基于神經(jīng)網(wǎng)絡(luò)的生產(chǎn)設(shè)備潛在故障預(yù)測分析仿真研究

徐亮 廖一星 綦云華 劉作國

摘要：神經(jīng)網(wǎng)絡(luò)算法作為一種用途十分廣泛的算法，在生產(chǎn)設(shè)備的故障檢測中能夠幫助使用者更快的發(fā)現(xiàn)在故障使用過程中潛在的故障，因此本文圍繞生產(chǎn)過程關(guān)鍵生產(chǎn)設(shè)備基于神經(jīng)網(wǎng)絡(luò)的生產(chǎn)設(shè)備潛在故障預(yù)測分析仿真展開如下研究。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);生產(chǎn)設(shè)備;潛在故障分析;仿真設(shè)計

中圖分類號：TP183?? 文獻(xiàn)標(biāo)識碼：A?? 文章編號：1672-9129（2020）12-0021-01

基于神經(jīng)網(wǎng)絡(luò)的生產(chǎn)設(shè)備潛在故障分析能夠幫助生產(chǎn)設(shè)備使用方最大限度的提升故障檢測率，減少造成的經(jīng)濟(jì)損失。因此，是一種值得推廣的新生產(chǎn)技術(shù)。

1 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）是在人類大腦的生物神經(jīng)網(wǎng)絡(luò)啟發(fā)下所應(yīng)運(yùn)而生的一種算法，人工神經(jīng)網(wǎng)絡(luò)是基于被稱為人工神經(jīng)元的連接單元或節(jié)點(diǎn)所構(gòu)成的一個集合體，其工作原理與人類大腦中的神經(jīng)元十分相似。人工神經(jīng)網(wǎng)絡(luò)方法，最初設(shè)計目標(biāo)在于以人腦相同的方式去解決相關(guān)問題，但是隨著時間的進(jìn)一步推移，人們開始將人工神經(jīng)網(wǎng)絡(luò)運(yùn)用于計算機(jī)視覺，醫(yī)療診斷等諸多方面[1]。

大腦的工作能夠有條不紊的順利開展，人類對于大腦的研究也逐步深入，在對人腦研究的過程當(dāng)中也獲得了相應(yīng)的啟發(fā)，人工神經(jīng)網(wǎng)絡(luò)便是對于人腦功能的相關(guān)特性的一種反應(yīng)，人工神經(jīng)網(wǎng)絡(luò)并非是生物系統(tǒng)的一種描述，而是對于人腦功能的一種抽象和簡化。人工神經(jīng)網(wǎng)絡(luò)構(gòu)成原理和工作特點(diǎn)與人腦的工作原理和特點(diǎn)十分相似，其并非按照特定的程序來一步步進(jìn)行運(yùn)轉(zhuǎn)，而是根據(jù)周邊的環(huán)境總結(jié)規(guī)律來完成識別和過程控制等工作。人工神經(jīng)網(wǎng)絡(luò)是建立在一定的學(xué)習(xí)準(zhǔn)則上開展的[2]。人工神經(jīng)網(wǎng)絡(luò)具有初步的自適應(yīng)性和自主組織能力，能夠在不斷的學(xué)習(xí)的過程當(dāng)中改變突觸權(quán)重值，進(jìn)而更好的適應(yīng)周邊環(huán)境。同時人工神經(jīng)網(wǎng)絡(luò)還具有泛化能力，對于沒有經(jīng)過訓(xùn)練的樣本具有較好的預(yù)測能力。非線性映射能力，高度并行性等都是人工神經(jīng)網(wǎng)絡(luò)的突出特點(diǎn)。

2 基于神經(jīng)網(wǎng)絡(luò)的生產(chǎn)設(shè)備潛在故障預(yù)測分析仿真研究

本文圍繞生產(chǎn)過程關(guān)鍵設(shè)備基于神經(jīng)網(wǎng)絡(luò)的生產(chǎn)設(shè)備潛在故障預(yù)測分析仿真研究開展如下探討：

2.1項(xiàng)目目標(biāo)。設(shè)備信息聯(lián)網(wǎng)化，促進(jìn)企業(yè)管理改革;計劃調(diào)度科學(xué)化，提升企業(yè)生產(chǎn)效率;故障診斷預(yù)知性，提高設(shè)備維護(hù)效率;設(shè)備管理透明化，提升企業(yè)決策水平;消除信息孤島，助力企業(yè)轉(zhuǎn)型升級。

2.2項(xiàng)目研究重點(diǎn)。制造車間生產(chǎn)設(shè)備的實(shí)時數(shù)據(jù)采集、挖掘和分析技術(shù);生產(chǎn)設(shè)備健康趨勢預(yù)測及可視化技術(shù);集成設(shè)備預(yù)知性維護(hù)的高級生產(chǎn)排程技術(shù)三大技術(shù)難題是本項(xiàng)目著重解決的問題。

2.3項(xiàng)目技術(shù)研究。

（1）基于制造物聯(lián)的設(shè)備實(shí)時集中管控技術(shù)研究。傳統(tǒng)的依靠人工錄入和逐級上報的方式，難以保證設(shè)備數(shù)據(jù)的一致性、實(shí)時性和準(zhǔn)確性，從而導(dǎo)致企業(yè)對各生產(chǎn)車間的設(shè)備全生命周期情況進(jìn)行實(shí)時綜合管理和運(yùn)營決策時存在諸多困難。因此，研究基于制造物聯(lián)的設(shè)備集中管控技術(shù)，利用物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等信息技術(shù)，面向生產(chǎn)設(shè)備使用前期、運(yùn)行期和使用后期，實(shí)現(xiàn)“企業(yè)管理層—生產(chǎn)部門—生產(chǎn)現(xiàn)場”三級次的設(shè)備全過程數(shù)據(jù)的綜合管理與實(shí)時監(jiān)控，提高制造企業(yè)對生產(chǎn)設(shè)備的集中管控能力以及企業(yè)領(lǐng)導(dǎo)層、生產(chǎn)部門、生產(chǎn)車間與設(shè)備管理部門之間的信息交互能力。

（2）基于數(shù)據(jù)驅(qū)動的設(shè)備智能化運(yùn)維管理技術(shù)研究?；跀?shù)據(jù)驅(qū)動的業(yè)務(wù)創(chuàng)新和管理流程的優(yōu)化可以極大地提高企業(yè)的運(yùn)行效率、降低運(yùn)行成本。制造企業(yè)擁有大量生產(chǎn)設(shè)備，每個設(shè)備的不同部件均有定期的檢修和保養(yǎng)工作。傳統(tǒng)的設(shè)備運(yùn)維管理模式將消耗設(shè)備維護(hù)人員大量時間，并且可能存在設(shè)備故障未準(zhǔn)確識別、維保計劃執(zhí)行延誤等一系列問題。研究基于數(shù)據(jù)驅(qū)動的設(shè)備智能化運(yùn)維管理技術(shù)，通過充分挖掘和分析設(shè)備各類數(shù)據(jù)的潛在價值，將數(shù)據(jù)決策思想與先進(jìn)的設(shè)備管理理念深度融合，在實(shí)現(xiàn)設(shè)備集中管控的基礎(chǔ)上，支撐制造企業(yè)實(shí)現(xiàn)對接入設(shè)備的狀態(tài)監(jiān)控、故障診斷、智能維護(hù)、點(diǎn)巡檢指導(dǎo)等精細(xì)化的運(yùn)維管理[3]。

（3）集成設(shè)備預(yù)知性維護(hù)策略的生產(chǎn)排程技術(shù)研究。傳統(tǒng)設(shè)備的維護(hù)其生產(chǎn)計劃排程與維護(hù)計劃通常被認(rèn)為是相互獨(dú)立的系統(tǒng)。生產(chǎn)計劃排程多考慮在設(shè)備始終可用的基礎(chǔ)上對訂單進(jìn)行合理有序的排產(chǎn);在維護(hù)規(guī)劃中始終堅持以生產(chǎn)過程始終保持穩(wěn)定為前提，不太考慮異常情況。但在企業(yè)實(shí)際生產(chǎn)過程中兩者是緊密關(guān)聯(lián)的，即在生產(chǎn)計劃執(zhí)行期間，設(shè)備故障導(dǎo)致正常生產(chǎn)的中斷，需要采取設(shè)備維護(hù)工作來保證系統(tǒng)的可靠性，這必將導(dǎo)致生產(chǎn)時間的消耗，使得原定的生產(chǎn)計劃將被破壞。因此，開展集成設(shè)備預(yù)知性維護(hù)策略的生產(chǎn)排程技術(shù)研究，將設(shè)備維修與生產(chǎn)排程進(jìn)行科學(xué)統(tǒng)籌分析，得出最佳生產(chǎn)作業(yè)與設(shè)備預(yù)知性維護(hù)序列，對提高企業(yè)生產(chǎn)效率和市場競爭力具有重要意義。

（4）系統(tǒng)間數(shù)據(jù)集成、共享與交互技術(shù)研究。面向智能制造的設(shè)備管理系統(tǒng)需更好的應(yīng)對不斷變化的市場需求，滿足大規(guī)模定制化、設(shè)備健康多樣化、生產(chǎn)系統(tǒng)復(fù)雜化、決策需求動態(tài)化等現(xiàn)代制造模式的發(fā)展要求。設(shè)備作為制造企業(yè)的核心生產(chǎn)資料和物質(zhì)基礎(chǔ)，是企業(yè)實(shí)現(xiàn)智能制造的重要依托。因此，本項(xiàng)目系統(tǒng)除了實(shí)現(xiàn)自身功能外，還將實(shí)現(xiàn)與企業(yè)的ERP、MES等業(yè)務(wù)管理系統(tǒng)的無縫連接，打通企業(yè)從設(shè)備層到?jīng)Q策層的信息縱向通道以及各業(yè)務(wù)管理系統(tǒng)間的橫向信息流，消除數(shù)據(jù)孤島，將設(shè)備數(shù)據(jù)轉(zhuǎn)化為提升企業(yè)生產(chǎn)質(zhì)量和效率的信息流。通過數(shù)據(jù)交互、流轉(zhuǎn)彌補(bǔ)系統(tǒng)信息鴻溝，給各業(yè)務(wù)管理系統(tǒng)的精準(zhǔn)實(shí)施與有效應(yīng)用提供幫助，確保對企業(yè)大數(shù)據(jù)進(jìn)行充分加工和利用，從而提升數(shù)據(jù)驅(qū)動模式下制造企業(yè)的運(yùn)營管理能力和產(chǎn)品制造水平，助力企業(yè)面向智能制造的轉(zhuǎn)型升級。

結(jié)語：基于神經(jīng)網(wǎng)絡(luò)的生產(chǎn)設(shè)備潛在故障預(yù)測項(xiàng)目再投入使用后能夠很大程度上降低成本，提前發(fā)現(xiàn)設(shè)備可能存在的潛在故障，對于降低企業(yè)的成本很有必要。

參考文獻(xiàn)：

[1]劉思雨，薛勁松，景棟盛.基于分階段深度神經(jīng)網(wǎng)絡(luò)的施工違章識別[J].軟件工程，2020，23（09）：32-35.