彭牡林，肖 宏，肖逸軍，張 翼

（中國石油西南油氣田分公司通信與信息技術(shù)中心，成都 610000）

目前，已建成的設(shè)備相關(guān)信息系統(tǒng)有設(shè)備綜合管理系統(tǒng)、生產(chǎn)數(shù)據(jù)平臺、ERP系統(tǒng)、作業(yè)區(qū)數(shù)字化管理平臺、管道與場站管理系統(tǒng)、凈化總廠設(shè)備完整性管理系統(tǒng)等，涉及電力、通信、集輸凈化、鉆井試油、安全、環(huán)保、消防等專業(yè)領(lǐng)域設(shè)備信息，數(shù)據(jù)涵蓋設(shè)備基礎(chǔ)臺賬信息、設(shè)備運轉(zhuǎn)記錄、故障信息、維護管理記錄等，實現(xiàn)了設(shè)備的全生命周期管理，積累了大量的供研究和挖掘的歷史數(shù)據(jù)。

1 研究現(xiàn)狀

近些年，隨著微處理器或計算機的儀器儀表的迅速發(fā)展，以及維護管理系統(tǒng)的不斷完善，尤其是先進以現(xiàn)場總線和工業(yè)以太網(wǎng)等通訊技術(shù)的高速發(fā)展和普及，國內(nèi)外各大廠商推出了各種先進的預測性維護技術(shù)。油氣井管道站庫生產(chǎn)運行安全環(huán)保預警可視化管理系統(tǒng)研究與應用項目組對設(shè)備完整性及檢維修預警也進行了研究，研究人員使用灰色預測模型對壓力容器厚度進行灰色動態(tài)擬合，找出厚度隨時間的變化規(guī)律，求時間序列函數(shù)，預測下一次檢測值，以及基于多參數(shù)的設(shè)備故障預警就是通過綜合分析與設(shè)備故障狀態(tài)相關(guān)聯(lián)的多個工況參數(shù)的變化情況，實現(xiàn)預警。

2 決策樹分析法

2.1 決策樹簡介

決策樹分析法是指分析每個決策或事件（即自然狀態(tài)）時，都引出兩個或多個事件和不同的結(jié)果，并把這種決策或事件的分支畫成圖形，這種圖形很像一棵樹的枝干，故稱決策樹分析法。

2.2 決策樹構(gòu)建流程

下面以決策樹構(gòu)建中的ID3算為例說明決策樹構(gòu)建步驟[2]。

第一步：收集數(shù)據(jù)，數(shù)據(jù)包括樣本數(shù)據(jù)、驗證數(shù)據(jù)，樣本數(shù)據(jù)用于構(gòu)建決策樹、驗證數(shù)據(jù)用于驗證決策樹的準確率。

第二步：數(shù)據(jù)構(gòu)建，確定根據(jù)哪幾個屬性進行分類，及確定分類類別。

第三步：決策樹構(gòu)建。

3 基于決策樹分析法的設(shè)備預測性維護

為方便構(gòu)建模型我們選取兩種設(shè)備狀態(tài)：正常和非正常。

首先，選取樣本集，樣本集分兩類，一類為構(gòu)建決策樹，二類為驗證決策樹。

表1 設(shè)備預測性決策樹構(gòu)建樣本數(shù)據(jù)集

6 1990-2010年 高 是 是 否7 2010年以后 高 是 是 是8 1990年以前 中 否 否 否9 1990年以前 高 是 否 是10 1990-2010年 中 是 否 是11 1990年以前 中 是 是 是12 2010年以后 中 否 是 是13 2010年以后 低 是 否 是14 1990-2010年 中 否 是 否

通過公式計算數(shù)據(jù)集的信息熵為：I（正常，非正常）=0.9406；

生產(chǎn)日期：條件熵=E（樣本集，生產(chǎn)日期）=0.6936，信息增益=Gain（樣本集，生產(chǎn)日期）=I（正常，非正常）-E（樣本集，生產(chǎn)日期）=0.247；

工作時的溫度：生產(chǎn)日期：條件熵=E（樣本集，工作時的溫度）=0.9111，信息增益=Gain（樣本集，工作時的溫度）=I（正常，非正常）-E（樣本集，工作時的溫度）=0.0295；

是否經(jīng)常使用：生產(chǎn)日期：條件熵=E（樣本集，是否經(jīng)常使用）=0.7886，信息增益=Gain（樣本集，是否經(jīng)常使用）=I（正常，非正常）-E（樣本集，是否經(jīng)常使用）=0.152；

是否經(jīng)常維保：生產(chǎn)日期：條件熵=E（樣本集，是否經(jīng)常維保）=0.8955，信息增益=Gain（樣本集，是否經(jīng)常維保）=I（正常，非正常）-E（樣本集，是否經(jīng)常維保）=0.0484；

由此可見，若以“生產(chǎn)日期”作為分裂屬性，所得信息增益最大，于是根據(jù)該屬性的三個取值，將數(shù)據(jù)集分為三個子集：

圖1 數(shù)據(jù)子集構(gòu)建

（1）數(shù)據(jù)集1

表2 數(shù)據(jù)集1

（2）數(shù)據(jù)集2

表3 數(shù)據(jù)集2

（3）數(shù)據(jù)集3

表4 數(shù)據(jù)集3

數(shù)據(jù)集2對應子集全部樣本都屬于同一個類別，因此它成葉子節(jié)點，不再分裂。采用同樣的方法，分別對數(shù)據(jù)集1和3進行分裂，直到所得子集的全部樣本屬于同一個類別，得到全部葉子節(jié)點。最終得到的決策樹如圖2所示：

圖2 最終得到的決策樹

由此構(gòu)建完成設(shè)備預測性維護決策樹，接下來需要用驗證樣本集對結(jié)果進行驗證。驗證的方法為將樣本數(shù)據(jù)的屬性通過決策樹進行分類，所得到的葉節(jié)點的分類即為決策樹分類結(jié)果，然后將得到的結(jié)果與實際情況進行比較，計算驗證樣本集的決策樹分類準確率。

4 建議與意見

設(shè)備的預測性維護需要IT技術(shù)與業(yè)務的深度結(jié)合，為保證預測性維護的準確性和及時性，建議如下：一是注重設(shè)備基礎(chǔ)資料的管理，涉及設(shè)備廠商、生產(chǎn)日期、規(guī)格型號等出廠參數(shù)；二是加強設(shè)備運行狀態(tài)數(shù)據(jù)的收集整理，尤其是壓力、溫度等直接反映設(shè)備運行狀態(tài)的參數(shù)的收集，包括故障和正常運行狀態(tài)；三是建立設(shè)備預測性維護知識庫，引入專家驗證機制，提高設(shè)備預測性維護的準確率。

5 結(jié)束語

決策樹在設(shè)備預測性維護方面應用比較多，但是決策樹本身也存在一些缺點，ID3僅維護單一的當前假設(shè)，這樣就失去了表示所有一致假設(shè)帶來的優(yōu)勢，而且ID3算法在搜索中不進行回溯，每當在樹的某一層次選擇了一個屬性進行測試，它不會再回溯重新考慮這個選擇，所以它是收斂到局部最優(yōu)的答案，而不是全局最優(yōu)的。但是對于其中的不足，可以結(jié)合其他算法或者對其本身進行改進來達到全局最優(yōu)效果。