當(dāng)今社會,隨著制造業(yè)的升級以及車輛飛機(jī)等動力機(jī)械的不斷發(fā)展和應(yīng)用,很多企業(yè)面臨持續(xù)的成本控制壓力,如何有效提升機(jī)器的可用率,減少維護(hù)的成本和機(jī)器可能因?yàn)楣收匣蛘叻枪收显斐傻耐C(jī)損失,成為了近年來研究的主要課題,同時有效分析根本原因也幫助生產(chǎn)企業(yè)從設(shè)計(jì)和制造環(huán)節(jié)上對產(chǎn)品做出可持續(xù)優(yōu)化。產(chǎn)品的維護(hù)對于企業(yè)有著至關(guān)重要的作用這一點(diǎn)在業(yè)界已經(jīng)達(dá)成了共識。廣義上說維護(hù)分為修復(fù)性維護(hù)（Corrective Maintenance）,預(yù)防性維護(hù)（Preventive Maintenance）以及預(yù)測性維護(hù)（Predictive Maintenance,簡稱PdM）。修復(fù)性維護(hù)屬于非計(jì)劃性維護(hù)。預(yù)防性維護(hù)（Preventive Maintenance）也稱為定期維護(hù)。這是基于時間的維護(hù),通過定期停機(jī)檢查、更換和拆卸零件,從而避免損壞和生產(chǎn)損失^[1]。近年來隨著物聯(lián)網(wǎng)的興起,使得機(jī)器狀態(tài)信息的及時獲取和分析變成了可能。新型的預(yù)測性維護(hù)（Predictive Maintenance）采用機(jī)器傳感器收集的日志和產(chǎn)品的維護(hù)記錄相結(jié)合,并使用時下流行的機(jī)器學(xué)習(xí)以及醫(yī)藥行業(yè)廣泛使用的生存分析... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

預(yù)測維護(hù)成熟度模型

基于多數(shù)據(jù)源的預(yù)測性維護(hù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)9(7)通過實(shí)時或者準(zhǔn)實(shí)時監(jiān)控并追蹤反潰2.4一種業(yè)界架構(gòu)分析關(guān)于作為最為精密的機(jī)械比如車輛或者飛機(jī)來說，為保證運(yùn)行中的安全，整個飛行過程中將會有高達(dá)TB級別的數(shù)據(jù)，并非所有的數(shù)據(jù)都需要進(jìn)行實(shí)時或準(zhǔn)實(shí)時的傳輸，因此在實(shí)時維護(hù)方案中僅僅將級別高的失敗事件信息進(jìn)行傳輸。由于對日志分析延遲導(dǎo)致的機(jī)械故障導(dǎo)致航班延誤造成額外的航班安排開銷或者乘客安置導(dǎo)致的費(fèi)用上升也是研發(fā)實(shí)時維護(hù)方案的驅(qū)動之一。如圖2-3顯示了一種運(yùn)動機(jī)械的預(yù)測架構(gòu)，目前業(yè)界關(guān)于大型機(jī)械或車輛的預(yù)測維護(hù)方案有如下常見方式，在邊緣側(cè)執(zhí)行相應(yīng)的邊緣計(jì)算，將原始數(shù)據(jù)提取特征信息，如果符合直接判斷的模式則直接進(jìn)行告警相關(guān)處理，從而進(jìn)一步將特征信息上傳到云端，完成復(fù)雜的健康管理與故障預(yù)測相關(guān)的計(jì)算。目前業(yè)界一些大數(shù)據(jù)分析框架比如HadoopHDFS和Mapreduce是基于批處理的對于實(shí)時處理的功能支持較弱，故這里采用基于Jubatus內(nèi)存處理框架實(shí)時流式數(shù)據(jù)進(jìn)行異常檢測。流式傳感器數(shù)據(jù)是通過設(shè)備端上的電腦進(jìn)行實(shí)時處理，異常信息被機(jī)器學(xué)習(xí)檢測出來通過無線網(wǎng)絡(luò)傳輸至云端。同時維修計(jì)劃會通過云端同步到邊緣端進(jìn)行模型的更新。云端數(shù)據(jù)被深度分析，根據(jù)生存分析算法以及機(jī)器學(xué)習(xí)算法，異常零部件被檢測出來。通過設(shè)備維護(hù)預(yù)警系統(tǒng)的調(diào)度，維修工程師被安排前往現(xiàn)場及時更換零件或者維修，部分重要的而零部件可以通過3D打印供應(yīng)商直接打印并替換。后端的數(shù)據(jù)處理模塊，將后端數(shù)據(jù)庫和信息處理系統(tǒng)進(jìn)行有效的整合，并且通過內(nèi)存數(shù)據(jù)庫可以與ERP系統(tǒng)進(jìn)行零部件下單對接[9]，從而實(shí)現(xiàn)整個鏈路的自動化和時效最大化。圖2-3一種機(jī)械設(shè)備的實(shí)時維護(hù)框架Fig.2-3Real-timemachinerymaintenanceframe

基于多數(shù)據(jù)源的預(yù)測性維護(hù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)18圖3-1系統(tǒng)整體架構(gòu)圖Fig.3-1Systemoverallarchitecture3.1.2源數(shù)據(jù)加載模塊(1)數(shù)據(jù)準(zhǔn)備預(yù)測性維護(hù)的數(shù)據(jù)源包括但不限于：機(jī)器運(yùn)行狀態(tài)、維修歷史記錄，機(jī)器元數(shù)據(jù)等。有效的預(yù)測失敗事件是主動預(yù)防方案的核心，針對本文的源數(shù)據(jù)來自于兩部分。機(jī)器運(yùn)行狀態(tài)：正在運(yùn)行中的基于傳感器（或其他的）流數(shù)據(jù)是重要的數(shù)據(jù)源，通過對預(yù)期數(shù)據(jù)包含隨時間改變的特征，從而捕獲老化模式，以及導(dǎo)致降級的異常的追蹤。而算法需要根據(jù)數(shù)據(jù)的時態(tài)特征來學(xué)習(xí)不同時間的故障和非故障模式。通過算法來學(xué)習(xí)預(yù)測發(fā)生故障之前，還能繼續(xù)工作多少時間單位。比如大型打印機(jī)來說（噴墨的消耗量）和告警信息（機(jī)器產(chǎn)生的錯誤和警告信息）。這一部分?jǐn)?shù)據(jù)采用每日更新的頻度上傳至數(shù)據(jù)庫管理系統(tǒng)中。維護(hù)記錄：機(jī)器維護(hù)信息通過企業(yè)的呼叫中心接入，并且維護(hù)數(shù)據(jù)庫會記錄詳細(xì)的資產(chǎn)維護(hù)記錄包含已更換的組件，已執(zhí)行的維修活動等活動詳細(xì)信息。致電公司的客服中心是另外一個獲取零部件故障信息的重要渠道。這部分信息主要包括：資產(chǎn)的標(biāo)識符，致電的時間，問題的描述，以及對于影響到的零部件和問題解決進(jìn)度的自由文本字段。除此之外另外還有設(shè)備信息數(shù)據(jù)：一般包含資產(chǎn)標(biāo)識符（設(shè)備ID），機(jī)器年限以及零部件組成等。

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測[J]. 王雪松.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[2]基于深度學(xué)習(xí)的用戶投訴預(yù)測模型研究[J]. 周文杰,嚴(yán)建峰,楊璐.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[3]Logistic回歸模型的兩參數(shù)估計(jì)[J]. 常新鋒.  統(tǒng)計(jì)與決策. 2016(11)
[4]基于動態(tài)模型的狀態(tài)監(jiān)測與預(yù)測性維護(hù)技術(shù)在電機(jī)中的應(yīng)用研究[J]. 彭長征,郝富強(qiáng).  科技創(chuàng)新導(dǎo)報(bào). 2014(28)
[5]考慮非完美維修的實(shí)時剩余壽命預(yù)測及維修決策模型[J]. 石慧,曾建潮.  計(jì)算機(jī)集成制造系統(tǒng). 2014(09)
[6]預(yù)測性維修發(fā)展及應(yīng)用淺析[J]. 張顯鎮(zhèn),劉北萍,張丕宇.  科技信息. 2009(36)
[7]大功率機(jī)車狀態(tài)遠(yuǎn)程實(shí)時監(jiān)控系統(tǒng)初探[J]. 邱建平.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2009(06)
[8]個性化推薦系統(tǒng)中的用戶建模及特征選擇[J]. 林霜梅,汪更生,陳弈秋.  計(jì)算機(jī)工程. 2007(17)
[9]數(shù)據(jù)倉庫架構(gòu)研究[J]. 胡璟超,唐建雄.  軟件導(dǎo)刊. 2007(09)
[10]決策樹算法及其核心技術(shù)[J]. 楊學(xué)兵,張俊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2007(01)

碩士論文
[1]海上油氣生產(chǎn)平臺動設(shè)備基于RCM的維修策略研究[D]. 楊淮.西南石油大學(xué) 2017
[2]基于3D卷積神經(jīng)網(wǎng)絡(luò)的CT肺部影像健康篩查[D]. 王慧芳.武漢大學(xué) 2017



本文編號：2993644