• 周二. 6 月 18th, 2024

智能制造装备预测维护技术研究及标准进展

admin

11 月 19, 2023 #智能装备方案

1 简介

智能制造是制造业高质量发展的主攻方向和突破口。 德国“工业4.0”、美国“工业互联网”等发展战略中,智能制造是其核心内容。 智能制造已成为世界制造业未来发展的重要因素。 方向之一。 智能制造具有生产设备网络化、生产数据可视化、生产过程透明化等显着特点。 是实现传统产业转型升级、提升我国先进制造能力的最佳途径。 随着工厂智能化程度不断提高,制造系统的自由度逐渐降低,对系统可靠性和可用性的要求越来越高。 反过来,对智能设备的在线监测和智能运维的要求更高,必须对智能设备进行预测。 保持技术研究、制定统一技术标准、搭建标准测试验证平台的需要更加迫切。

2017年,工信部智能制造综合标准化工程专门设立“智能装备预测维护标准制定与验证平台建设”项目,开展智能制造装备预测维护技术研究,基于现有的已实现通信和诊断功能的智能设备。 在数据采集、状态监测、故障诊断、预测性维护、维护决策等基础上,开展关键智能装备(含生产单元)预测性维护技术研究和标准制定,旨在解决智能制造环境下的智能装备生产。 过程剩余寿命的预测性维护和维护管理决策问题,为提高产品质量和生产效率、降低企业运营成本提供整体解决方案。 并且在《国家智能制造标准体系建设指南(2018年版)》中,预测维护技术标准被列为智能制造关键技术标准。

2 预测维护技术进展

2.1 定义

预测性维护(Predictive Maintenance)是基于状态的维护。 通过对系统部件进行定期(或持续)的状态监测,确定设备的状态,预测设备状态未来的发展趋势,并根据设备的状态发展趋势和可能的故障模式提前规划预测性维护。 智能设备中的部件高度集成。 通过预测性维护,可以实时检测系统的每个组件。 根据检测到的状态参数,预测设备未来的工作状况,从而实现智能设备的预测性维护。 ,是传统制造业转型升级的重要技术基础。

2.2 现有设备运维技术存在的问题

预测性维护作为制造企业设备管理的重要领域,不仅影响企业的生产经营,更关系到企业的长远发展。 随着现代企业的生产过程越来越自动化,制造任务基本都是由智能设备完成,而只有极少数工序和工序需要人工操作。 而且绝大多数企业对生产设备的依赖程度很高。 设备的可靠性、稳定性和准确性直接影响企业产品的质量。 智能装备已成为制造业生存的基础。 企业在产品生产、加工、装配等环节都离不开智能装备的支持。

与传统制造相比,智能制造凸显了设备的智能化、综合性、灵敏性和交互性,这对设备的工作连续性提出了越来越高的要求。 突然停机会影响生产连续性。 ,降低生产效率。 智能制造作为提高设备使用过程可靠性的重要手段,对设备维护提出了更高的要求。 先进制造和先进维护是智能制造的两条腿。 他们缺一不可,必须共同前进。

目前,大多数企业生产设备的日常维护和修理主要依靠设备制造商,在发生故障或生产事故后以事后恢复性现场维护的方式完成。 这种维护方式属于被动故障维护。 随着智能装备集成度、复杂度和智能化程度的不断提高,为了更加经济有效地满足生产企业对典型生产装备综合保障能力的需求,在执行过程中需要使用一些故障预测。生产任务。 该方法准确预测短期或中期可能发生的故障,并针对潜在故障提供解决方案和维护策略,或预防未来潜在故障,以确保生产设备在制造任务执行过程中始终处于良好状态。 正常且良好的工作状态。 为了实现上述功能,需要对生产设备进行实时异常诊断、维修和保养,提前预测生产设备的“健康”状态,制定预测性维护策略,努力实现保证设备正常运行的目的。 以最具成本效益的方式对设备进行预测性维修和维护管理。

2.3 设备运维技术最新进展

基于现场设备数据的可用性、数据量、实时性以及工业大数据存储和计算能力的进步,设备运维技术也经历了多个发展阶段。 早期,设备运维是基于结果的,即补救性维护和被动维护。 第二阶段根据设备故障浴盆曲线理论进行定期预防性维护。 第三阶段是预测性维护。 随着现场设备采集和工业通信技术的普及和渗透,现场传感数据的海量采集为预测性维护奠定了基础。 未来,预测性维护将与其他维护技术长期共存,形成基于成本效益的最优组合。 目前主要设备运行维护技术对比如表1所示。

表1 设备运行维护技术方法比较

智能装备项目_智能装备方案_智能装备方案有哪些/

设备维护经历了事后维护(被动维护)、定期维护(定期维护),发展到了预测性维护阶段(主动维护)。 预测性维护利用传感技术在线监测设备的运行状态,并根据早期故障诊断,利用预测模型来估计故障发展趋势或设备健康状况,以安排维护活动。 预测性维护可以使用智能机器和设备的集成数据分析来预测故障的时间和位置,最大限度地提高零件效率并减少不必要的生产停机。 在大多数情况下,预测性维护是最有效的维护策略。

美军在20世纪90年代末引入了基于态势的维护作为战略装备保障策略。 其目的是实时或近实时地监测设备的状态,并根据设备的实际状态确定最佳的维护时间,以改进设备。 可用性和任务可靠性。 在民用技术领域,预测性维护技术已广泛应用于汽车、民用飞机、桥梁、综合建筑、核电站等重要设备和工程设施的监测和健康管理。

目前,国内在预测性维护和健康管理方面也开展了大量的研究工作。 研究需求和研究对象主要集中在航空、航天、船舶、化工、核电、风电等复杂高技术装备的研究和应用领域。 从智能制造和复杂大型装备智能运维的角度来看,我国当前对预测性维护的需求也十分迫切。 但由于理论研究和实际应用缺乏技术标准和指导,预测性维护的研究和实施存在大量重叠,难以获得用户的广泛认可。

根据麦肯锡的报告,基于物联网的预测性维护可以延长设备的使用寿命,有助于消除高达 30% 的日常维护程序,并将设备停机时间减少 50%。 美国能源部还表示,预测性维护可以帮助石油和天然气公司提高产量25%,降低维护成本30%,减少设备停机时间45%。 可见,随着物联网、大数据、传感器等技术的成熟,预测维护技术取得了快速发展和突破。

2.4 设备运维技术标准化进展

从标准化角度看,ISO/TC 108(机械振动、冲击和状态监测技术委员会)前期开展了状态监测和故障诊断相关标准的制定工作,并制定了ISO 2041《机械振动、冲击和状态监测技术委员会》和状态监测词汇》、ISO 13372《机器状态监测和诊断词汇》、ISO 13379-1《机器状态监测和诊断数据解释和诊断技术第1部分:通用原则》、ISO 13381-1《机器状态监测和诊断》预测第1部分:通用指南及其他国际标准 IEC/TC 65(工业过程测量控制与自动化技术委员会)作为国际智能制造标准化工作的核心组织,目前正在组织专家制定状态监测相关标准,全面生命周期管理、智能设备管理。 但截至目前,智能制造核心装备预测性维护的相关国际国内标准尚未发布。

“智能装备预测维护标准制定与验证平台建设”项目承担单位是机械工业仪器仪表综合技术经济研究所。 也是IEC/TC 65的对口单位国内标准委员会SAC/TC124(国家工业过程测量控制和自动化标准化)技术委员会秘书处的负责单位),通过本项目的研究,成立了建立智能制造装备预测维护标准体系,同步开展国内外关键技术标准制定。

3 预测性维护技术要求

3.1 系统功能模型

智能制造装备预测维护系统功能模型如图1所示。智能装备完整的预测维护流程包括数据采集与处理、状态识别、故障识别与定位、健康预测、维护管理与维护等阶段执行。 其中:数据采集处理阶段的输出是状态表示数据。 通过状态识别功能判断设备状态是否异常。 如果没有发现异常,则直接进入健康预测阶段。 如果出现异常,则进入故障识别定位阶段,判断是否发生故障,并将故障定位等信息作为健康预测阶段的输入。

智能装备方案有哪些_智能装备项目_智能装备方案/

图1 预测维护系统功能模型

3.2 工作流程

智能制造装备预测性维护的应用和实施应着眼于发现和避免系统性故障。 工作流程如图2所示。

智能装备项目_智能装备方案_智能装备方案有哪些/

图2 智能设备预测性维护工作流程图

3.3 数据采集与处理

数据采集​​和处理的核心设备由传感器和数据采集器组成。 传感器主要用于采集设备及相关环境的状态信息和过程信息。 传感器可以是设备内部传感器,也可以根据用户需要安装外部传感器。 数据采集​​器主要提供生产现场的设备工艺信息。

3.4 设备特性分析

设备结构和功能是预测性维护的关键输入。 在智能制造设备的预测性维护过程中,需要分析的特征包括但不限于:

——设备运行环境,如建筑物、安装条件、共振、材料等;

——管网及辅助系统,如入口、出口、冷凝器、阀门等;

——润滑方式,如油、脂、液压液、粉末等;

——控制系统,如机械、电气、气动、液压、DCS等;

——性能,如速度、压力、载荷、温度、噪声、振动等;

——设备输入,如电源、水、空气等;

——设备输出,如功率、牵引力、压力等;

——结构/基础,如位置、材料、刚度、柔性、疲劳、热膨胀等;

——耦合性,如不同设备之间的交互;

——环境,如水、风、温度、海拔、湿度等;

——保护系统,如超速、电流、电压等;

——人员,如操作人员、维修人员等;

——监测技术,如精度、采样频率、目视检查、热成像等;

——设备改造、停产、设备维护等费用;

——系统,如机器或设备的功能等;

——设备、系统的运行状况及其变化范围等。

3.5 状态识别

状态识别是指通过特征分析等手段聚合状态表示数据和阈值判断,获得设备当前的状态。 识别出的设备状态作为状态预测的输入,为故障诊断或健康预测提供依据。

状态识别的本质是对状态表征参数进行特征分析和识别,获取设备状态。 识别方法包括但不限于:

– 统计分析;

– 聚合;

——阈值判断;

——聚类。

数据可分为开关量(如机床冷却泵启停状态、防护罩开闭状态等)、模拟量(如机床温度、振动等)、数字量(如如机床主轴转速、工作台位置等)按形式表达。 ; 数据按其性质可分为静态数据(如机床温度、油箱液位等)和动态数据(如机床功率、振动等)。

3.6 故障识别与定位

故障识别与定位的主要方法包括:

——基于机理模型的方法。 即根据设备本身的机械和电路原理建立仿真模型。 当设备发生故障时,通过将输出与模型正常情况下的输出进行比较所产生的残值来确定不同的故障模式和故障级别。

——基于数据驱动的方法。 该方法不需要清楚地了解设备的内部结构。 只需要使用系统在真实环境中运行时收集的输入输出数据作为建模的基础。 它利用统计、分类、机器学习、模式识别等方法模型建立输入和输出之间的关系。 线性或非线性关系。 当设备发生故障时,根据上述模型中的输入数据可以区分设备的正常状态和异常状态。

3.7 健康预测

健康预测利用状态参数和特征信号,基于不同的分析方法和预测模型来评估设备的健康状况和未来变化趋势,并在故障发生前预测故障趋势和健康状况。 健康度通常用百分比来表示,如果知道设备未来的工作状态,就可以将其换算成剩余使用寿命。

进行设备健康预测,除了设备运行状态监测和故障诊断所需的数据外,还需要收集以下数据信息,例如:未来的运维环境、要求和时间表、现有故障的识别模式、故障建立模块程序、报警限值、跳闸(停止)限值、损坏开始数据和损坏进度数据等。

常用的健康预测分析方法主要包括:

——多参数分析,即分析一个系统中的多个参数及其相互关系;

——趋势分析,即通过分析重要参数的运行状况,进而分析参数的发展趋势和速度;

——比较分析,即比较两个相互关联的指标数据,定量地展示和解释研究对象的规模、水平、速度以及各种关系是否协调。

为了提高健康预测的可信度,在上述分析方法的基础上,还可以采用基于机制模型的方法、数据驱动的方法和混合方法来建立预测模型并优化预测过程。

3.8 维护管理与执行

智能制造设备的维护管理就是将健康状态预测的输出结果与企业设备管理相结合,在充分考虑安全性和成本的基础上制定相应的维护策略。 还可以利用企业的管理信息系统,如MES、ERP等,实现维护管理的优化。 维护管理和执行功能可以通过以下方式实现:

——紧急响应。 根据健康预测结果和实际生产情况建立应急机制;

——维护执行。 根据健康预测结果,确定后应及时实施维护计划。 可采取的措施包括备件更换、维护、不停机情况下调整设备运行参数等;

——策略优化。 通过与企业信息系统集成,可以实现维护管理的优化,如基于虚拟维护的维护可行性优化; 备件及维修人员资源调度优化; 基于智能生产调度的生产优化等;

——可视化。 应满足可视化要求,可采用的方法包括可视化图表、表格、具体性能曲线或三维视图等。

4 预测性维护技术标准制定进展

4.1 国内标准化进展

在开展上述智能制造装备预测性维护技术研究的同时,项目组组织了国内80多家单位的100余名专家组成工作组,负责智能制造装备预测性维护技术标准的起草工作。 目前正在制定三项国家标准:

——《智能制造装备预测维护第1部分:通用要求》(国家标准计划号:20192995-T-604)。 本标准规定了智能制造装备预测性维护系统的一般原理、可行性分析、数据采集与处理功能、健康状态预测功能、维护管理与执行功能。

——《智能制造装备预测维护第2部分:数据采集与处理》。 本标准规定了预测性维护过程中的数据采集、数据预处理和特征提取。

——《智能制造装备预测维护第3部分:预测维护方法》。 本标准规定了智能制造设备预测性维护、状态识别、故障识别与定位、健康预测等的一般原则。

4.2 国际标准化工作

2017年,中德智能制造/工业4.0标准化工作组成立了预测性维护工作组。 机械工业仪器仪表综合技术经济研究所专家担任工作组组长,与德国专家共同制定预测性维护标准。 体系和路线图研究,并于2018年完成并发布了《中德工业4.0/智能制造预测维护标准化路线图》白皮书。

2019年10月,经国际电工委员会工业过程测量、控制和自动化技术委员会企业控制系统集成分委会(IEC/SC 65E)投票,我国独立提出了《工业自动化设备预测性维护》国际标准提案和系统”项目立项成功,通过率达84.6%,标准工作组WG12成立。 标准号为IEC 63270。工作组召集人由机械工业仪器仪表综合技术经济研究所专家担任。 目前该国际标准正在积极制定中。

4.3 标准验证及应用示范

为保证相关标准的正确性、可实现性和适用性,专项项目组在上述三项国家标准的技术内容基础上,建立了基于典型故障模式的智能制造装备预测性维护标准验证平台。 标准验证平台包括数据采集、状态识别、故障诊断、预测性维护等功能。 可以对机器人、数控机床等典型智能装备关键数据进行分析和预测,将预测性维护技术应用到具体企业的实际生产线中。 实现云边协同的验证场景。 验证平台示意图如图3所示。

智能装备项目_智能装备方案有哪些_智能装备方案/

图3 智能设备预测维护标准验证平台示意图

5 总结

随着数字化、网络化、智能技术与制造的深度融合,智能制造企业更加自动化、无人化,智能制造装备更加高效、智能。 然而,设备本身的维护仍然面临着巨大的挑战。 传统维修模式中的故障后维修和定期维修会影响生产效率和产品质量,并显着增加制造商的成本。

以特征识别、健康预测、维护计划为核心的预测性维护技术,具有对智能制造设备潜在故障进行提前诊断和保护的能力。 可以有效提高智能设备的可靠性和可用性,降低智能设备的维护成本。 和生产系统的制造成本,以提高产品质量。 受到了设备制造商和用户的广泛关注。 《智能制造装备预测性维护》系列标准的制定,为设备制造商和用户实施预测性维护技术提供了标准化指南。 未来,将根据不同行业和设备的产品特点和应用场景,制定特定行业特定设备的预测性维护技术标准,为智能设备和智能产品的智能运维提供基础质量保障,帮助制造企业向服务型制造转型。 为转型提供技术支撑。

原文发表于《中国标准化》2021年第1期(第2部分)作者:机械工业仪器仪表综合技术经济研究所王春熙、王成成、王凯