物流设备可靠性研究与探讨

文/张宇航 方锦明 李正芳 尚高海 张大勇

一、引言

近年来，我国物流业发展迅猛，公路、铁路、港口、货运枢纽、物流园区等物流基础设施建设走在世界前列，物流服务市场规模持续扩大，物流技术水平、物流信息化程度、物流运作管理水平显著提升[1]。国有物流企业体量大，占有大量物流基础设施，与需求企业存在不可分割的联系，如中远、中外运、中海、中邮、中铁、中储、招商局集团等在物流业具有举足轻重的地位[2]，昆船智能、音飞、兰剑等物流装备技术企业在物流设备研发方面也取得突出成果[3]。

一般而言，物流系统[4]包括物流配送、自动化仓库、堆垛机、自动输送装备与分拣装置、智能密集存储装备以及穿梭车等，物流系统的运行依靠各个子部件之间正常运行以及协同合作。其中，物流配送环节的主要作业包括保管、搬运、拣货、分类等，在每个环节都有适配的机械装备。保管用机械包括自动化仓库、托盘式/流动式货架等，搬运机械包括叉车、台车、输送机、AGV等，分类机械包括托盘、料箱、集装箱等。更为核心的装置，如堆垛机、穿梭车以及密集存储装置等，更是集成了各式各样的器件。可以说，物流设备所涉及的机械，具有种类繁多、分工清晰、功能复杂、协同困难和管理困难等特点。

关于物流设备可靠性的分析研究目前有待加强

目前，国内在机械可靠性理论、可靠性评定方法、机械设备成套体系可靠性（数控机床、发动机、高铁等典型设备）等方面均进行了大量系统研究，为我国机械装备可靠性理论和技术的提升奠定了基础。不过，物流领域可靠性技术的研究工作较少，已有研究大多采用古典的可靠性分析方法，显然现有研究的理论方法、评价体系等都需要进一步更新。本文结合企业需求以及我国可靠性发展阐述现阶段物流可靠性研究及特点，从机械设备运行可靠性计算方法进行综述分析，归纳现阶段物流设备可靠性技术的不足，并为日后物流可靠性研究方向提出初步的想法与建议。

二、物流领域可靠性研究现状

作为物流业发展的重要载体，物流设备的高质量发展是必然选择，而可靠性方法的应用则是自动化物流设备产业高质量发展的需要。对物流产品进行可靠性研究，可以促进国产产品技术水平和产品质量提升，使我国的物流设备全面达到国际先进水平，提高国际市场竞争力，助推物流设备行业高质量发展。

可靠性研究虽然已经发展近80年，基于不同物流领域的相关可靠性研究较多，但使用新型可靠性模型的研究在我国物流领域仍然总体较少。物流技术和系统可以广泛应用于各行各业，如表1所示，在物流领域的可靠性研究主要集中在系统可靠性度量、供应链、配送模式、装卸过程等相关的研究上，研究大多采用传统的国家（军用）标准中定义的可靠性模型来计算整体的指标。在绝大多数的研究中，未提及可靠性指标的计算和实际生产活动、设备性能的差距。实际情况中设备、系统存在正常运行“0”和不正常运行“1”两个阶段，而可靠性计算结果通常不能完全一一对应。此外，可靠性计算模型采用一定的假设，这些假设可能导致计算的偏差，因此与真实情况有所不同。

表1 我国物流领域可靠性研究

三、机械设备运行可靠性计算

1.机械系统可靠性计算的改进方法

古典的可靠性计算方法构成早期研究的基础，随着生产实践和研究者们深入了解，发现古典方法存在缺陷和不足。促使可靠性研究发展存在三种路径：一是在经典方法上进行微调，实现精度的提升；二是依赖全新方法解决老问题；三是用经典/新方法解决新问题。

2012年，为了应对经典算法难以评估单台设备运行状态，蔡改改等[17]利用小波包分析技术和距离评估技术，提取设备运行状态的响应协变量特征指标.采用比例协变量模型，建立了设备的可靠性评估模型。2013年，孙闯等[18]提出基于状态信息的航空发动机运行可靠性评估方法。该方法利用核主成分分析建立状态子空间，计算正常状态与当前状态子空间基矢量的主夹角，利用映射函数将主夹角转化为运行可靠度；文章的核心思想是通过核主成分分析方法（Kernel Principal Component Analysis, KPCA）计算子控件的特征矩阵，并计算两种状态下的矢量夹角来衡量运行可靠性。2013年，张根保等[19]提出基于对数线性比例强度模型（Loglinear Proportional Intensity Model,LPIM），将其用到数控机床的可靠性评估上。论文核心思想是对单台机床故障时间的似然函数进行对数化处理，并通过Fisher信息矩阵求LPIM参数的区间估计。通过例子分析，LPIM方法比较符合实际情况。随后2014年，张根保等[20]提出了基于幂律过程的可靠性评估方法，将可靠性方法扩展到多台设备上。以液压折弯机为对象，进行分布验方法，CBT（Common Beta Test）与CLT（Common Lambda Test）的分步检验方法对评估涉及的多台机床的同质性进行了验证。还应用Fisher信息矩阵区间估计和基于Delta方法的机床可靠性指标区间估计，这两个处理方法在文章[19]中已经使用。文章核心思想通过非齐次泊松过程建立幕律函数来处理可靠度，此外还在趋势检验手段中考虑了Laplace检验、更新过程检验和同性质检验。陈保家等[21]提出了一种基于比例协变量模型（PCM）和Logistic回归模型（LRM）混合的可靠性评估方法，利用LRM先求解轴承的初始可靠性，然后与PCM相结合，动态揭示状态监测数据与可靠性的映射关系。这种方法优势在于弱化设备的退化失效机理、性能参数的退化路径或概率分布密度函数等过多的假设。董思辰等[22]通过距离评估的特征降维方法，计算齿轮箱不同运行状态下特征参数。在运用威布尔比例故障率模型（WPHM）、集合经验模态分解（EEMD）分析齿轮箱运行可靠性。论文核心思想是通过对振动信号的高维特征向量的降维处理。改进算法多在古典算法的基础上进行优化，在论文多处实例中改进算法和实际结果匹配较好。因此，物流设备可靠性可以考虑采用类似的方法进行研究。

2.智能化融合可靠性分析

对设备运行可靠性分析的智能方法主要是依赖于机器学习领域的算法作为辅助，通过这些植入的智能方法，可以对影响、反映设备运行状态的参数重新进行关联分析、时变可靠性估计。总体来说，主要是通过采集设备工作状态中反馈的状态特性、信息、性能指标，并采用机器学习领域的模型比如随机森林、支持向量机、多变量神经网络、回归模型等进行参数相关性、影响性和重要性分析。

比如，冯鹏飞等[23]首先采用运行可靠性计算模型建立特定特征指标与运行可靠性的关系；然后采用相关向量机预测不同时刻下特征指标的值及其概率密度函数，并将其输入到运行可靠性模型，计算获得其所对应的运行可靠度。马红亮等[24]使用飞行快速存取记录器记录当前运行环境、飞机瞬时状态、发动机当前工作状态3类因素，并将随机森林算法与分层抽样法结合对数据进行拟合、预测并计算特征重要度，对航空发动机运行可靠性进行分析。冯蕴雯等[25]针对运行可靠性影响因素的多维、耦合的特点，采用机器学习方法对飞机的动力装置运行可靠性的时变规律及其相关影响因素进行分析；提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法；采用随机森林、多变量神经网络回归算法，建立2种基于机器学习的动力装置运行可靠性分析模型。余璐等[26]提出基于机器学习的景象匹配可靠性分析及量测误差建模方法，选取支持向量机模型SVM匹配特征指标以及误差参数预。

总体而言，通过设备反馈的信息、信号以及使用机器学习模型来进行预估，可以减少人为划分各个因素之间的影响因子，但是在设备可靠性领域的研究多采用较老的机器学习模型。随着设备的自动化、网络化、智能化以及机械故障诊断技术的发展，使用机器学习模型在故障的远程监控和故障预警方面已有大量应用和研究，可能成为未来物流设备可靠性技术领域的热点课题。

四、物流设备可靠性技术研究存在的问题

我国可靠性技术研究在机械设备（数控机床、轴承、航空航天发动机、高铁等）、诊断分析、基础理论研究、可靠性评估方法等方面取得了明显进展，但物流领域关于物流设备可靠性分析研究还较为薄弱，主要存在以下问题。

1.物流设备可靠性研究的学者和机构较少

物流系统是一个子系统复杂、交互场景较多、机电融合、故障模式多样、故障机理复杂的系统，其可靠性的研究工作较为复杂，涉及多学科交叉、设备全生命周期长、多部门协同、人机交互以及协调管理等。我国颁布了关于可靠性方面的众多标准，这些国家（军用）标准在电子、军用、航天等领域具有较强的实用性和指导性，但在物流仓储设备行业其实用性和指导性不足。

在物流行业的国家（军用）标准的可靠性标准适用性问题，对物流设备可靠性研究的科技和资金投入力度较小，专门从事该方向研究的科研机构和团队较少，导致尚未形成完整的物流系统可靠性分析体系。现阶段，可以引入物流行业常用的可靠性参数，如平均故障间隔时间（MTBF）、平均修复时间（MTTR）、平均故障间隔里程（MMBF）等，解决物流仓储设备行业的可靠性难对标问题。

2.重整机、轻功能部件

物流系统主要是由各类功能部件、数控系统及储存系统组成的，整体可靠性与部件的可靠性密切相关。企业重整机，轻视功能部件的原因主要是：国内的中高档功能部件、技术体系长期依赖进口，国内无法完整了解局部的功能部件、微型设备内部具体的运转机制等。其次，整机可靠性的研究通常是进行现场跟踪试验，直接通过设备运行好坏来反馈可靠性指标，大多数情况下子部件损坏（可能仅仅导致某些非核心的功能失效），也并不影响整体运行。而功能部件可靠性的研究，一方面需要独立的试验设备；另一方面，各种设备之间的关联性分析十分复杂，加之其他各种未知因素的介入，部件可靠性研究难度较大。

3.可靠性数据积累薄弱

现代物流技术的关键在于通过产、供、运、销各环节信息互联互通，自动优化配置物流资源，实现“货—车—仓”的实时协同。设备的可靠性数据不仅包括日常正常运行数据、待机数据、故障数据，还应包括维修数据和特殊情况下载荷数据。目前正常运行数据、待机数据、故障和维修数据已经有了一定积累，但是还不具备成熟、配套的科学分析方法。已有数据只是针对某一型号或满足某些用户特殊需求，要制定更通用、标准的数据分析方法以及核心指标，还需要涵盖不同用户行业，研制统一规划、具有普遍性的数据采集技术和可靠性评判标准。

五、展望

结合物流业发展状况以及其他领域的可靠性研究，对未来物流可靠性研究提出以下建议：

1.首先建立基础标准。古典可靠性理论虽然内容形式不够先进，但经过了长时间实践检验。因此，采用古典理论初步进行可靠性指标的计算，结合实际设备反馈的结果，制定基础标准。

2.可靠性计算时应考虑基本顺序。物流系统覆盖大量的机械设备、电子设备，企业存在重整机，轻视功能部件的情况。为了保证可靠性的计算准确性，除了整机的可靠性指标计算，还应补充其他功能部件影响。具体工作为：在可靠性评价方面应逐步考虑单一设备的可靠性指标计算，设备关联的影响，整体可靠性指标判定。

3.采用物流设备的信息挖掘技术和开展可靠性计算方法的匹配性研究。使用一些成熟的科学分析方法，如优化算法、智能算法，对设备反馈的信息、特征和设备运行状态做关联分析，以找到最佳的特征信息和指标，剔除无效的数据。还应考虑机械设备领域的可靠性理论、评判标准在物流设备中是否吻合，各种方法之间是否匹配。未来工作应以古典可靠性理论建立基础标准，然后开展专门的物流设备和对应方法的研究，并根据结果对方法适用性进行评价。

4.建议未来引入信息流并融入可靠性评价体系中，协助设备运行可靠性分析，开发基于数字孪生的可靠性分析理论和技术。在互联网和物联网时代，企业进行智能化研究或者添加辅助设备等。额外的设备、软件的添加，涉及商流、物流、信息流、资金流等各种资源、信息的组合，无疑会增加整个物流系统的复杂度。物流系统可能从发展模式、产业结构、运维流程等发生改变，导致现有可靠性理论不能满足当前需求。不过，互联网和物流网技术，将及时提供信息的传递和共享，如果可靠性分析能结合这些信息进行比对、校核和反馈，工作人员也能更及时、更有效地对设备进行检测、调整、维修和改进。因此，基于数字孪生技术的可靠性理论可能是未来的研究方向。