基于DT的售后设备预测性维护协同模式研究_李晓.pdf

第 28 卷 第 1 期2023 年 2 月工业工程与管理Industrial Engineering and ManagementVol.28 No.1Feb.2023基于DT的售后设备预测性维护协同模式研究李晓，陈雨晨*，阮渊鹏，王雷，劳晓云（杭州电子科技大学 管理学院，浙江 杭州 310018）摘要:设备制造商为了满足设备用户对快速故障诊断和维护的需求，需要对设备进行实时监测、预测和远程指导。以数字孪生五维模型为基础，提出基于数字孪生的协同维护七维模型和维护服务协同模式。该模式下设备制造商和设备用户可实时获得对设备的监测信息，使得制造商能向用户提供更有效、及时的服务和支持。最后以某瓶装水封盖过程为例，构建设备隐式半马尔可夫模型，对设备当前运行状态的持续时间进行测算，得到与下一次劣化或故障状态的时间间隔，起到预测效果。构建了数字孪生服务平台框架和维护知识数据库，验证了所提出的协同维护模式的可行性。关键词:数字孪生；预测性维护；协同维护；隐式半马尔可夫模型；售后设备中图分类号:C 931 文献标识码:AResearch on Collaborative Model of Predictive Maintenance for After-sales Equipment Based on DTLI Xiao，CHEN Yuchen*，RUAN Yuanpeng，WANG Lei，LAO Xiaoyun（School of Management，Hangzhou Dianzi University，Hangzhou，Zhejiang 310018，China）Abstract:In response to the demands of users for prompt fault diagnosis and maintenance，equipment manufacturers require more advanced maintenance technologies for real-time monitoring，prediction，and remote guidance.Based on the existing five-dimensional digital twin model，a seven-dimensional model of collaborative maintenance and a collaborative maintenance model were proposed based on the digital twin virtual representation.In these models，equipment manufacturers and users could obtain real-time monitoring information of equipment.This enabled manufacturers to provide more effective and timely service and support to customers.Finally，by using a bottled water capping process as an example and utilizing the hidden semi-Markov model of equipment，the duration of the current operational state for capping equipment were predicted.The time interval with the next degradation or fault state was obtained，which has the prediction effect.A digital twin service platform framework and a maintenance knowledge database were constructed to verify the feasibility of the collaborative maintenance model.Key words:digital twin;predictive maintenance;collaborative maintenance;hidden semi-Markov model;after-sales equipment文章编号：1007-5429（2023）01-0067-14DOI：10.19495/ki.1007-5429.2023.01.009收稿日期：2021-05-07基金项目：国家自然科学青年基金资助项目（71801064）;浙江省自然科学基金项目（LY18G010008）;浙江省新苗人才计划项目（2020R407067）;浙江省教育厅一般科研项目（Y202044271）。作者简介：李晓（1977），浙江永嘉人，副教授，博士，主要研究方向为产品服务系统、数字孪生等。E-mail：。*通信作者：陈雨晨，硕士研究生，主要研究方向为智能制造、数字孪生等。E-mail：。-67第 28 卷 李晓，等：基于DT的售后设备预测性维护协同模式研究1 引言 随着数字化、大数据等技术的发展，制造业开始依靠此进行服务化创新，解决生产和服务中的问题，以提高产品质量，推动服务创新。从制造设施和设备的角度来看，此技术意味着考虑延长设备的预期寿命，这是实现更可持续运营的关键因素，也是设备制造商的商机1。对于设备制造企业来说，如果能提供更可靠的产品和售后服务，将会获得更高的声誉和收益。对于设备用户来说，如果能得到快速准确的维修服务，就可以减少因设备故障而造成的产品质量和生产能力的损失2。在日趋激烈的市场竞争下，为了获得更大的市场份额，企业必须采用新的维修模型、方法和技术来改善其售后服务。在制造企业，设备的维护方式发生了巨大的改变。从传统的故障检修模式，转变为预防性、预测性和设计性维护2-3。传统的故障检修模式为纠正性维护，设备检修任务主要以经验法或定性法为主，缺乏对关键设备的识别和分类，无法合理配置维修资源3，并且存在维修不完善、过度维修和潜在危险4，设备的可靠性、可用性和安全性难以控制和保证。针对传统设备维护的低可靠性，当前对设备的预防性和预测性维护主要集中于远程监控服务和基于智能算法的设备状态预测。近几年来被广泛关注的数字孪生，成为使制造设备运行状态可视化、可预测化的新发展方向。数字孪生驱动的设备故障预测是基于物理设备和虚拟设备的同步映射和虚实交互，以实现对故障的快速模拟预测5。尽管一些文章描述了对设备远程监测、预测的可行性，提出了结合设备制造商、备件供应商等利益相关者的维护服务框架，但较少涉及由设备制造商提供的基于数字孪生技术的售后设备维护服务相关研究。这是一个重要的点，因为它可以提供一种新的售后设备维护方式。为了满足制造商对设备的实时监测、故障预测和远程指导的需求，避免因地理分散而导致的协作效率低，本文将数字孪生技术引入由设备制造方向设备用户组提供的维护服务中，构建了基于数字孪生的协同维护七维模型，并提出了基于数字孪生的设备维护服务协同模式。通过实时交互、仿真与监测、模拟预测等方式，映射设备在物理环境中的运行方式和状态，实时呈现给设备制造方，使设备制造方向设备用户提供更有效、更及时的服务和技术支持，保证设备的平稳、连续运行。以某品牌瓶装水生产过程为例，针对影响其产品质量的关键危害点之一的封盖过程，构建封盖设备隐式半马尔可夫模型，利用设备运行状态数据对封盖设备的运行状态持续时间进行预测，在设备将要结束正常运行状态前向操作人员发出预警，验证协同模式下基于数字孪生的设备预测和异常预警的可行性。在此基础上构建了数字孪生服务平台框架以联结维护参与者和构建维护知识数据库，使维护参与者在数字孪生服务平台发出异常预警后能及时建立协同维护团队，对设备的异常情况进行协同诊断，做出维护决策，最后实施维护方案。文本的其余部分如下：第2章对相关文献进行了梳理；第3章提出了基于数字孪生的协同维护七维模型；第4章提出了基于数字孪生的设备维护服务协同模式；第5章验证了基于隐式半马尔可夫模型预测的协同维护功能；第6章总结全文，说明了研究的局限性，并概述未来研究。2 设备维护国内外研究现状 2.1远程协同维护研究现状针对传统设备运维的低可靠性，并且为了满足顾客对终身支持和服务的要求，设备制造商正在将责任延伸到产品使用阶段。LEE6提出了面向制造设备和产品生命周期的远程服务工程系统的概念和框架。KSSEL等7认为机器制造商为了保证其竞争力，应当向用户提供远程产品服务。上述模式虽然解决了制造商和用户之间的距离问题，但是这些资源分布较为广泛，协作效率不高。针对该种资源分散情况，CHEN等8提出了一种基于网络的售后设备协同维修服务模型来对设备进行实时监测。WAN等2提出了一个协作维护和服务框架，以连接不同的利益相关者，并将他们的知识整合到维护和服务过程中。FAN等9针对具有相关故障模式和资源约束的可修系统的预测维修问题，提出了一种新型的协同预测维护模型。MI等10讨论了影响预测维修决策的全因素在多个-68第 1期工 业 工 程 与 管 理组织间的协同感知和互联框架。在制造企业的服务化转型过程中，不断发展的产品服务系统（product service system，PSS）正在彻底转变为智能、互联产品，为设备制造商提供了新的服务方法。LERCH 和 GOTSCH 11提出了剩余使用寿命（remaining useful life，RUL）数字化背景下制造企业服务化转型的4个阶段：传统制造商、基于IT服务的制造商、纯数字服务制造商、基于数字化产品服务系统的制造商。其中远程监控技术（remote monitor technology，RMT）被认为是服务化的关键技术之一12，也是基于IT服务的制造商的主要服务方式。通过使用远程监控技术，能远程检测错误或故障，并提前为解决这些错误或故障做好准备。ZHAO等13实现了面向服务体系结构（service-oriented architecture，SOA）的远程状态监测和故障诊断系统在设备远程监测与故障诊断领域的开发。WANG等14提出了一种基于通用服务协议的变电站自动化设备远程维护技术。ZHANG和CHEN15以设备用户和维修服务商为研究对象，基于远程监控服务和故障预警，提出了分散决策和集中决策下的维修服务合同设计与优化模型。ZHENG等16建立了一个广义比例风险模型，以提高监测信息的准确性。ZHANG等17提出了一种基于变分自编码的深层生成模型的轴承故障诊断半监督学习方法，该方法在只有一小部分数据有标签的情况下也能有效地利用数据集。最终阶段的基于数字化PSS的制造商，不仅向客户提供复杂的 PSS，而且还将信息与通信技术（information and communications technology，ICT）解决方案作为产品服务捆绑包中的一个新组件，创建智能、独立的操作系统，提供尽可能高的可用性，优化运营，同时减少资源投入。为了实现面向用户的复杂PSS，AURICH等18提出了支持面向生命周期的技术产品服务系统的设计方法。PAPAZOGLOU等19提出了一种新的PSS定制生命周期方法。成熟的PSS可以满足客户对多样化的需求，提高资源效率，帮助制造商实现收入增长和可持续性20。2.2数字孪生在预测维护中的研究现状随着大型加工设备、超精密机床等大型机电设备的日益增多，诊断和维修的难度也越来越高15。当下对设备的故障预测研究是一项研究热点。现有的预测模型大致分为3类：基于知识的模型、基于物理的模型、数据驱动的模型21。基于知识的模型由于受限于行业知识的不易传播性，因此在理论上有较大的限制性。基于物理的模型往往由于技术的局限性和较高的成本，很难建立较好的物理模型。基于设备运行数据的模型能够充分利用采