基于大数据分析的空管设备检修模式

2018-12-13罗汶峰

科技创新与应用 2018年29期

罗汶峰

摘要：针对空管设备数据的海量化趋势，通过大数据分析技术对设备状态进行深层次高质量评估，提出基于状态的设备检修模式，以达到既能消除设备故障隐患、提高可靠性，又能节省成本、提高工作效率的目的。

关键词：大数据分析；检修模式；空管设备；状态评估

中图分类号：TP311.13 文献标志码：A 文章编号：2095-2945（2018）29-0195-02

Abstract： In view of the sea quantification trend of air traffic control equipment data， this paper uses big data analysis technology to carry on the deep level high quality appraisal to the equipment condition， and proposes the equipment maintenance mode based on the condition， in order to not only eliminate the hidden trouble of equipment fault， but also improve the reliability. At the same time， it can save cost and improve work efficiency.

Keywords： big data analysis； maintenance mode； ATC equipment； condition evaluation

引言

近年来，在我国各行各业中兴起了大数据热潮。数字化信息的产生越来越多，变化也越来越快，我们每天都在产生数据，创造大数据和使用大数据。在国家大数据与“互联网+”战略下，大数据、移动互联网、物联网、云计算等新兴技术正在快速增长与发展，大数据时代已经正式到来[1]。大数据在社会生活和经济各行业中发挥着重要的作用，它既可以是基础性的资源也可以作为工具加以利用。在不知不觉中，大数据已经改变了人们的生活、工作以及思考的方式。

民航空管设备的巡检管理模式，也在大数据的浪潮下悄然发生改变。设备运行的可靠性和安全性是空管设备维护的首要目标。传统的空管设备管理模式是计划性维护、预防性维护和故障维护。这些模式存在诸多不足，在行业不断壮大，设备不断增多背景下，计划性巡检必然会消耗大量的人力物力，某种程度上具有一定的盲目性，降低生产效率；过度的预防性维护则需经常停机检查影响安全保障外，还会造成设备模块的频繁拆装，反而会产生新的设备隐患；故障维护属于事后维护，表明发生了的设备故障，已对安全生产造成既定影响，整个设备维护将处于被动。基于此，设备维护部门提出将工作理念“到期必修，修必修好”改为“该修必修，修必修好”，于是对状态检修技术的探讨和运用日益受到关注。

1 状态检修的优势

状态检修是预知性检修，是以设备状态为基础，以预测设备状态发展趋势为依据的检修方式[2]。它能有效地避免故障检修和周期性定期检修带来的弊端，是较为理想的检修方式，也是今后设备检修模式发展的趋势[3]。状态检修前，通过利用已有的设备状态信息和历史数据，进行多方位多角度分析，最大限度地把握设备状态，依此制定合理的检修维护策略。基于状态的检修既能将故障消灭在萌芽状态，提高设备运行的可靠性，又能减少定期检修中不必要的检修作业，提高工作效率。

实现状态检修的关键，是准确评估设备当前的运行状态。传统的方法为基于导则和打分制或基于有限数据的专家诊断系统[4]。面对日益增多的设备维护和监控数据，大数据分析技术则为空管设备状态评估开辟了一条全新的路线，并对现有设备状态监测参数提出了更高的要求。该方法引入了数理统计、模式识别等方面的理论和工具，在大规模数据分析的基础上，重点挖掘不确定模型条件下被分析因素之间的关联性。

2 基于大数据的设备状态评估模式

基于大数据的设备状态评估模式主要包括四个关键步骤，分别是原始设备数据收集、设备数据预处理、设备数据挖掘分析、决策知识应用[5]，如图1所示。

（1）原始的设备数据。这包括设备的日常运行数据、维护数据和监控数据，以及故障记录、维修记录和设备所处环境的温度、湿度、降水等外部数据，为设备积累海量的日志信息。

（2）设备数据预处理。设备原始数据存在很多噪声信息，具有一定程度的混杂性与不真实性。在分析挖掘前对数据进行预处理，能有效地提取高质量数据，并将不同设备的数据进行一致化操作，约简数据中的稀疏属性，提高数据挖掘的准确性。

（3）设备数据挖掘分析。常用的大数据挖掘技术，主要有聚类、关联、遗传算法、支持向量机等算法。基于大数据的设备评估方法就是利用这些算法对设备良好状态下的大量历史数据进行挖掘分析，得到对应于设备在不同操作模式下正常运行的各种参数指标值，并对基于各种故障与缺陷状态下的全景历史数据进行深度的关联分析，得到设备各种数据与设备不同健康状态之间的对应关系，以评估设备的当前运行状态。

（4）决策知识应用。获取设备当前运行状态后，就可以提出基于该设备运行状态的相应决策。常见的设备状态分类有故障、隐患、正常，如设备存在故障，则就及时停机检修；如發现设备存在安全隐患，则应尽快安排巡检，以排除隐患，避免设备往恶化方向发展；如设备状态正常，则可合理地推迟巡检，以减少不必要的作业，提高效率。

3 基于大数据的设备状态评估应用前景

随着空管设备的日益增多以及相应监测设备的大量使用，空管设备数据海量化的趋势将越来越明显。面对如此海量的数据，大数据分析技术成为了空管设备状态评估的关键点，为深层次分析数据间逻辑关系从而得到更高价值的状态评估提供了可能。

美国纽约爱迪生电力公司对高危井盖的分析处理是设备状态大数据挖掘分析是典型案例。该公司通过分析每年多起电费井盖爆炸造成的严重事故，采取大数据分析手段统计出106种预警先兆，预测2009年可能出事的井盖并严加监控。结果位列前10%的高危井盖中，预测准确率达44%[6]。

目前，在国内民航空管行业中，尚未有大数据挖掘分析在空管设备状态评估领域的具体应用，但有理由相信，随着空管设备状态信息的爆炸式增长，通过大数据分析技术实现空管设备状态精细化评估是未来必然的发展趋势，而基于状态的检修模式则是大数据状态评估技术的一个典型应用。

4 结束语

本文提出了基于状态的设备检修模式，分析其相对传统检修模式的优势，并着重介绍了利用大数据分析技术对设备当前状态进行深层次高质量评估的方法与步骤，在传统的民航空管设备管理领域里注入新兴概念。

参考文献：

[1]卢薇薇.浅谈“大数据”在民用航空领域的应用[J].科技与创新，2017（10）：121.

[2]韩晓霞，李莉，马海燕，等.关于电力设备状态检修技术的研究[J].青海电力，2006（3）：13-16.

[3]李慧敏，任敏哲，安永成.电气设备状态检修的探讨[J].西北电力技术，2006（1）：37-39.

[4]黄建华，全零三.变电站高压电气设备状态检修的现状及其发展[J].电力系统自动化，2001，25（16）：56-61.

[5]周开伦.设备的大数据管理模式[J].中国设备工程，2017（04）：28-29.