构建智能设备管理体系降低设备故障率

摘 要：根据宣钢二钢轧厂设备运行情况， 针对管理过程中的问题，介绍了宣钢二钢轧厂构建智能设备管理体系，降低设备故障率的背景、主要做法和效果等，实施后设备故障率降低为1.44‰，系统实施后取得了良好的经济和社会效益，综合创效200多万元。

关键词：设备故障率；PM智能点检；在线故障检测诊断；定修模型

DOI：10.16640/j.cnki.37-1222/t.2019.12.141

0 前言

宣钢二钢轧厂管理2座150T转炉，二条高速线材生产线、二条高强度棒材生产线，设备数量庞大，而且品种规格越来越复杂，并向大型化、自动化方向发展，但高技术人才相对匮乏，曾多次发生大型设备如吐丝机、ID风机故障引发的生产停顿事故，事故发生后后续抢修时间较长。目前企业内现行的设备管理策略主要为事后维修与预防维修，企业对装备进行运维决策时，目前主要依赖流程和經验，缺乏有效的数据作为支撑。比如对于轴承、齿轮、联轴器、润滑油等部件的最佳检维护时机的把握，都是根据过往经验加以总结得出，无法避免装备故障的发生，特别是突发性故障的发生，轻者影响生产运行，造成维修成本浪费；重者甚至会导致重大事故的发生，因此事后维修与预防维修两种模式均无法满足现代设备的运行维护需求。

通过构建智能设备管理体系，二钢轧厂取得了较好的效果，实现了设备管理的智能化、大大提升了设备管理能力，达到了预知检修的目的，设备故障率大大下降，设备故障率为1.44‰，大大低于目标值，同时也培养了一批设备诊断[1]专家，在核心岗位上发挥了重要的作用。同时项目实施过程中，智能设备管理体系为企业带来了显著的财务收益，实现项目管理200多万元。

1 应用背景

目前随着二钢轧厂设备数量增多，品种规格日益繁杂，并向大型化、自动化方向发展，但高技术人才相对匮乏，设备后期检查缺乏有效的手段，非正常停机或损坏造成的损失很大，对设备管理工作造成极大的挑战。目前企业内现行的设备管理策略主要为事后维修与预防维修，企业对装备进行运维决策时，目前主要依赖流程和经验，缺乏有效的数据作为支撑。

随着当前“两化融合”或“工业4.0”[2]的不断推进，设备状态数据的监测获取是通过传感设备自动采集、自动传输、自动存储的“三自”模式加以实现，数据可以真实地、全天候的反应装备状态。实现的是一种“数据流”触发“工作流”的新型管理模式，二钢轧厂智能设备管理体系得以建立。

2 总体思路

二钢轧厂智能设备管理系统主要由二部分组成，一为PM智能设备管理系统，通过搭建基于PDCA循环工作模式的设备点检管理系统，建立一套规范的设备管理体系，对生产设备的关键设备点运行的状态数据进行综合分析，确定那些设备部件需要维护，以及什么时候该检修。二为重点设备在线故障检测诊断系统，通过安装在装备上的传感网络设备，针对设备不同的结构类型和工作状态，通过有线或无线等方式不间断的获取装备在运行状态下的振动、温度信号，按照系统既定的采集和报警策略，自动采集设备实时数据，异常数据自动触发异常报警机制，实现装备运行健康状态的实时控制。对于异常报警装备的处理，专业的数据分析人员或远程诊断专家利用专门的数据分析平台，对振动、温度信号进行详细分析，结合设备结构特点、参数、历史运行维护信息，准确判断设备故障部位、原因，确定故障根源，达到装备预测维修并滚动预测故障部件寿命，避免企业安全事故的发生。

3 实施方案

3.1 构建智能设备管理体系必要性分析

3.1.1 构建智能设备管理体系是当前设备管理的需要

钢铁企业内设备尤其是关键设备，一旦意外停机，将对产生的生产造成严重影响，甚至是整条产线停产。企业点巡检人员通过离线仪器进行数据采集，数据的准确性、时效性以及设备管理执行的深度成为制约企业管理提升的要素。控制系统和管理信息系统对于设备机械故障的监控的不足，以及在线监测系统服务商技术支持的欠缺，导致既有系统价值难以发挥，同样成为困扰企业设备管理的痛点。

3.1.2 构建智能设备管理体系是当前生产模式的需要

随着宣钢公司进一步响应国家号召进一步压减产能，转炉与高炉产量匹配为刚性连接，一旦出现严重故障将直接影响高炉生产，造成整条生产线停产。因此设备是否正常稳定运行是制约宣钢生产的主要因素。目前企业内现行的设备管理策略主要为事后维修与预防维修，故构建智能设备管理体系，降低设备故障率是当前生产模式的需要。

3.1.3 构建智能设备管理体系是信息化、智能化的需要

企业内部现行的信息化管理模式是一种“传统的信息化”处理手段，实质是对“经过人为加工的历史档案数据”、“过往记录数据”等的进行的计算机系统再整理，仍然是一种对于静态数据的依赖，关注的重点在于工作流程。

智慧装备运营是通过安装在装备上的传感网络设备，针对设备不同的结构类型和工作状态，通过有线或无线等方式不间断的获取装备在运行状态下的振动、温度信号，按照系统既定的采集和报警策略，自动采集设备实时数据，异常数据自动触发异常报警机制，实现装备运行健康状态的实时控制。

3.2 构建智能设备管理体系的主要内涵

二钢轧厂智能设备管理系统主要由二部分组成，一为PM智能设备管理系统，通过搭建基于PDCA循环工作模式的设备点检管理系统，建立一套规范的设备管理体系，对生产设备的关键设备点运行的状态数据进行综合分析，确定那些设备部件需要维护，以及什么时候该检修。二为重点设备在线故障检测诊断系统，异常报警装备的处理，专业的数据分析人员或远程诊断专家利用专门的数据分析平台，对振动、温度信号进行详细分析，准确判断设备故障部位、原因，确定故障根源，达到装备预测维修并滚动预测故障部件寿命，避免企业安全事故的发生。

3.3 构建智能设备管理体系的主要作法

3.3.1 完善制度管理体系

二钢轧厂原有设备管理体系完备，设备运行正常，但发展速度受到限制、后继乏力，急切需要引入新的方法和理念进行流程重组和观念更新、提升企业的竞争力和执行力、保证企业的持续增长时，随着宣钢信息化智能化建设的不断深入原有管理系统已经不適应当前新形势下管理。因此急需对原有管理体系进行完善。

3.3.2 建立点检架构管理体系

点检的执行层是位于设备管理体系的最底层；执行者是点检员。点检人员是设备维修的责任者、组织者和管理者。设备运行状态信息全部来自于点检员的工作，该层工作完成的好坏直接关系到设备点检管理制度推行是否成功。点检管理层分为两级。

3.3.3 完善量化点检标准

设备点检标准的制定包括点检的内容、判断标准、种类、周期、方法的制定。科学的确定设备的维护点的数量、以及点检标准不仅设备能够得到合理的点修，人员和资源还能合理的分配。有计划的对每个维护点进行点检可以及时发现故障。

3.3.4 开展单点课活动

通过开展单点课活动，推行每周一课培训活动，提升点检员点检素质。累计完成单点课教程43项，培训人员达到423人次，有效地提高了全体职工的专业点检技能。

3.4 构建重点设备在线故障诊断

智能监控系统通过在拟监测机组振动明显部位安装有线传感器进行设备运行数据的实时采集，同时通过在线监测系统整合已有监测系统数据，并根据机组的运行特性配置针对性的数据采集策略，并实现异常状态的自动推送短信和移动APP报警推送。图1是远程诊断系统构架图示。

同步远程诊断工程师对数据进行精密分析，出具设备诊断结论以及检维修建议，并提交诊断报告，从而为现场提供针对性的检修指导建议。在线监测系统实时受控的重点在于，当出现振动或温度异常时，触发报警状态下数据采集策略，同时系统自动进行短信和邮件报警提醒，提供检维护建议和检修指导，实现预测维修。

智能监测与故障诊断系统采用分布式架构，可支持多类型、多批次机组的在线监测，项目现场实施方便，并为企业未来扩展的设备监测需求预留冗余，降低资金的重复投入。供现场人员通过 MOS3000 在线监测系统查看设备运行状态和分析判断故障[3]。现场应用服务器还可以通过 Internet 实时将数据传送至容知远程诊断中心数据备份服务器内。通过以上过程保证了数据的安全传输和备份。

3.5 现场状态监测系统MOS3000

MOS3000状态监测系统，可满足现场设备管理与运行维护人员的设备监测与故障分析需求，通过该模块提供的分析工具，可判断机组的工作状态，定位故障部位、故障原因以及故障劣化的模式。设备运行趋势、时域波形、频谱、多时域、多频谱、多趋势、长波形、瀑布图、转速波形、倒频谱、包络解调谱等。图2是部分分析工具图示。

3.6 完善定修模型

利用智能点检设备及时发现设备隐患，并通过系统报警体现在点检系统中，方便厂内主管人员及车间主管人员及时安排检修。基于智能监测与远程诊断系统，每月定期为所有纳入监测装备进行综合健康状态评估，定位故障部位、分析故障根因并对故障装备严重程度进行科学判断，并根据设备历史大数据，科学预测设备使用寿命[4]，通过定制化开发的智能服务APP，实时推送所有纳入在线监测的状态，方便现场设备管理人员随时掌控设备状态。

4 实施效果

构建智能设备管理体系，做到了思路更加清晰，目标更加明确，智能设备管理体系取得了较好的效果，PM点检漏检率实现零漏检、隐患发现率显著提升。

通过系统的继续完善，点检的基本指标漏检率实现零漏检，到位率也达到99%以上，提升了点检员的整体素质，圆满完成了点检任务，未发生因点检不到位造成的设备事故。

关键设备在线故障检测诊断系统实现提前预判，在线检测诊断系统投用后取得效果明显。对故障及时处理，避免了设备故障扩大化，综合创效200多万元。

5 结论

二钢轧厂通过构建智能设备管理体系，基本上实现了提前预知设备故障，监控故障劣化趋势，滚动预测设备运行寿命，将临时、非计划检修转变成计划性维修，减少非计划停机时间。设备检修之后，通过实时在线监测系统，诊断专家可对现场或检修质量进行独立评估，确保设备检修质量可靠。

参考文献：

[1]刘华一等.基于语义网的机床故障诊断知识扩展方法[J].计算机集成制造系统.

[2]郭晨等.互连网络的故障诊断研究综述[J].计算机科学与探索， 2018（10）.

[3]林增钦.旋转机械故障诊断技术在炼钢设备的应用[J].设备管理与维修，2019（04）.

[4]齐继阳等.基于故障率与故障症的设备故障诊断方法[J].机械设计与研究，2018（03）.

作者简介：张帅（1986-），男，河北万全人，本科，自动化工程师，从事电气自动化设备管理工作。