机械加工企业车间设备管理系统设计与实现

机械加工企业车间设备管理系统设计与实现

刘健英 杨飞 何卫东

中车永济电机有限公司机加事业部 山西永济 044502

摘要：随着我国经济社会的快速发展和科技水平的日益进步，大数据技术、云平台技术等高端智能体系正逐步步入各行各业。随着企业精准管理、精益管理向智能化、自动化和工业化方向不间断地迈进；企业设备管理与维护向标准与迈进，设备管理与维护方法逐步由传统模式下的紧急维护和预防性维护转变为日常状态监控和预测性维护等实施预检查手段，为机械加工企业设备维护管理的可控起着不容忽视的重要作用。在此背景下，对大数据技术应用于设备维护管理过程的相关探讨及其智能化平台建设进行深度研究有其必要性。

关键词：机械加工企业；车间设备；管理系统设计

前言

机械加工设备通常指国标0、1类设备，包含车床、铣床、磨床、刨床在内的各类工业生产设备及机床。现代化工业设备已经朝向数字化、智能化发展，故完整的工业设备运行系统还应具备数控机床加工中心、柔性制造系统、信号传输设备、仓储设备等。综合而言，现代机械加工设备机组的生产、组装、使用、保养、维修等工作，除了设备本身之外，还需基于宏观角度，制定完善的管理体系，从而保证设备的稳定运行。

1机械加工设备安全防护及管理工作需要遵循的基本原则

机械制造企业的工业设备安全防护及管理工作总体原则为“定期保养、多用常新、系统管理、有据可查”。制造工业设备的根本目的在于，将之应用于特定的场所，只有尽可能地保证其处于安全、高效的运转过程，才能最大化地创造价值，既可以保障用户的利益，又能够打响自身的名声。但设备长期运转之下，零部件及一些大型机组的关键部位必然出现磨损，如果缺乏周期性、预判性的保养维护计划，则设备的运转效率将会下降。基于此，现代机械制造企业与客户单位往往开展全方位合作，为其提供系统性的设备维护管理服务，通过“随用随修”。

2大数据设备管理模式设计

2.1系统结构

大数据技术背景下的设备管理模式主要包括设备数据预处理、数据挖掘分析和决策支持应用三大层面。在原始设备运行数据信息汇总、整理和分析后，对新增设备的数据形式进行对应比较，将相关设备数据信息进行预处理，在进一步挖掘预处理设备信息数据后，利用遗传算法、神经网络算法以及向量机算法等诸多方法，对企业设备数据进行深度分析，获取繁杂庞多数据体系隐藏的经济价值，从而形成一定的决策知识。最后，应用该决策知识预测设备未来一定时间内的运行趋势，对设备是否会发生故障进行判断。判断发生故障的具体部位，梳理设备发生故障后的检修措施，从而避免设备发生故障或是在设备发生故障后降低危害。

2.2功能实现

通常情况下，基于大数据技术的机械加工企业设备管理与维护主要包括服务器功能、管理功能和设备、终端管理维护等三大层次，其中系统功能主要包括设备计划检修管理、设备点检管理、设备临检管理、设备预警管理、设备技术管理、设备巡检管理，备件管理，报表与统计等。就大数据技术下的机械加工企业预警管理问题而言，大数据技术能有效设置和管理模式，使工作人员依据规范要求，利用大数据信息平台对生产车间的各项设备的定期检查通过可视化工具等及时发出预警信号，使设备管理员快速有效获取相关预警信息，及时采取措施解决生产车间设备管理与维护问题。

2.3建立智能化设备管理平台

机械加工企业生产车间设备状态监测与智能化管理平台构建，主要是利用大数据信息和云平台技术，采取数据信息可视化基本方法，将生产车间各零部件所采集到的数据信息转化为生动形象的图谱资源，从而借助趋势图、统计图甚至数理相关性分析、健康状态检测等诸多方式，实现对生产企业车间设备的监测诊断和智能化管理。由于生产车间主要设备一旦停运，将会影响整个生产企业生产线进程。同时，主要生产设备维护成本较为高昂，维护管理人员往往不能进入设备内部查看具体故障位置等，因此，建立智能化设备管理平台，利用全过程跟踪调控，实现对各生产设备的实时跟踪与全过程管理。在此过程中，可借助传感器设备和连接器，利用光纤或网线将数据信号传回光电交换机，利用局域网、服务器和网关技术，将相关数据信息传至区域以太网（Ethernet），通过以太网（Ethernet）查看生产车间各设备运行状态，再辅以智能设备报警及设备健康自诊断和故障自识别技术等，强化对各生产车间设备的智能化管控。

3大数据设备管理系统设计

3.1常用分析方法

机械加工企业设备运行管理与维护问题常表现为摩擦磨损、漏油漏液、机械松动等机械故障，也会出现因温度、湿度或空气污染状况、甚至大气压强不等等诸多原因造成的电气设备故障。在此过程中，生产车间设备维护与管理常用分析方法主要包括数据可视化的故障诊断、状态监控和预测性维护，以统计模型和知识系统等方式来支持维修决策和活动。

3.2分析诊断

机械加工企业设备运行管理的数据可视化故障诊断方法主要包括时频诊断法、统计分析法、信息数据分析法、专家系统法、人工智能、人工神经网络诊断等其他人工智能算法，甚至包含模糊综合分析、灰色系统理论以及其他集成化诊断模式。状态监测技术则往往利用噪声、振动、温度、压力甚至油液等为判断标准，对其判断标准进行监测，从而预知设备运行状况。最后，设备维护检修的决策方法主要包括故障树推理法、数学模型法、贝叶斯网络法甚至其他人工智能修护决策方法。

结束语

大数据信息技术应用于企业设备管控过程，将设备管控全过程与大数据信息平台有效融合，使设备管控数据不断朝着自动化、智能化和信息化方向发展，不仅有助于提高企业设备维护与管控水平，延长设备使用周期，更能不断增强企业管理能力，不断提高经济效益和社会效益，为企业在激烈市场竞争中赢得先机和立于不败之地奠定坚实的管理基础和技术基础。

参考文献：

[1]丛运石.基于大数据的设备运行管理[J].铁路采购与物流，2019(4)：29-30.

[2]董玉华，董世新.设备管理中的大数据采集与应用[J].技术应用，2017(3)：46-47.

[3]徐文平.基于大数据的企业设备管理策略研究[J].研究与探索，2017(6)：18-19.