摘要
为迎合快速发展的工业现代化，工业设备系统朝着更加复杂化、精密化方向发展。近年来卷烟行业不断兴盛，生产规模持续扩大，卷烟配送中心机械设备的应用范围也更加广泛，越来越多的高精密机械设备应用到卷烟分拣过程中，但高速运转的设备也面临着超负荷运行等情况，导致了大量的卷烟设备出现提前老化和突发故障的问题。 卷烟配送行业的分拣设备是一种复杂的机械设备，该设备的使用可靠性是保证卷烟配送行业整体运行效率的关键。通过现场学习发现，目前卷烟配送行业大都采用的是每日定检的事前维护方式,这种方式虽能最大程度避免设备出现故障后再采取维修而导致的误工损失，但同时也存在过度维护的风险，从而导致资源浪费和维护成本的增加，因此预测分拣设备维护周期对制定合理的维护方案至关重要。本文将优化人工智能算法与以可靠性为中心的维护(Reliability Centered Maintenance,RCM)理论相结合，构建卷烟配送中心分拣设备维护周期模型并提出基于RCM的卷烟分拣设备新的维护方案，主要工作如下: 首先，对分拣设备的老化机理和故障机理进行研究，分析基于振动数据对分拣设备日常老化问题以及突发故障问题计算的可行性。针对分拣设备日常老化的预测需求，构建时间序列二次指数平滑模型，通过贝叶斯方法对二次指数平滑的参数进行了优化;针对分拣设备突发故障的分类需求，引入了一种基于随机森林的寿命故障分类方法，并建立数据变分自编码网络(Variational Autoencoder,VAE)预处理模型来解决原始振动数据标签不足的情况，进一步优化传统随机森林模型的损失函数;并通过主成分分析法对振动数据分析指标进行数据特征降维。 其次，将构建的分拣设备维护周期模型应用到Y卷烟配送中心的分拣设备中，为实现设备的日常老化预测和突发故障分类，分别提取数据进行算法优化前后的对比计算。对比结果显示，利用贝叶斯二次指数平滑模型可以对日常老化设备实现可靠性预测，得到分拣设备的合理维护周期;优化后的随机森林模型能够更好地进行分拣设备的突发故障分类，完成预防性维护。制定合理的维护周期可以减少Y卷烟配送中心分拣设备日常维护的成本，进一步验证了模型的可靠性。 最后，将RCM分析思路与卷烟配送中心分拣设备维护周期的人工智能方法结合，提出卷烟配送中心分拣设备的RCM目标、流程、数字化管理措施。本文的预测性量化RCM方法能够在保证设备可靠性的基础上降低设备维护成本，对卷烟配送中心行业分拣设备维护方案的制定提供了理论指导。
NETL