基于健康狀態(tài)預(yù)測(cè)的家具制造設(shè)備維修方法

何 川，陳 勇

（1.浙江經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院，浙江杭州 310018；2.浙江圣奧家具制造有限公司，浙江杭州 310012）

0 引言

改革開放40多年來，我國(guó)家具制造業(yè)已經(jīng)由原來的手工制作轉(zhuǎn)變?yōu)闄C(jī)械化、自動(dòng)化生產(chǎn)。生產(chǎn)效率提升的同時(shí)，隨之而來的設(shè)備故障也給生產(chǎn)企業(yè)帶來了不少問題和困擾。據(jù)資料統(tǒng)計(jì)，在現(xiàn)代制造企業(yè)中故障維修和停機(jī)損失費(fèi)用已占其生產(chǎn)成本的30%～40%[1]。大多數(shù)中小家具制造企業(yè)在設(shè)備管理方面也比較粗放，特別是設(shè)備維修這方面，存在著維修人員響應(yīng)慢，隨機(jī)突發(fā)事件頻發(fā)造成故障停機(jī)時(shí)間居高不下，設(shè)備保養(yǎng)不善導(dǎo)致產(chǎn)品質(zhì)量不穩(wěn)定甚至造成返工成本等問題。因此如何以較少的投入來提升設(shè)備維修水平是板式家具制造企業(yè)等中小制造企業(yè)面臨的一項(xiàng)重要挑戰(zhàn)。

1 設(shè)備維修方法

大部分工業(yè)設(shè)備的維護(hù)維修方法可以分為三類：修復(fù)性維修、預(yù)防性維修和預(yù)測(cè)性維修。

1.1 修復(fù)性維修

修復(fù)性維修屬于事后維修，是基于事件驅(qū)動(dòng)的維修，即在故障識(shí)別后，使設(shè)備恢復(fù)到能執(zhí)行規(guī)定功能狀態(tài)所實(shí)施的維修。此類維修一旦發(fā)生，就會(huì)發(fā)生故障停機(jī)而造成損失。突發(fā)故障停機(jī)時(shí)間以操作人員的叫修開始，以維修人員維修完成結(jié)束。因此此類維修的故障停機(jī)時(shí)間實(shí)際上分為維修響應(yīng)時(shí)間和維修時(shí)間兩部分：維修響應(yīng)時(shí)間是從操作人員叫修開始到維修人員到現(xiàn)場(chǎng)維修結(jié)束，維修時(shí)間則是維修人員到現(xiàn)場(chǎng)維修開始到設(shè)備維修完成結(jié)束；維修響應(yīng)時(shí)間取決于叫修流程是否復(fù)雜、維修人員的到達(dá)是否拖延以及考核管理制度，維修時(shí)間取決于設(shè)備故障的類型、維修履歷的積累以及維修人員的技能水平。

文獻(xiàn)[2]已經(jīng)利用信息化技術(shù)在這方面做了應(yīng)用嘗試，取得了良好的效果，比較適合大多數(shù)的中小制造企業(yè)。一方面將原本報(bào)修檢修的紙質(zhì)流程全面升級(jí)在手機(jī)APP上完成，減少設(shè)備報(bào)修檢修的審批時(shí)間，同時(shí)通過考核維修人員維修響應(yīng)時(shí)間，減少維修人員的到達(dá)時(shí)間。自該系統(tǒng)2017年5月上線以來，統(tǒng)計(jì)兩年的數(shù)據(jù)顯示，維修響應(yīng)時(shí)間均較好地控制在較低水平；另一方面，通過積累報(bào)修履歷數(shù)據(jù)庫，實(shí)現(xiàn)設(shè)備故障維修的標(biāo)準(zhǔn)化，讓優(yōu)秀的維修經(jīng)驗(yàn)得以復(fù)制，提升維修效率，減少維修時(shí)間。

1.2 預(yù)防性維修

預(yù)防性維修屬于事先維護(hù)，是基于時(shí)間驅(qū)動(dòng)的維修，即在設(shè)備發(fā)生故障前，根據(jù)“預(yù)防為主,防患于未然”的原則，進(jìn)行有計(jì)劃的預(yù)防性維修。如計(jì)劃性的日常檢查、定期檢查和維護(hù)保養(yǎng)工作等。文獻(xiàn)[2]中也設(shè)計(jì)了預(yù)防性檢修計(jì)劃模塊，對(duì)設(shè)備維護(hù)保養(yǎng)進(jìn)行排單。預(yù)防維修的宗旨是以“防”為主，為了防止設(shè)備事故的發(fā)生，維修人員可能會(huì)多檢修、多更換，以此來確保設(shè)備狀態(tài)的穩(wěn)定運(yùn)行，這些都是造成過維修的重要原因，而過維修造成了大量人力物力的浪費(fèi)[3]。

1.3 預(yù)測(cè)性維修

預(yù)測(cè)性維修屬于事先維護(hù)，基于安裝在設(shè)備上的各種傳感器，實(shí)時(shí)監(jiān)控設(shè)備狀態(tài)，并對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)處理和統(tǒng)計(jì)分析，在利用知識(shí)、經(jīng)驗(yàn)以及智能算法來進(jìn)行設(shè)備或部件健康狀態(tài)的預(yù)報(bào)。維修人員根據(jù)設(shè)備的健康狀態(tài)以及生產(chǎn)計(jì)劃進(jìn)行適時(shí)、適度、精準(zhǔn)的維修，在提升維修效率的同時(shí)也能盡量利用部件的使用壽命。

預(yù)測(cè)性維修是近年來的研究熱點(diǎn)。文獻(xiàn)[4-6]利用振動(dòng)、電流、溫度等信號(hào)，分別通過改善的主成分分析、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等方法對(duì)軸承進(jìn)行健康預(yù)測(cè)研究。文獻(xiàn)[7-9]利用振動(dòng)信號(hào)、電流信號(hào)和聲發(fā)射信號(hào)，通過支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、時(shí)域頻率傅里葉分析等方法對(duì)車床刀具進(jìn)行了故障診斷研究。文獻(xiàn)[10-12]等利用采集感應(yīng)電機(jī)的電流，通過改進(jìn)或者綜合運(yùn)用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、深度學(xué)習(xí)等機(jī)器學(xué)習(xí)方法對(duì)電機(jī)進(jìn)行故障診斷研究。這些研究成果表明，可以通過放置在合適位置的振動(dòng)、電流、溫度等傳感器檢測(cè)數(shù)據(jù)，再利用相應(yīng)的人工智能方法對(duì)這些數(shù)據(jù)進(jìn)行智能分析，實(shí)現(xiàn)故障預(yù)測(cè)和故障分類。

1.4 板式家具制造企業(yè)預(yù)測(cè)性維修方法

當(dāng)前大部分家具制造企業(yè)在設(shè)備故障處理上主要有兩類維修：一類維修是通過更換已損件，如更換已無法工作的軸承、砂帶、干燥燈、刀具、單向閥、橡膠皮等；另一類維修是無需更換配件的故障，如螺絲、齒輪外圈等機(jī)械松動(dòng)，機(jī)械異響需添加潤(rùn)滑油，膠缸長(zhǎng)時(shí)間未清理導(dǎo)致涂膠溫度不夠、氣壓不足導(dǎo)致前截刀不工作，接線松動(dòng)導(dǎo)致膠鍋不加熱等。這兩類設(shè)備維修主要以修復(fù)性維修和預(yù)防性維修為主，很少根據(jù)檢測(cè)數(shù)據(jù)來進(jìn)行預(yù)測(cè)性維修。

隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，以及傳感硬件設(shè)備成本的不斷下降，逐漸出現(xiàn)了簡(jiǎn)單的預(yù)測(cè)性維修方法。這種方法主要是通過檢測(cè)易損件的相關(guān)參數(shù)來表征該易損件的健康狀態(tài)，以作為何時(shí)進(jìn)行維修維護(hù)的參考，如實(shí)時(shí)檢測(cè)UV干燥燈的能量狀態(tài)，砂帶的磨砂時(shí)間、刀具的切割米數(shù)或斬?cái)啻螖?shù)等，再根據(jù)經(jīng)驗(yàn)設(shè)定相應(yīng)的閾值，當(dāng)易損件的狀態(tài)達(dá)到相應(yīng)的閾值后就對(duì)其進(jìn)行提前更換。這樣就可以在一定程度上減少易損件的突發(fā)故障導(dǎo)致停機(jī)和產(chǎn)品不良，同時(shí)也能盡量保證易損件的使用時(shí)間。

但是能夠進(jìn)行狀態(tài)檢測(cè)的易損件種類和數(shù)量比較少，一方面是由于沒有合適的檢測(cè)方法對(duì)所有易損件進(jìn)行檢測(cè)，另一方面，對(duì)機(jī)械設(shè)備上的所有易損部件進(jìn)行檢測(cè)也會(huì)增加大量硬件成本的同時(shí)也增加了檢測(cè)系統(tǒng)的復(fù)雜性。因此，從技術(shù)和成本的角度進(jìn)行綜合考慮，只能對(duì)一些重要、較高價(jià)值的易損件的狀態(tài)進(jìn)行適度檢測(cè)，從而判斷何時(shí)進(jìn)行維修。而木工機(jī)械其他故障的預(yù)測(cè)性維修方法，目前尚未有相關(guān)研究。為此，本文提出了一種基于設(shè)備健康狀態(tài)預(yù)測(cè)的板式家具制造設(shè)備預(yù)測(cè)維修方法。

2 基于設(shè)備健康狀態(tài)預(yù)測(cè)的板式家具制造設(shè)備維修方法

2.1 基本原理

基于設(shè)備健康狀態(tài)預(yù)測(cè)的板式家具制造設(shè)備維修方法主要由數(shù)據(jù)采集與預(yù)處理、離線數(shù)據(jù)訓(xùn)練、故障預(yù)測(cè)模型、設(shè)備健康狀態(tài)評(píng)估和設(shè)備維修計(jì)劃構(gòu)成（圖1）。

圖1 基于設(shè)備健康狀態(tài)預(yù)測(cè)的設(shè)備維修方法基本流程

數(shù)據(jù)采集與預(yù)處理主要是采集相應(yīng)設(shè)備上的特定參數(shù)。這些特定參數(shù)主要為設(shè)備電流、功率、溫度等容易采集的參數(shù)，并進(jìn)行相應(yīng)的歸一化和模糊化處理。并將前期的部分參數(shù)進(jìn)行離線數(shù)據(jù)訓(xùn)練來獲得訓(xùn)練參數(shù)。數(shù)據(jù)采集并預(yù)處理后的數(shù)據(jù)，再加上訓(xùn)練參數(shù)一起輸入到故障預(yù)測(cè)模型中，獲得預(yù)測(cè)輸出。系統(tǒng)根據(jù)預(yù)測(cè)輸出評(píng)估當(dāng)前設(shè)備的健康狀態(tài)等級(jí)。設(shè)備維修人員根據(jù)設(shè)備健康狀態(tài)等級(jí)以及生產(chǎn)計(jì)劃來進(jìn)行適時(shí)的維修維護(hù)。

該方法的核心在于評(píng)估設(shè)備健康狀態(tài)等級(jí)，而評(píng)估設(shè)備健康狀態(tài)等級(jí)的核心在于建立故障預(yù)測(cè)模型。當(dāng)前已經(jīng)有很多故障預(yù)測(cè)模型的建模方法，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。相對(duì)神經(jīng)網(wǎng)絡(luò)以及傳統(tǒng)的支持向量機(jī)，最小二乘支持向量機(jī)（Least Squares Support Vector Machine，LS-SVM）具有更快的收斂速度和更優(yōu)的預(yù)測(cè)性能[13]，而且支持向量機(jī)在解決非線性、小樣本、多維數(shù)問題時(shí)表現(xiàn)出了很多優(yōu)良的特性[14]。因此本文將利用最小二乘支持向量機(jī)來建立故障預(yù)測(cè)模型。

2.2 研究對(duì)象

根據(jù)設(shè)備叫修信息化系統(tǒng)的維修數(shù)據(jù)顯示，直線封邊機(jī)的維修次數(shù)比其他設(shè)備多，因此本文將以直線封邊機(jī)為研究對(duì)象進(jìn)行故障預(yù)測(cè)模型的建立和案例驗(yàn)證。直線封邊機(jī)主要是用來加工板材直線邊，包括涂膠、施壓封邊、切邊、修邊等工序[15]。本次研究選擇了生產(chǎn)車間中一臺(tái)直線封邊機(jī)，其型號(hào)為KAL310/4/A20/S2。當(dāng)生產(chǎn)人員發(fā)現(xiàn)故障后，會(huì)通過相應(yīng)的報(bào)修系統(tǒng)上報(bào)，維修人員就會(huì)前去維修。根據(jù)2017年5月—2019年4月間的報(bào)修檢修數(shù)據(jù)顯示，主要的故障包括：膠溫不夠、軸承磨損、減速機(jī)故障、螺絲松動(dòng)、前截刀氣壓不穩(wěn)定、銑刀不工作、涂膠輪不工作、無控制啟動(dòng)電源等涉及膠缸、機(jī)械、電氣方面的故障。

2.3 最小二乘支持向量機(jī)故障預(yù)測(cè)模型

基于最小二乘支持向量機(jī)的故障預(yù)測(cè)模型可以描述為：給定訓(xùn)練集{xi，yi},其中xi∈Rd，表示第i個(gè)輸入樣本。d表示樣本輸入維度。yi∈R,表示第i個(gè)樣本輸出。故障預(yù)測(cè)建模就是通過對(duì)已知的樣本{xi，yi}（i=1～s）進(jìn)行訓(xùn)練，找到一個(gè)函數(shù)，使得對(duì)于訓(xùn)練集之外的xi（i>s），也能精確地預(yù)測(cè)出對(duì)應(yīng)的yi。

為了能夠預(yù)判設(shè)備健康狀態(tài)，就需要選取相應(yīng)的采樣數(shù)據(jù)輸入和期望輸出。考慮到硬件成本以及數(shù)據(jù)檢測(cè)的穩(wěn)定性，本文選取的采樣數(shù)據(jù)輸入是直線封邊機(jī)的三相電流（Ia、Ib和Ic）、有功率P、無功功率Q、功率因素PF以及膠缸溫度T。期望輸出為設(shè)備故障狀態(tài)y：1表示故障，0表示正常。當(dāng)設(shè)備產(chǎn)生報(bào)修則表示有故障。

則該輸入輸出的數(shù)據(jù)集可表示為：

其中，x=[Ia Ib Ic P Q PF T]T，yi和xi分別表示第i個(gè)輸出期望值和采樣數(shù)據(jù)輸入，b表示獨(dú)立分布的隨機(jī)閾值。

最小二乘支持向量機(jī)一般利用非線性映射函數(shù)φ解決f（xi）的非線性逼近問題。即：

式（2）中，w是權(quán)重向量，b是閾值向量。因此為了獲得f（xi）的近似逼近，實(shí)際上是通過結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，求解以下最優(yōu)問題：

式（3）中，c為懲罰因子，ξi為不敏感損失函數(shù)的松弛因子，i∈（1，2，…，s），s為訓(xùn)練樣本個(gè)數(shù)。通過引入拉格朗日函數(shù)，可以獲得最優(yōu)解為：

式（4）中，L為單位矩陣，b是閾值向量，ɑ=[ɑ1，ɑ2，…ɑs]，ɑi為L(zhǎng)agrange乘子。Y=[y1，y2，…，ys]T，φ=[φ（x1），φ（x2），…φ（xs）]?？紤]徑向基核函數(shù)泛化強(qiáng)且比較穩(wěn)定，在先驗(yàn)知識(shí)缺乏時(shí)，可以獲得更優(yōu)的性能。因此采用徑向基核函數(shù)來構(gòu)建LS-SVM預(yù)測(cè)模型，即將式（4）中滿足Mercer條件的正定核函數(shù)K（xi，xj）=φ（xi）Tφ（xj）定義為：

根據(jù)上述條件可以得出預(yù)測(cè)模型為：

2.4 輸出模糊化的最小二乘支持向量機(jī)預(yù)測(cè)模型

而對(duì)于木工機(jī)械來說，除了少部分故障，大部分故障并不是一發(fā)生就能引起設(shè)備停機(jī)，而是可以帶“病”生產(chǎn)，并逐漸積累到一定程度，或者生產(chǎn)人員在生產(chǎn)過程中發(fā)現(xiàn)無法操作或產(chǎn)品產(chǎn)出質(zhì)量不良才去報(bào)修，等通過設(shè)備報(bào)修反饋發(fā)生故障時(shí)故障可能已經(jīng)發(fā)生了一段時(shí)間。因此在故障預(yù)測(cè)模型建立時(shí)，故障報(bào)修點(diǎn)往前一段時(shí)間也需要被認(rèn)為是故障狀態(tài)，即在訓(xùn)練參數(shù)獲得ɑ和b時(shí)，輸出向量Y=[y1，y2，…，ys]T中，若在某個(gè)時(shí)間點(diǎn)的yt=1，則往前m個(gè)采樣點(diǎn)的所有輸出均為1，即yi=1且i∈（t-m，t）。

同時(shí)，在預(yù)測(cè)故障模型建立后，預(yù)測(cè)得到的輸出y是一個(gè)連續(xù)量，并不是0或者1。因此需要將式（6）得到的y進(jìn)行模糊化，當(dāng)預(yù)測(cè)輸出大于等于某個(gè)閾值yth則y=1，否則y=0，即：

2.5 設(shè)備健康狀態(tài)評(píng)估

在式（7）獲得故障預(yù)測(cè)值yi后，如果輸出是1，則表明在第i個(gè)時(shí)刻，設(shè)備可能發(fā)生了某些故障，但是直線封邊機(jī)可能還可以繼續(xù)生產(chǎn)，并不需要立即進(jìn)行維修。而且由于在構(gòu)建故障預(yù)測(cè)模型，以及獲得故障預(yù)測(cè)輸出時(shí)，均進(jìn)行了一定的模糊化處理，預(yù)測(cè)得到的故障狀態(tài)會(huì)存在一定誤差。因此獲得的故障預(yù)測(cè)值yi表明了一種設(shè)備存在故障的可能性。只有當(dāng)這種可能性頻繁發(fā)生時(shí)，則表明設(shè)備存在較為嚴(yán)重的故障，設(shè)備健康狀態(tài)較差。因此可以通過統(tǒng)計(jì)第n天故障預(yù)測(cè)狀態(tài)輸出值yi從0階躍到1的次數(shù)Fn，并將Fn來評(píng)估直線封邊機(jī)設(shè)備健康狀態(tài)。當(dāng)Fn比較大時(shí)，表明設(shè)備健康狀態(tài)較差，需要盡快維修。如果Fn比較少，甚至為0，則表示設(shè)備還可繼續(xù)運(yùn)行并進(jìn)行跟蹤觀察。因此根據(jù)Fn的大小建立設(shè)備健康狀態(tài)的紅、黃、綠等級(jí)，以作為決策依據(jù)幫助設(shè)備維修管理者合理制定維修計(jì)劃，適時(shí)對(duì)設(shè)備進(jìn)行預(yù)測(cè)性維修。定義設(shè)備健康狀態(tài)等級(jí)Sn如下：

3 案例驗(yàn)證

本文采集了直線封邊機(jī)（KAL310/4/A20/S2）6個(gè)月的數(shù)據(jù)，包括直線封邊機(jī)的三相電流（Ia、Ib和Ic）、有功率P、無功功率Q、功率因素PF以及膠缸溫度T。這些數(shù)據(jù)通過PLC采集直線封邊機(jī)電表和膠缸溫度傳感器數(shù)據(jù)獲得，并通過工業(yè)以太網(wǎng)上傳到服務(wù)器保存在數(shù)據(jù)庫中。采樣頻率為每30 s采集一次。整個(gè)數(shù)據(jù)采集系統(tǒng)如圖2所示。

圖2 數(shù)據(jù)采集系統(tǒng)示意

通過文獻(xiàn)[2]中的叫修檢修信息化系統(tǒng)獲得了該設(shè)備這6個(gè)月的報(bào)修檢修信息，一共24次。其中，6月10日至10月12日的輸入數(shù)據(jù)和報(bào)修檢修數(shù)據(jù)是訓(xùn)練數(shù)據(jù)集，用于構(gòu)建預(yù)測(cè)模型；10月13日至12月11日的輸入數(shù)據(jù)是預(yù)測(cè)數(shù)據(jù)集。將預(yù)測(cè)數(shù)據(jù)集中的輸入數(shù)據(jù)代入故障預(yù)測(cè)模型，且設(shè)置m=60，yth=0.122，可以得到預(yù)測(cè)時(shí)域的輸出yi，以及每次從0變?yōu)?的yi的發(fā)生時(shí)間。統(tǒng)計(jì)每天的Fn，并根據(jù)式（8）確定當(dāng)天的設(shè)備健康等級(jí)（表1）。

表1 2020年10月13日至12月11日的Fn和設(shè)備健康等級(jí)

同時(shí)從報(bào)修檢修信息化系統(tǒng)中導(dǎo)出預(yù)測(cè)時(shí)域的叫修信息，包括故障描述以及維修方案（表2）。

結(jié)合叫修維修的時(shí)間節(jié)點(diǎn)，將表1和表2的數(shù)據(jù)進(jìn)行比較分析。其中一共出現(xiàn)了7次設(shè)備狀態(tài)等級(jí)為紅色的故障叫修，這7次紅色狀態(tài)預(yù)警下的故障都不同程度地導(dǎo)致了設(shè)備停機(jī)或維修需要更換部件等情況，分別為：

表2 預(yù)測(cè)時(shí)域叫修信息之故障描述和維修方案

（1）10月13日和10月14日連續(xù)兩天設(shè)備健康紅色等級(jí)預(yù)警，并在10月15日7:30發(fā)生了一次突發(fā)停機(jī)叫修，停機(jī)耗時(shí)44 min，故障原因?yàn)殡姍C(jī)電源接頭松動(dòng)。當(dāng)維修結(jié)束后，當(dāng)日Fn降為4次。

（2）10月16日設(shè)備健康狀態(tài)紅色等級(jí)預(yù)警，并在10月17日早上10:14就發(fā)生了突發(fā)停機(jī)叫修，停機(jī)耗時(shí)41 min，故障原因?yàn)樗推ぽ喡萁z斷了。更換常規(guī)螺絲后正常。維修結(jié)束后，當(dāng)日Fn降為3次。

（3）10月19日至10月21日一共有兩次紅色狀態(tài)預(yù)警和一次黃色狀態(tài)預(yù)警，10月22日就發(fā)生了一次前截刀電機(jī)無力的停機(jī)叫修，停機(jī)耗時(shí)5 h+52 min，故障原因?yàn)樽冾l器故障，經(jīng)維修后正常。維修結(jié)束后，當(dāng)日Fn降為1次。

（4）10月27日至10月29日一共連續(xù)三次紅色狀態(tài)預(yù)警，并在10月30日9:20發(fā)生了一次停機(jī)叫修，停機(jī)耗時(shí)20 min，故障原因?yàn)樗推卧獧C(jī)器經(jīng)常停，光電開關(guān)偏移，積灰導(dǎo)致失靈。清理灰塵，調(diào)整光電開關(guān)后正常。維修結(jié)束后，當(dāng)日Fn降為4次。

（5）11月5日至11月10日一共連續(xù)4次出現(xiàn)紅色和兩次黃色狀態(tài)預(yù)警，并在11月11日8:20發(fā)生了一次停機(jī)叫修，停機(jī)耗時(shí)3 h+37 min，原因是齊頭電機(jī)異響，精修電機(jī)振動(dòng)大，最后電機(jī)需要外協(xié)維修后才能正常工作。維修結(jié)束后，當(dāng)日Fn降為7次。

（6）11月12日發(fā)生了一次紅色狀態(tài)預(yù)警。并在11月13日14:39發(fā)生了一次叫修，停機(jī)耗時(shí)1 h+20 min，故障原因?yàn)楦欇唹?。更換跟蹤輪并移動(dòng)靠山后正常運(yùn)行。維修結(jié)束后，當(dāng)日Fn降為0次。

（7）11月25日當(dāng)天為紅色狀態(tài)預(yù)警，因?yàn)樯衔?:46發(fā)生了膠缸與膠輪不能工作而叫修，停機(jī)耗時(shí)3 h+16 min。故障原因?yàn)橐归g機(jī)器在膠缸沒關(guān)情況下斷電，導(dǎo)致溢膠嚴(yán)重，涂膠軸卡死，更換備用膠缸后正常運(yùn)行。

同時(shí)還有3次設(shè)備狀態(tài)等級(jí)為黃色的故障叫修，分別為：

（1）10月18日有一次黃色狀態(tài)預(yù)警，并在15:06發(fā)生了一次停機(jī)叫修，停機(jī)耗時(shí)19 min，故障原因?yàn)檫M(jìn)料平臺(tái)固定螺絲松了。緊固螺絲后正常。維修結(jié)束后，當(dāng)日Fn降為0次。

（2）10月23日至10月26日連續(xù)四天黃色狀態(tài)預(yù)警，并在10月26日7:36發(fā)生了一次停機(jī)叫修，停機(jī)耗時(shí)37 min，故障原因?yàn)榍昂蠼氐恫徽{(diào)整后正常。維修結(jié)束后，當(dāng)日Fn降為2次。

（3）11月28日發(fā)生了一次黃色狀態(tài)預(yù)警，并在11月29日8:17發(fā)生了一次停機(jī)叫修，停機(jī)耗時(shí)1 h+19 min，故障原因?yàn)闅鈩?dòng)閥壞或氣壓小，更換閥后正常運(yùn)行。維修結(jié)束后，當(dāng)日Fn降為2次。

通過本次案例驗(yàn)證數(shù)據(jù)信息進(jìn)行分析后可得出以下結(jié)論：

（1）在60 d的驗(yàn)證階段，有53 d的預(yù)測(cè)結(jié)果是能正確地表征設(shè)備健康狀態(tài)，預(yù)測(cè)正確率88.3%。如果能按照預(yù)測(cè)的狀態(tài)及時(shí)進(jìn)行維修，可以減少停機(jī)時(shí)間1085 min。

（2）驗(yàn)證實(shí)驗(yàn)表明，本方法可以通過溫度、電流、功率、功率因素等參數(shù)的變化，能較為有效地來表征直線封邊機(jī)的健康等級(jí)，從而指導(dǎo)設(shè)備維修計(jì)劃安排，具有一定的有效性。

4 總結(jié)展望

本文建立了一種基于模糊最小二乘支持向量機(jī)的故障預(yù)測(cè)模型，并在此基礎(chǔ)上構(gòu)建了基于設(shè)備健康狀態(tài)預(yù)測(cè)的板式家具制造設(shè)備維修方法。通過在直線封邊機(jī)上的案例驗(yàn)證，表明該方法可以通過容易獲取的設(shè)備運(yùn)行數(shù)據(jù)獲得較為準(zhǔn)確的設(shè)備健康狀態(tài)等級(jí)，并以此作為設(shè)備何時(shí)進(jìn)行提前維修的決策依據(jù)，以減少故障停機(jī)時(shí)間。而且該方法的數(shù)據(jù)采集硬件設(shè)備成熟，數(shù)據(jù)采集成本較低，比較適合應(yīng)用于家居制造設(shè)備這種相對(duì)低端的制造機(jī)械設(shè)備預(yù)測(cè)性維修。如何對(duì)模型和方法進(jìn)行優(yōu)化，來獲得更高的預(yù)測(cè)準(zhǔn)確性，并將該方法拓展應(yīng)用到其他家具制造設(shè)備，是下一步研究工作的重點(diǎn)。