本文以广东寰球智能科技有限公司在某知名金属包装企业建设的关键设备PHM系统为例，介绍金属包装连续生产线智能化运维和管理的领先经验。

一、实施设备运行状态监测

与一般车间级别的实时视频监控有所不同，寰球PHM系统能够实现多维度展示设备运行状态，可以对生产线全局进行监测（图1），也可以对生产运行过程中设备或资产的状态实时精准的可视化掌控（图2）。系统支持多平台同步功能（WEB端、手机客户端），并根据不同平台的实际使用需求不同进行交互优化。

图1

图2

二、故障诊断和健康管理

以往，材料、零件和构件在长期循环应力和应变作用下，在某点或某些点会产生局部的永久性损伤，并在一定循环次数后形成裂纹、或使裂纹进一步扩展直到完全断裂（图3）。常规手段对机械疲劳是无法准确提前预警的。现在，通过PHM技术进行故障诊断可以在机械疲劳出现的轻微表征现象时进行区域预警判断。

图3

PHM即故障预测与健康管理，是综合利用现代信息技术、人工智能技术的最新研究成果而提出的一种全新的管理健康状态的解决方案。（百度百科）

其主要意义在于，提前预知将要发生故障的时间和位置，预测设备的剩余使用寿命，提高系统的运行可靠性，减少设备的维修费用和提高维修准确性，实现设备的预测性维修。同时，系统记录分析设备的健康数据，像管理人体健康一样，对设备、产线进行健康管理。

包括以下几个步骤：

1. 数据采集

生产设备的现场数据是怎么得来的呢？其中一个方法是通过传感器。在设备上安装不同的传感器，采集设备动态数据，再通过大数据分析技术，挖掘转化有用信息。举个例子，为了监测冲杯机的健康度状况，在冲杯机上安装了传感器（图4），可以提取到明显的震动冲击反馈信号（图5）。

图4

图5

读取冲杯机不同部件的PLC数据，便能监控冲杯机整体的运行状态。通过大数据分析、人工智能等技术，将这些零散的数据整合一起，可以直观的感受到产线的实时生产状况，帮助企业高效生产，设备高效运维，洞察生产管理与设备运维的漏洞。

2. 数据的清洗和处理

数据采集后需要对数据进行清洗和处理，以便数据可以更加直观的反映出真实的情况（图6）。

图6

3. 数据的分析和决策

我们针对设备的模型决策输出都是采用健康度来表示的（图7），这样会形象和直观，所有以下对设备不同诊断点的描述都是使用健康度来表示的。

图7

案例A：冲杯机连杆支架疲劳断裂故障诊断

2019年8月29日11点02分，某生产线冲杯机连杆支架断裂，断裂位置为A导柱下模座的连杆支架。

图8-9

从8月14日开始，冲杯机的振动健康分析就逐渐开始恶化，8月28日和8月29日分别都出现过两次系统报警（图10），但都没有引起足够的重视。

图10

需要说明一下，原本这个动态数学诊断模型是用于分析冲杯机导柱间隙的，并不是用于分析驱动部分故障的。所以系统采集的X,Y.Z方向的振动权重Z方向是较低的。（X，Y）方向的振动用于诊断导柱间隙是足够的。Z方向的振动更多可以用于诊断驱动部分的冲击情况。

但在故障早期，还是发现对应的导柱C区间接故障问题，但无法准确判断故障产生的原因和故障准确位置。为此我们对历史数据进行了详细的跟踪分析，并针对驱动部分的故障进行了建模诊断，为进一步准确诊断驱动部分的故障，进行了详细的分析。详见如下分析情况。

图11

图12

该故障趋势也导致导柱C的总体健康度出现波动。最终导致健康度报警。

为此得出结论：我们建立的冲杯机导柱PHM系统准确诊断出冲杯机驱动部分的故障，有提前诊断的预警。

由于我们已经准确的抓取了冲杯机驱动部分的故障样本，为此我们重新建立了针对冲杯机驱动系统的PHM系统，（驱动部分的建模）为冲杯机驱动故障预诊断开发了全新的算法模型。

案例B：预诊断缩颈机工作站异常振动原因及维修结果分析

图13

2018年12月1日接工厂人员告知，缩翻机的1#站，2#站近期发生不规则抖动，1#站出现健康度过低并经常报警的现象。2#号站健康度也有报警现象，但没有1#站频繁。现场维修人员无法准确确定异常位置和故障原因。于是我们对这段时间采集的数据进行分析。数据时间节区间为（2018年11月14日---11月28日）。

图14-17

■数据分析结论

通过1#站、2#站、14#站、15#站的振动数据特征值历史曲线可以得出如下结论：

1. 缩翻机1#站抖动发生在11月16日—11月20日，这段时间振动时域特征值幅值，3倍频幅值、轴频谐波能量看到明显增大。1#站的特征值曲线在11月16日前处于正常水平，在11月16日—11月20日期间特征值幅值都变大了，建议停机检查对应的旋转单元及其支架等转动单元。

2. 缩翻机2#站，时域信号指标的幅值在11月26日起逐渐变大，工作异常。在11月16日—11月20日时间段，时域幅值无明显变化，2倍频幅值和3倍频幅值有明显的增大现象。建议重新进行传送星轮的同步调整降低2倍频幅值和3倍频幅值。

3. 缩翻机14#站和15#站的振动信号时域特征值基本无变化，14#站的二倍频幅值和三倍频幅值在11月16日—11月20日之间有上升现象。从数据看，14#站和15#站工作正常。

2018年12月4日，两片罐工厂对缩翻机进行了停机检修，主要是对1#2#号站模具上的铝屑杂物进行了清理。重新校准了2#号站的传送星轮同步。

我们也针对维修保养后的缩翻机进行了数据分析：

图18-21

■数据分析验证结论

通过对1#站、2#站、14#站、15#站检修后的数据的分析，得出如下结论：

1. 1#站在检修过后，各个时域特征值都有所下降，轴频及其谐波的幅值变化不大，轴频谐波幅值能量有所下降，但是还是比11月15日之前的数据大，说明检修后1#缩翻机的星轮同步情况有了一定程度的改善。

2. 2#站经过检修后，所有特征值幅值没有明显下降趋势，特别是轴频谐波能量总体有上升趋势，说明了2#站的同步星轮工作情况改善不明显，工作状态仍然不良；建议有停机时间时重新调整。

3. 14#站在检修前后的所有特征值幅值水平没有变化，说明3#站处于正常工作状态。

4. 15#站在检修后，特征值RMS、Xv、Xpp幅值都明显下降，说明15#站的工作状态更加良好。轴频幅值、二倍频幅值及三倍频幅值基本无变化。

三、客户价值分析

我们针对两片罐生产线及主要设备的智能化升级到底给客户带来什么价值呢？相信每一个客户都会在心里反复询问这个问题。其实生产线智能化的升级改造最终还是要实现自己的价值所在。到底给客户带来了多少收益，无论是立竿见影的还是潜在性的。在这里我们应该认真的阐述一下。

在两片罐生产线我们主要实施了以下两点重要的智能化方向：

1. 关键设备的PHM（设备的故障诊断、故障预测）包括基于PHM技术的过程关键质量参数的动态跟踪。

2. 主要设备的现场决策系统（专家智库系统）。

客户价值体现：

1.  设备PHM系统价值体现

• 及早预测故障及评估故障具体情况，降低非计划内停机时间，提高OEE。

• 由于关键故障的预测，可以降低关键备件的库存压力。

• 基于PHM技术可以动态跟踪关键质量参数的波动，减低废品率。

• 降低基层设备维修人员的经验及技术要求。

2.  设备的现场决策系统的价值体现

• 降低现场操作人员的经验的要求。

• 降低现场维修人员现场故障判断的经验及技术的要求。

• 降低生产现场人员管控的素质和经验的要求。

• 减少现场操作人员技术培训的要求。

为了更加直观的展示客户价值，我们做了如下计算。

针对2600CPM的两片罐生产线，假设每年运行时间为330天。

• OEE每提升1%，每年就可以增加收入140万。

• 故障率每降低1%，每年就可以节省146万。

• 废品率每降低1%，每年就可以节省217万。

（以上计算我们有详细的计算细节，是经过多方面综合考虑的。）

至于现场决策系统对人员培训的费用及现场问题判断节省的时间就相对难以量化，虽然现场经验的价值体现不好量化，但很多时候是可以起到关键性作用的。

四、未来的技术储备

除此之外，寰球在自主研发的一种基于云平台的金属包装拉伸成形机的降噪检测方法、一种基于云平台的金属包装拉伸成型机的检测方法已获得国家发明专利（图22-23），并已应用到系统当中。

图22-23

通过上述对金属包装连续生产线PHM系统的案例分析，让大家初步了解了寰球智能是如何在故障预诊、智能运维方面协助企业智能化转型的。

作为工业大数据分析与应用专家，广东省寰球智能科技有限公司针对大型旋转类设备（电机、风机、水泵）、特种设备（电梯、起重机）等也有成熟的故障预诊解决方案，通过丰富的经验、尖端的技术助力企业提升生产效率，降低维护成本，对关键设备实现全生命周期的科学管理，最终实现从“制造”到“智造”的产业升级。