何凯，曹华军，李洪丞，陈二恒，朱林全，邢镔*,

基于功率信息的机床稼动率智能监测与评估方法

何凯1，曹华军1，李洪丞2，陈二恒1，朱林全3，邢镔*,3

（1.重庆大学 机械传动国家重点实验室，重庆 400044；2.重庆邮电大学 先进制造工程学院，重庆 400065；3 重庆大数据创新中心有限公司，重庆 400707）

现有基于PLC的稼动率评估存在成本高、通用性差等问题，同时，对于部分无PLC控制器的设备无法进行在线监测与评估。本论文基于设备功率曲线特征提出一种机床稼动率监控与评估方法，在分析常见加工设备功率曲线与运行状态关系的基础上，采用卷积神经网络算法对实时采集的功率曲线信息进行识别与分析，获取设备运行状态和工件信息，从而确定稼动率评估模型参数，实现对稼动率的实时监测与评估。最后，以滚齿、铣削、车削工艺设备为例，验证了该方法的可行性和实用性，对生产过程中的设备管理、生产管理具有重要支持作用。

功率曲线；稼动率；状态识别；在线监测

目前，制造业面临着行业内部竞争激烈、劳动力成本上升等严峻问题，促使制造企业充分挖掘生产设备节能降本的潜力。生产设备作为企业生产的基础，决定了生产制造的基本能力，设备故障、设备利用率低下等普遍问题影响了制造企业的产品品质与生产效率。同时，关键设备由于故障导致的停产，会影响上下游生产的正常进行，降低了企业的经济效益。稼动率（Overall Equipment Efficiency，OEE）作为衡量设备生产效率与产品性能的综合指标，表征了设备的生产能力。……