基于神经网络的生产设备潜在故障预测分析仿真研究

徐亮 廖一星 綦云华 刘作国

摘要：神经网络算法作为一种用途十分广泛的算法，在生产设备的故障检测中能够帮助使用者更快的发现在故障使用过程中潜在的故障，因此本文围绕生产过程关键生产设备基于神经网络的生产设备潜在故障预测分析仿真展开如下研究。

关键词：神经网络;生产设备;潜在故障分析;仿真设计

中图分类号：TP183   文献标识码：A   文章编号：1672-9129（2020）12-0021-01

基于神經网络的生产设备潜在故障分析能够帮助生产设备使用方最大限度的提升故障检测率，减少造成的经济损失。因此，是一种值得推广的新生产技术。

1 神经网络

人工神经网络（ANN）是在人类大脑的生物神经网络启发下所应运而生的一种算法，人工神经网络是基于被称为人工神经元的连接单元或节点所构成的一个集合体，其工作原理与人类大脑中的神经元十分相似。人工神经网络方法，最初设计目标在于以人脑相同的方式去解决相关问题，但是随着时间的进一步推移，人们开始将人工神经网络运用于计算机视觉，医疗诊断等诸多方面[1]。

大脑的工作能够有条不紊的顺利开展，人类对于大脑的研究也逐步深入，在对人脑研究的过程当中也获得了相应的启发，人工神经网络便是对于人脑功能的相关特性的一种反应，人工神经网络并非是生物系统的一种描述，而是对于人脑功能的一种抽象和简化。人工神经网络构成原理和工作特点与人脑的工作原理和特点十分相似，其并非按照特定的程序来一步步进行运转，而是根据周边的环境总结规律来完成识别和过程控制等工作。人工神经网络是建立在一定的学习准则上开展的[2]。人工神经网络具有初步的自适应性和自主组织能力，能够在不断的学习的过程当中改变突触权重值，进而更好的适应周边环境。同时人工神经网络还具有泛化能力，对于没有经过训练的样本具有较好的预测能力。非线性映射能力，高度并行性等都是人工神经网络的突出特点。

2 基于神经网络的生产设备潜在故障预测分析仿真研究

本文围绕生产过程关键设备基于神经网络的生产设备潜在故障预测分析仿真研究开展如下探讨：

2.1项目目标。设备信息联网化，促进企业管理改革;计划调度科学化，提升企业生产效率;故障诊断预知性，提高设备维护效率;设备管理透明化，提升企业决策水平;消除信息孤岛，助力企业转型升级。

2.2项目研究重点。制造车间生产设备的实时数据采集、挖掘和分析技术;生产设备健康趋势预测及可视化技术;集成设备预知性维护的高级生产排程技术三大技术难题是本项目着重解决的问题。

2.3项目技术研究。

（1）基于制造物联的设备实时集中管控技术研究。传统的依靠人工录入和逐级上报的方式，难以保证设备数据的一致性、实时性和准确性，从而导致企业对各生产车间的设备全生命周期情况进行实时综合管理和运营决策时存在诸多困难。因此，研究基于制造物联的设备集中管控技术，利用物联网、云计算、大数据等信息技术，面向生产设备使用前期、运行期和使用后期，实现“企业管理层—生产部门—生产现场”三级次的设备全过程数据的综合管理与实时监控，提高制造企业对生产设备的集中管控能力以及企业领导层、生产部门、生产车间与设备管理部门之间的信息交互能力。

（2）基于数据驱动的设备智能化运维管理技术研究。基于数据驱动的业务创新和管理流程的优化可以极大地提高企业的运行效率、降低运行成本。制造企业拥有大量生产设备，每个设备的不同部件均有定期的检修和保养工作。传统的设备运维管理模式将消耗设备维护人员大量时间，并且可能存在设备故障未准确识别、维保计划执行延误等一系列问题。研究基于数据驱动的设备智能化运维管理技术，通过充分挖掘和分析设备各类数据的潜在价值，将数据决策思想与先进的设备管理理念深度融合，在实现设备集中管控的基础上，支撑制造企业实现对接入设备的状态监控、故障诊断、智能维护、点巡检指导等精细化的运维管理[3]。

（3）集成设备预知性维护策略的生产排程技术研究。传统设备的维护其生产计划排程与维护计划通常被认为是相互独立的系统。生产计划排程多考虑在设备始终可用的基础上对订单进行合理有序的排产;在维护规划中始终坚持以生产过程始终保持稳定为前提，不太考虑异常情况。但在企业实际生产过程中两者是紧密关联的，即在生产计划执行期间，设备故障导致正常生产的中断，需要采取设备维护工作来保证系统的可靠性，这必将导致生产时间的消耗，使得原定的生产计划将被破坏。因此，开展集成设备预知性维护策略的生产排程技术研究，将设备维修与生产排程进行科学统筹分析，得出最佳生产作业与设备预知性维护序列，对提高企业生产效率和市场竞争力具有重要意义。

（4）系统间数据集成、共享与交互技术研究。面向智能制造的设备管理系统需更好的应对不断变化的市场需求，满足大规模定制化、设备健康多样化、生产系统复杂化、决策需求动态化等现代制造模式的发展要求。设备作为制造企业的核心生产资料和物质基础，是企业实现智能制造的重要依托。因此，本项目系统除了实现自身功能外，还将实现与企业的ERP、MES等业务管理系统的无缝连接，打通企业从设备层到决策层的信息纵向通道以及各业务管理系统间的横向信息流，消除数据孤岛，将设备数据转化为提升企业生产质量和效率的信息流。通过数据交互、流转弥补系统信息鸿沟，给各业务管理系统的精准实施与有效应用提供帮助，确保对企业大数据进行充分加工和利用，从而提升数据驱动模式下制造企业的运营管理能力和产品制造水平，助力企业面向智能制造的转型升级。

结语：基于神经网络的生产设备潜在故障预测项目再投入使用后能够很大程度上降低成本，提前发现设备可能存在的潜在故障，对于降低企业的成本很有必要。

参考文献：

[1]刘思雨，薛劲松，景栋盛.基于分阶段深度神经网络的施工违章识别[J].软件工程，2020，23（09）：32-35.