基于設(shè)備維修管理數(shù)據(jù)的策略應(yīng)用

李 梅

（河北白沙煙草有限責(zé)任公司保定卷煙廠，河北保定 071000）

0 引言

由于煙草行業(yè)設(shè)備高速化、精密化、大型化、自動化、信息化等的特點(diǎn)明顯，如何用好、修好、管好設(shè)備的責(zé)任重大。為此，煙草行業(yè)的設(shè)備管理人員應(yīng)在設(shè)備管理領(lǐng)域，就如何向更數(shù)字化、更精益化、更智能化等方向發(fā)展問題上作出努力探索與研究。

行業(yè)內(nèi)先進(jìn)的卷煙工廠通過不同視角，對設(shè)備數(shù)據(jù)管理以及應(yīng)用領(lǐng)域方向進(jìn)行了卓有成效的實(shí)踐及探索。例如：上海卷煙廠，以全面開展深層次數(shù)據(jù)應(yīng)用為主線，圍繞“平臺、數(shù)據(jù)、工具、團(tuán)隊(duì)”打造專家型數(shù)據(jù)分析隊(duì)伍，實(shí)現(xiàn)了生產(chǎn)簡化、優(yōu)化、精益化；杭州卷煙廠，致力于實(shí)現(xiàn)卷煙生產(chǎn)從原輔料供應(yīng)源頭，到卷煙產(chǎn)品最終消費(fèi)的全生命周期管理；通過分析、預(yù)防、消除產(chǎn)品全過程的差錯(cuò)，為追求“質(zhì)量零缺陷”“生產(chǎn)全機(jī)動”奠定了堅(jiān)實(shí)基礎(chǔ)；青島卷煙廠則以消化吸收各種先進(jìn)管理模式為基礎(chǔ)，摸索出“擬機(jī)為人、以人促機(jī)、人機(jī)和諧”的設(shè)備“六精”管理理念。

1 基于熵權(quán)TOPSIS 法的設(shè)備智能輪保策略應(yīng)用

1.1 設(shè)備評價(jià)模型的選擇

常見的綜合評價(jià)模型建立方法有層次分析法、綜合評價(jià)法、熵權(quán)法、模糊數(shù)學(xué)法、空間相關(guān)分析、物元模型、TOPSIS模型、灰色關(guān)聯(lián)分析以及數(shù)據(jù)包絡(luò)分析等。其中，TOPSIS 為Technique for Order Preference by Similarity to Ideal Solution的縮寫，即逼近理想解排序法。

本文綜合熵權(quán)法賦權(quán)客觀性以及TOPSIS 模型排序評價(jià)客觀的優(yōu)點(diǎn)，對設(shè)備進(jìn)行綜合評價(jià)，以便于后期指導(dǎo)維修人員進(jìn)行設(shè)備維保。

1.2 基于設(shè)備數(shù)據(jù)實(shí)現(xiàn)熵權(quán)TOPSIS 法的理論應(yīng)用

該熵權(quán)TOPSIS 法智能輪保模型建立步驟如下：

第一步，參考設(shè)備管理需求框架確定模型評價(jià)體系，結(jié)合設(shè)備數(shù)據(jù)采集情況進(jìn)行評價(jià)模型體系構(gòu)建。本文選用了故障類指標(biāo)、剔除類指標(biāo)、運(yùn)行類指標(biāo)、工藝質(zhì)量類指標(biāo)構(gòu)建評價(jià)體系。

第二步，采用最大最小法對數(shù)據(jù)進(jìn)行歸一化處理，對于效益型數(shù)據(jù)，即數(shù)據(jù)指標(biāo)值越大越好的數(shù)據(jù)，其歸一化處理的理論形式如下：

其中，xmin為數(shù)據(jù)序列中的最小數(shù)，xmax為序列中的最大數(shù)。

對于成本型數(shù)據(jù)，即數(shù)據(jù)指標(biāo)值越小越好的數(shù)據(jù)，其歸一化處理的理論形式如下：

第三步，確定各指標(biāo)權(quán)重，若有m 個(gè)待評機(jī)臺，n 個(gè)評價(jià)指標(biāo)，形成原始數(shù)據(jù)矩陣：

則第j 個(gè)指標(biāo)的熵值Ej：

第j 個(gè)指標(biāo)的權(quán)重wj：

第四步，按照TOPSIS 法的理念，各待評機(jī)臺距離正負(fù)理想解的歐氏距離分別為：

第五步，最終得到各機(jī)臺的得分情況如下：

1.3 模型應(yīng)用的結(jié)果展示

該模型策略應(yīng)用時(shí)，需要每隔固定周期對設(shè)備數(shù)據(jù)進(jìn)行處理，計(jì)算綜合評價(jià)模型，根據(jù)評價(jià)結(jié)果將設(shè)備情況分為表1 所示的四級策略應(yīng)對建議。若某些機(jī)臺在權(quán)重較大的指標(biāo)得分較差，即歸一化處理得分小于0.3 時(shí)，也需要關(guān)注這些機(jī)臺的該項(xiàng)指標(biāo)。

表1 熵權(quán)TOPSIS 法智能輪保模型的四級策略應(yīng)對建議

2 基于卷煙機(jī)重復(fù)性故障聚類分析的設(shè)備故障管理策略應(yīng)用

2.1 卷煙機(jī)重復(fù)性故障數(shù)據(jù)現(xiàn)狀

ZJ112 卷煙機(jī)設(shè)備按照故障出現(xiàn)頻率，可分為重復(fù)性故障及偶發(fā)性故障：前者導(dǎo)致的設(shè)備停機(jī)時(shí)長一般比較短，但若重復(fù)次數(shù)和頻率較高，其對設(shè)備正常運(yùn)行的累計(jì)影響效應(yīng)就會十分明顯；后者一般與設(shè)備的運(yùn)行狀態(tài)直接相關(guān)，設(shè)備在不斷損耗劣化的過程中重復(fù)性故障出現(xiàn)頻率往往增加。

針對此提出的設(shè)備重復(fù)性故障管理策略，分析控制故障的出現(xiàn)頻率，減少重復(fù)性故障的出現(xiàn)頻率及停機(jī)處理時(shí)長，保障設(shè)備運(yùn)行穩(wěn)定性，提高設(shè)備運(yùn)行效率。統(tǒng)計(jì)2019 年ZJ112 卷煙機(jī)發(fā)生設(shè)備故障時(shí)的停機(jī)累計(jì)時(shí)長數(shù)據(jù)，整理成為輸入數(shù)據(jù)。

2.2 結(jié)合聚類技術(shù)分析重復(fù)性故障停機(jī)數(shù)據(jù)

采用聚類分析手段，依據(jù)聚類優(yōu)度甄選最佳聚類類別數(shù)。聚類優(yōu)度的定義為，不同的聚類類別參數(shù)下組內(nèi)平方和總占平方和的比例。

研究通過聚類分析手段，為類別參數(shù)設(shè)定不同的值，選擇不同的聚類類別數(shù)，對故障停機(jī)時(shí)長數(shù)據(jù)進(jìn)行聚類，通過比較聚類優(yōu)度，選出最佳聚類類別數(shù)4 類。

根據(jù)聚類結(jié)果，分類統(tǒng)計(jì)各類別的停機(jī)故障累計(jì)時(shí)長數(shù)據(jù)。累計(jì)停機(jī)時(shí)長較長的共有3 類別，停機(jī)故障指標(biāo)共有7 個(gè)，其所導(dǎo)致的停機(jī)時(shí)長占總停機(jī)時(shí)長的比例高達(dá)89%，所以將這7 個(gè)停機(jī)故障指標(biāo)作為下一步故障管理監(jiān)測的重點(diǎn)。

2.3 提取監(jiān)測指標(biāo)作區(qū)間分組結(jié)果展示

選擇了MAX 搓板堵塞作為重點(diǎn)監(jiān)測指標(biāo)對象，按照二八法則及聚類分析結(jié)果，將每班次搓板堵塞次數(shù)劃分為了3 個(gè)區(qū)間（表2）：每班次搓板堵塞次數(shù)小于5 時(shí)，認(rèn)為設(shè)備處于正常狀態(tài)；在［5，15］區(qū)間時(shí)，認(rèn)為設(shè)備產(chǎn)生了劣化趨勢，處于預(yù)警狀態(tài)，應(yīng)當(dāng)對該故障加以關(guān)注，并根據(jù)設(shè)備故障樹進(jìn)行相關(guān)部位的保養(yǎng)，避免設(shè)備進(jìn)一步劣化；大于15 時(shí)，認(rèn)為設(shè)備已經(jīng)出現(xiàn)了異常，應(yīng)當(dāng)及時(shí)對設(shè)備進(jìn)行點(diǎn)檢維護(hù)。其他監(jiān)測指標(biāo)可進(jìn)行類似對應(yīng)的結(jié)果展示與分析。

表2 每班次搓板堵塞次數(shù)管理策略

3 基于煙支重量神經(jīng)網(wǎng)絡(luò)預(yù)測的設(shè)備智能預(yù)知維修管理策略應(yīng)用

3.1 神經(jīng)網(wǎng)絡(luò)模型選擇

卷煙產(chǎn)品質(zhì)量與設(shè)備運(yùn)行狀態(tài)息息相關(guān)，通過建立設(shè)備運(yùn)行數(shù)據(jù)與未來時(shí)段卷煙產(chǎn)品質(zhì)量間的映射關(guān)系，可以實(shí)現(xiàn)對卷煙產(chǎn)品質(zhì)量的預(yù)測。但是由于影響卷煙產(chǎn)品質(zhì)量的因素過多，一般預(yù)測方法難以充分挖掘其中的相關(guān)關(guān)系并進(jìn)行精確預(yù)測，故可以采用神經(jīng)網(wǎng)絡(luò)法，利用其強(qiáng)大的非線性處理能力和容噪能力，探求設(shè)備運(yùn)行數(shù)據(jù)與產(chǎn)品質(zhì)量間的相關(guān)關(guān)系，實(shí)現(xiàn)產(chǎn)品質(zhì)量的預(yù)測。

對卷包車間產(chǎn)生的煙支重量數(shù)據(jù)采用聚類分析、神經(jīng)網(wǎng)絡(luò)等方法，結(jié)合企業(yè)實(shí)際質(zhì)量需求，建立工藝質(zhì)量預(yù)測模型，實(shí)現(xiàn)對未來時(shí)段內(nèi)某一工藝質(zhì)量指標(biāo)的預(yù)測推廣。

3.2 數(shù)據(jù)處理與聚類分析

按照時(shí)間維度整理數(shù)據(jù)，將故障、剔除、生產(chǎn)、工藝質(zhì)量等指標(biāo)的數(shù)據(jù)對應(yīng)整理，構(gòu)建m×n 數(shù)據(jù)分析矩陣，其中m 為時(shí)間段總數(shù)、n 為數(shù)據(jù)指標(biāo)個(gè)數(shù)，設(shè)備故障、剔除、生產(chǎn)的數(shù)據(jù)為該時(shí)段內(nèi)的極差數(shù)據(jù)，設(shè)備重量數(shù)據(jù)為下一時(shí)段內(nèi)的平均值數(shù)據(jù)。按照企業(yè)工藝質(zhì)量要求，對工藝質(zhì)量數(shù)據(jù)加以分類，推薦分為優(yōu)、良、差三類。

對數(shù)據(jù)進(jìn)行如式（1）的歸一化處理，將數(shù)據(jù)轉(zhuǎn)化為0～1 之間的數(shù)，以取消各類數(shù)據(jù)間數(shù)量級的差別，避免因輸入數(shù)據(jù)和輸出數(shù)據(jù)的數(shù)量級差別較大，而造成網(wǎng)絡(luò)預(yù)測誤差較大的情況。

3.3 神經(jīng)網(wǎng)絡(luò)質(zhì)量預(yù)測模型的結(jié)果展現(xiàn)

采用隨機(jī)抽樣的方法，選取訓(xùn)練集，以數(shù)據(jù)分析矩陣的前n-1 列作為輸入數(shù)據(jù)，最后一列為輸出數(shù)據(jù)，建立起神經(jīng)網(wǎng)絡(luò)預(yù)測模型。對于該神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點(diǎn)數(shù)的確定，將按照式（9）的經(jīng)驗(yàn)公式確定范圍。

其中，l 為隱含層節(jié)點(diǎn)數(shù)，i 為輸入節(jié)點(diǎn)數(shù)，j 為輸出節(jié)點(diǎn)數(shù)；a為［1，10］范圍內(nèi)的調(diào)節(jié)整數(shù)。

然后，通過多次試驗(yàn)比較網(wǎng)絡(luò)性能，定隱含層節(jié)點(diǎn)數(shù)。模型訓(xùn)練完成后，通過驗(yàn)證集進(jìn)行準(zhǔn)確性驗(yàn)證。

最后，將實(shí)時(shí)數(shù)據(jù)歸一化處理，作為輸入數(shù)據(jù)代入模型進(jìn)行預(yù)測分析。

4 結(jié)語

本文立足于卷煙行業(yè)設(shè)備維修領(lǐng)域，針對卷煙生產(chǎn)設(shè)備產(chǎn)生的大量數(shù)據(jù)，采用聚類分析、神經(jīng)網(wǎng)絡(luò)預(yù)測、熵權(quán)TOPSIS 法等理論工具，結(jié)合本文總結(jié)的設(shè)備智能輪保策略、智能預(yù)知維修管理策略、設(shè)備故障管理策略、設(shè)備維修成本統(tǒng)計(jì)與分析策略，實(shí)現(xiàn)設(shè)備維修數(shù)據(jù)在設(shè)備維修管理領(lǐng)域的應(yīng)用。

（1）在熵權(quán)TOPSIS 法設(shè)備智能輪保策略應(yīng)用中，綜合了熵權(quán)法賦權(quán)客觀性與TOPSIS 模型排序評價(jià)客觀性的優(yōu)點(diǎn)，減少了人為觀點(diǎn)對評價(jià)結(jié)果的影響，使評價(jià)結(jié)果具有客觀參考價(jià)值。依據(jù)該模型，能夠找到設(shè)備薄弱點(diǎn)，從而指導(dǎo)相關(guān)從業(yè)人員進(jìn)行維保計(jì)劃的制定。其能夠適用于相同機(jī)型的設(shè)備評價(jià)，而實(shí)際生產(chǎn)過程中，一個(gè)生產(chǎn)單位往往同時(shí)存在多種設(shè)備機(jī)型，這就需要建立多個(gè)評價(jià)模型。未來可以考慮分析各機(jī)型間指標(biāo)的數(shù)學(xué)關(guān)系，將該模型推廣，使其適用于各機(jī)型的綜合評價(jià)。

（2）在設(shè)備重復(fù)性故障聚類應(yīng)用中，對設(shè)備故障數(shù)據(jù)按照累計(jì)停機(jī)時(shí)長指標(biāo)數(shù)據(jù)進(jìn)行聚類，根據(jù)聚類結(jié)果找到影響設(shè)備運(yùn)行的主要故障，通過采用二八法則等分析方法，制定了設(shè)備故障管理策略，明確設(shè)備故障管理流程，有效提高設(shè)備運(yùn)行效率。該管理決策能夠判斷設(shè)備狀態(tài)，但進(jìn)一步的設(shè)備維護(hù)工作仍然依賴于設(shè)備故障樹及設(shè)備故障處理SOP（Standard Operating Procedure，標(biāo)準(zhǔn)作業(yè)程序）的制定。因此，針對設(shè)備故障樹及SOP 的制定需要不斷加以充實(shí)完善，確保簡化維修流程，提高維修效率。

（3）在神經(jīng)網(wǎng)絡(luò)智能預(yù)知設(shè)備維修管理策略應(yīng)用中，首先采用聚類分析方法，對數(shù)量較多的停機(jī)原因進(jìn)行篩選，減少了輸入指標(biāo)的數(shù)量。然后采用神經(jīng)網(wǎng)絡(luò)法，建立設(shè)備運(yùn)行數(shù)據(jù)與未來時(shí)段卷煙產(chǎn)品質(zhì)量間的非線性映射關(guān)系，實(shí)現(xiàn)了對卷煙產(chǎn)品質(zhì)量的預(yù)測。根據(jù)預(yù)測結(jié)果，能夠在產(chǎn)品質(zhì)量問題發(fā)生前及時(shí)采取措施加以預(yù)防，有效保障產(chǎn)品質(zhì)量。但是由于現(xiàn)實(shí)條件所限，而采用的關(guān)于停機(jī)原因、剔除量等設(shè)備運(yùn)行數(shù)據(jù)來表征設(shè)備狀態(tài)進(jìn)行模型搭建的方式，對數(shù)據(jù)與設(shè)備狀態(tài)之間的關(guān)聯(lián)并不直接、停機(jī)時(shí)的數(shù)據(jù)斷流等問題的考量。而振動、溫度等設(shè)備狀態(tài)檢測數(shù)據(jù)，則具有與設(shè)備狀態(tài)關(guān)聯(lián)性更直接、數(shù)據(jù)連續(xù)性更好的特點(diǎn)。這些數(shù)據(jù)可通過自行加設(shè)傳感器獲得，此外在一些最新的如ZJ119 煙機(jī)設(shè)備中，也預(yù)裝了傳感器對這些數(shù)據(jù)加以監(jiān)測，采用這些數(shù)據(jù)進(jìn)行模型搭建，能夠提高預(yù)測模型的適應(yīng)能力及預(yù)測精度，保障產(chǎn)品質(zhì)量。

本文總結(jié)的一些關(guān)于設(shè)備維修管理領(lǐng)域的策略理論思路與策略應(yīng)用，僅適用于當(dāng)前實(shí)際卷煙生產(chǎn)車間設(shè)備維修管理，對于設(shè)備維修策略及應(yīng)用在其他行業(yè)設(shè)備維修管理領(lǐng)域也具有一定可行性，希望能夠?yàn)橄嚓P(guān)研究的探索與實(shí)踐提供參考。