今日头条
官方微信
官方抖音
资讯频道2020年春节期间，新型冠状病毒肺炎疫情肆虐，成为经济运行中突发的不可抗力事件。由于疫情蔓延引发的订单下降、限制开工、人员不足、固定成本负担过重、供应链中断等问题，对我国制造企业带来了非常严重的冲击，据数据调查显示[1]，订单下降和限制开工是对企业影响最大的因素，其次是人员成本、供应链中断和资金短缺。如果说新型冠状病毒肺炎疫情防控是2020年初对我国健全公共卫生体系和提高应急管理能力的一次大考，那么我们坚信在党和政府的有力领导下，抗击疫情必将取得最后胜利。然而，在战胜疫情后，我们还将面临着经济战线的又一次“大考”。
面对企业生产经营面临的巨大压力，全国各地陆续出台了多项惠企政策，主要是通过降租减费、财税补贴等金融手段，帮助企业共渡难关。虽然目前上述优惠政策，能够在很大程度上支持企业运营，但在疫情结束之后的一段时期，企业还将面临着人员成本过高、供应链不足、产能受限等问题，因此，来自企业自身的应对措施，才是圆满完成经济“大考”的长效机制。据数据调查显示[1]，53.3%的企业在疫情过后，会加快数字化转型、业务线上化，23.11%的企业会加大智能化生产力度。由此可见，企业生产向数字化和智能化转型，是未来的发展趋势。
“疫情”下的企业运营生态
企业生产的数字化和智能化转型，应该从哪方面入手呢？以下是笔者朋友圈中部分企业在疫情期间的真实经历：
（1）随着抗击疫情工作的全面启动，口罩和防护服等防疫物资的紧缺引起了大家的关注，事实上口罩和防护服生产的大多数环节都已实现了自动化或半自动化生产，但由于技术和成本等问题，焊接、包装、物流等环节还是采用人工的方式，导致日产10万只口罩需要至少200名工人。与此同时，在石化、电力等国民经济重点行业，不要说停工一天，停工一小时都将造成不可估量的损失，面对疫情导致的人力资源紧缺，他们提前部署智能化设备运维平台，在疫情发生后组织设备维护人员居家办公，对工业现场设备进行远程看护，实现了“365×24小时”的全天候看护模式。
（2）生产制造的自动化和智能化，也对设备管理和维护提出了新的要求。2020年2月8日，安徽某口罩生产公司在多日超负荷生产状态下，加工中心、线切割和热处理设备零部件出现了不同程度的损坏，由于交通管制影响，设备供应商无法及时保证零部件交付，最终该公司利用仿形机对零部件进行测绘后，在本地进行了加工。
从上例可以看出，生产制造设备智能运维和预测性维护技术的应用，是企业开展数字化转型和智能化改造，实现生产现场的“少人化”甚至“无人化”的重要方向。尤其在工业互联网大背景下，人工智能、边缘计算等新技术和预测性维护融合已经成为大势，预测性维护技术引入将加速企业的智能化进程
什么是预测性维护？
IEC/SC65E WG12开展工业自动化领域预测性维护国际标准化工作的首个工作组，于2019年10月成立，目前正在制定由我国自主提出的国际标准IEC 63270《Industrial Automation Equipment and Systems - Predictive Maintenance》[2]。该标准主要定义预测性维护的概念、范围，提供预测性维护功能结构模型、过程、方法、基础结构接口、数据要求指南等。
根据标准规定，预测性维护是对设备状态进行连续测量和分析，诊断并预测设备状态及发展趋势，制定全局最优维护方案的行为。它不同于预防性维护和修复性维护，而是集设备状态监测、故障诊断、寿命预测、维修决策支持和维修活动于一体的一种主动维护方式。值得一提的是，该国际标准目前已同步制定我国国家标准，由全国工业过程测量控制和自动化标准化技术委员会（SAC/TC124）归口。
预测性维护的价值在于基于剩余使用寿命（RUL）的预测，在维护机会窗内选择成本最低的维护策略，综合考虑所有设备的维护需求，制定全局最优的维护方案。因此制造企业应用预测性维护技术可以有效避免修复性维护和过度维护，最大化设备工作效率，提高维护等级；同时降低维护成本和生产损失，均衡维护预算和运行预算，提高经济效益，降低全面维护成本。
维护成本分析
预测性维护技术模块
国际标准中规定的预测性维护包括传感、状态识别、故障诊断、寿命预测、维修/维护策略和维修/维护执行等技术模块[3]，同时也规定了深度学习等预测性维护建模分析方法。随着设备互联、数据采集与运算能力提升，预测性维护各技术模块不断发展完善，将有力支撑制造企业的数字化转型和智能化改造。
预测性维护，为制造业“快进”保驾护航
01数控机床案例
机床是制造业的核心，我国最早之前的机床基本靠进口，近年来大力发展推进国产化。在生产制造中，设备的故障停机、订单推迟、产品缺陷、加工效率下降多源于如机床老化、主轴偏转等隐性问题。
机加工智能在线监测系统基于预测性维护技术，可使机床“会表达、能思考”，从而降低刀具使用成本、避免机床意外故障停机、保障产品加工质量。其技术核心功能包括：
1、刀具剩余寿命预测
2、机床关键部件健康管理
3、刀具知识库
其中，刀具剩余寿命预测基于对机加工的机理及行业的认知和理解，将这些知识运用到整个工业智能的算法当中，实时地在线监测每一把刀的在线振动数据，包括工况数据、运行状况等，通过特征提取融合出健康衰退曲线，直观反映刀具的磨损量，预测刀具未来的磨损状态，指导精准换刀时间。
机床关键部件的健康管理，是通过实时在线监测其的健康状态，进行异常预警，并指导后续运维。
当有了大量的数据刀具数据之后，就可以建立一套知识评分系统，对每一把刀、每个批次的刀进行评分，监测其的衰退情况，明确每个批次的刀最适合的工艺。
通过在工厂中的实际应用，使用在线监测系统实时评估刀具寿命及主轴健康状态，可实现“无人工厂”转型为“无忧工厂”，整体节约16%的成本，加工良品率从99.4%提升到99.7%，降低60%的意外停机。
02汽车制造企业案例
抗击疫情刻不容缓，保障生产义不容辞，自2020年2月10日起，汽车制造企业均在响应国家延迟开工的号召后，陆续展开加速恢复生产的进程中。
汽车制造企业在重启生产线之后，已经部署了“汽车行业工业物联网平台系统”的焊装车间，利用新的IOT技术并结合“生产过程监测与数据分析应用”在极短的时间内实现了对工艺与产品质量的稳定性分析，抢回了之前由于疫情影响损失的时间与效率。
除此之外，平台上针对关键设备的预测性维护系统，以量化指标评估了生产线启动之后的设备状态，更新了设备在冷态启动后的生命曲线，并对比了以往“复工”过程中设备达到正常运行水平的时间周期，确保整个产线的运行状态尽在掌控。
03流程工业案
2020年1月28日上午，华南地区某大型石化厂一台液化石油气进料泵出现报警，远程诊断工程师密切关注进料泵的历史数据，通过诊断分析，判断得出泵端轴承滚动体出现了早中期磨损。诊断工程师当即通知现场建议尽快改善泵端轴承润滑，巡检时关注泵端轴承异响。
现场工程师在得到通知后，第一时间去查看了设备，反馈现场运行没有异常，已经要求总控人员控稳流量。远程诊断工程师表示从这台设备的振动数据趋势来看，可能会出现快速劣化的情况，于是他将这台设备纳入重点关注设备。
1月28日下午，该进料泵再次报警，出现持续劣化的情况，诊断工程师根据最新情况重新出具了检维修建议，建议现场尽快检查并改善泵端轴承润滑，巡检时关注泵端轴承异响，若振动持续上升且异响无改善，可准备备件择机更换轴承。
虽然在春节和抗击疫情期间，但生产现场在收到通知高度重视，立即协调了设备维护人员进行更换。从现场反馈的检修照片来看，轴承滚动体存在明显剥落。
如果没有及时发现并处理该进料泵的异常，可能会引起保持架断裂导致被迫停机，甚至需要更换轴或泵，或者引发火灾等安全事故。在本次疫情期间，关系国民经济的重要企业生产现场也是“战斗一线”，保障企业安全生产与疫情防控的态度一样，一步不让。
来源：仪综所
北京市公安局海淀分局备案号：11010802023656号