摘 要：随着制造业的不断发展和壮大，对制造设备融入新型技术的要求越来越高，传统制造业的运行模式已经不能满足工业智能化的需求。通过总结分析现有数据挖掘技术在设备维护的应用，对于该技术广泛应用的阶段，将优化算法流程和速度、使之适应实际生产过程作为研究重点，以求将不同阶段发现的知识进行共享，达到互相利用、辅助决策的作用。
关键词：数据挖掘；设备全生命周期；制造服务；故障诊断
DOI：10.16640/j.cnki.37-1222/t.2016.02.084
1 引言
制造业对于一个国家现代化建设具有不可替代的重要地位和作用，直接体现了国家的生产力水平，是区别发展中国家和发达国家的重要因素。我国是制造业大国，在新一轮国际产业结构调整中，我国正逐步成为全球最重要的制造业基地之一。但是随着工业的发展及制造企业规模的扩大，设备的复杂程度越来越高，对生产的影响也越来越大，设备在企业中的作用及地位日益突出，迫切的需要将信息化、智能化的科学技术与传统制造设备相结合，探索一种能够贯穿设备周期始末的现代化技术，以提高制造业各个环节的工作效率，增强各部门之间的联系，从而适应现代化发展的需要。
生命周期源于自然生态系统，被人们引用于其他研究领域，用以描述其他对象的某些类似于自然生态系统的生命曲线特征。维护维修阶段包含预防性维护维修、设备状态监测和故障诊断等过程，目的是针对设备可能出现的故障问题进行事先的监测和维护处理，尽量防止故障的发生。数据挖掘技术可用于对企业监测数据进行分析找出偏离正常值的参数点，也可通过算法发现隐含的故障规律提前预警。
2 设备状态监测与故障诊断
设备状态监测与故障诊断是以监测设备的状态参数和分析设备的历史运行数据的方式，在故障发生之前发现设备的异常情况，并分析其故障原因，起到预测预警的作用。数据挖掘技术中的关联规则挖掘方法是目前设备故障监测诊断、预防性维护维修领域的研究热点，通过对设备运行数据进行分析，挖掘其中隐含的故障判定规则，为故障诊断提供决策依据。然而关联规则算法的前提是各项目的分布均匀且重要性相同，但在设备实际运行过程中，由于故障因素贡献度不同或设备故障随运行时间增加磨损程度不同等原因，不能满足关联规则的条件，所以引发了对于加权关联规则和变权关联规则等方面的研究。还有部分研究采用了数学方法得到设备的寿命分布，用于预测剩余寿命。
文献[1]在关联规则中Apriori算法的基础上进行改进，利用多重最小支持度解决了设备故障诊断中非频繁项目的挖掘；同时针对在实际的应用中项目集的重要程度不一致的问题，提出一种基于“组件信誉值”的加权多重最小支持度算法。文献[2]针对各组件权值会随时间因磨损发生变化的情况，提出了一种适用于设备故障诊断的变权关联规则算法，将随时间而变化的设备组件磨损程度因素作为衡量组件权重值的一项重要指标，以提高设备故障诊断的准确率，并用具体的实例分析来说明运用变权关联规则对设备故障诊断更加准确。文献[3]将“最小支持期望”和矩阵引入关联规则，提出一种适用于设备故障诊断的基于矩阵的加权关联规则模型——MWARMA模型，并以该模型为基础设计并实现了一套设备故障诊断系统。文献[4]针对如何利用新增数据进行快速诊断的问题，提出了加权关联规则增量更新模型，直接对新增数据进行频繁项集挖掘，在一定程度上缩减了矩阵规模。通过算例证明了其挖掘结果的准确率明显优于经典的增量模型-FUP。文献[5]针对退化分布函数难以估计的复杂系统，研究了剩余寿命预测及预防性维护维修最优决策问题，提出一种基于复杂系统剩余寿命有效预测的预防性维护维修策略。由已知的设备寿命分布函数预测其平均剩余寿命，以平均剩余寿命为阈值制定预防性维护维修策略。但研究过程均以数学模型推导求解的方式进行，未来可以考虑将数据挖掘方法融入寿命预测环节。
3 展望
目前，数据挖掘技术在制造设备全生命周期过程中的应用主要集中在生产制造阶段和维修维护阶段，而在设计阶段和销售使用阶段却少有涉及。文献[6]提出了一种联合眼动和脑电的汽车工业设计用户体验评选方法，使用眼动仪和脑电记录仪采集目标用户在对不同产品设计效果图体验评价过程中的眼动和脑电数据。对原始数据进行处理，并对处理后的眼动数据、脑电数据与主观评价值三者之间的相关性进行了分析。文献[7]考虑到消费者对新产品、再制造产品和二手产品的偏好程度不同，建立了闭环供应链差别定价模型，研究了制造商是否从事再制造和经销商是否经销二手产品的生产决策问题。得出结论为在制造商从事再制造且经销商经销二手产品的情形下，经销商通过将自身的部分利润转移给制造商，可以保证双方均获得更大盈利。其求解过程同样采用数学推导和积分求解的方式，没有运用数据挖掘技术。
参考文献：
[1]刘晶，季海鹏，朱清香.改进多重最小支持度关联规则算法在故障诊断中的应用[J].工业工程，2010，13（04）：108-111.
[2]朱清香，滕丽丽，刘晶.基于变权关联规则的设备故障诊断研究[J].燕山大学学报，2011，35（02）：167-172.
[3]朱清香，焦朋沙，刘晶等.矩阵加权关联规则在故障诊断系统中的应用[J].工业工程，2013，16（02）：87-91.
[4]朱清香，于欣，刘晶等.基于加权关联增量更新模型的设备故障诊断研究[J].燕山大学学报，2014，38（04）：365-370.
[5]石慧，曾建潮.基于寿命预测的预防性维护维修策略[J].计算机集成制造系统，2014，20（05）：1133-1140.
[6]唐帮备，郭钢，王凯等.联合眼动和脑电的汽车工业设计用户体验评选[J].计算机集成制造系统，2015，21（06）：1449-1459.
[7]许茂增，唐飞.考虑消费者偏好的闭环供应链差别定价模型[J]. 计算机集成制造系统，2014，20（04）：945-954.
[8]刘晶，季海鹏，朱清香，于欣.含有隐性故障的复杂设备故障预警方法[J].计算机测量与控制，2014（04）：1030-1032.
数据挖掘在设备维护阶段的应用
- 投稿马力
- 更新时间2016-01-28
- 阅读量1065次
- 评分4
- 赞40
- 踩0