝備的信息劃分與數(shù)據(jù)組織，進而形成統(tǒng)計分析樣本數(shù)據(jù)。建立保障狀態(tài)的綜合評價指標體系，利用有效的樹立統(tǒng)計分析方法完成關鍵指標的量化評價。建立綜合評價模型，完成局部指標的信息綜合，實現(xiàn)設備保障狀態(tài)的整體量化評定。對連續(xù)分布的量化指標數(shù)據(jù)進行分類分析與判別分析，完成統(tǒng)計結果的分類整合與聚集，實現(xiàn)高層次的信息組織與語義解讀。實驗結果表明，利用該方法可獲取豐富的多層次評估結果，并為開展后續(xù)的工程分析提供良好的信息支持。

飛機裝配工藝裝備；設備保障狀態(tài)；統(tǒng)計分析；分類與判別；綜合評價

0 引言

對于長期運行的裝配工藝裝備而言，為避免局部故障影響裝配任務的實施，必須在故障發(fā)生前予以有效預警并采取針對性的調(diào)整與維護措施[1,2]。當前，基于制造執(zhí)行系統(tǒng)（MES）的制造過程信息化管理已在飛機制造企業(yè)得到普遍應用[3,4]，所涉及的裝配工藝裝備的運行情況及故障維護信息也進行了詳細的記錄。然而，大量離散的信息與數(shù)據(jù)尚未得到有效的組織與管理，深入的分析工作也并未展開。當前依賴專家主觀經(jīng)驗的分析手段由于面臨以下問題已經(jīng)難以適應日益復雜的裝配制造要求[5]：1）工程數(shù)據(jù)類型繁雜，關系松散，豐富的數(shù)據(jù)資源資源未能實現(xiàn)有效的整合并進行統(tǒng)一、有效的分析與處理；2）分析過程嚴重依賴主觀經(jīng)驗，效率低，分析流程不規(guī)范，分析結果難以重現(xiàn)；3）專家領域知識與分析經(jīng)驗未有效封裝和重用，缺乏知識和經(jīng)驗的管理手段。

為了突破傳統(tǒng)分析手段的局限性，針對設備狀態(tài)評估與維護分析的實際需求，從運行與維護歷史數(shù)據(jù)中獲取關聯(lián)信息，完成數(shù)據(jù)規(guī)范化處理與轉換，以及數(shù)據(jù)的整合與組織，形成統(tǒng)計分析樣本數(shù)據(jù)。分析設備運行狀態(tài)的關鍵影響因素并建立綜合評價指標體系，并采用有效的統(tǒng)計分析手段完成關鍵評價指標的量化分析。在此基礎上，建立設備運行狀態(tài)的綜合評價模型以完成信息整合與指標匯總。更進一步，完成統(tǒng)計結果的分類整合與聚集，實現(xiàn)高層次的信息組織與語義解讀，為開展后續(xù)的工程分析提供良好的信息支持。

1 工藝裝備保障狀態(tài)的綜合評估策略

完成裝備保障狀態(tài)的整體評估，以綜合反映其對裝配任務的影響程度，將為制定及時有效的保障措施提供重要的參考依據(jù)[6]。一個工藝裝備通常包含多個故障個體，保障狀態(tài)的綜合評估應以所包含的各故障的局部評估為基礎。這樣，故障類型的劃分與識別就成為完成分析任務的首要環(huán)節(jié)。

就單個故障而言，其對整體保障狀態(tài)的影響可歸結為以下兩個方面：一方面是該故障發(fā)生風險的概率，另一方面是故障發(fā)生后維護保障的難度。采用故障風險指標與故障維護指標以定量描述上述兩個因素，進而形成故障個體的關鍵評價指標并建立指標評價體系。對于各指標分別完成關聯(lián)數(shù)據(jù)的提取與處理并形成樣本數(shù)據(jù)，利用基于統(tǒng)計分析的量化分析方法完成單故障的量化評估。

對于整個裝備而言，每個故障個體的發(fā)生都將影響整個設備的運行。為完成設備保障狀態(tài)的整體評估，需要完成每個故障自身關鍵指標的信息綜合，以反映其對設備保障狀態(tài)的影響程度。在此基礎上建立綜合評價模型，以完成各故障個體離散指標的信息綜合，完成保障狀態(tài)的整體量化評定。

以連續(xù)分布的指標數(shù)據(jù)所形成的定量分析結果，因其缺乏明確的工程語義而難以理解。在定量分析的基礎上，將同一層次下的指標數(shù)據(jù)進行匯總，據(jù)此展開分類分析與判別分析，實現(xiàn)指標數(shù)據(jù)的分類整合與聚集，進而為各類別賦予明確的工程語義。同一類別內(nèi)的指標數(shù)據(jù)語義相似，不同類別之間則差別顯著，分析結果簡單直觀且易于理解，從而在更高層次上完成了信息的組織與解讀，并為開展后續(xù)的工程分析提供良好的信息支持。

圖1 綜合分析流程

2 裝備故障的類型識別與數(shù)據(jù)組織

在企業(yè)裝配設備維護信息數(shù)據(jù)庫中，普遍采用自由文本完成故障現(xiàn)象與維護措施的語言描述，主觀性強且缺乏必要的規(guī)范性約束[7]。以裝配工藝裝備行業(yè)標準為依據(jù)，完成故障類型的歸納與整理，形成分類特征文本，據(jù)此建立分類與判別準則，是完成故障類型識別與信息組織的可行手段。據(jù)此形成的方法如下：

1）參照行業(yè)標準，完成典型故障類型的分析與整理，形成故障分類特征文本并建立分類準則，并應滿足：所建立的文本集合應能完成大多數(shù)故障類型的標識；同類故障在屬性特征上趨于相似，不同類別中的故障類型應避免彼此交叉覆蓋。

2）針對某一裝配工藝裝備，遍歷裝備維護數(shù)據(jù)庫并提取關聯(lián)的維護信息描述文本。利用建立的分類特征文本集合匹配描述文本，完成故障的判別與提取。進一步提取關聯(lián)的指標數(shù)據(jù)，包括設備編號、故障發(fā)生時間與故障維護時間，形成狀態(tài)評估樣本數(shù)據(jù)。

3 故障風險指標的綜合分析

故障風險指標用于評估故障發(fā)生的概率。通過采集關聯(lián)信息并完成相關指標的計算來形成樣本數(shù)據(jù)。在此基礎上，針對樣本數(shù)據(jù)進行統(tǒng)計分析，完成周期數(shù)據(jù)分布模型的統(tǒng)計推斷，進而利用重建的分布模型完成故障風險指標的量化評估。在此基礎上，建立風險指標的分類與判別準則，完成更高層次的評價分析。

3.1 故障風險指標的量化評定

1）故障發(fā)生周期樣本數(shù)據(jù)的生成

由于同類裝配工藝裝備的同類型故障的故障發(fā)生間隔周期有著近似的分布規(guī)律，因此完成針對該范圍內(nèi)的故障發(fā)生周期指標的匯總并形成樣本數(shù)據(jù)，可以顯著擴大樣本的容量，從而簡化分析負荷并提高統(tǒng)計結果的準確性。在此原則指導下，以設備類型與故障類型為分組條件，計算該范圍下的故障發(fā)生周期指標，形成統(tǒng)計分析樣本數(shù)據(jù)。

2）故障發(fā)生周期整體分布模型的統(tǒng)計推斷對于某一故障類型而言，其發(fā)生間隔周期通常滿足正態(tài)分布[8,9]，并可表示為：

3）故障風險指標的計算

故障風險指標用于評估故障發(fā)生的概率，其支配因素有兩個：其一是故障發(fā)生間隔周期數(shù)據(jù)的總體分布；其二是最近啟用時間，即故障最近一次排除后的正常運行時間。顯然，最近啟用時間越接近故障發(fā)生間隔周期的總體分布均值，該型故障發(fā)生的風險程度就越高。因此，兩者之間的相對比值在一定程度反映了故障發(fā)生的風險程度。然而，實際的故障間隔周期數(shù)據(jù)分布范圍較為廣泛，而單純依賴故障周期總體均值的風險指標并未對數(shù)據(jù)分布的離散程度予以反映。相對而言，以故障發(fā)生的概率指標完成故障風險程度的量化評估就更為直接與合理。

以故障發(fā)生周期的總體分布模型的統(tǒng)計推斷結果為依據(jù)，建立各故障類型發(fā)生時間的概率分布函數(shù)：

對于某一待評估工藝裝備，將故障集合中每一故障的最近啟用時間待入式中所建立的對應類型的概率分布函數(shù)，求解各故障發(fā)生的概率，形成概率指標向量作為該裝備風險指標的量化評價結果。

3.2 故障風險指標的分類分析

前述方法利用[0,1]區(qū)間上連續(xù)分布的概率指標完成故障發(fā)生風險程度的評估，然而一個指標數(shù)據(jù)所反映的危險程度如何，不同的人顯然具有不同的評判標準。相對而言，采用分類分析完成指標數(shù)據(jù)的整合與聚集，實現(xiàn)風險指標的分級評定并賦予明確的工程語義，可以獲取更為簡單直觀的評價結果[10,11]故障風險分類分析以故障周期總體分布模型為依據(jù)完成故障風險指標的類別劃分。首先給定類別數(shù)量n，建立故障風險指標分類與判別準則如下：

對于某一故障個體所對應的風險指標F，利用上式完成風險等級的劃分：若F位于第i個類別Gi所對應的定義區(qū)間范圍內(nèi)，即：則判定該類型的故障風險級別為Gi。而對于某一裝配工藝裝備，其風險等級判別針對所屬各故障進行，結果將形成等級判別向量。

4 故障維護指標的綜合分析

故障維護指標用于評估故障維護的復雜程度。顯然，某一故障發(fā)生后的維護時間越長，其維護復雜程度就越高，因此故障維護時間就成為評估復雜程度的關鍵指標。獲取故障維護時間樣本數(shù)據(jù)，完成故障維護時間的數(shù)據(jù)分布的統(tǒng)計推斷，進而利用重建的分布模型完成故障維護指標的量化評估。在此基礎上，建立維護指標的分類與判別準則，完成更高層次的評價分析。

4.1 故障維護指標的量化評定

1）故障維護周期樣本數(shù)據(jù)的生成

對于相似裝配工藝裝備的同類型故障來說，其故障維護時間有著相似的分布規(guī)律。以設備類型與故障類型為分組條件，從故障維護歷史數(shù)據(jù)中提取關聯(lián)數(shù)據(jù)并計算故障周期，以此形成統(tǒng)計分析樣本數(shù)據(jù)，可以顯著擴大樣本數(shù)據(jù)的容量并提高統(tǒng)計分析的準確性。

2）故障維護周期整體分布模型的統(tǒng)計推斷

對于某一故障類型而言，其故障維護時間通常滿足正態(tài)分布，并可表示為：

3）故障維護指標計算

對于某一待評估工藝裝備，采用步驟2）中的方法完成其包含的各故障維護周期的分布模型的統(tǒng)計推斷，并利用分析結果完成維護指標的量化配置：

式中wi表示該裝備各故障的維護指標，μi為對應故障類型的維護周期總體分布的均值指標。

4.2 故障維護指標的分類分析

不同類型故障的維護指標具有不同的分布規(guī)律。大范圍連續(xù)分布的指標數(shù)據(jù)自身缺乏明顯的工程語義而難以直觀理解。相對而言，針對不同類型故障的維護指標數(shù)據(jù)進行分類分析，實現(xiàn)風險指標的分級評定并賦予明確的工程語義，并賦予類似復雜或容易等明確的工程語義，評定結果簡單直觀且具備明確的工程語義，可以獲取更為簡單直觀的評價結果。

聚類分析開始時將各樣本數(shù)據(jù)各自作為一類，然后將距離最近的兩類合并成一個新類，再計算新類與其他類之間的距離并重復進行兩個最近類的合并。每次并類過程都將類別的數(shù)量減一，直至降至預先指定的分類數(shù)量。相關定義如下：

設xi與xj為兩樣本數(shù)據(jù)，則樣本數(shù)據(jù)間的距離dij采用歐式距離定義：

類間距離DKL采用重心法定義：設類Gk中有nK個數(shù)據(jù)，GL中有nL個數(shù)據(jù)，定義兩個類的重心分別為：

則GK與GL間距離為：

圖2 聚類分析相關定義

該模式下故障維護指標分類分析過程如下：

1）預先指定類別數(shù)量n，提取所有設備的所有類型故障的維護指標wi，i =1，2，…，n，形成分類分析樣本數(shù)據(jù)。

2）初始時將每個樣本各自作為一類，其分類結果為Ω=(Gi，i=1，2，…，n)，Gi={wi}。計算任意兩個樣本數(shù)據(jù)間的距離dij，i，j=1，2，…，n，以此建立距離矩陣D=[dij]。

3）尋找D中的最小值所在的元素，設為dKL，將Gk和GL聚成一個新類，記為GM，即GM= {Gk, GL}，形成新的分類集合Ω={G1，…，GK-1，GK+1，…，GL-1，GL+1， …，GM}。

4）計算新類GM與任一已有類GJ之間距離，據(jù)此完成對距離矩陣D的修改。

5）重復第3）與第4）步操作，更新分類結果Ω與距離矩陣D，直至所有元素合并為一類為止。

5 設備保障狀態(tài)的綜合量化評估

在將某一工藝裝備離散表示為n個故障集合之后，各個故障的評估結果就從不同角度對裝配保障狀態(tài)進行了局部描述。在此情況下，為完成保障狀態(tài)的綜合評估，還需通過集成各局部評價指標來建立綜合評價模型[12]。所建立的模型可表示為：

式中，fi是第i個故障的風險指標，wi為該故障的維護指標?？蓪⒐收巷L險指標fi視為基準指標，則故障維護指標wi就可視為fi的權重系數(shù)[13]反之亦然。兩者相乘綜合反映了該故障的當前運行狀態(tài)及其對綜合評價模型的影響程度，綜合評價結果即為各故障個體影響程度的疊加。上式還可表示為：

其中W即集合各故障風險指標形成的指標向量，F(xiàn)為集合各評估單元維護指標形成的指標向量。

該模型下裝備保障狀態(tài)綜合評估過程如下：

1）對于待評價工藝裝備的每個故障個體，采用3.1節(jié)所示方法完成故障風險指標的量化評估，形成故障風險指標向量

2）對于待評價工藝裝備的每個故障個體，采用4.1節(jié)所示方法完成故障維護指標的量化評估，形成故障維護指標向量

3）利用式(10)建立的工藝裝備運行狀態(tài)的整體評價模型完成局部指標的信息綜合，形成裝備保障狀態(tài)的綜合量化評估指標。

6 實驗與討論

1）關鍵指標的量化分析

查閱裝配工藝裝備維護歷史數(shù)據(jù)，參照相關行業(yè)標準，形成故障分類特征文本集合。同時提供相應功能模塊，實現(xiàn)特征分類文本的動態(tài)編輯與擴充。下面以某中等尺寸壁板類裝配工裝個體為例展開分析。首先搜索該裝備的維護記錄，提取維護信息文本并完成與故障分類特征文本的匹配，形成故障集合。再以設備類型與故障類型為查詢條件，提取關聯(lián)數(shù)據(jù)并完成故障發(fā)生周期與故障維護周期數(shù)據(jù)指標的提取與匯總，進而基于極大似然性原理完成兩指標整體分布模型的統(tǒng)計推斷，分析結果如表1所示。

為完成故障發(fā)生風險程度的量化評估，以各故障發(fā)生周期總體分布的統(tǒng)計推斷為依據(jù)，建立概率分布函數(shù)。同時提取各故障的最近啟用時間，并將其待入對應的概率分布函數(shù)，如式(2)所示，計算各故障發(fā)生的概率，形成故障風險指標集合。為完成故障維護復雜程度的量化評估，以各故障維護周期總體分布的統(tǒng)計推斷結果為依據(jù)，采用總體均值指標完成維護指標的量化配置，形成故障維護指標集合。上述結果如表1所示。

2）故障風險指標的分類與判別

給定類別數(shù)量為5，采用式(3)中建立的分類準則設置風險指標分類區(qū)間并完成故障風險指標的分類分析。各類別所在的概率區(qū)間如表2所示。

對于表1中所列出的故障集合，利用表2中建立的類別區(qū)間完成各故障風險等級的判別，結果如表1所示。其中故障“測量”的風險指標位于1級區(qū)域，該故障類型的發(fā)生概率很低，可視為平穩(wěn)運行狀態(tài)。故障“伺服”、“風鉆”、“空調(diào)”、“接頭”位于二級區(qū)域，故障發(fā)生概率較低，可進行一般性關注。“檢驗單元”、“驅動”、“電源”、“功率模塊”、“精加工”位于三級區(qū)域，故障發(fā)生概率較大，應予以充分關注。而“軸承”與“水泵”分別位于四級與五級區(qū)域，表明故障隨時可能發(fā)生，應予以密切關注并采取必要措施。實際應用中可結合具體情況對分類準則進行修訂。

3）故障維護指標的分類分析

給定類別數(shù)量為5，以所有類型設備的所有故障的維護指標做為樣本數(shù)據(jù)，采用分類分析完成故障維護指標的分級評定。采用聚類樹形圖對聚類過程進行直觀的顯示，結果如圖3所示。從圖中可以查看每一類所包含的樣本數(shù)據(jù)以及每次的并類距離，為便于顯示，樹形中僅顯示其中的30個指標。

表1 關鍵指標綜合分析結果

表2 故障風險指標分類區(qū)間設置

對于待評估的設備個體，從分析結果中查詢所屬各故障維護指標的類別，形成的類型判別向量如表1所示。不同類別代表不同的維護復雜程度，類別編號從低到高表明復雜層度依次上升。

4）裝備保障狀態(tài)的綜合定量評價

對于該壁板裝配工裝，利用式(10)表示的綜合評價模型計算裝備保障狀態(tài)綜合評價值，完成其故障發(fā)生風險與故障維護成本的指標向量的綜合，獲取的綜合評價值為f綜合 = 121.99013。

7 結論

圖3 聚類樹形圖

1）參照行業(yè)標準與裝配制造信息化應用現(xiàn)狀，建立基于分類特征文本的故障分類與判別準則，完成裝配工藝裝備的信息劃分與數(shù)據(jù)組織，形成故障個體與關聯(lián)指標數(shù)據(jù)的集合，實現(xiàn)設備保障狀態(tài)評估的任務分解。以故障風險指標與故障維護指標作為關鍵指標，利用有效統(tǒng)計分析方法可完成關鍵評價指標的量化評價。進一步通過建立綜合評價模型，可完成各故障個體關鍵指標的信息綜合，并實現(xiàn)保障狀態(tài)的綜合量化評定。

2）在定量分析的基礎上展開分類分析與判別分析，實現(xiàn)關鍵指標的分類整合與聚集，進而為各類別賦予明確的工程語義，可以實現(xiàn)高層次上的信息組織與語義解讀。同時，一致的聚類分析方法能夠隨著樣本數(shù)據(jù)的擴充進行自適應性調(diào)整，且能夠更好地適應工藝條件的變動對設備維護水平所產(chǎn)生的影響。此外，分類結果可為開展后續(xù)的工程分析提供良好的信息支持，如快速識別特定類別的故障，結合方差分析等后續(xù)方法可確定影響維護效率的關鍵因素并評估各因素的影響程度。

[1] Jonsson M., Ossbahr G.. Aspects of reconfigurable and flexible fxtures[J]. Production Engineering,2010,4(4):333-339.

[2] 王亮,李東升.飛機數(shù)字化裝配柔性工裝技術體系研究[J].航空制造技術,2012,7:34-39.

[3] 張倫彥.航空制造行業(yè)MES標準化研究[J].航空標準化與質(zhì)量, 2011,06:27-30.

[4] 程閔,李維,魏翀,等.基于MES的面向裝配車間的質(zhì)量管理系統(tǒng)分析[J].裝備制造技術,2014,1:103-105.

[5] 張根保,任顯林,李明,等.基于MES和CAPP的動態(tài)質(zhì)量可追溯系統(tǒng)[J].計算機集成制造系統(tǒng),2010,2:349-355.

[6] 余鋒杰,柯映林,應征.飛機自動化對接裝配系統(tǒng)的故障維修決策[J].計算機集成制造系統(tǒng),2009,9:1823-1830.

[7] 賈治宇,周巖,曾照洋.備件和保障設備配置組合優(yōu)化方法研究[J].航空維修與工程,2014,2:55-58.

[8] 陸中,戎翔,周伽,等.基于蒙特卡羅仿真的FADEC系統(tǒng)多故障TLD分析方法[J].航空學報,2015,12:3970-3979.

[9] Prescott D. R.,Andrews J. D.. The safe dispatch of aircraft with known faults[J].International Journal of Perform- ability Engineering,2008,4(3):243-253.

[10] Dean J.,Ghemawat S..MapReduce: simplifed data processing onlarge clusters[J].Communications of the ACM,2008,51(1):107-113.

[11] Hasan T., Hansen J. H. L.. Acoustic Factor Analysis for Robust Speaker Verifcation I-J[J].IEEE Transactions on Audio, Speech, and Language Processing,2013,21(4):842-853.

[12] Lee G. L., Lin H. J.,Yu T. W., et al. Optimal Allocation forImproving System Reliability Using AHP[C].2008 IEEEInternational Conference on Sustainable Energy Technologies(ICSET2008) Inst, of Elec.and Elec. Eng. ComputerSociety,2008:159-163.

[13] 徐達,李闖,李洋.基于TOPSIS的裝備維修性定性指標綜合評價研究[J].航天控制,2014,32(5);92-96.

圖3 智能感知控制系統(tǒng)

參考文獻：

[1] 傅建中.智能制造裝備的發(fā)展現(xiàn)狀與趨勢[J].機電工程,2014,08:959-962.

[2] 朱劍英.智能制造的意義、技術與實現(xiàn)[J].機械制造與自動化,2013,03:1-6,10.

Multi-level comprehensive evaluation of the safeguard state of the aircraft assembly process equipment

QU Xue-jun1, MENG Biao2

TP391

：A

1009-0134(2017)01-0058-06

2016-09-12

國防基礎科研項目（A0520132009）

曲學軍（1969 -），男，遼寧沈陽人，副教授，博士，研究方向為數(shù)字化飛機制造技術。