设备监测在汽车发动机制造领域中的策略研究及应用

李卫军

摘要：随着智能化、自动化、信息化的工业4.0时代到来，现代工业生产的规模日益扩大，汽车发动机制造过程中所用设备的精密化、自动化和复杂化程度变得越来越高，加之工业物联网的兴起，加速了智能制造领域数控设备更新换代的步伐，这些先进数控设备在大大提高生产效率、保障了产品质量、节省人工成本的同时，也带来了较昂贵的维护和设备保障成本。本文通过持续开展的设备技术状态监测，建立监测数据库模型，精准预测设备故障，按期开展预测性维护，降低了设备故障率，保障生产顺利进行，既降低维护成本和备件库存占用资金，又提高企业综合竞争实力。

关键词：智能制造;设备技术状态监测;降低维护成本

中图分类号：U464.05                                       文献标识码：A                                文章编号：1674-957X（2021）11-0141-02

0  引言

据不完全统计，设备故障带来的停机损失和维修费用已占产品制造成本的20～40%。因此，如何在设备发生故障前及时准确地预测设备故障，并在此基础上制定有效的预测性维护策略以避免设备突发故障，成为了企业亟待解决的问题。

本文以C公司发动机生产线智能制造设备研究对象，提出基于设备技术状态监测，制定预防性维护方案，预测零部件使用寿命，编制下发预测性维修计划，开展预测性维护，提升预测性维护水平，摸清设备故障规律，弄清备件使用周期，科学备件，根据公司自身的生产情况主动错峰适时开展预测性维护，减少设备故障对生产影响的停机损失，把事前的被动维修向主动维修、维护的转变。

1  设备监测概述

预测性维护指的是利用设备运行的状态信息、环境信息等各种数据，主要基于数据理论统计模型的建立，对故障点进行预测，也包括对重要零部件使用寿命周期进行预测。预測性维护的重要意义在于避免过度维修，也不少修，摸清重要备件使用周期，科学备件，提高企业资金周转率，降低生产线设备故障率，提高单位小时产出，多做合格产品，降低单件的制造成本，从而达到既节约设备维护成本，又为公司创造更大的经济效益的目的。

预测性维护的实施步骤前提条件既要有一定的数据积累，又要有公司相关制度的支持。数据积累包括两个方面：数据的种类和数量。在种类方面，至少要有两类数据才能够进行预测性监测数据库的建立，即故障数据以及设备正常状态运行的数据。在建立和使用预测性监测数据库的过程中，前者是数据库的积累和输出，后者是数据库的输入。在数据量方面，当然是越多越好。并且，我们能够确定的是，某些数据是需要尽可能多的数据。设备预测性维护同时需要企业的大力支持，因为预测性维修、维护在较短时间内主要以监测和采集数据、建立数据模型为主，同时预测性维护和预防性维护又在交替进行，短时间内预测性维护效果不明显，所以必须得到公司的大力支持。

针对以上两个问题，监测人员要克服最大的困难一是设备正常状态数据的缺乏;二是监测工具（设备）和手段的缺乏;三是大部分需停机监测和采集数据，给车间生产组织带来不便，同时制约着设备监测的有效开展;四是监测到的部分数据无对比性，分析判断设备隐形故障准确性不高。针对以上困难，C公司组建了专业的设备监测团队，并引入了全新的预测性维护理念，以设备巡检、专检为常态化监测模式，利用现有的球杆仪、激光干涉仪、热成像仪、振动仪、主轴拉力计等监测工具开展了定期专业的设备监测，建立监测数据模型。同时把预测性维护计划从预测、分析、处理、维护形成一个有效的监测维护闭环，保障生产线设备监测和预测到位、维护到位，从而保障了智能设备的正常运行。

2  设备监测在C公司汽车发动机制造领域中的应用现状

C公司的设备监测已有一些监测方法和经验，并摸索出适合于自己的一套监测方法，不断提高设备故障监测准确性，完善预测性维护体系。

2020年以来，C公司生产任务重，设备的稳定运行是保障生产任务完成的重要基石，期间设备监测工作发挥了较大作用，避免了加工中心主轴拉力为0KN设备故障扩大化，避免了刀具突然飞出造成的安全事故发生。

现将C公司NBH170加工中心一些常规的监测方法归纳如下：

①主轴拉刀力监测方法。该加工中心的主轴拉刀力标准45±10%kN，若用拉力计监测值在32-38kN就意味着这主轴拉刀力有减弱趋势，就需要对该主轴蝶形弹簧进行更换预测性维修。

②主轴样棒精度监测方法。可以监测加工中心的主轴跳动和窜动，也同时可以监测Z轴对主轴的平行度和直线度。前者主要判断主轴轴承的磨损异常情况，后者主要判断Z轴线性导轨及滑块的磨损及异常情况。

③球杆仪监测方法。在无需拆除夹具情况下，借助球杆仪监测设备，开展XY、YZ、ZX三个平面的垂直度、圆度、反向间隙和横向间隙监测，监测后需进一步分析超差的原因，列为预测性维修计划解决，避免了加工质量问题发生。

④激光干涉仪监测补偿X、Y、Z轴重复精度和定位精度。激光监测完成后（保存测量数据），利用测量软件的相应功能，对所测量的结果进行分析，若测量不合格绘制补偿表，输入补偿值、再次检测，直至合格。

⑤在线伺服电机温度监测法。利用西门子840D内有伺服电机温度监测功能，当电机温度升超过50℃就报警，就需要进一步检查电机温升原因。

⑥在线振动检测方法。利用专用传感仪在线采集主轴、电机振动数据，适时分析数据，形成在线监测预警，及时发现振动异常，避免振动点故障扩大，有效遏制各种振动故障的频繁发生。

3  设备监测在C公司汽车发动机制造领域中的应用改进策略

有效利用设备监测前期的数据，尤其是故障监测数据，并在今后的预测性维护工作中发挥数据库的作用，所以必须建立数据分析模型。

3.1 关键设备在线振动监测数据建模

加工中心在线振动监测数据建模;机器人在线振动监测数据建模;试车检验台架在线振动监测数据建模。

3.2 加工中心夹具精度监测建模

840D/SL系统加工中心夹具精度监测建模。利用雷尼绍测头技术自动检测加工前夹具定位面和定位销的精度情况（或自动检测加工工件关键尺寸），适时在线监测精度，有变差立即停机预警，避免加工质量问题的发生。

3.3 维修备件平均使用寿命在运维管理中建模

设备预测性维护中更换备件在智能运维系统中记录更换数据，对浪潮ERP和设备运维系统的接口集成，通过系统规范维修记录的填写和备品备件的领用数据建模。

3.4 设备监测数据在公司维修人员内部共享

前期监测到的加工中心数据（主轴拉力、球杆仪、激光干涉仪、主轴样棒监测、震动数据、温度等数据）分类上传运维管理系統的监测板块中，供区域设备维修人员查询使用。

3.5 设备监测降成本

设备监测最终目的是提前预测、预判将要发生故障时会对设备造成停机损失，减少维修成本。做到提前备件，开展计划性的预测性维护，把生产停机损失降到最低，做到提前合理分配维修资源，避免人力和物力的浪费，具体的计算统计公式为：设备监测和故障诊断投资效率=（每年监测而节省的维修费用和停机损失-每年的监测费用）÷每年的监测费用。

通过计算，设备监测每年为C公司节约500万元维护成本。

3.6 学习创新，引入新的监测方法，不断完善监测体系

智能制造的数控设备规格、参数、运行的状态千差万别，往往出现的故障也是多种多样，采用的监测方法也各不相同。在众多的监测方法中，比较常用的监测方法有振动监测方法、无损监测技术、温度监测方法和铁谱分析方法等。近几年来，模糊诊断、故障树分析、专家系统、人工神经网络等新的监测技术方法不断出现，具体为：

3.6.1 故障树监测方法

研究监测系统中最不希望发生的故障状态（结果）出发，按照一定的逻辑关系从总体到部件一层层的逐级细化，推理分析故障形成的原因，最终确定故障发生的最初基本原因、影响程度和发生概率，但其缺点是受主观因素影响大，诊断结果严重依赖于故障树信息的正确性和完整性，不能诊断不可预知的故障。

3.6.2 故障监测专家系统

一种基于知识的人工监测系统，是利用大量人类专家的知识和推理方法求解复杂实际问题的人工智能程序。在采用先进传感技术与信号处理技术的基础上研制开发的故障监测专家系统，将现代科学的优势同智能制造领域专家丰富经验与思维方式的优势结合起来，已成为故障监测技术发展的主要方向。

3.6.3 基于模糊数学的故障监测方法

通过某些症状的隶属度和模糊关系矩阵来求出各种故障原因的隶属度，以表征各种故障的倾向性，从而可以减少许多不确定因素给监测诊断工作带来的困难。

3.6.4 基于神经网络的故障监测方法

神经网络是一种信息处理系统，是为模仿人脑工作方式而设计的，它带有大量按一定方式连接的和并行分布的处理器。由工程机械各个系统的信息提取故障特征，通过学习训练样本来确定故障判决规则，从而进行故障监测诊断。

3.6.5 支持向量机的故障监测方法

典型故障数据样本较少是制约故障智能诊断技术发展的主要原因之一，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优解，这一点特别适合于故障监测这种小样本情况的实际问题解决。

4  结语

总之，设备技术状态监测是一门正在不断完善和发展的技术，已经有不少行业在开展，形成一些行之有效的方法，但也离不开最简单的、最原始的用人的感官来诊断分析，我们在制造领域称为设备点巡检。通过开展全员维护、点巡检模式，设备监测才不会留有死角，才能时刻掌握设备的运行状态;通过完善维修资料后归入《设备典型故障维修手册》中进行管理，定期发布更新，督促各维修人员学习、掌握典型故障维修处理方式，推进故障处理标准化;通过规范《点巡检、专检》标准化，推进《设备监测》标准化、《设备监测管理制度》标准化，让设备监测工作有预留时间来开展;通过建立数据分析模型，推广运用设备运维智能管理平台、监测设备和工具分析平台，开展全方位的技术状态监测管理，才能适应高速发展的智能制造多元化需求，才能满足设备监测在C公司汽车发动机智能制造中应用，才能达到设备监测最终目的是降低设备故障率，降低设备维护成本，降低备品备件库存资金，为科学提供备件采购提供依据，加强备品备件管理，形成ABC类备件管理模式，减少外委维修费用，开展自主维修，降低管理费用，努力达到公司内维修成本最低、备品备件资金占用较小的目标，同时保证设备维护到位，保障设备稳定运行的同时不断寻求设备监测、维护成本降低的方法，提高智能制造企业内部核心竞争力，为公司高速发展形成有效助力。

参考文献：

[1]李凌.发动机机械加工设备状态监测策略研究[D].北京：上海交通大学，2007.

[2]陈进.机械设备振动监测及故障诊断[M].上海：上海交通大学出版社，1999.

[3]文威.设备状态监测与故障诊断[M].重庆：重庆大学出版社，2013.