原标题：大数据在设备预测性维修中的应用研究

摘 要：随着科技进步和经济的不断高质量发展，汽车制造企业对设备预测性维修这一块需求逐渐增大，可通过大数据的融入，对关键设备进行分析和维修，搭建预测性维修系统，为今后工作提供便利，具体是利用数据为依据，演变为故障诊断机理。该项研究的投入，具有深远意义，可精确到控制系统对故障提前预知，故而故障因子有了预警系统，对设备的安全性、稳定性、可靠性存在促进作用，同时也说明了维修在向着预测性维护转变，为今后的相关企业提供了现代化技术，提高了企业的安全性管理。

关键词：大数据挖掘;汽车制造企业;预测性维护

引言：众所众知，汽车制造企业属于典型流程制造范畴，生产过程既繁琐又专业，加上原料、生产工艺、生产装备、运营管理等各环节具有高要求的标准，需要结合现代化技术投入生产，为今后工作提供依据。在应用汽车制造企业工业大数据期间，发现难点无非在采集、集成、管理、分析、数据链条等环节，至今未攻克打通，以及后期数据驱动业务的应用，会带入数据思维，对生产的创新和优化具有推动作用。本文研究集中在了电机、机组两个环节，旨在建立监测实时数据库的故障特征信息数据库，作为大数据技术要参与信息分析挖掘，对关键设备的价值发挥出来，创建创新性的一体化故障模型，包括了设备状态监测、设备状态预测预警、维修相关内容，是今后技术发展的领先技术。

1大数据分析技术应用

本文是以汽车制造企业为研究基础的，以普遍性存在现象，建立创新性、现代化的维修信息系统原型，途中采用大数据技术，对电机、机组等设备进行分析和研究，进而创建数据库，借助其中内容植入预警、预测等机制。研究的内容为以下：

1.1设备预测性维修数据库

预防性维修数据库首先要确定两个组成部分，为：设备运行数据以及维护资料。其次，介绍两项内容，运行数据是对设备状态的记录、检测数据、采购-领用-安装-报废数据等等;维护资料是设备特性的记录，有合格证、图纸、检修资料、工艺流程等等，再具体来说分布于DCS、MES、ERP系统之中。最后，以数据为标准，进行分类，建立预测性设备[1]。

1.2设备状态监测研究

当数据库建立完成后，应合理应用状态检测的各个手段，又分成了不同的监视，常见的有：振动、温度、湿度、电流、电压等。再者，不同设备根据不同的状态，对预测性维修信息系统集中成一个整体，因编码的不同，又具有明显性。

1.3设备故障科学分析诊断

在汽车制造企业中，有板链输送环节，要对输送线生成的数据进行采集，建立预知性维修设备。然后，对设备进行分析和管理，掌握7*24小时功能动态化数据，为今后的有效定性评价和状态定量评估提供依据，再者有效的移动设备管理，可为工作提供控制、优化维护等好处，是设备运行的关键部分[2]。

像我们提到的输送设备，设备运行、装置工艺、工况参数等环节，要对各个参数收集好、整理好，为数据融合做好准备，进而持续优化操作。分析以往的各项数据和故障，针对性地确立维护措施、维护方案，今后工作因此有了更大保障，控制突发停机时间。

1.4设备故障特性预警预测

在具体运行阶段中，若是系统内的数据出现了偏离，或者浮动，当已经超出分布规律，系统会发挥检测系统的性能进行预警，持续为维修人员监控和控制，如果情况得不到控制，并持续恶化，已经超出至预警检测线上限或下限，系统会通过之前设定的途径向工作人员发出警告，通常情况下是，通过网页、邮件、移动设备三种。

1.5大数据深度学习建模

在上文的论述中，已经表明了深化学习的模型建立。具体是通过历史阶段性数据收集、现在检测状况数据进行分析，在历史中找到有助于优化的途径，在现代中发现未来，让数据预知变的规范化、合理化，并结合大数据技术分析进入更深层次的学习。

1.6大数据分析构架

大数据挖掘平台应用已久，在这里需要知道数据访问和计算过程是重要组成部分，不可缺少的环节。随着社会发展，以积累的数据信息越来越多，计算信息平台需要足够算力以应对这种趋势，将大规模的数据做好管理，为接下来的数据分析、处理任务做好节点和执行，这是良性发展的前提。结构外层分析，我们要以信息安全为重点，构成数据信息湖，其中存在不确定、不完整、多元化的信息，要结合相关融合技术，为预处理做好准备;其次，数据特点为复杂、动态，同样需要做好预处理、分析以及挖掘，通过这些零散的内容，获得普遍性故障方案，最后将反馈效果植入与模型中，作为参数，为今后工作提供帮助。在未来，分析体系结构并植入大数据技术、信息平台，作為连接的点，发挥着重大作用。设备大数据预测维护平台的建立起到了连接未来的重大意义，可有效进行信息共享、信息隐私两项原则，能够为今后的大数据应用提供依据，作为数据参考的标准[3]。

2设备预测性维修模型研究

上文中论述了预测维修系统与大数据的应用，最明显的还是大数据应用，现在要探索预测性维修模型框架，过程分为以下两个阶段：

2.1电机预测性维修模型研究

电机的监测，要结合震动监测、电流监测、电压监测三个方面，予以建立监控系统，其中的轴承故障应作为数据库的重点，指导做好保养方案，维修手册、抢修应急预案。对于机组运行来说，必须要建立好结合了现在状况和历史经验两阶段的持续研究。工作人员要定时定点的检查机组的振动幅度和状况，像加速度、速度都是收集的重点;以及加速度和速度有波形的位移动态，可建立数据库。最后，转台电机是建立监测的核心要点，观察其中的工况、工艺、温度、阻力等因素。

2.2机组预测性维修模型研究

机组预测维修在今后的研究方向要表现明，其中预防喘振为主要研究对象，具体是板链输送发端的振动及方向变化，再结合常用的LIMS技术，查看设备运行的状态以及未来趋势，在得知数据后，可通过调整工艺的方式进行解决，主要是前端部分，进而防止电流过载的出现以及板链间隙未及时合拢的安全风险。在以往经验中，发端机组位移方向达到某个角度后，板链间隙未及时合拢状况出现。值得思考的是，这个角度与之相关的因素极多，其中发端压力、终端压力、发端温度、发端清洁度等因素均具有影响力。

结束语：综上所述，以上是对大数据在设备预测性维修中应用研究的简要分析。鉴于以上论述，可见汽车制造企业结合大数据技术进行管理和生产调节，具有深远意义。在应用大数据技术期间，故障检测能力因此加强了，进而降低了后期设备故障维修的费用，维护并延长使用寿命的同时，节约了能源，提高了生产的效率。再者，大数据技术是智能化的核心组成部分，带领未来设备向着创新、智能方向发展，打造一体化，为信息管理产业链提供巨大帮助和深远意义。

来源：《装备技术》2020年36期 作者：王毅 余晨晨