FRACAS在动力电池系统可靠性管理中的应用

郝 刚

(武汉城市职业学院 机电工程学院 湖北 武汉:430064)

锂离子动力电池系统具有能量密度高,循环寿命长,倍率特性优的特点,可为机电系统提供可靠、持久、清洁的能量载体。然而,锂离子电池的使用和贮存需要加以严苛的管理,保障其在运行、充电、存储、转运过程中的安全性与可靠性。本文引入FRACAS系统,对动力电池系统全寿命周期内的安全性与可靠性的优化管理问题进行了研究。

1 FRACAS系统概要

FRACAS,是“Failure Report Analysis and Corrective Action System” 的缩写,即“故障报告、分析及纠正措施系统”,实际是可靠性问题归零和闭环管理的系统性方法[1]。相比传统离散化、碎片化的故障管理相比,通过FRACAS系统建立的故障闭环管理能够打通全生命周期的故障管理信息孤岛,针对性建立有效的分析体系,提高应对故障处置和关闭的能力,稳健提升产品可靠性。利用FRACAS实现以数据为中心的信息反馈和闭环管理,通过一套规范化的程序,使发生的产品故障能得到及时的报告和纠正,防止故障再现。通过FRACAS系统的部署与应用,使得失效经验数据得以保存,工程经验得以提升,提升产品设计可靠性和工艺可靠性,降低产品失效率,避免安全性事故[2]。

FRACAS系统不仅是一个强大的可靠性软件系统,还是一个质量追踪和管理系统,实施和应用FRACAS技术将为产品安全与可靠性目标、质量目标提供保障。同时,FRACAS系统也能帮助企业提升ERP、PDM、SCM和CRM 的投资价值。通过FRACAS 建立企业问题/故障信息数据库,可以为可靠性设计和分析以及关于维修策略、保障策略和备件策略的制定提供数据支持。

建立FRACAS系统的目的是及时报告产品故障,分析故障原因,制定和实施有效的纠正措施,以防止故障再现,改善其可靠性和维修性。国际标准体系ISO9001《质量管理体系要求》中把纠正和预防措施作为质量体系的20个要素之一。该标准要求企业应有既定的渠道对所掌握的不合格产品信息进行分析,并采取纠正和预防措施来消除不合格产品产生的原因,以防止其再次发生。

2 以FRACAS为核心的可靠性管理系统设计

FRACAS主要针对实际发生的故障信息进行闭环管理,是构建可靠性工程平台的基础。FRACAS系统基于局域网和Web技术,将产品的可靠性数据积存到数据库中,通过完整的闭环管理流程对各种信息进行过滤、统计、分析和计算,同时对可靠度、可用度、失效率、MTBF等进行计算,进行可靠性增长和费用的分析。系统通过数据存储、分析与可视化、问题和故障闭环管理最终展示界面、流程、计算、图形、报表、报警等内容[3],以FRACAS为核心的可靠性管理系统总体架构见图1。

图1 FRACAS为核心的可靠性管理系统总体架构

动力电池系统的设计需要以安全性为核心,注重对故障失效数据的积累。基于目前的安全与可靠性管理与建设现状,使用FRACAS系统开展全面、系统的安全与可靠性管理可以实现对产品的全生命周期可靠性提升与围绕故障信息和闭环管理的统计、分析、预防、决策、预警和管理。

2.1 系统架构设计

在动力电池系统的可靠性管理过程中,可靠性的管理从概念设计阶段开始,导入客户的可靠性指标要求,在设计阶段细化可靠性指标,并对可能产生的故障及失效进行收集,在FRACAS系统下编制DFMEA文件。在工艺阶段对工艺可能导致的故障及失效进行收集,在FRACAS系统下编制PFMEA文件。在测试阶段和产品推向市场后的阶段,从售后的角度统计故障及失效,在FRACAS系统下完成故障频次,危害等级的统计,并形成故障的关闭,形成闭环管理。以FRACAS为核心的动力电池系统设计是可靠性管理中的重要内容,贯穿产品的全寿命周期管理,整体框架如图2所示。

图2 以FRACAS为核心的动力电池系统设计流程

FRACAS的架构设计采用MVC设计模式,设计由采集层、数据层、工具层、管理层和应用层组成,实现从底层数据收集、中间层的数据处理与顶层的决策与管理融合,层层递进。MVC设计模式广泛应用于大规模系统软件的开发中,其通过应用系统按模型、视图和控制器实现分层开发,开发过程中系统代码分工明确,降低应用系统内部不同层之间的耦合关系,每个层的实现都是独立的,不需关心其他层的具体实现,只需关心数据的流动,这样提高了系统的可维护性、可扩展性和可重用性[4]。

故障信息来源广泛,采集层主要针对故障数据的规范化采集、分类和存储;数据层主要是对分类存储的故障信息进行筛查和初步的统计,实现按时间、频次、地域等不同相关因素的数据处理;工具层主要实现以失效模式分析、故障树分析、可靠性评估和预计等基于核心工具算法的分析;管理层主要是通过故障报告、纠正措施等实时故障的闭环管理和经验的积累;应用层则是将积累的故障闭环管理信息经过处理后呈现给设计与制造的参与者,用以指导可靠性提升与持续的改进。

2.2 基于FMEA的故障分析及数据统计系统设计

FMEA(Failure Mode and Effects Analysis)是汽车行业应用较为成熟的故障分析与管理方法,特别是在设计阶段和工艺阶段,稳健的FMEA应用能够全面开展对系统、子系统和零部件级别的失效分析,健全失效模式库。FMEA的应用方法在汽车行业中经历五个版本的迭代与更新,目前形成七步工作法(详见表1),将该项工作的推进系统化和可视化,为全面的质量管理提供理论与数据支撑。

表1 FMEA七步工作法

FMEA的开展能够帮助产品研发和制造过程中潜在失效模式的分析,目前主要采用特定格式的表格形式收集FMEA信息,且结构FMEA、BMS硬件FMEA、BMS软件FMEA分开编写(如图3所示),测试数据和售后数据未能在FMEA中体现,形成数据支撑。因此,零散型的FMEA编写不利于健全失效模式库和产品可靠性增长。FMEA中填充的故障模式多数为历史经验数据或者可推测产生的失效。产品在经历国标相关的验证测试和研发相关的可靠性测试过程中,将暴露出诸多未覆盖的失效模式。这一类失效模式更贴近实际产品和实际工况。

图3 动力电池系统FMEA层次结构图

健全失效模式库从多维角度收集各类失效模式,一方面形成可靠性数据积累,另一方面为后续设计能力提升提供数据支持。利用FMEA更新所建立的涵盖各领域和全过程的多功能小组,开展5W1H模式的问题分析与讨论,从失效模式的发展,失效机理的研究,纠正措施与问题关闭,最终形成文件化的预防措施开展工作。同时,深层次追查技术资料、文件、制度、培训、岗位职责的制定与落实,检查制度的执行情况,实现失效模式的闭环管理。

2.3 数据驱动的FRACAS工作流设计

以建筑机器人锂离子动力电池系统为例,其健康状态符合可靠性浴盆曲线的特点。用户在使用过程中,注重全寿命周期的安全性与可靠性指标。全寿命周期失效数据尤为重要,失效数据一方面可以用来滚动估算产品失效率,另一方面通过全寿命周期的失效数据评判失效属于早期失效还是正常损耗,为产品改进设计和适当的维修策略提供支持。

从建筑机器人锂离子动力电池系统的组成进行分析。在建立全寿命周期失效数据库之前,首先要对动力电池系统进行系统、子系统和零部件的三个层级的划分,其次针对零部件级别的失效管理是全寿命周期失效数据库的核心内容。由于组成动力电池系统的零部件涉及结构件、电气件和锂离子单体电池,逐个开展统计和分析工作量巨大,因此依托失效模式库中对失效数据统计和分析,梳理易损耗和失效后果影响等级高的核心零部件,从而建立全寿命周期失效数据。核心零部件的全寿命周期失效数据库的建立,一方面是建立核心零部件的可靠性与寿命建立相关的模型用以改善和预防失效,另一方面可以用以开展对新材料、新技术、新方法导入对于核心零部件可靠性提升的综合评价。

机器人动力电池系统通常设计具有10-12年的使用寿命,采用磷酸铁锂电池充放电循环次数为5000-6000次循环。全寿命周期内用户端将产生各种类型的失效数据,对其深度利用加以分析,针对性开展可靠性目标管理,以实现可靠性增长的目标。

动力电池系统出现故障时,为了避免故障复现产生较高的售后成本,应该实现对故障信息的收集、统计、分析、改进、验证的故障闭环管理过程。通过FRACAS系统的故障的闭环管理,建立一套标准的针对故障的管理措施(详见图4),在系统人员设置、信息化平台构建、故障报告分析和纠正措施系统方面与FMEA数据库可以进行关联和互通[5]。

针对电池系统,开展故障分级工作,分为重大故障、频发故障、突发故障和普通故障4类。同时规范化故障信息采集工作,建立故障报告、全面识别与评估、故障处置、故障关闭的闭环管理工作流程。

图4 数据驱动的FRACAS工作流设计

3 动力电池系统的FRACAS部署

FRACAS的管理是基于工作流驱动的管理,同时是多个部门协同参与的任务驱动模式的工作流。以发现的故障为工作流设计的起点,故障信息主要来源于测试工程师测试过程中收集的故障和售后服务人员在客户反馈信息中收集的故障信息。故障信息的统计需要以标准化的模板记录特定的信息,以便于开展故障原因分析和持续改进。统计的故障信息通过质量与可靠性管理人员进行初步分析与审核后,判定和决策是进行简易的措施实施故障关闭还是建立多功能小组,针对性地开展长效措施关闭故障。

对于简易的措施实施故障关闭即由质量与可靠性管理人员协同设计、制造人员出具故障关闭方案,消除故障使客户满意。通常这一流程针对偶发性、易处理且安全性影响较低的故障类型。

对于需要开展长效措施关闭的故障,则由质量与可靠性管理人员召集组建多功能小组开展专项的故障关闭管理。由设计、制造人员提出针对性改进措施,并开展可靠性试验验证,最终由多功能小组评定改进的设计或工艺是否对故障关闭有效,最终实现故障的消除。

以故障为中心,以FRACAS为核心工具依托工作流在工作项目内部及项目之间构建与设计系统之间的数据关系,实现流程与设计流程的紧密融合,能够有效识别、消除或减少研制过程中的缺陷,从而缩短研制周期,节约研制和保障成本,提升可靠性安全性水平,更有利于实现故障相关数据的综合利用,减少重复劳动,提高工作效率[6]。

FRACAS部署目的是围绕故障关闭的高效管理,管理过程涵盖设计、制造、测试和售后的产品应用全寿命周期,通过收集可靠性相关的售后数据、开展可靠性模型分析、设计测试验证试验、故障管理,最终形成知识经验和文件化的信息,提高产品的整体可靠性水平。

FRACAS的部署涉及到多个部门,系统运行后的工作流审批也是多部门协同实现。FRACAS的部署主要分为调研、制定建设方案、系统开发与部署、应用培训、系统应用和评价、系统维护与升级共8个步骤完成。

系统部署的目标是在围绕故障数据管理方面建立完善的问题/故障数据库和行之有效的故障管理措施,为可靠性设计与分析及产品的维保、性能提升提供策略和数据的支持;在经验积累与管理方面持续改进产品,提升设计能力;在领导层决策辅助方面,提供有力的数据支持,帮助领导层决策。

4 FRACAS在机器人动力电池系统可靠性管理中的应用

以机器人用动力电池系统为例,FRACAS在可靠性管理中主要以故障信息的统计分析和故障闭环管理的方面开展工作。某型号机器人用动力电池系统容量约10kW·h,运行的环境为无尘车间,采用充电站自动充电的形式充电,主要为举升式AGV提供系统动力源。

在动力电池系统开发的阶段,将动力电池分为硬件和软件两个部分,硬件主要涉及电池系统的电芯、模组、结构件、电气接插件等,软件主要涉及电池管理系统。

FRACAS首先需要建立完善的故障信息库,针对硬件和软件系统的故障进行分类。其次,引入FMEA分析方法,利用FMEA的故障危害等级对分类的故障细化信息库。再次,根据开发、测试、认证和应用过程中故障信息统计,丰富FMEA中的故障频次,实现故障信息的动态化更新。最后,利用FMEA的七步工作法,记录故障诊断与分析及处置过程中的过程信息,对故障进行关闭实现闭环管理。

在机器人用动力电池系统的FRACAS的工作流设计中,概念设计阶段即引入系统级的FMEA开展系统的可靠性分析,将可靠性指标细分至各级子系统[7]。在详细设计阶段,依托概念设计的SFMEA细化成为各子系统的FMEA,并进行故障的分析及分类。在测试阶段,动态更新FMEA数据,并统计故障信息和变更设计。在批量生产之前,完成故障的全关闭并实现闭环管理。

引入FRACAS的方法,部署在机器人动力电池系统的概念设计、详细设计、系统测试和系统应用的全阶段。FRACAS的应用以FMEA为核心,实现故障信息和数据的滚动更新,故障的分析及闭环管理,对各类动力电池系统可靠性管理及提升具有借鉴意义。

5 结束语

在锂离子动力电池系统的设计、制造和运维阶段,引入FRACAS系统,利用“信息反馈,闭环管理,持续改进”的理念,通过规范化的工作流,实现故障的及时统计、分析、纠正和问题关闭。同时,丰富故障模式库和失效数据库,通过持续改进促进产品可靠性提升和设计能力综合提升。

动力电池系统作为典型的复杂机电产品具有重要的研究意义,以FRACAS为核心的动力电池系统在可靠性管理中的应用能够为产品质量提升及优化产品的售后服务提供系统化管理的思路。