4.4智能裝備運維技術(shù)主講人：胡小建時間：2024年6月《智能制造導(dǎo)論》第1頁引導(dǎo)案例

人型機器人，又稱仿人機器人，能夠自主或人機協(xié)作完成多種任務(wù)。人型機器人零部件眾多且生產(chǎn)成本高，因此，如何構(gòu)建人型機器人的智能運維系統(tǒng)，提升用戶體驗，是一個巨大挑戰(zhàn)。隨著人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等新一代信息技術(shù)的快速發(fā)展和深度應(yīng)用，智能裝備的運維不斷融合數(shù)字化網(wǎng)絡(luò)化智能化技術(shù)，并呈現(xiàn)設(shè)計生產(chǎn)運維一體化的發(fā)展趨勢。第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)第2頁內(nèi)容提綱一、智能裝備工況監(jiān)控大數(shù)據(jù)技術(shù)二、智能裝備預(yù)測性維護(hù)技術(shù)三、智能裝備故障診斷技術(shù)四、智能裝備維修決策技術(shù)第3頁一

智能裝備工況監(jiān)控大數(shù)據(jù)技術(shù)智能裝備工況監(jiān)控大數(shù)據(jù)技術(shù)主要內(nèi)容包括智能裝備工況監(jiān)控技術(shù)、工況數(shù)據(jù)感知、工況大數(shù)據(jù)治理和工業(yè)大數(shù)據(jù)分析。智能裝備工況監(jiān)控技術(shù)是指通過收集、整合和分析各類與運維相關(guān)的數(shù)據(jù)，為企業(yè)智能裝備運維決策提供支持，主要有全面監(jiān)控、實時洞察、智能決策和故障預(yù)測四大優(yōu)勢；而工況數(shù)據(jù)感知是通過各種傳感器和技術(shù)手段，實時獲取和感知智能裝備在不同工作狀態(tài)下的數(shù)據(jù)，主要包括基于網(wǎng)口模塊、基于串口模塊和基于網(wǎng)絡(luò)IO硬件模塊的三類數(shù)據(jù)感知方法。第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)第4頁一

智能裝備工況監(jiān)控大數(shù)據(jù)技術(shù)

工況大數(shù)據(jù)治理是根據(jù)統(tǒng)一的規(guī)范對設(shè)備的工況數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、清洗、整合，國家標(biāo)準(zhǔn)（GB/T34960.5-2018）明確了大數(shù)據(jù)治理的框架，主要包括頂層設(shè)計、數(shù)據(jù)治理環(huán)境、數(shù)據(jù)治理域以及數(shù)據(jù)治理過程，該治理框架可對工況大數(shù)據(jù)治理現(xiàn)狀進(jìn)行評估，指導(dǎo)組織建立大數(shù)據(jù)治理體系，并監(jiān)督其運行和完善。第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)第5頁一

智能裝備工況監(jiān)控大數(shù)據(jù)技術(shù)

工業(yè)大數(shù)據(jù)分析是利用統(tǒng)計學(xué)分析技術(shù)、機器學(xué)習(xí)技術(shù)、信號處理技術(shù)等手段，結(jié)合業(yè)務(wù)知識對工業(yè)過程中產(chǎn)生的數(shù)據(jù)進(jìn)行處理、計算、分析并提取其中有價值的信息、規(guī)律的過程，根據(jù)業(yè)務(wù)目標(biāo)的不同，主要分為描述型、診斷型、預(yù)測型和處方型分析。第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)工業(yè)大數(shù)據(jù)分析主要步驟包括數(shù)據(jù)的“抽取-轉(zhuǎn)換-加載”、模式發(fā)現(xiàn)和數(shù)據(jù)可視化。其中，模式發(fā)現(xiàn)是核心環(huán)節(jié)，首先確定挖掘任務(wù)和挖掘算法，然后通過對歷史數(shù)據(jù)的分析，結(jié)合用戶需求、數(shù)據(jù)特點等確定供決策使用的模式規(guī)則。第6頁一

智能裝備工況監(jiān)控大數(shù)據(jù)技術(shù)第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)中冶寶鋼是中國領(lǐng)先的鋼鐵企業(yè)之一，擁有龐大的生產(chǎn)線和復(fù)雜的業(yè)務(wù)場景。隨著工業(yè)化和信息化的融合，積累了大量的工業(yè)數(shù)據(jù)，同時，也面臨數(shù)據(jù)孤島、系統(tǒng)性待提高、數(shù)據(jù)管理能力成熟度待提升的問題。中冶寶鋼大數(shù)據(jù)治理以“數(shù)據(jù)資產(chǎn)化”為中心，聚焦于數(shù)據(jù)資源轉(zhuǎn)化為數(shù)據(jù)資產(chǎn)、數(shù)據(jù)資產(chǎn)開發(fā)利用、數(shù)據(jù)驅(qū)動企業(yè)戰(zhàn)略和業(yè)務(wù)發(fā)展三個主線，建立了“全局、微觀、量化、客觀”的數(shù)據(jù)視野。第7頁二

智能裝備預(yù)測性維護(hù)技術(shù)第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)智能制造時代對裝備可靠性及設(shè)備維護(hù)管理的要求日益提高，智能裝備已從計劃性維護(hù)向預(yù)測性維護(hù)模式轉(zhuǎn)變。智能裝備預(yù)測性維護(hù)技術(shù)主要包括健康狀態(tài)評估和壽命預(yù)測兩個方面。計劃性維護(hù)遵從操作手冊計劃性維護(hù)預(yù)測性維護(hù)評估裝備狀態(tài)并按需維護(hù)智能裝備壽命預(yù)測智能裝備健康狀態(tài)評估健康狀態(tài)評估是對設(shè)備的性能退化過程進(jìn)行建模，構(gòu)建其健康狀態(tài)指標(biāo)，利用當(dāng)前監(jiān)測數(shù)據(jù)及歷史數(shù)據(jù)評估智能裝備或子系統(tǒng)健康狀態(tài)，以刻畫其性能退化過程或者偏離于正常狀態(tài)的程度。在工程中應(yīng)用較為廣泛的健康狀態(tài)評估方法主要有基于數(shù)據(jù)驅(qū)動的評估方法和基于物理模型的評估方法（通過數(shù)學(xué)建模反映并量化系統(tǒng)部件的狀態(tài)）。第8頁第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)隨著智能制造、工業(yè)大數(shù)據(jù)和工業(yè)4.0的協(xié)同發(fā)展，科學(xué)有效的壽命預(yù)測方法對于實現(xiàn)預(yù)防性維護(hù)和降低全壽命周期費用具有重要意義。智能裝備的壽命預(yù)測方法主要包括基于數(shù)學(xué)模型的方法、基于傳統(tǒng)機器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法。二

智能裝備預(yù)測性維護(hù)技術(shù)例如，通過收集智能裝備的運行溫度、負(fù)載等關(guān)鍵歷史運行數(shù)據(jù)，并將其作為輸入來訓(xùn)練基于循環(huán)神經(jīng)網(wǎng)絡(luò)的壽命預(yù)測模型，最終評估模型的準(zhǔn)確性和可靠性，以達(dá)到最佳的剩余壽命預(yù)測效果。第9頁第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)智能裝備故障指裝備制造業(yè)中技術(shù)難度大、成套性強的智能裝備在運作過程中，不可避免地會發(fā)生磨損、斷裂、腐蝕、變形、老化等情形，使裝備性能劣化而喪失原有功能甚至生產(chǎn)能力的現(xiàn)象。特別地，故障是指裝備不能完成要求的功能的狀態(tài)，而失效是指裝備完成要求功能的能力中斷。三智能裝備故障診斷技術(shù)易發(fā)生碰摩故障的渦輪發(fā)動機易發(fā)生失穩(wěn)故障的高壓離心壓縮機易發(fā)生裂紋故障的地軌易發(fā)生不平衡故障的離心壓縮機易發(fā)生磨損故障的軸承易發(fā)生喘振故障的渦扇發(fā)動機智能裝備典型故障第10頁第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)智能裝備故障診斷是借助機械、計算機、信號處理和人工智能等學(xué)科方面的技術(shù)對智能裝備的狀態(tài)和故障進(jìn)行監(jiān)測、診斷的現(xiàn)代化科學(xué)技術(shù)。根據(jù)已知信息和使用方法的不同，故障診斷方法分為定性與定量分析兩大類，其中定性的故障診斷方法主要包括定性仿真、專家系統(tǒng)、抽象分層和圖論方法，定量的故障診斷方法主要包括基于解析模型的故障診斷方法和數(shù)據(jù)驅(qū)動的故障診斷方法。三智能裝備故障診斷技術(shù)第11頁第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)智能裝備故障分析方法主要包括FMECA分析法（故障模式、影響和危害性分析）和FTA分析法（故障樹分析法）。FMECA通過挖掘智能裝備的缺陷并采取有效措施提高其可靠性水平，為開展測試性和安全性等工作提供依據(jù)。FTA則通過分析可能造成故障的因素并繪制故障樹，以從上到下的方式分析復(fù)雜系統(tǒng)初始失效及事件的影響，F(xiàn)TA基本元素包括事件符號、邏輯門符號、轉(zhuǎn)移符號。三智能裝備故障診斷技術(shù)第11頁智能裝備維修決策理論是現(xiàn)代維修理論和決策科學(xué)的高度融合，其核心是研究各種維修策略下的維修目標(biāo)建模和維修參數(shù)優(yōu)化等決策問題。維修決策研究的目的是在保證系統(tǒng)安全性和可靠性的前提下，對成本和收益進(jìn)行綜合權(quán)衡，確定和調(diào)整維修時機、維修任務(wù)和維修計劃，實現(xiàn)及時、有效和經(jīng)濟的維修。根據(jù)《維修性第九部分：維修和維修保障》（GB/T9414.9-2017）定義，按維修工作類型可以分為：預(yù)防性維修與修復(fù)性維修兩類。預(yù)防性維修指在發(fā)生故障之前，使產(chǎn)品保持在規(guī)定狀態(tài)所進(jìn)行的各種維修活動。修復(fù)性維修指裝備發(fā)生故障或遇到損壞后，再采取措施使其恢復(fù)到規(guī)定技術(shù)狀態(tài)所進(jìn)行的維維修活動。第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)第12頁設(shè)備失效率在整個壽命周期內(nèi)會呈現(xiàn)浴盆曲線的規(guī)律，智能裝備維修策略是針對設(shè)備失效率劣化的情況而制定的維修方針，包括決策依據(jù)、維修措施及執(zhí)行時機。決策依據(jù)是指用于評估裝備劣化情況的依據(jù)，如壽命和故障；維修措施是執(zhí)行維修決策和達(dá)到預(yù)期的手段；執(zhí)行時機指維修周期、檢測周期安排。第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)第13頁第四章

智能裝備設(shè)計生產(chǎn)與運維技術(shù)智能維修決策過程有三個方面的重點研究內(nèi)容：構(gòu)建不同屬性系統(tǒng)的目標(biāo)集、構(gòu)建多目標(biāo)維修決策模型和多目標(biāo)優(yōu)化方法的研究，主要過程如下:首先，依據(jù)維修資源庫、故障庫、維修記錄庫，狀態(tài)數(shù)據(jù)庫和維修方式及策略庫確定不同屬性系統(tǒng)目標(biāo)集，如高可靠性和低成本；其次，在故障分析評估和健康狀態(tài)預(yù)測的約束下，設(shè)計決策變量并構(gòu)建多目標(biāo)維修決策模型；最后，根據(jù)問題的特性，使用不同的多目標(biāo)優(yōu)化方法求解模型，確定可選的Pareto維修決策方案集，最終決策結(jié)果可以反饋到智能裝備維修決策數(shù)據(jù)庫并指導(dǎo)運維人員完成維修。第15頁第四章