侯大立， 张 芳

(1.上海应用技术大学 机械工程学院，上海 201418；2.中国石油西气东输管道公司，上海 200122)

随着移动互联网时代的到来，大数据和信息化带来的技术革命极大的推动了维修模式的变革。在此基础上，基于移动端APP的工业控制软件能够通过移动互联网实现多种功能，有可能成为一种新型的工业控制工具，它有助于技术人员及时掌握设备信息，做出科学维修决策[1]。国内外研究人员在这方面也开展了积极的探索，邸鑫鹏等[2]开展了物联网与移动互联技术在城市轨道交通设备维修中的应用讨论；梁戈义[3]开展了移动互联网在汽车维修技术方面的应用探索；HENNIG[4]对工业APP在维修中的应用进行了探讨。由于移动互联网出现较晚，工业领域中应用于维修的成熟产品的研发案例报道较少。

随着国内对天然气需求的不断增长和长输管道的不断建设，作为天然气长输管道重要设施的分输站日益增多。分输站的主要功能是进行计量调压，如果分输站调压撬发生故障则可能导致下游用户断气，后果较为严重。因此，对分输站稳定供气的要求较高，要求分输站设备设施必须长期处于完好运行状态。根据分输站多年的运行经验来看，现有调压撬、计量阀等关键设备的维修主要以传统的定期维修和事后维修为主，缺乏灵活性和适应性，无法消除分输站的运行隐患。

本文以天然气分输站为例，综合运用了云计算、物联网、大数据、人工智能、移动互联网等先进技术，采用了阿里云作为云存储和云计算服务器，针对历史维修数据开展视情维修算法研究，通过开发的APP客户端推送给相关技术人员，实现了技术人员与信息流的双向交互，改变了传统的维修管理模式。

1 维修理论与视情维修算法研究

维修是设备管理的至关重要的环节。维修是对设备进行维护和修理的简称，维护是为了确保设备能够完成其功能所作的一切工作，而修理是为恢复设备期望功能所进行的所有活动[5]。也可以说维修就是为保持设备处于完好工作状态所进行的一切工作。从时间历程上来看，设备的维修主要经历了基于“事件”的事后维修、基于“时间”的定期维修及基于“状态”的视情维修(含预防性维修和预测性维修)3个发展阶段[6]，图1所示为设备维修方式的发展历程。从事后维修到定期维修，再到当前的视情维修是维修发展的必然之路。

图1 维修的发展历程

早期的天然气设备比较简单，维修也相对容易，维修只是作为一种辅助手段，不会在设备正常运行过程中采取主动的维修措施，只有在设备出现故障或异常，不能正常运行的情况下，才会实施修理并进行故障排除，即事后维修方式。这种方式的缺点是难以避免意外停机的情况，经常需要进行抢修，较为被动，目前天然气分输站采用的较多为此类维修方式，具有较大的风险性。

随着设备自动化程度及复杂程度不断提高，因设备意外停机所造成的损失也不断增大，为了降低事后维修的损失和风险，逐渐产生了以“预防为主”的维修观念，通过制定设备维修方案，确定维修时机和内容，在设备运行过程中主动采取维修活动，以预防意外停机发生的几率及故障造成的危害。这种“防患未然，提前计划”的主动维修观念即为计划性维修方式(或称定期维修方式)。计划性维修以时间为依据，可以有计划、有准备地进行维修活动，能够一定程度上避免设备的意外停机及故障危害。但是，计划性维修根据的是一批设备的故障统计规律和使用经验来确定维修周期的，只依据设备的工作时间，而没有考虑当前设备实际的运行状态及设备退化过程的随机性，缺乏针对性，维修过早(过频)，容易使系统零部件过多的更换、修理，造成人力、物力的极大浪费，频繁的拆卸会造成额外的人为损害，降低设备的使用寿命；另一方面，如果维修不及时，又会使设备“带病工作”，引起其他连锁故障，甚至使系统瘫痪，造成严重后果[7]。采用计划维修会不可避免地引起“维修不足”或“维修过剩”导致的潜在风险或额外维修等问题。

近年来以传感器技术为代表的状态监测技术和以计算机为中心的信息处理技术得到了快速的发展，这为设备的状态监控及运行状态的实时处理评估提供了可能。在维修需求牵引及先进技术的推动下，产生了一种通过监控设备的运行状况，再根据实际情况及时处理的维修方式，即视情维修方式。它根据装备的历史故障信息和状态信息,确定维修时间和维修方式,尽可能使装备在故障发生前的时刻进行维修,降低故障发生的概率,减少维修过程的资源浪费[8]。视情维修近年来得到了广泛的应用，国内在这方面已经有一些研究工作,如采用神经网络模型、小波分析等工具,但是这些模型的建立需要大量的试验数据[9]。

视情维修最重要的工作内容之一是确定设备的维修周期，而不是根据固定的运行时间确定维修周期。因此，根据积累设备的大修周期情况开展下一次的周期预测是要解决的核心问题。本项目采用了基于灰色模型的预测方法，取得了良好的效果。

灰色系统是指“部分信息已知，部分信息未知”的“小样本”的不确定系统[10]，以灰色模型(GM)为核心的模型体系，它的建模机理是基于关联空间、光滑离散函数等概念，定义灰导数与灰微分方程，进而用离散数据建立微分方程形式的动态模型[11]。灰色模型相比其他算法对数据没有很强的限制，而且精度更高。灰色模型理论已经成功到工业、农业、经济等众多领域，解决了生产、生活和科学研究的大量实际问题。

灰色模型建模过程如下：

令

x(0)=(x(0)(1),x(0)(2),…,x(0)(n))

(1)

为原始数据序列，

x(1)=(x(1)(1),x(1)(2),…,x(1)(n))

(2)

为x(0)序列的一次累加数据序列，其中

(3)

令z(1)为x(1)的均值序列，

z(1)=(z(1)(2),z(1)(3),z(1)(n)),

z(1)(k)=(1/2)(x(1)(k)+x(1)(k-1))

(4)

得到

x(0)(k)+az(1)(k)=b

(5)

式中：a为发展系数，b为灰作用量。

将原始数据序列x(0)代入x(0)(k)+az(1)(k)=b，得到

称此为灰色GM(1,1)模型，改写矩阵方程为：

(9)

即Y=B·A，由最小二乘法，该矩阵方程的解为：

(10)

将得到的a，b代入灰色GM(1,1)可以得到

(t=0,1,2,…,n-1)

(11)

做累加还原，得到原始数据序列的灰色预测模型为：

(12)

2 移动互联网解决方案

该系统软件架构如下图所示：

图2 智能管理平台软件架构

核心架构为位于云端的智能服务器，包括数据库和云计算功能。客户端为基于Android操作系统的APP和基于苹果IOS系统的APP。主要功能包括人员角色管理、权限管理、登录管理、设备管理、故障代码管理、视情维修计算模块等。

在云端建立设备管理的数据库和故障库，基于维修的大数据通过预测性维修核心算法计算设备的下一个维修周期，在维修日期之前两周自动生成工单，通过手机APP推送给相关人员,变被动为主动,避免事后维修的造成的设备停运问题。系统的硬件组织架构如图所示：

图3 智能管理平台组织架构

3 系统验证

以监控调压阀为例，介绍APP工作界面。监控调压阀的阀门膜片是易损件，其后果会直接影响输气生产。在前期膜片损坏的积累数据上，通过灰色模型计算下次的维修周期，从而提前处理，避免事后维修带来的停输等严重后果。系统开发界面如图4所示。

图4 智能管理平台APP工作界面

技术人员通过APP接收推送的信息，可以清楚的识别该设备的位置、详细信息、更换记录等，便于准备备件，节省作业时间。将被动的事后维修变为主动的视情维修方式，加强了维修的计划性，避免了生产停输的风险，起到了良好的效果。

与原来的维修管理方式相比，现有的维修具有以下几个明显的优点：

(1)具有更强的维修针对性和更好的计划合理性。视情维修也需要安排计划(维修决策)，但其计划的安排是依据设备的实际情况，在设备临近故障前进行维修，既能保证避免故障的发生，又能充分利用设备的有效寿命，有效克服了因“维修不足”或“维修过剩”导致的潜在风险或额外维修等问题。

(2)具有更强的管理灵活性。通过视情维修的决策可以综合考虑备品备件、维修资源等各方面的因素，更加灵活地开展各项维修管理工作。

(3)移动APP推送相比传统的打电话等方式，推送信息更加全面，便于技术人员查看设备信息、备件情况和历史更换记录，提高工作效率，节省作业准备时间。

4 结 语

智能管理系统汇集了云(阿里云)、物(物联网)、大(维修大数据)、智(核心算法)、移(移动互联网APP)五个核心要素，结合先进的视情维修策略，克服传统的打电话或PC传输信息方式的弊端，初步解决了站场设备损坏造成设备停运的被动局面，在维修工作中变被动为主动，该系统还有望对台帐管理、故障统计分析、备件消耗等功能进行进一步扩展。