工业设备预测性维护系统 .pdf

工业设备预测性维护系统 摘要：为解决工业企业中，工业机器人、大型盾构机、道岔等大型工业设备， 施工环境恶劣，维护成本昂贵，乃至产品质量和有序生产。开发工业设备预测性 维护系统。系统基于 SpringBoot 后端框架、VUE 前端框架、TensorFlow 大数据 分析框架对系统进行开发；基于物联网设备系统在针对非计划停机维护的相关工 业指标进行实时数据采集；基于多数据源设定标准化API 读取；基于SPARK大数 据处理框架对设备维护模块进行在线实时分析；基于行业应用模型，在确保生产 质量和生产进度的基础上，使用机器学习回归算法对历史数据和行业数据进行预 测模型训练，输出预测性维护指标和大型停机检修计划表及预应对方案；最后通 过行业场景应用验证了设计系统的可行性。 关键词：工业设备；维护；预测模型数据处理 引言 “中国制造”的产品已经成为全球一道独特的风景线，从制造到“智造”， 推动着制造业数字化、智能化加速发展，制造执行系统的出现为智能制造企业提 供了在数字化的制造环境和设备的可视化数据管理，大数据和人工智能技术、智 能算法的普及，结合成熟企业运营系统和项目管理系统，预测性维护系统尤其重 要。设备的健康运转对保障产品质量和有序生产起着重要作用，制造流程中的任 何一个环节出现问题,都可能导致整个生产链的断裂,给企业带来巨大损失。然而， 因设备意外故障导致的非计划停机维护、有计划的预防性维护停机不可避免，由 此产生的设备维护开销通常占到制造业企业生产成本的15%～60%，同时，随着技 术的发展，生产设备的复杂性日益提高，用于设备维护的支出也逐年增加。正因 如此，预测性维护系统成为未来制造业运营重中之重。从目前的研究成果来看， 目前设计的设备运营管理系统仅停留在信息化层面，仅用于事后记录，设备维护 方式仅依赖于有计划的预防性维护，由于设备本身的结构和性能的差异，决定了 维修周期的不尽相同，由此导致相当一部分的维护工作是不必要的。面对着持续 的成本控制要求，工厂管理人员、设备维护人员和负责质量控制的监督执行人员 都希望能够在维持质量标准的同时避免非计划停机或设备故障以及由此带来的昂 贵代价。因此，开发一套预测性维护系统，具有很大的应用价值。基于上述的背 景和研究现状，本文在现有成熟的运营系统基础上，设计预测性维护系统，在本 系统中构建设备管理、技术人员管理、项目管理、设备维护管理、数据分析、系 统管理六大模块，根据实际使用场景，分析端采用 BS 方式，移动端采用 APP 访 问系统；系统采用状态监测技术在线监控维护日志、性能日志、监测数据、检查 报告、环境数据、项目数据、甚至业务数据。该系统甚至可以在这种结构化和非 结构化的数据中检测到微小的异常情况或故障模式，以确定风险最大的领域。然 后，它在风险成为现实之前主动将资源引向这些领域。该方案可以帮助制造商实 现可观的成本节约，并提升劳动效率、提高生产连续性和客户满意度，使他们能 够在一个全新的水平上展开竞争。最后，通过项目开发实施交付现场对该系统的 可行性可预测能力进行阶段验证阶段上线。 1 系统总计架构设计 工业设备预测性维护系统，在制造业已有的工业设备基础系统上结合 5G 基 站，基于模块分离的解耦原则，将本系统设计在具有公网 IP 的云端服务器，同 时采用配置简单、访问便捷的移动端，将系统收缩在广域网云端服务器上，总体 架构如下图所示： 图１ 系统架构图 本系统将通过 5G 基站模块采集设备的实施运行数据，发送至云端服务器进 行存储，同时接受云端服务器发送的设备控制指令，从而可以远程控制工业设备， 系统设计的云端服务器是架构核心，搭载了整个预测性维护系统，用户可以通过 PC 和移动设备访问云端服务器的可视化系统，通过操作界面进行设备管理维护。 将实现以下功能：（1）针对项目类型的设备管理和技术人员管理。（2）针对设 备类型的分析模型维护。（3）针对预测性维护周期对项目周期运营预警分析。 （4）各个层级的数据交换。（5）实时的预警信息发布。 2 设备管理模块设计 设备管理模块采用 SpringBoot 框架进行构建，在 IDEA 平台开发，主要编程 语言为 JAVA，使用主流 VUE.JS+Elemenet UI 前后端分离框架来编写展示层，基 于 MVV 模式设计后台控制层和逻辑层，基于 Mybatis 持久层框架搭建系统数据层， 提高系统可维护性。如下将说明业务功能： 2.1 设备状态实时监