李刚, 王跃, 张国政

(中船重工信息科技有限公司， 江苏 连云港 222000)

0 引言

随着全球经济一体化和国际贸易的高速发展，港口作为物流枢纽中心在国际物流中起着重要作用。而我国港口企业则在世界港口界居于关键地位，从数量上说，我国的港口企业最多。从货物吞吐量上比较，我国集装箱吞吐量总数排名世界首位，但在港口物流业务管理方面，与发达国家相比，还存在较大的差距，如何通过信息化的手段提高港口物流管理水平，实现智能运维，已成为我国港口企业面临的一个重要研究内容。

行业内对运维重视程度开始不断升温，在港口码头运输过程中，调度能够在最短时期内发挥出最佳性能是衡量运维水平和业务水平的关键因素之一。如要做到这一点，其周期运输内的运维更加关键。

目前港口码头的信息化发展较为缓慢，大多数港口物流设备(岸桥、轨道吊、集卡等)未进行状态监测。同时，多部门的物流业务未实现信息共享和信息同步处理,急需有与之匹配的技术手段、管理机制和系统组织方案，实现强大的监视、预警和快速决策分析功能[1-2]。

1 港口运维现状

目前港口运维管理对象数量庞大、种类繁多、分布范围广，主要存在以下几个方面问题。

(1) 运营管理的问题：港口物流设备物理空间大，岸桥设备、水平运输设备、轨道吊设备、闸口设备、监控设备、能耗设备等采集状态及物理环境不同。而业务管理人员需随时掌握各设备的运行情况，并对不同的货物单号进行工作安排，而现有的各港口当地的监控与控制系统显然不能满足要求[4]。

(2) 运行维护的问题：各港口的物流装卸和运输设备数量很多，给维护检修造成一定困难，同时由于无法实时了解设备运行状态，无法对出现的故障进行分析和预测，会造成设备维修周期长及临时转场费用高，延误了业务的运行，从而造成经济损失[5]。

(3) 远程管理的问题：港口地理范围较大，现场管理人员长期驻守现场，部分工作区域环境较差,不具备发挥管理人员的工作效率。需要提供远程运维服务平台，为管理员值守提供基础技术手段同时也具备全局观，提高港口安全稳定的运行[6]。

为了能够解决上述问题，急需建设智能运维服务平台，通过该平台来提高运行维护水平，提升运营效率，进而增加经济效益。

计划通过全域感知及智能远程运维服务平台的建设与应用，实现对港口装卸和运输设备远程集中数据采集、监视、故障预测和运维服务优化，提升企业乃至行业的运维水平，促进现代港口运维管理和服务模式的转变。

2 基于全域感知的港口智能运维设计

基于全域感知的港口智能运维需对全域感知的各类数据进行采集、集成，依托云平台，采用“云计算+终端应用”架构，结合港口物流设备运行状态、寿命、工作载荷、用电量等历史数据[3]，采用深度学习预测算法，达到对港口物流设备故障、运行情况的预警和运维管理，充分发挥港口运维大数据价值，降低设备机组故障率，提高运维效率，建立港口物流运维服务新模式。

2.1 总体设计

港口的智能化运维与信息化程度关联性较高，而运维设计也将基于港口建设现状及分布。

本文的全域感知，将针对港口分布及物流的全业务流程来进行设计，全域感知，即全面覆盖前端的装卸设备、水平运输设备、辅助管理设备、动力运行设备和运营管理设备的信息。

基于全域感知港口智能运维将从数据感知与采集、数据管理与分析和运维服务应用3个层面开展，而面向的主要对象为装卸系统设备和运输系统设备，该运维系统的总体组成如图1所示。

图1 总体组成

(1) 感知与采集系统，包括智能全域感知系统、配套零部件监测系统、CMS系统、SCADA系统、轨道吊、岸桥等设备预测系统和视频监视系统，实现对主要装卸和运输设备、环境和运营管理等数据的采集。

(2) 数据中心，实现采集数据、运维管理数据的集中存储、管理，实现各系统之间数据有效集成与共享，提供大数据分析运行环境。

(3) 运维服务应用中心，提供设备部件预警、故障分析、寿命预测、重大安全报警、能耗分析、动力机组评估、运维服务管理、无人机巡检等系统，提高运维决策水平。

2.2 详细设计

基于全域感知港口智能运维平台，主要以装卸和运输设备为主要监测对象，实现数据采集、设备控制、参数调整、故障预警及诊断、检修维护计划制定以及状态评估等功能。按照功能层次划分，可以将平台分为感知层、数据采集层、网络通信层、大数据分析层和应用层，其结构如图2所示。

图2 系统总体架构

(1) 感知层

主要由分布在装卸设备和运输设备的主要工作部位的传感器、内部的总线通信部分、外部通信部分、无人机巡检系统(主要针对岸桥)、现场监控服务器等组成。通信部分由数据采集模块和实时控制器组成，完成对传感器采集信号的抗干扰滤波和A/D转换。

(2) 数据采集层

主要由部署在港口各业务设备的配套零部件监测系统、CMS信息采集系统、视频监视系统、SCADA系统和状态监测系统组成，现场监控服务器接收上传的数据并存入数据库，数据分析模块对数据进行分析和整理后通过加密虚拟专用网络传输到大数据中心。

(3) 网络通信层

平台的网络通信主要是由两部分构成，一是使用光纤环网连接传感器/控制设备与数据采集系统，二是使用无线通信网络将港口宽阔及无法布线区域设备的数据采集系统与远程的数据中心进行联通。

(4) 大数据分析层

通过私有云数据中心的建设，对整个港口采集的设备状态与运行数据，以及设备运营管理数据(主要物流服务系统)，进行集中存储、综合分析与决策评估。大数据分析层主要由ESB系统、主数据与大数据集成模块、大数据分析服务模块、基础设施等组成。大数据分析用以解决业务层和设备层的优化，对业务层来说，将对管理运营系统中物流管理业务，分析出合理的调度以及配载的优化。而对于设备层来说，将对设备的状态及历史数据进行分析，做到设备的维护保养作业计划设计、优化等。

(5) 应用层

通过远程运维中心的建设，根据具体的运维应用需求，以大数据中心的数据分析能力为支撑，实现部件预警、故障分析、寿命预测、重大安全报警、风资源分析、机组评估、运维服务管理、无人机巡检系统等功能。

该智能运维平台的信息处理流程主要是基于工业大数据技术，依据业务流程框架不同功能模块对于数据处理和分析需求，从设备与运维管理系统获取数据源，经过数据清洗、跨系统数据共享交流、设备主数据设计与管理、概述性分析、预测性分析，再以大数据服务的方式输出，对设备与运维管理进行评估与优化，从而为平台业务流程框架功能的具体实现提供数据支撑。系统业务流程架构如图3所示。

图3 系统业务流程架构

基于全域感知港口智能运维平台，根据设计可实现对港口装卸设备工况、设备运行状态监测和管理调度优化。将状态监测结果数据依照运行评估理论体系的指导，实现运行状态的评估，根据评估结果优化的实际需求，生成建议报告，辅助完成各设备检修计划。同时，将状态监测结果数据结合故障分析及预测模型可实现设备故障报警分析、异常状态分析、故障诊断及大部件专家预警功能，进而实现对设备异常、趋势、失效的分析。最终，故障诊断与分析结果、技术改进与策略优化结果作为维修评估与运维策略优化的数据输入，实现运营状态实时反馈、设备维修评估等功能。

3 应用与实践

该设计方案正在某港口进行改造实施，由于该运维平台建设周期较长，目前只实现堆场运维平台的初建工作。该应用业务智能运维平台实现了数据的融合，数据分析，实现了业务和管理数据状态分析、统计分析、预测性分析、可视化分析等功能，经过1 512小时的现场运行，提升了运营效率。堆场作业运维管理数据分析图如图4所示。对应轨道吊设备运维分析图如图5所示。改造前后相关指标的对比如表1所示。

表1 综合指标对比

图4 堆场作业运维管理数据分析

图5 轨道吊设备运维分析

4 总结

本文基于全域感知，结合云计算技术、大数据挖掘技术，以预测和实时评估决策为核心，提出了一种适用于港口智能运维的解决方案，在工程项目中进行了应用，取得了较好的结果。

在以后的工程应用和研究中，将以此基础进行优化，提高状态预测准确率，为港口智能运维做出贡献，实行降本增效。