設備監測在汽車發動機制造領域中的策略研究及應用

李衛軍

摘要：隨著智能化、自動化、信息化的工業4.0時代到來，現代工業生產的規模日益擴大，汽車發動機制造過程中所用設備的精密化、自動化和復雜化程度變得越來越高，加之工業物聯網的興起，加速了智能制造領域數控設備更新換代的步伐，這些先進數控設備在大大提高生產效率、保障了產品質量、節省人工成本的同時，也帶來了較昂貴的維護和設備保障成本。本文通過持續開展的設備技術狀態監測，建立監測數據庫模型，精準預測設備故障，按期開展預測性維護，降低了設備故障率，保障生產順利進行，既降低維護成本和備件庫存占用資金，又提高企業綜合競爭實力。

關鍵詞：智能制造;設備技術狀態監測;降低維護成本

中圖分類號：U464.05? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）11-0141-02

0? 引言

據不完全統計，設備故障帶來的停機損失和維修費用已占產品制造成本的20～40%。因此，如何在設備發生故障前及時準確地預測設備故障，并在此基礎上制定有效的預測性維護策略以避免設備突發故障，成為了企業亟待解決的問題。

本文以C公司發動機生產線智能制造設備研究對象，提出基于設備技術狀態監測，制定預防性維護方案，預測零部件使用壽命，編制下發預測性維修計劃，開展預測性維護，提升預測性維護水平，摸清設備故障規律，弄清備件使用周期，科學備件，根據公司自身的生產情況主動錯峰適時開展預測性維護，減少設備故障對生產影響的停機損失，把事前的被動維修向主動維修、維護的轉變。

1? 設備監測概述

預測性維護指的是利用設備運行的狀態信息、環境信息等各種數據，主要基于數據理論統計模型的建立，對故障點進行預測，也包括對重要零部件使用壽命周期進行預測。預測性維護的重要意義在于避免過度維修，也不少修，摸清重要備件使用周期，科學備件，提高企業資金周轉率，降低生產線設備故障率，提高單位小時產出，多做合格產品，降低單件的制造成本，從而達到既節約設備維護成本，又為公司創造更大的經濟效益的目的。

預測性維護的實施步驟前提條件既要有一定的數據積累，又要有公司相關制度的支持。數據積累包括兩個方面：數據的種類和數量。在種類方面，至少要有兩類數據才能夠進行預測性監測數據庫的建立，即故障數據以及設備正常狀態運行的數據。在建立和使用預測性監測數據庫的過程中，前者是數據庫的積累和輸出，后者是數據庫的輸入。在數據量方面，當然是越多越好。并且，我們能夠確定的是，某些數據是需要盡可能多的數據。設備預測性維護同時需要企業的大力支持，因為預測性維修、維護在較短時間內主要以監測和采集數據、建立數據模型為主，同時預測性維護和預防性維護又在交替進行，短時間內預測性維護效果不明顯，所以必須得到公司的大力支持。

針對以上兩個問題，監測人員要克服最大的困難一是設備正常狀態數據的缺乏;二是監測工具（設備）和手段的缺乏;三是大部分需停機監測和采集數據，給車間生產組織帶來不便，同時制約著設備監測的有效開展;四是監測到的部分數據無對比性，分析判斷設備隱形故障準確性不高。針對以上困難，C公司組建了專業的設備監測團隊，并引入了全新的預測性維護理念，以設備巡檢、專檢為常態化監測模式，利用現有的球桿儀、激光干涉儀、熱成像儀、振動儀、主軸拉力計等監測工具開展了定期專業的設備監測，建立監測數據模型。同時把預測性維護計劃從預測、分析、處理、維護形成一個有效的監測維護閉環，保障生產線設備監測和預測到位、維護到位，從而保障了智能設備的正常運行。

2? 設備監測在C公司汽車發動機制造領域中的應用現狀

C公司的設備監測已有一些監測方法和經驗，并摸索出適合于自己的一套監測方法，不斷提高設備故障監測準確性，完善預測性維護體系。

2020年以來，C公司生產任務重，設備的穩定運行是保障生產任務完成的重要基石，期間設備監測工作發揮了較大作用，避免了加工中心主軸拉力為0KN設備故障擴大化，避免了刀具突然飛出造成的安全事故發生。

現將C公司NBH170加工中心一些常規的監測方法歸納如下：

①主軸拉刀力監測方法。該加工中心的主軸拉刀力標準45±10%kN，若用拉力計監測值在32-38kN就意味著這主軸拉刀力有減弱趨勢，就需要對該主軸蝶形彈簧進行更換預測性維修。

②主軸樣棒精度監測方法?？梢员O測加工中心的主軸跳動和竄動，也同時可以監測Z軸對主軸的平行度和直線度。前者主要判斷主軸軸承的磨損異常情況，后者主要判斷Z軸線性導軌及滑塊的磨損及異常情況。

③球桿儀監測方法。在無需拆除夾具情況下，借助球桿儀監測設備，開展XY、YZ、ZX三個平面的垂直度、圓度、反向間隙和橫向間隙監測，監測后需進一步分析超差的原因，列為預測性維修計劃解決，避免了加工質量問題發生。

④激光干涉儀監測補償X、Y、Z軸重復精度和定位精度。激光監測完成后（保存測量數據），利用測量軟件的相應功能，對所測量的結果進行分析，若測量不合格繪制補償表，輸入補償值、再次檢測，直至合格。

⑤在線伺服電機溫度監測法。利用西門子840D內有伺服電機溫度監測功能，當電機溫度升超過50℃就報警，就需要進一步檢查電機溫升原因。

⑥在線振動檢測方法。利用專用傳感儀在線采集主軸、電機振動數據，適時分析數據，形成在線監測預警，及時發現振動異常，避免振動點故障擴大，有效遏制各種振動故障的頻繁發生。

3? 設備監測在C公司汽車發動機制造領域中的應用改進策略

有效利用設備監測前期的數據，尤其是故障監測數據，并在今后的預測性維護工作中發揮數據庫的作用，所以必須建立數據分析模型。

3.1 關鍵設備在線振動監測數據建模

加工中心在線振動監測數據建模;機器人在線振動監測數據建模;試車檢驗臺架在線振動監測數據建模。

3.2 加工中心夾具精度監測建模

840D/SL系統加工中心夾具精度監測建模。利用雷尼紹測頭技術自動檢測加工前夾具定位面和定位銷的精度情況（或自動檢測加工工件關鍵尺寸），適時在線監測精度，有變差立即停機預警，避免加工質量問題的發生。

3.3 維修備件平均使用壽命在運維管理中建模

設備預測性維護中更換備件在智能運維系統中記錄更換數據，對浪潮ERP和設備運維系統的接口集成，通過系統規范維修記錄的填寫和備品備件的領用數據建模。

3.4 設備監測數據在公司維修人員內部共享

前期監測到的加工中心數據（主軸拉力、球桿儀、激光干涉儀、主軸樣棒監測、震動數據、溫度等數據）分類上傳運維管理系統的監測板塊中，供區域設備維修人員查詢使用。

3.5 設備監測降成本

設備監測最終目的是提前預測、預判將要發生故障時會對設備造成停機損失，減少維修成本。做到提前備件，開展計劃性的預測性維護，把生產停機損失降到最低，做到提前合理分配維修資源，避免人力和物力的浪費，具體的計算統計公式為：設備監測和故障診斷投資效率=（每年監測而節省的維修費用和停機損失-每年的監測費用）÷每年的監測費用。

通過計算，設備監測每年為C公司節約500萬元維護成本。

3.6 學習創新，引入新的監測方法，不斷完善監測體系

智能制造的數控設備規格、參數、運行的狀態千差萬別，往往出現的故障也是多種多樣，采用的監測方法也各不相同。在眾多的監測方法中，比較常用的監測方法有振動監測方法、無損監測技術、溫度監測方法和鐵譜分析方法等。近幾年來，模糊診斷、故障樹分析、專家系統、人工神經網絡等新的監測技術方法不斷出現，具體為：

3.6.1 故障樹監測方法

研究監測系統中最不希望發生的故障狀態（結果）出發，按照一定的邏輯關系從總體到部件一層層的逐級細化，推理分析故障形成的原因，最終確定故障發生的最初基本原因、影響程度和發生概率，但其缺點是受主觀因素影響大，診斷結果嚴重依賴于故障樹信息的正確性和完整性，不能診斷不可預知的故障。

3.6.2 故障監測專家系統

一種基于知識的人工監測系統，是利用大量人類專家的知識和推理方法求解復雜實際問題的人工智能程序。在采用先進傳感技術與信號處理技術的基礎上研制開發的故障監測專家系統，將現代科學的優勢同智能制造領域專家豐富經驗與思維方式的優勢結合起來，已成為故障監測技術發展的主要方向。

3.6.3 基于模糊數學的故障監測方法

通過某些癥狀的隸屬度和模糊關系矩陣來求出各種故障原因的隸屬度，以表征各種故障的傾向性，從而可以減少許多不確定因素給監測診斷工作帶來的困難。

3.6.4 基于神經網絡的故障監測方法

神經網絡是一種信息處理系統，是為模仿人腦工作方式而設計的，它帶有大量按一定方式連接的和并行分布的處理器。由工程機械各個系統的信息提取故障特征，通過學習訓練樣本來確定故障判決規則，從而進行故障監測診斷。

3.6.5 支持向量機的故障監測方法

典型故障數據樣本較少是制約故障智能診斷技術發展的主要原因之一，其目標是得到現有信息下的最優解而不僅僅是樣本數趨于無窮大時的最優解，這一點特別適合于故障監測這種小樣本情況的實際問題解決。

4? 結語

總之，設備技術狀態監測是一門正在不斷完善和發展的技術，已經有不少行業在開展，形成一些行之有效的方法，但也離不開最簡單的、最原始的用人的感官來診斷分析，我們在制造領域稱為設備點巡檢。通過開展全員維護、點巡檢模式，設備監測才不會留有死角，才能時刻掌握設備的運行狀態;通過完善維修資料后歸入《設備典型故障維修手冊》中進行管理，定期發布更新，督促各維修人員學習、掌握典型故障維修處理方式，推進故障處理標準化;通過規范《點巡檢、專檢》標準化，推進《設備監測》標準化、《設備監測管理制度》標準化，讓設備監測工作有預留時間來開展;通過建立數據分析模型，推廣運用設備運維智能管理平臺、監測設備和工具分析平臺，開展全方位的技術狀態監測管理，才能適應高速發展的智能制造多元化需求，才能滿足設備監測在C公司汽車發動機智能制造中應用，才能達到設備監測最終目的是降低設備故障率，降低設備維護成本，降低備品備件庫存資金，為科學提供備件采購提供依據，加強備品備件管理，形成ABC類備件管理模式，減少外委維修費用，開展自主維修，降低管理費用，努力達到公司內維修成本最低、備品備件資金占用較小的目標，同時保證設備維護到位，保障設備穩定運行的同時不斷尋求設備監測、維護成本降低的方法，提高智能制造企業內部核心競爭力，為公司高速發展形成有效助力。

參考文獻：

[1]李凌.發動機機械加工設備狀態監測策略研究[D].北京：上海交通大學，2007.

[2]陳進.機械設備振動監測及故障診斷[M].上海：上海交通大學出版社，1999.

[3]文威.設備狀態監測與故障診斷[M].重慶：重慶大學出版社，2013.