浅谈设备管理数据化模型的建立与应用

2024-02-18戚洪轩

中国设备工程 2024年1期

戚洪轩

（山东钢铁集团日照有限公司，山东日照 276805）

1 构建设备管理数据化模型的重要性

企业的最终目的是盈利，盈利的根本是平稳有序的完成企业制订的生产运营目标。对于生产企业而言，设备的稳定顺行是企业平稳有序达成生产运营目标的基石。从企业生产运营管理者角度出发，低成本、高绩效的确保设备经济可靠运行，是对所有设备管理者的最终要求。但既要求不断降低设备管理成本，又要求设备保持稳定可靠，这本身并不符合客观现实规律。无论如何精心维护，设备劣化程度只会随着时间迁移而增长。随着设备功能精度及设备稳定性的劣化，加之原材物料及人工成本的逐年上涨，以及采购备品备件及维修服务的科技附加值不断增加，设备维护成本也必然会逐步提升。在这一过程中，如何以相对经济的成本保障设备状态完全处于可控区间，让经济性与可靠性这两个互相矛盾的要求在一个受管控设备上达到动态平衡统一，是所有设备管理者所追求的最终工作目标。要达到这一目标，就要求设备管理者根据全厂设备对主线生产时间、产品产量、产品质量等因素的影响大小，统筹考虑不同维修方式所产生的维修成本，在综合维修成本最优的前提下，采用最行之有效的维修方式。为达此目的，以预防性维修为主，多种维修方式并存的维修策略，因其灵活机动，维修成本较单一维修方式更优，更加适应当前设备种类功能多元化发展方向，便逐步成为各大生产企业普遍采用的维修策略。而预防性维修的核心则是基于对设备状态信息精准掌控基础上，对设备状态劣化趋势的预知预判。

在当今各类大型企业设备智能信息化监测设备迅猛发展的今天，利用各种设备在线/离线监测设备收集、处理设备信息，再通过智能设备管理系统平台汇总、诊断、分析设备信息，将设备寿命周期中各类影响因素完全数据化，建立设备全寿命周期数据管控模型，通过描绘数据模型肖像，确定设备全寿命周期内的关键管控要素及影响要素，对设备寿命中期，即在线使用阶段的各类要素进行实时监测管控，并根据管控结果优化设备前期、后期管理，实现对设备的全寿命周期的数据化管理，是确保预防性维修顺利有效开展的最有效手段。

受工作性质、工作强度、大中院校毕业生工作选择趋向性，甚至整个社会择业理念等诸多因素影响，经验丰富，技能水平高超的技术人员短缺，是各大生产企业均要面对的现实问题。同时，高库存资金占用的大型事故件储备，技术先进、实力强劲的专业化维修力量资源探寻，优质备品备件供应商名录建立等问题，也是各企业设备管理者所要共同面临的难题。为解决以上问题，打造一个集专业维修力量共享、大型事故件储备共享、优质备品备件采购供应商共享、技术专家共享互助等功能于一身的工业智联共享平台，于同行业内合理调配检修及备品备件相关资源；共享优质设备专业维修服务供应商、备品备件供应商信息；充分发挥有限的高水平技术人员能力，在同行业中实现设备专家共享，是当今世界政治格局演化下未来设备管理的发展方向，也是实现同行业内物联互通，降本增效，资源效率最大化，形成行业国际比较优势的重要手段之一。在这一过程中，充分利用设备数据管控模型，在元宇宙中构建成台套设备，甚至整个产线虚拟模型，共享设备数据信息，方便共享专家对设备问题进行远程诊断、远程技术培训，是整个平台建立的重要基础。

2 设备管理数据化模型的建立方法

设备管理数据化模型建立的首要，便是按照T/CAPE 10001-2017《设备管理体系要求》中的管控环节，根据设备出厂设计参数，结合高技能水平设备工程技术人员的丰富经验，建立数据化模型的基础框架。此框架初步包含设备使用的环境条件、载荷极限、操作规程、各零部件预期寿命、易损件明细、正常功能精度参数、常见故障外在表现数据、设备在线寿命周期分布、各周期参数变化规律、工艺操作影响因素、检修技术标准、备品备件使用记录及供应商信息等基础构成要素。

将基础框架要素作为开展点检维护的依据，在设备在线使用寿命周期内，通过在线/离线设备状态监测、日常工技人员点检维护、专业检测仪器等方式发现设备隐患及异常设备参数变化；对于出现的故障/事故进行透彻的根因分析，切实找出故障/事故发生的最根本原因，明确故障/事故发生的一切要素参数，按照管理制度流程、环境参数变化、产品工艺变化、违规异常操作、备品备件质量、控制系统故障、检修质量控制等进行分门别类，最后，将各类要素参数补充至数据模型中；再依据设备隐患及异常参数，结合故障发生要素参数制定技改、检修计划，在整个检修过程中通过对检修现场实施观察分析，形成依托检修计划的过程数据；最后，根据技改、检修结果，反馈基础要素的准确性，验证模型框架构成要素中的标准数据与实际设备状态变化是否相符合，进而不断优化、完善基础要素，形成管控闭环。

在制定标准-依标准实施作业-验证优化标准的闭环管控过程中，要充分考虑设备在线寿命周期中各参数变化趋势，将设备在线寿命周期也划分为前(初上线磨合期)、中（平稳使用期）、后（因状态劣化导致即将下线期）三个阶段，制定符合每个阶段设备状态特性的设备数据阶段模型。通过不断优化完善模型基准数据，使虚拟模型不断接近实物设备，进一步强化虚拟模型的现实指导意义，使基于模型数据开展的设备状态预知预判更加精准。

3 设备管理数据化模型的应用

（1）故障是设备成本最大的浪费源，设备管理数据化模型的应用，可以大大增加点检准确性，提升设备的预知预控精准度，降低设备故障发生率。现今各大企业设备管理制度基本均采用点检定修制，点检与检修是整个制度的开端与终结。点检是掌握设备运行状态，是检修计划、备品备件更换计划、技改技措计划制定的依据，是业务的开端；而检修则是解决隐患故障问题，是实施备品备件更换、技改技措的载体，是业务的终结。点检形成了设备管理标准数据与设备维修费用计划，而检修则验证了标准数据的准确性，同时也是维修费用计划落实的途径。通过数据化模型的构建与应用，不断地验证优化完善点检维护标准，使标准更加贴合实际，具备强大的业务指导意义，强化设备状态掌控程度，更有针对性的管控设备隐患，依据点检产生的各类计划更加精准，将设备隐患消灭于萌芽，减少设备故障产生的成本浪费。

（2）检修作为点检定修制业务的结果端，其本身便是最大的设备成本集中项，设备管控数据模型建立后，通过不断完善模型构架中的检修模块，可以对降低检修成本形成强有力的数据支撑。检修实施前依据模型中维修技术标准制定详尽的检修实施方案，细致规划检修时间节点、作业点、检修施工力量、工器具准备、安全隐患辨识，明确各节点参检工种、人数、工器具种类及数量、检修安全管控措施、现场施工管控措施等。在检修过程中进行写实分析，查找检修过程中的浪费点，确保检修过程中每个节点均参检人员数量合理，无闲置或短缺人员现象；工器具准备充足，无临场寻找或制作工器具情况；安全隐患辨识全面且完全受控；施工现场整洁有序。最终对比优化维修技术标准及检修实施方案，形成相对固定的检修管理模块，以达到减少检修作业时间、提升检修效率、降低检修安全隐患、优化压减检修人工成本的目的。其相关数据也是维修业务服务商评价最重要的数据依据。

（3）设备管控数据模型对备件管控也提供了坚实的数据基础支撑。依据备件价值及消耗原因将备件库存结构分为三大类，工艺件（随着生产的进行，受高温、磨损等原因必然会不断消耗的备件）、事故件（影响大、高价值、难采购、生产周期长的备件）、日常消耗件（日常定期更换或故障消耗的备件）。其中工艺件消耗随着产量及工艺的变动而变动，但工艺不变的情况下，历史数据统计分析理论上应呈现出吨产品月度消耗处于一个小幅区间内的相对稳定的数值。事故件理论上必然会长期固定占用库存资金份额。日常消耗件可以分为定期维护消耗和故障消耗两类，其中定期维护消耗理论上也属于一个相对稳定值，应与备件寿命挂钩，是备件质量、承诺寿命兑现率的基础数据，是备件供应商评价的重要支撑；而故障消耗受故障及事故影响，数值波动较大。通过收集以上基础数据，加之在数据模型中录入备件供应商、预期寿命、技术参数等信息，并对备件在线状态进行跟踪统计，最终建立以寿命、质量、吨钢消耗曲线、劣化趋势为主要内容的备件管控模块。通过预期寿命与实际寿命对比、备件下线根因分析、备件质量评价、吨钢消耗曲线指标制定、劣化趋势周期测算等方式，建立结构合理、相对稳定的备件库存数据，可以最大限度压缩库存资金占用，降低设备成本。同时，也可以根据模型对备件供应商进行公平合理的评价，是备件新品采购、备件修复业务开展的最重要数据依据。尽可能避免各类供应商评价过程中的人为干扰因素，从选择依据方面最大程度降低纪检监察方面风险。

（4）设备管理数据化模型是行业元宇宙智联共享平台的根基。随着5G 网络新技术的应用、元宇宙概念的兴起，依据数据模型整合现实设备管理系统信息，在元宇宙中搭建虚拟工厂产线，创建模拟管理平台，再通过手机APP 实现设备信息实时掌控，对智能设备、产线实现远程控制、点检维护，提升工作效率，降低劳动强度，降低人工成本，已逐步成为未来设备管理发展方向。