李 梅

（河北白沙煙草有限責任公司保定卷煙廠，河北保定 071000）

0 引言

由于煙草行業(yè)設備高速化、精密化、大型化、自動化、信息化等的特點明顯，如何用好、修好、管好設備的責任重大。為此，煙草行業(yè)的設備管理人員應在設備管理領域，就如何向更數字化、更精益化、更智能化等方向發(fā)展問題上作出努力探索與研究。

行業(yè)內先進的卷煙工廠通過不同視角，對設備數據管理以及應用領域方向進行了卓有成效的實踐及探索。例如：上海卷煙廠，以全面開展深層次數據應用為主線，圍繞“平臺、數據、工具、團隊”打造專家型數據分析隊伍，實現了生產簡化、優(yōu)化、精益化；杭州卷煙廠，致力于實現卷煙生產從原輔料供應源頭，到卷煙產品最終消費的全生命周期管理；通過分析、預防、消除產品全過程的差錯，為追求“質量零缺陷”“生產全機動”奠定了堅實基礎；青島卷煙廠則以消化吸收各種先進管理模式為基礎，摸索出“擬機為人、以人促機、人機和諧”的設備“六精”管理理念。

1 基于熵權TOPSIS 法的設備智能輪保策略應用

1.1 設備評價模型的選擇

常見的綜合評價模型建立方法有層次分析法、綜合評價法、熵權法、模糊數學法、空間相關分析、物元模型、TOPSIS模型、灰色關聯(lián)分析以及數據包絡分析等。其中，TOPSIS 為Technique for Order Preference by Similarity to Ideal Solution的縮寫，即逼近理想解排序法。

本文綜合熵權法賦權客觀性以及TOPSIS 模型排序評價客觀的優(yōu)點，對設備進行綜合評價，以便于后期指導維修人員進行設備維保。

1.2 基于設備數據實現熵權TOPSIS 法的理論應用

該熵權TOPSIS 法智能輪保模型建立步驟如下：

第一步，參考設備管理需求框架確定模型評價體系，結合設備數據采集情況進行評價模型體系構建。本文選用了故障類指標、剔除類指標、運行類指標、工藝質量類指標構建評價體系。

第二步，采用最大最小法對數據進行歸一化處理，對于效益型數據，即數據指標值越大越好的數據，其歸一化處理的理論形式如下：

其中，xmin為數據序列中的最小數，xmax為序列中的最大數。

對于成本型數據，即數據指標值越小越好的數據，其歸一化處理的理論形式如下：

第三步，確定各指標權重，若有m 個待評機臺，n 個評價指標，形成原始數據矩陣：

則第j 個指標的熵值Ej：

第j 個指標的權重wj：

第四步，按照TOPSIS 法的理念，各待評機臺距離正負理想解的歐氏距離分別為：

第五步，最終得到各機臺的得分情況如下：

1.3 模型應用的結果展示

該模型策略應用時，需要每隔固定周期對設備數據進行處理，計算綜合評價模型，根據評價結果將設備情況分為表1 所示的四級策略應對建議。若某些機臺在權重較大的指標得分較差，即歸一化處理得分小于0.3 時，也需要關注這些機臺的該項指標。

表1 熵權TOPSIS 法智能輪保模型的四級策略應對建議

2 基于卷煙機重復性故障聚類分析的設備故障管理策略應用

2.1 卷煙機重復性故障數據現狀

ZJ112 卷煙機設備按照故障出現頻率，可分為重復性故障及偶發(fā)性故障：前者導致的設備停機時長一般比較短，但若重復次數和頻率較高，其對設備正常運行的累計影響效應就會十分明顯；后者一般與設備的運行狀態(tài)直接相關，設備在不斷損耗劣化的過程中重復性故障出現頻率往往增加。

針對此提出的設備重復性故障管理策略，分析控制故障的出現頻率，減少重復性故障的出現頻率及停機處理時長，保障設備運行穩(wěn)定性，提高設備運行效率。統(tǒng)計2019 年ZJ112 卷煙機發(fā)生設備故障時的停機累計時長數據，整理成為輸入數據。

2.2 結合聚類技術分析重復性故障停機數據

采用聚類分析手段，依據聚類優(yōu)度甄選最佳聚類類別數。聚類優(yōu)度的定義為，不同的聚類類別參數下組內平方和總占平方和的比例。

研究通過聚類分析手段，為類別參數設定不同的值，選擇不同的聚類類別數，對故障停機時長數據進行聚類，通過比較聚類優(yōu)度，選出最佳聚類類別數4 類。

根據聚類結果，分類統(tǒng)計各類別的停機故障累計時長數據。累計停機時長較長的共有3 類別，停機故障指標共有7 個，其所導致的停機時長占總停機時長的比例高達89%，所以將這7 個停機故障指標作為下一步故障管理監(jiān)測的重點。

2.3 提取監(jiān)測指標作區(qū)間分組結果展示

選擇了MAX 搓板堵塞作為重點監(jiān)測指標對象，按照二八法則及聚類分析結果，將每班次搓板堵塞次數劃分為了3 個區(qū)間（表2）：每班次搓板堵塞次數小于5 時，認為設備處于正常狀態(tài)；在［5，15］區(qū)間時，認為設備產生了劣化趨勢，處于預警狀態(tài)，應當對該故障加以關注，并根據設備故障樹進行相關部位的保養(yǎng)，避免設備進一步劣化；大于15 時，認為設備已經出現了異常，應當及時對設備進行點檢維護。其他監(jiān)測指標可進行類似對應的結果展示與分析。

表2 每班次搓板堵塞次數管理策略

3 基于煙支重量神經網絡預測的設備智能預知維修管理策略應用

3.1 神經網絡模型選擇

卷煙產品質量與設備運行狀態(tài)息息相關，通過建立設備運行數據與未來時段卷煙產品質量間的映射關系，可以實現對卷煙產品質量的預測。但是由于影響卷煙產品質量的因素過多，一般預測方法難以充分挖掘其中的相關關系并進行精確預測，故可以采用神經網絡法，利用其強大的非線性處理能力和容噪能力，探求設備運行數據與產品質量間的相關關系，實現產品質量的預測。

對卷包車間產生的煙支重量數據采用聚類分析、神經網絡等方法，結合企業(yè)實際質量需求，建立工藝質量預測模型，實現對未來時段內某一工藝質量指標的預測推廣。

3.2 數據處理與聚類分析

按照時間維度整理數據，將故障、剔除、生產、工藝質量等指標的數據對應整理，構建m×n 數據分析矩陣，其中m 為時間段總數、n 為數據指標個數，設備故障、剔除、生產的數據為該時段內的極差數據，設備重量數據為下一時段內的平均值數據。按照企業(yè)工藝質量要求，對工藝質量數據加以分類，推薦分為優(yōu)、良、差三類。

對數據進行如式（1）的歸一化處理，將數據轉化為0～1 之間的數，以取消各類數據間數量級的差別，避免因輸入數據和輸出數據的數量級差別較大，而造成網絡預測誤差較大的情況。

3.3 神經網絡質量預測模型的結果展現

采用隨機抽樣的方法，選取訓練集，以數據分析矩陣的前n-1 列作為輸入數據，最后一列為輸出數據，建立起神經網絡預測模型。對于該神經網絡模型的隱含層節(jié)點數的確定，將按照式（9）的經驗公式確定范圍。

其中，l 為隱含層節(jié)點數，i 為輸入節(jié)點數，j 為輸出節(jié)點數；a為［1，10］范圍內的調節(jié)整數。

然后，通過多次試驗比較網絡性能，定隱含層節(jié)點數。模型訓練完成后，通過驗證集進行準確性驗證。

最后，將實時數據歸一化處理，作為輸入數據代入模型進行預測分析。

4 結語

本文立足于卷煙行業(yè)設備維修領域，針對卷煙生產設備產生的大量數據，采用聚類分析、神經網絡預測、熵權TOPSIS 法等理論工具，結合本文總結的設備智能輪保策略、智能預知維修管理策略、設備故障管理策略、設備維修成本統(tǒng)計與分析策略，實現設備維修數據在設備維修管理領域的應用。

（1）在熵權TOPSIS 法設備智能輪保策略應用中，綜合了熵權法賦權客觀性與TOPSIS 模型排序評價客觀性的優(yōu)點，減少了人為觀點對評價結果的影響，使評價結果具有客觀參考價值。依據該模型，能夠找到設備薄弱點，從而指導相關從業(yè)人員進行維保計劃的制定。其能夠適用于相同機型的設備評價，而實際生產過程中，一個生產單位往往同時存在多種設備機型，這就需要建立多個評價模型。未來可以考慮分析各機型間指標的數學關系，將該模型推廣，使其適用于各機型的綜合評價。

（2）在設備重復性故障聚類應用中，對設備故障數據按照累計停機時長指標數據進行聚類，根據聚類結果找到影響設備運行的主要故障，通過采用二八法則等分析方法，制定了設備故障管理策略，明確設備故障管理流程，有效提高設備運行效率。該管理決策能夠判斷設備狀態(tài)，但進一步的設備維護工作仍然依賴于設備故障樹及設備故障處理SOP（Standard Operating Procedure，標準作業(yè)程序）的制定。因此，針對設備故障樹及SOP 的制定需要不斷加以充實完善，確保簡化維修流程，提高維修效率。

（3）在神經網絡智能預知設備維修管理策略應用中，首先采用聚類分析方法，對數量較多的停機原因進行篩選，減少了輸入指標的數量。然后采用神經網絡法，建立設備運行數據與未來時段卷煙產品質量間的非線性映射關系，實現了對卷煙產品質量的預測。根據預測結果，能夠在產品質量問題發(fā)生前及時采取措施加以預防，有效保障產品質量。但是由于現實條件所限，而采用的關于停機原因、剔除量等設備運行數據來表征設備狀態(tài)進行模型搭建的方式，對數據與設備狀態(tài)之間的關聯(lián)并不直接、停機時的數據斷流等問題的考量。而振動、溫度等設備狀態(tài)檢測數據，則具有與設備狀態(tài)關聯(lián)性更直接、數據連續(xù)性更好的特點。這些數據可通過自行加設傳感器獲得，此外在一些最新的如ZJ119 煙機設備中，也預裝了傳感器對這些數據加以監(jiān)測，采用這些數據進行模型搭建，能夠提高預測模型的適應能力及預測精度，保障產品質量。

本文總結的一些關于設備維修管理領域的策略理論思路與策略應用，僅適用于當前實際卷煙生產車間設備維修管理，對于設備維修策略及應用在其他行業(yè)設備維修管理領域也具有一定可行性，希望能夠為相關研究的探索與實踐提供參考。