面向CPS 的EAM 研究

陶明东，傅亚琴

（1.江苏奥神新材料股份有限公司，江苏连云港 222000；2.北京国智云鼎科技有限公司，北京 100195）

0 引言

企业资产管理系统（EAM）从计算机化维护管理系统CMMS 发展而来，其根本目标是以信息技术为支撑，合理安排设备维修与备件采购，降低维护成本同时获得较高设备可用性。现代EAM 软件吸取了预防性维护PM、全员设备维护TPM、以可靠性为中心的维修管理RCM 等设备管理思想，大多包含仓储管理、供应链管理、安全管理、项目管理等模块，并提供数据接口，可与ERP 系统进行数据交互，实现企业级运营系统集成。有些EAM 系统能通过接口实现对数字化设备或DCS/PLC、SCADA 系统的信息采集，进行设备状态监测，实现基于参数阈值的预测性维护。

EAM 是相对成熟的应用系统，相关文献多为应用层面，如基于工业互联网平台的预测性维护文章，如文献［1］提出一种面向发电设备的多传感序列特征抽取方法；文献［2］提出一种基于公平熵的预测性维护服务价值衡量及收益分配机制，协助解决工业互联网平台提供预测性服务时遇到的价值衡量和收益分配问题。上述研究在EAM 维护功能实现及未来研发方向上的探讨较少。

随着智能制造的发展，以设备为中心的信息物理系统（CPS）建设逐步推进，围绕CPS 的相关技术、标准研究不断深入。2017 年中国信息物理系统发展论坛［3］发布了《信息物理系统白皮书》，对CPS 定义、分级与定位、技术体系、实现路径等作了全面阐述。作为智能制造系统研究热点，面向CPS 数字化车间构建方面研究较多。陶飞等［4］提出通过构建数字孪生车间实现制造的物理世界和信息世界之间的交互与共融；江海凡等［5］对数字孪生车间演化机理及运行机制做了深入研究，提出从可视化、逻辑、数据3 个维度构建可交互、可控制、可计算的虚拟车间。这些前沿研究具有很高的理论价值，为数字孪生车间的构建指明了方向。

现阶段制造业更需要尽快拥有可以落地、协助推进智能制造的软硬件产品。本文尝试将EAM 纳入CPS 技术体系，分析EAM 在智能制造系统中的定位、研发方向与功能实现路径，探讨利用EAM 面向设备的特性构建设备乃至生产线的数字孪生，通过与其他应用系统的信息交互，推进数字化车间建设的可行性。

1 传统EAM 核心功能与问题

1.1 传统EAM 系统核心功能

传统EAM 系统能实现设备全生命周期管理，覆盖项目规划、设备采购及安装、运行维护、报废等全过程，并提供故障分析、可靠性分析、维修成本分析、设备维护绩效（如设备综合绩效OEE 等）分析等功能，且能与ERP（或EAM）相关模块进行数据交互，参见图1。

Fig.1 Core function modules and data interaction of traditional EAM software图1 传统EAM 核心功能模块与数据交互

1.2 传统EAM 系统问题

目前市场上EAM 软件功能大多是处于信息化阶段的管理信息系统。系统数据流基本基于相对固定的规则和策略［6］，即在项目实施过程中建立的“业务蓝图”；项目实施效果有：①规范业务流程，建立数据标准、积累标准化的数据；②通过提供预防性维护、基于关键参数阈值的预测性维护功能，提高设备可用性；③提供各类统计报表，为管理人员决策提供支持。总体上系统还不具备智能发现问题的能力，难以提供优化方案与建议。

2 CPS 与智能制造对EAM 的影响

2.1 CPS 概念

信息物理系统（Cyber-Physical Systems，CPS）通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同，实现复杂系统内资源配置和运行按需响应、快速迭代、动态优化。

衡量一个系统是否是CPS，主要依据其是否有感知、分析、决策、执行能力。根据系统是否具有网络特性和平台特性分为不同级别，如表1 所示。

Table 1 Levels of CPS and typical samples表1 CPS 级别划分及典型示例

2.2 智能化CPS 系统演进趋势

传统EAM 软件是流程驱动的信息化系统，现阶段有些EAM 产品已能通过接口与具有数据通信能力的物理系统通信，收集状态数据。当发现超过设定阈值时可自动触发故障报告，具备初步的状态感知、判断、决策并执行相应动作的能力，体现出向CPS 系统演变的趋势。随着数字化、智能化设备在工业领域的普及与智能制造相关技术的发展，EAM 必然会向数据驱动、具备自主学习与成长能力的智能化CPS 演进。

3 面向CPS 的EAM 系统定位与开发方向

3.1 EAM 在智能工厂中的定位

智能工厂构建需要从数字化车间开始，数字化车间是物理车间的数字化镜像。从制造业业务特点看，资产性能管理与运营优化管理是智能制造平台的两大核心，EAM 是定位于SoS 级别的CPS。这意味着EAM 能通过CPS 总线接入单元级和系统级CPS，同时具备较强的状态感知、数据分析、决策支持、自主执行能力，如图2 所示。

Fig.2 Intellectual CPS service platform at the level of SoS图2 SoS 级CPS 智能服务平台

3.2 面向CPS 的EAM 功能架构

参考CPS 架构有关文献［7］，本文提出覆盖设备全生命周期的EAM 功能架构，如图3 所示，图中虚线表示CPS 总线仍处于发展过程中。

3.3 面向CPS 的EAM 开发方向

3.3.1 构建物理设备的数字孪生

EAM 本身具有面向设备特点，基于EAM 系统构建物理设备的数字孪生在技术上是可行的，所构建的数字孪生作为实现虚实之间双向映射、动态交互、实时连接的关键途径，可将物理实体和系统属性、结构、状态、性能、功能和行为映射到虚拟世界［8］，为资产优化和营运优化提供支持。

数字孪生本质上是模型的集合，这些模型包括要素、行为、规则3 个层面［4］。

Fig.3 CPS-oriented EAM function frame图3 面向CPS 的EAM 功能架构

要素层面包含：①设备基本参数，如外形（3D 仿真）及尺寸、重量、装机功率、厂商相关信息等；②设备间关系，如上下游设备及连接形式、介质等，故障对其他设备的影响；③设备状态，如温度、压力、流量、转速、震动、负荷、能源与资源耗用等。行为层面主要包括加工行为（工序与能力调节）、协作行为、故障行为等。规则层面主要包括数据采集规则（数据来源和采集频率）、维护规则、故障规则（预警、判定、处置）等。

构建物理设备数字孪生的信息来源于4 个渠道：

（1）工程设计CAD 数据。目前工厂3D CAD 设计是基本技术，EAM 可通过CAD 数据接口建立可视化的3D 设备布局、外形模型与设备关联，形成车间、设备空间结构的数字仿真。工程设计通常采用结构化编码规则标识系统构成，直至底层单台设备。单台设备通常是一个逻辑的设备位号，当一台物理设备就位后才会与该位号形成对应关系。从这种结构化编码中可以抽取出设备隶属关系，形成平面化的设备结构树以方便使用。

每一层次的系统可手工定义信息，方便设备资料完善。有具体位号的底层单台设备应具备自动寻找并匹配已经构建好的单台物理设备数字孪生能力，便于用户确定物理设备的准确位置与状态。

（2）自动化系统DCS/PLC、SCADA。在工业自动化领域，类似数字孪生概念早已提出，如ISO 9506 制造信息规范MMS 中提出的虚拟制造设备（VMD）［9］与数字孪生概念极为相似。类似西门子Profibus-FMS 等现场总线信息规范可提供强大的车间现场集成自动化支持，除状态参数外，设备本身定义等相关信息可通过OPC 接入上层应用系统。

（3）具备状态采集与数据通信能力的设备。对于具有状态采集能力，能支持类似Profibus-FMS 等符合MMS 标准的通信规约设备，可通过“询问—反馈”机制建立模型，完成实体对象的定义和状态数据采集。EAM 系统需要兼容此类规约，从而具备在一定规则下自动发现、识别和更新设备状态数据的能力。

（4）人工维护。主要用于产线、系统、设备结构调整及相关数据补充完善，还可用于那些无通信能力，出于成本及设备重要性考虑不值得进行数字化改造的设备信息维护。

3.3.2 预测性维护与高可用性

（1）建立故障模型实现预测性维护。不同于目前EAM中预测性维护普遍采用的基于阈值报警和穷举式故障库模式（这种方式准确性较低，通常需要人工确认），EAM 能依据设备的状态数据结合设备行为数据进行数据分析，建立故障模型，其流程如图4 所示。

Fig.4 Establishment and deployment procedure of fault module图4 故障模型建立与部署流程

状态指标指从所收集的状态数据中提取出来的、与判断设备健康状态有强关联性的可量化指标，这种指标通常不会是一个参数或阈值，而是一个或多个状态参数值的组合分布［10］。比如机械设备的震动频率、温度、噪音频率等。一般来说，状态指标分析不能只依靠数据技术，须结合相关领域工程知识才会更加高效。

在模型建立和训练过程中，除了传统的回归、相关性分析等统计技术外，更多是采用人工神经网络、Petri 网和Agent 等仿真技术；从数据来源看，应调用历史数据、其他实例数据（同类型设备的数字孪生）、供应商提供的最佳运行状态数据。图5 是一个基于状态指标的风机轴承故障监测模型示例［11］。

Fig.5 Fan bearing fault monitoring module based on status indicator图5 基于状态指标的风机轴承故障监测模型

训练后的模型可使设备具有自省能力，能进行自我状态评估并预测其寿命，计算下一个生产周期中设备发生故障的概率、原因等，并依据故障情况推荐维修方案；还可通过向运营系统提供维修信息优化生产排程。EAM 系统集成一些标准化设备，如泵、电机、风机、高价值轴承等设备的故障分析模型非常有操作性，可以加快故障分析效率。

（2）构建运行控制模型提高设备可用性。设备使用不当经常是导致故障的根源，比如变频过低、齿轮泵工作介质粘度过高、串联风机的压力、风量匹配不合理等。设备运行边界在实际工况下会受到环境、上下游设备及生产负荷影响，通过建立运行控制模型，计算实际工况条件下的运行边界，确定其动态调整规则以及上下游设备间的协调规则，可使设备具有更高的稳定性和可靠性，这种优化需要在满足生产需求工况的前提下进行。运行控制方案通常没有特别高的实时性要求，在控制模型确定一些关键控制要点后，可在设备运行控制系统内实现，如果需要实时控制则需要和现场控制系统、设备建立双向通信。

3.3.3 资产优化

EAM 可以支持资产优化，包括备件库存、资源能源利用、能力利用、服务可用性优化4 个方面，目标在于提升设备完好性、可用性，以更低的维护成本发挥设备作用。以上优化需要结合设备历史、同类型设备、设备制造商技术支持等多来源数据，以不同可用性指标的运维成本为核心内容建立模型，供用户进行多方案优选。

3.3.4 环境与安全

环境与安全是企业赖以生存的根本，是合规经营的核心内容。环境与安全问题常与设备故障或违章操作有关，EAM 可对环境与安全管理提供支持。

（1）基于设备的风险等级划分，自动触发作业许可和隔离。我国从2018 年开始推行风险分级管控与隐患排查治理相结合的双重预防机制。风险分级管控指依据风险不同级别采取对应的管控措施。EAM 可提供标准风险评估方法，如LEC 等，协助用户评估设备风险等级，作为开具作业许可、隔离工单的判断依据，由系统依据检修作业涉及的风险类别、等级自动触发。而且设备数字孪生可以依据感知到的压力、温度、运行状态等信息，结合行为数据，对检修作业进行流程管控，避免人为疏漏导致事故。

（2）面向设备的点巡检管理同步完成隐患排查与治理。点巡检包括安全内容，录入的缺陷如属安全隐患——判断标准可从安全管理系统中获得，可同步标识，通过接口或者以数据驱动的形式通知安全管理系统，达到隐患排查目的；对缺陷的检修作业可同步完成隐患治理。这些数据可通过CPS 总线传递到安全管理系统，以提高业务数据一致性与工作效率。

（3）基于设备状态的预警系统。基于状态的故障模型可以起到极强的安全预警作用，尤其对于高风险的储存或生产装置，可以作为控制系统、安全仪表系统（SIS）的补充。控制系统、SIS 系统通常都是依据关键监测点实时数据（如压力、温度等）是否超过阈值采取行动的，缺少基于模型的预警能力；基于模型的预警可以更早监测到设备的故障演变趋势，及早进行预警。

4 结语

CPS 是智能制造的关键，也是近年智能制造研究的热点。理论上，建设数字化车间应该从构建物理车间的数字孪生开始，但现阶段成熟的商业化数字化车间构建软件很少，且其技术复杂度与产品价格令很多中小型企业难以承受。基于面向设备的EAM 系统构建物理设备的数字孪生，可运用传感器与执行机构，将有数据传输与执行能力但无足够运算能力的聋、哑、傻设备转化为真正意义上的CPS；故障模型是工业互联网平台关注的焦点，将来会以最为普遍的动设备故障模型为先导，逐步集成到EAM 产品中，为预测性维护提供有力支撑，实现智能化维护。同时，通过向运营系统提供设备实时状态信息，可有效支持生产排程和营运优化，这种集成化系统将初步具备数字化车间的形态与功能。这种方式可操作性很强，可对智能制造的落地起到强有力的推动作用。