宋紅文 胡曉峰 李茂波 楊 蝶 張衛(wèi)東

(1. 西南科技大學(xué)制造科學(xué)與工程學(xué)院 四川綿陽 621010； 2. 成都誠至誠商務(wù)物流有限責(zé)任公司 四川成都 610051；3. 西南科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 四川綿陽 621010)

如今越來越多的商業(yè)系統(tǒng)物流倉儲、分揀作業(yè)逐漸從傳統(tǒng)的人工作業(yè)方式轉(zhuǎn)變?yōu)闄C(jī)械自動化設(shè)備作業(yè)。物流設(shè)備管理已經(jīng)成為物流公司精益管理的重要組成部分，特別是物流作業(yè)中的關(guān)鍵節(jié)點(diǎn)設(shè)備，其穩(wěn)定運(yùn)行與否將直接影響物流作業(yè)效率。成都誠至誠商務(wù)物流有限責(zé)任公司共有設(shè)備數(shù)量667臺，按照物流功能環(huán)節(jié)，分為倉儲、緩存、分揀三大區(qū)域，日均分揀商品20余萬件，日均分揀工作時(shí)間10 h。設(shè)備運(yùn)維管理系統(tǒng)是分揀作業(yè)正常工作的保障，常規(guī)的設(shè)備運(yùn)維管理系統(tǒng)記錄資產(chǎn)、安排和跟蹤維護(hù)任務(wù)并保存他們執(zhí)行的工作的歷史記錄。

現(xiàn)代智能方法在設(shè)備故障診斷技術(shù)中得到了廣泛應(yīng)用，設(shè)備狀態(tài)的智能監(jiān)測和故障診斷將是故障診斷技術(shù)的最終目標(biāo)[1]。朱志遠(yuǎn)分析了紅外線診斷技術(shù)的具體使用，能夠檢測溫度異常的變壓器故障[2]。徐志霞通過研發(fā)專用的傳感器，監(jiān)測車站聯(lián)鎖設(shè)備狀態(tài)，采用人工智能方法，分解為信號狀態(tài)信息、區(qū)段狀態(tài)信息、道岔狀態(tài)信息，然后將其顯示在人機(jī)界面上[3]。効迎春等通過RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對電機(jī)軸承的故障診斷[4]。余達(dá)在Matlab/Simulink平臺上對風(fēng)力發(fā)電機(jī)和風(fēng)電場進(jìn)行建模，產(chǎn)生各種類型的故障信號，進(jìn)而為后續(xù)的特征提取和故障診斷方法開發(fā)提供合理、充足的數(shù)據(jù)[5]。程旭基于最小熵解卷積的信號分析方法研究滾動軸承故障失效[6]。李海偉首先分析變電站內(nèi)絕緣子串、避雷器、斷路器、CT、CVT、變壓器高壓套管和隔離開關(guān)幾類關(guān)鍵設(shè)備的結(jié)構(gòu)、故障類型和紅外熱像圖特征，利用BP神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)設(shè)備故障的識別[7]。張芳以維修費(fèi)用為性能評價(jià)指標(biāo)、以設(shè)備可靠性為約束條件建立了多目標(biāo)優(yōu)化預(yù)防性維修周期模型[8]。20世紀(jì)90年代，美軍在聯(lián)合攻擊戰(zhàn)斗機(jī)(Joint Strike Fighter，簡稱JSF)項(xiàng)目中提出了視情維修(Condition Based Maintenance，簡稱CBM)。視情維修過程包括設(shè)備數(shù)據(jù)采集、狀態(tài)監(jiān)測與評估、故障診斷、故障預(yù)測(狀態(tài)預(yù)測)和維修決策(決策支持)等環(huán)節(jié)[9]。

本文所述的倉儲、分揀設(shè)備系自主研發(fā)，非標(biāo)設(shè)備較多，單臺設(shè)備價(jià)格相對不高，采用傳感器監(jiān)控設(shè)備運(yùn)行狀態(tài)以預(yù)測設(shè)備狀態(tài)或者采用預(yù)防維修，容易造成過度維修的情況，從而增加維護(hù)成本。倉儲、分揀作業(yè)是一個流水線作業(yè)過程，很多節(jié)點(diǎn)設(shè)備的故障將會造成整個生產(chǎn)線的停機(jī)，所以，設(shè)備運(yùn)維管理系統(tǒng)能夠通過前期設(shè)備運(yùn)維數(shù)據(jù)統(tǒng)計(jì)，結(jié)合專家知識庫，在不增加成本的前提下，降低倉儲、分揀生產(chǎn)線停機(jī)率。

1 要因模型

要因模型設(shè)計(jì)的主要內(nèi)容包括以下兩點(diǎn)：一是基于德爾菲法的專家知識庫構(gòu)成，其作用是確定物流關(guān)鍵節(jié)點(diǎn)設(shè)備；二是維修要素確定，通過計(jì)算、試驗(yàn)、檢測手段確定維修要素，重新選型或者改造，從而降低該設(shè)備的故障頻率。

1.1 專家知識庫

運(yùn)用德爾菲法構(gòu)建專家知識庫，邀請包括物流師、設(shè)備工程師、分揀上位調(diào)度等涉及倉儲、分揀系統(tǒng)的專家，基于可操作性和全面性，由專家列出多個影響維修的分類項(xiàng)，各個專家獨(dú)立打分，采用去掉每組分值的最大值和最小值，其余求平均為項(xiàng)目權(quán)重值，如圖1所示，得到知識庫的表項(xiàng)目及其權(quán)重值。以停機(jī)影響為例，停機(jī)造成的加班成本、用電成本、損失成本由權(quán)重值表示。

1.2 確定維修要素

維修要素是導(dǎo)致分揀設(shè)備停機(jī)的設(shè)備故障。由圖1可知，通過導(dǎo)入歷史維修數(shù)據(jù)以及實(shí)時(shí)維修數(shù)據(jù)后，按照專家知識庫綜合考慮故障頻率、停機(jī)影響和維修成本因素，能夠計(jì)算每一臺設(shè)備總分，總分最高的設(shè)備就是目前停機(jī)影響最大的設(shè)備，是需要優(yōu)先解決的故障。當(dāng)找到關(guān)鍵的需要優(yōu)先解決的設(shè)備故障后，針對標(biāo)準(zhǔn)的設(shè)備或者非標(biāo)設(shè)備及設(shè)備工作狀態(tài)變化等情況，組織物流專家、設(shè)備專家、電氣工程師、結(jié)構(gòu)工程師、維修工人通過計(jì)算、實(shí)驗(yàn)、檢測等方法確認(rèn)維修要素，通過維修要素的確定，以降低故障率為標(biāo)準(zhǔn)，重新設(shè)計(jì)或者重新選型，使該設(shè)備的故障頻率下降，總分也將降低。工作原理如圖2所示。

圖1 物流系統(tǒng)關(guān)鍵節(jié)點(diǎn)設(shè)備專家知識庫分類權(quán)重

圖2 要因模型工作流程圖

2 要因模型實(shí)現(xiàn)與分析

設(shè)備管理需要保證分揀設(shè)備的正常運(yùn)行，所以設(shè)備故障造成的分揀設(shè)備停機(jī)時(shí)間是最重要的考核指標(biāo)，在本項(xiàng)目開展之前，分揀設(shè)備停機(jī)時(shí)間如表1所示，3個月基本穩(wěn)定在8 h/百萬件的水平。

表1 分揀設(shè)備故障停機(jī)時(shí)間

2.1 找出關(guān)鍵設(shè)備

通過最近3個月的維修數(shù)據(jù)統(tǒng)計(jì)，如圖3所示，升降輸送機(jī)的總分值最大，是87分，是目前最需要維修的關(guān)鍵設(shè)備。其它的數(shù)據(jù)也表明升降運(yùn)送機(jī)導(dǎo)致的分揀設(shè)備停機(jī)時(shí)間最長。

圖3 設(shè)備停機(jī)時(shí)間統(tǒng)計(jì)

2.2 分析影響設(shè)備運(yùn)行的關(guān)鍵因素

組織了設(shè)備主管、結(jié)構(gòu)工程師、電氣工程師、維修工、操作工現(xiàn)場通過對升降輸送機(jī)的故障原因進(jìn)行分析，以機(jī)構(gòu)為單位采用列表法排列故障原因，以翻轉(zhuǎn)輥筒機(jī)構(gòu)為例，列出了12條故障因素，見表2。通過計(jì)算、試驗(yàn)、檢測等手段，排除非關(guān)鍵因素。如圖4，通過檢測，在光標(biāo)A處取值，軸承內(nèi)圈損傷沖擊加速度為-0.5906g，超出標(biāo)準(zhǔn)值±0.4g的范圍，故判斷內(nèi)圈不合格。通過計(jì)算，選用更大型號的軸承，并設(shè)計(jì)加工對應(yīng)的滾軸等部件，能夠滿足使用的需求。新軸承正常運(yùn)行2周后，檢測如圖5所示，在光標(biāo)A、光標(biāo)B處取值，軸承內(nèi)圈損傷沖擊加速度為分別為-0.1582g和-0.07861g，小于標(biāo)準(zhǔn)值，故判斷內(nèi)圈合格。

圖4 軸承內(nèi)圈震動檢測不合格圖

圖5 軸承內(nèi)圈震動檢測合格圖

表2 設(shè)備關(guān)鍵因素分析表

2.3 運(yùn)行與分析

經(jīng)過改造后，分揀設(shè)備的停機(jī)時(shí)間明顯下降，經(jīng)過 3個月的穩(wěn)定運(yùn)行，停機(jī)時(shí)間由8 h/百萬件下降到5.2 h/百萬件(如表3所示)；升降輸送機(jī)的故障時(shí)間由4 h/百萬件下降到2.24 h/百萬件；升降輸送機(jī)的翻轉(zhuǎn)輥筒機(jī)構(gòu)，故障時(shí)間由1.8 h/百萬件下降到0.28 h/百萬件。

表3 改造后分揀設(shè)備故障停機(jī)時(shí)間

3 結(jié)論

針對成都誠至誠商務(wù)物流有限責(zé)任公司分揀系統(tǒng)自主非標(biāo)設(shè)備多的情況，運(yùn)用要因模型，采用專家知識庫的方法給設(shè)備的運(yùn)行狀態(tài)打分，找出影響分揀設(shè)備停機(jī)的關(guān)鍵設(shè)備，通過計(jì)算、試驗(yàn)、檢測手段確定設(shè)備維修要素并給出新的選型或者設(shè)計(jì)。該方法在有限的維修人員、維修經(jīng)費(fèi)的情況下，最大限度降低了分揀設(shè)備停機(jī)時(shí)間，從而提升了效率。本文研究成果對于其他物流分揀系統(tǒng)的維修管理有較好的借鑒意義。