賈為征  馬  柯

（北京首鋼自動化信息技術有限公司京唐運行事業部  河北 唐山 063000）

摘要：本文針對傳統軋線設備運維^[1]中存在的問題，設計并實現了一種基于設備狀態分析診斷的智能化軋鋼運維平臺。首先，對熱軋產線生產運行狀態進行了分析，確定了設備狀態診斷的關鍵指標和算法。其次，搭建了智能化運維平臺的系統架^[2]，包括核心的設備監測模塊、數據處理模塊和設備狀態分析模塊。在此基礎上，平臺涵蓋了設備點巡檢、曲線數據點檢、設備關鍵指標數據預警以及設備劣化趨勢分析等。最后，通過平臺的投入使用驗證了智能化運維平臺的有效性和性能優勢，取得了良好的應用效果。本研究為提高軋機設備運維效率和質量提供了重要的數據和技術支持，具有很強的實踐應用價值。

關鍵詞：軋機；智能化；設備狀態；設備點巡檢；運維效率 

0 引言

隨著工業領域的不斷發展，設備運維的重要性日益凸顯。作為保障生產正常進行和提高生產效率的關鍵環節，設備運維的質量和效率直接影響著企業的競爭力和經濟效益。然而，傳統的設備運維模式，在面對日益復雜的生產環境和設備狀況時，已顯露出諸多不足^[3]。

軋機作為軋鋼生產中的重要設備，在生產中起著至關重要的作用。傳統軋機設備運維常依賴于人工巡檢、重要數據人工查閱歷史趨勢數據再經驗來判斷設備的狀態，因此存在信息獲取不及時、運維決策依據不足等問題，未做到較好的設備狀態維護，每天需投入較多人力和時間^[4]。為提高人的運維效率，降低人員勞動強度，本研究旨在借助高頻數據采集技術和人工經驗智能化手段，設計并實現一套基于設備狀態分析診斷的智能化運維平臺，達到設備狀態實時監控，趨勢分析預警提醒，重要指標數據可視化等目的，從而實現降本增效。

1 現狀及意義

首鋼京唐公司熱軋產線的設備維護工作，主要依賴于經驗豐富的點檢、維護人員，通過到現場對實際設備進行觀察、通過設備運行數據記錄回溯等方式，結合設備的特性以及設備運行正常數據來判斷設備是否運行正常，但點巡檢也僅限于排查已經有故障表象的設備，并不能很好的分析設備的劣化趨勢^[5]，不能做到預防性維護。

通過開展對設備劣化趨勢分析，設備狀態智能判斷等預測性維護工作的研究，發現可以通過大量數據對比分析，及時判斷設備當前狀態，準確分析設備故障類型，預測設備狀態趨勢，還可以對設備計劃性檢修給出建議。

針對于現有自動化水平整體較高的熱軋產線，現場設備檢測元件布置較為完善，檢測準確性、穩定性較高，具備很好的實施工廠數字化的先決條件，該系統平臺不僅能將復雜的設備維護經驗形成高質量服務產品，還能提高設備運維效率，降低勞動難度。

2 設備狀態分析

針對設備狀態分析，主要從實時狀態分析預警、結合歷史數據分析設備劣化趨勢兩方面開展。為實現以上功能，真實有效的設備狀態數據是必不可少的，因此高頻數據采集過濾成為了獲取真實有效數據的關鍵。

為實現整體的設備狀態分析，整體的系統框架流程設計如圖1所示：

圖1  系統框架流程圖

2.1 有效數據采集

數據采集過程中，采樣頻率越快，越能體現設備狀態的真實性，但受到采集器和網絡通訊的限制，只能在保證所有通訊設備穩定的情況下，盡可能高速的采集數據^[6]。

本方案中經過對實際設備和網絡狀況評估后，確定了所有數據采樣周期為50毫秒，確定好數據采樣周期后，其他相關的采集存儲軟件經過不斷的測試也確定了開發方案。

采集存儲環節主要的性能指標有采集點位并發數據的存儲性能、存儲數據的壓縮性能。設備診斷開發規劃用到采集數據5000-6000點，以實際所用的數據進行時序數據庫的性能測試，首先對數據并發存儲保證采樣周期進行數據分析，測試數據如表1所示。

通過上面數據的測試，時序數據庫在并行存儲6000數據點位的情況下，可以實現1秒鐘插入683條數據，完全滿足數據采集的需求。

另一方面對存儲數據的壓縮比也進行了觀察和記錄，數據點位總計5536點，采樣周期50ms，測試時間19小時26分，總計存入400萬條以上數據，占用磁盤空間4.1G，該數據表現說明時序庫的壓縮比和優秀，完全符合應用需求。

綜合以上兩個方面對數據采集時序數據庫的測試，數據采集方案是完全符合需求的。

2.2 設備狀態規則判定

設備狀態規則判定是核心內容，本方案按設備控制方式和特性進行分類，本論文中以開關類設備和伺服控制類設備為例，主要從以下幾個步驟來實施：

（1）性能指標數據提?。?/p>

確定關鍵的設備性能指標，這些指標應當能夠準確反映設備的運行狀態和性能狀況，如開關類設備執行時間、伺服類控制設備的控制跟隨性等。

（2）相關數據篩選與處理：

在時序庫存儲的數據中，根據設備性能指標需求，對采集到的原始數據進行預處理、清洗和特征提取，以便規則分析和判定的應用。

（3）規則庫建立：

建立設備狀態判定規則庫，包括設備性能指標、正常指標狀態、異常狀態等。結合人工經驗和專業知識，確定各種狀態判定的規則和標準，包括性能指標的閾值、趨勢等。

將這些規則和標準轉化為計算機可執行的規則邏輯或者規則表達式，以便程序開發，實現自動設備狀態判定。

（4）狀態判定與結果輸出：

根據設備性能數據與實際數據的比對，結合規則庫中的規則進行狀態判定。根據判定結果，輸出相應的狀態診斷結果和建議，包括設備是否處于正常狀態、存在哪些異常情況等。

2.2.1 開關執行類設備

開關執行類設備，我們以其執行時間指標為例，提取設備控制從打開命令發出，到開到位之間的行程時間；從關閉命令發出，到關到位的行程時間，通過行程時間來判斷執行機構是否存在間隙或磨損^[7]，一旦執行時間超過設定閾值，提醒維護人員進行查看，避免因設備損壞造成生產事故。

卷取機壓下輥抬升和落下的執行時間部分數據如表2所示

開關類設備的到位信號尤為重要，通過采集開關類設備每次到位是否存在閃斷的情況，來判斷開關的安裝或檢測是否存在問題，一旦頻繁檢測到開關閃斷情況，則需要提醒維護人員，利用停軋時間檢查開關，排查是否有異物干擾、開關松動或是開關本身問題。表3是設備執行過程中檢測開關閃斷情況數據。

2.2.2 伺服控制類設備

通過對伺服閥的閥位給定以及閥芯反饋的偏差，來判定伺服閥的響應速度，伺服閥的性能直接影響設備控制的速度和精度，因此在控制程序內都做了伺服閥異常報警判斷，一旦伺服閥出現給定反饋偏差大，經過一定時間延時后會直接報警并觸發連鎖快停，以保護設備。

但伺服閥在未觸發異常連鎖前的狀態，我們無法掌握，或人為通過數據曲線進行篩選、查看、對比，既不能反應全時間段設備的狀態，又耗費技術人員很大精力。

伺服類設備的提取性能指標，以最大偏差值來判斷伺服閥的性能，實時檢測每次響應的最大偏差，根據偏差值的數據曲線和報警閾值為技術人員提供指標依據。表4為夾送輥傳動側伺服閥的響應偏差。

2.3 劣化趨勢分析

通過收集設備大量的指標數據，可以直觀的查看每次設備動作的情況。圖2為卷取機的壓下輥近2000次抬升和壓下所用時間的曲線。

圖2壓下輥動作時間曲線

但通過數據曲線是無法分析設備劣化的趨勢，需進一步將指標數據進行線性擬合^[8]，從而獲取線性系數K值，通過K值就可以直觀反應數據趨勢。

在線性擬合中，最小二乘法用于確定擬合直線的斜率m和截距b。

最小二乘法通過最小化殘差平方和來確定最佳的擬合直線。殘差平方和（RSS，Residual Sum of Squares）的計算公式如下：

其中n是數據點的數量。通過對RSS關于m和b的偏導數分別等于零，可以得到最小二乘法的正規方程組，進而求解出最佳的斜率m和截距b。

在做線性擬合的過程中數據量的選取極為重要，選取過多的數據進行擬合，K值近似為0，起不到趨勢分析的作用，而數據量過少，擬合后的系數變化較大，也不能反應數據走勢，經過不斷的分析指標數據的趨勢，最終選擇使用近50次的動作數據進行線性擬合，可以反饋一段時間內設備的性能趨勢。

3 平臺框架設計

根據對設備狀態數據分析設計，系統平臺主要有三部分：主體程序應用、劣化趨勢分析展示以及預警信息移動端推送。

3.1 程序設計開發

系統主體程序設計為循環掃描方式，主程序內分別調用子程序，傳入執行起始時間和掃描時間段兩個參數，子程序執行完成后返回執行結束時間參數，作為下一周期的起始時間，控制邏輯如圖3所示

圖3 執行程序流程圖

為使主程序具備追溯歷史的功能，將每個程序執行過程掃描時間間隔定為半小時，也就是每個程序執行周期即可將半小時內的時間按邏輯規則進行篩選，而執行到當前時間時，則會返回當前執行完成邏輯規則后的時間，每個功能的邏輯不同，規則判斷起止時間也不同，因此返回的時間也各不相同，每個設備邏輯在主程序內以各自線程分別執行。

3.2 數據可視化展示

為了使設備狀態分析數據更加直觀的展示，將各設備的主要性能指標、指標數據趨勢以及劣化趨勢系數等數據以看板形式進行展示，同時看板內實時顯示系統報警信息。

圖4  數據看板

3.3 預警信息推送

指標數據在收集過程中，結合設備正常情況的數據，設定合理的報警閾值，一旦指標數據超限，會在數據庫內增加報警標志，從而激活系統報警，并產生消息推送，提醒維護人員及時關注。

在執行程序時，將各設備的報警閾值以參數的形式，傳入指標提取判定程序中，在執行過程中實時判定報警結果，有超限情況，在數據庫內報警置位。如表5所示

開發數據庫接口程序，讀取數據庫報警字段信息，對產生報警的設備及報警內容進行轉發^[9]，由微信推送程序將報警內容推送到微信群，如圖5所示。

圖5  微信群消息推送

4 應用效果

系統投用后，在以下幾個方面有較好的使用效果。

（1）設備點巡檢方面：

該平臺在首鋼京唐熱軋部進行測試使用，系統的應用一方面是在設備維護方面，原來軋機區域維護人員曲線點檢，每天每人40分鐘左右，平臺投用后，系統可實時自動監測點檢內容，無需人工干預，而且主要指標數據可回溯，省去人工錄入，極大降低維護人員的工作量。

（2）設備狀態分析方面：

生產人員通過系統的指標數據，可實時監測設備狀態，通過歷史趨勢，可以查看設備工作情況，通過線性擬合系數，可以掌握一段時間內設備的狀態趨勢，有針對性的利用檢修時間去測試設備，從而達到有效的預防性維護。

（3）預防性維護方面：

在系統投用的一個月內，平臺為生產人員預測到兩次設備異常問題。一次是卷取機壓下輥抬起多次報警，強化時機械人員通過檢查發現設備有鐵棍卡阻，未造成事故；另一次是粗軋機側導板位置控制，多次響應時間偏差大報警，偏差時間較正?？刂茣r間稍有延遲，利用檢修時間檢查發現有一顆連接螺栓脫落，造成另一顆磨損嚴重，機械人員及時修復。

該平臺的實用性很強，能為生產和維護帶來極大的幫助，在行業內也具有很強的推廣價值。

參考文獻

[1]廖勇,黃薇,張瑞菊,等.2050mm熱軋產線設備智能運維技術的應用[J].寶鋼技術, 2019.DOI:10.3969/j.issn.1008-0716.2019.06.007.

[2]劉洋.數據中心自動化運維平臺設計與實現[J].現代商貿工業, 2018, 39(20):4.DOI:CNKI:SUN:XDSM.0.2018-20-104.

[3]劉文仲.中國軋鋼自動化現狀及實現軋鋼智能化的思考[J].冶金自動化, 2016(6):5.DOI:10.3969/j.issn.1000-7059.2016.06.001.

[4] 張宏杰,張建峰,李萬京.淺談熱連軋設備智能運維體系建設及實踐[J].中文科技期刊數據庫(引文版)工程技術, 2022(5):4.

[5]王映紅,董磊.唐鋼設備狀態在線診斷系統建設與應用[J].冶金自動化, 2017(3):5.DOI:10.3969/j.issn.1000-7059.2017.03.008.

[6] 闞濤,趙躍東,劉煥曉,等.基于大數據工業數據采集系統設計與實現[J].鍛壓裝備與制造技術, 2021.DOI:10.16316/j.issn.1672-0121.2021.02.029.

[7] 梅海東,王洪川.數據監測在軋鋼機械設備故障診斷中的應用[J].城市建設理論研究:電子版, 2015.DOI:10.3969/j.issn.2095-2104.2015.01.1993.

[8] 王惠文,孟潔.多元線性回歸的預測建模方法[J].北京航空航天大學學報, 2007, 33(4):5.DOI:10.3969/j.issn.1001-5965.2007.04.028.

[9]律智堅,吳廣財.消息推送在移動高級應用中的研究與實現[J].廣東電力, 2014, 27(2):4.DOI:10.3969/j.issn.1007-290x.2014.02.024.