大数据在立柱维修流水线的应用

摘 要：工业大数据领域的研究和应用正在快速发展，随着大数据、物联网及云计算技术的发展，数据蕴含的价值正在飞速提高，以工业大数据为主线的技术创新与产业发展趋势也越发显现。顺应大数据的发展，神东煤炭集团设备维修中心利用大数据技术去解决立柱维修流水线中的瓶颈，提高生产效率，优化管理。

关键词：大数据；立柱流水线；瓶颈；预测

1 概述

对于众多企业来说，大数据是一个熟悉又陌生的概念，在互联网行业蒸蒸日上的时代，传统企业和互联网企业的管理者对海量数据的规模和其爆炸性的增速毫不陌生，但却对不同来源数据交叉形成的大数据具有巨大的潜在价值这一事实将信将疑。事实上，大数据开启了一个重大的时代转型，正在改变着我们的生活以及理解世界的方式，成为新发明和新服务的源泉。大数据将带来思维、商业和管理的变革。

神东煤炭集团设备维修中心立柱维修流水线在整个精益改善过程中，只能做到持续的消除浪费和流程优化，无法做到预知性维修。而利用大数据的先进技术，充分挖掘数据，可以预测维修过程中的瓶颈，从而落实科学决策、减耗增效，让数据发挥效益，进一步提升维修中心的生产和管理水平。

2 立柱维修流水线瓶颈分析

2.1 立柱维修流水线介绍

立柱是液压支架中将顶梁和底座连接起来的部件，承受顶板的载荷，是支架的主要承载部件。在设备维修中心目前的体制和管理中，立柱维修是按照项目有计划地推进，每年的维修量约5500根。立柱维修流水线共有10道工序：喷砂、拆解、珩磨、检测、缸口修复、打磨、清洗、组装、打压、喷漆。54个一线员工投入各工序维修，每天作业7小时，质检人员进行立柱维修的全过程质量管控、跟踪工作。

2.2 立柱流水线瓶颈

目前，立柱维修流水线虽然按照项目有计划推进，但是具体每一套支架立柱的维修量是多少，每一道工序的维修量在维修前无法预知，这样的瓶颈给车间安排生产带来了困难，经常出现生产任务过量或者不足的现象，不能均衡生产。

具体对于这一维修流水线，我们的瓶颈其实就是我们想提前预测的内容，所以如果我们能够提前预测如下信息，将大大提升生产效率。（1）立柱年度维修总量。通过年度的维修总量数据，我们可以制定年度的生产、人员计划。（2）不同机型立柱年度故障率。通过各种机型立柱的故障率数据，可以指导我们的采购导向、配件提报计划。（3）立柱月度维修量。通过月度维修量的数据，我们可以制定月度计划，月度内均衡生产。（4）立柱各工序月度维修量。通过月度工序维修量的数据，我们提前得知立柱各工序月度维修量，使得立柱维修流水线的管理、人员、设备、材料得到最佳匹配。（5）立柱月度维修配件需求量。通过配件需求量的数据，我们能够提前组织配件。

3 大数据技术对立柱维修流水线瓶颈预测

3.1 立柱生命周期数据库建设

对立柱进行全寿命管理，需要给每根立柱建立自己的“身份证”，即从立柱采购、入井使用、定期检修到立柱淘汰，在这一循环过程中与立柱寿命相关的信息有立柱基本信息、矿井基本信息、井下使用信息、设备检测信息、维修资源信息、维修记录信息。因此，建立立柱“身份证”的数据采集列表包含三个基本数据库，三个设备行为库，其核心任务是将立柱所涉及到的信息数据，通过“身份证”进行链接，立柱到哪里，就有到哪里的相关数据。

具体而言，三个基本数据库为立柱库、维修资源库、矿井库。立柱库主要包括厂商、型号、购入时间、设备的相关参数、使用总体情况和维修总体情况。是了解立柱总体情况，链接各部分的核心数据库。维修资源库包含人员、配件和自有设备三大部分，是作为后期业务预警的关键数据库。矿井库主要包含检测时间、矿井相关参数、水质参数等，是矿井环境数据库。三个设备行为库为设备检测库、井下使用库、维修历史库。设备检测库主要包括相关检测和检测时间数据，是设备运行检测数据库，用于了解设备实时情况，对后期挖掘起到十分关键的作用。井下使用库主要包括矿井情况和立柱具体使用情况数据，是链接矿井、立柱的数据库，同时起到数据关联和后期挖掘的作用。维修历史库主要包括维修的时间、部位以及维修的标准参数，用于确定设备运行的具体故障。

根据对需求的深入分析，数据采集部分使用SDABAS PA产品， SDABAS PA是一款ETL产品，可以完成数据的抽取，转换和加载工作，可以整合各种异构的数据源并最终将数据以一种指定的格式流出。

数据库建设一是为数据收集提供有效的存储场所，二是为数据挖掘提供良好的前期保障，达到承前启后的作用。

3.2 数据的挖掘

数据挖掘是利用数据库中的数据，通过数据挖掘软件，对生产历史数据进行预测评估，预测立柱维修流水线中的瓶颈。根据实际的业务数据情况和业务目的，可以选择多种的数据挖掘模型来完成建模的工作。

比如立柱故障预测，是先通过数据挖掘技术，根据历史数据预测出立柱所处具体环境、环节的估值，来整体描述和评估需要维修套别的特征，再关联到其损坏特征，由此确定立柱的损坏部位和数量。

数据库建设完备后，可以通过数据挖掘的手段把数据转化成模型，来指导我们的工作，并且这个过程是一个反复优化循环的过程。最终还能结合维修资源、立柱维修的流水工序，来判断实际维修生产所需的资源配置，甚至给出相应建议。

3.3 预测结果展示

结果展示可以为不同需求的用户，提供数据的录入功能、查询功能、数据统计展现功能、以及数据挖掘分析结果的展现功能。具体会为决策者提供全面的图形展示，以方便总览全局；为管理者提供表单，以便他们使用和查看具体数据；为生产者提供定制表单，简化他们的操作使用难度。

SDABAS DM是一款数据挖掘产品，提供强大的数据挖掘算法库，可根据需要构建模型进行分析挖掘。此次应用将使用DM构建各业务预测分析模型，运行预测模型并将预测结果写回数据库中。使用DM根据数据情况和预测内容不同，选取不同的算法构建不同的挖掘模型，不断训练模型、优化模型，最终将模型固化发布。通过调度在数据导入后对模型进行优化，对新数据应用模型得出预测结果，将结果写回数据库中。

4 结束语

大数据是社会发展到一定阶段必然产生的科学技术之一，是当今生产力的代表之一。大数据技术将应用到社会生活的各个领域，目前最突出的是应用在基于互联网的各类商业应用上。同时，对于政府管理和国家安全也有十分重要的意义。未来，大数据技术必然会产生产品与服务的高度个性化，产品和服务定制化、单独化、“不复制化”是必然的趋势，实现这一点的前提就是大数据。

而针对实体行业来讲，生产数据、生产装备数据、经营数据等，都可以利用大数据工具进行相应的优化提升，提高生产效率，降低生产成本将是大数据给他们带来的最终目的。神东煤炭集团是中国神华集团有限公司的核心煤炭生产企业，神东科学管理一直走在全国煤炭行业前列。神东煤炭集团设备维修中心是专门负责对煤炭设备进行检修维护的部门，近年来，维修中心建立的国内一流的维修流水作业线，大大提升了检修效率，月度检修量提高一倍以上。为了进一步提升检修效率，现以立柱维修为主线，利用大数据的先进技术与理念，帮助设备维修中心立柱维修实现预测性维修、减耗增效，让数据发挥价值和效益，进一步提升维修中心生产、管理水平。因此，我们亟需一套可以查询、统计维修历史数据，并依据历史数据对维修业务相关进行有效预测的大数据展现平台，为部门各业务环节提供有效、全方位的数据信息支持。

参考文献

[1][英]维克托.大数据时代[M].浙江人民出版社，2013.

[2]韩家炜，裴键.数据挖掘概念与技术[M].机械工业出版社，2012.

[3]刘增杰，李坤.MySQL5.6从零开始学[M].清华大学出版社，2013.

[4]吴军.数学之美[M].人民邮电出版社，2014.

作者简介：李二霞（1984-），女，汉族，陕西，神东煤炭集团设备维修中心，本科，研究方向：机械设计制造及其自动化。