机械工业第六设计研究院有限公司 郑州 450000
摘要：现代化烟草企业的流程化生产线上拥有大量的旋转设备，在主要工艺环节中关键旋转设备良好、健康的运行状态是保障企业连续生产的基石。而现阶段国内的大型烟草企业中，设备维护方式各不相同，主要包含了事后维修、计划性维修、预测性维护几种情况。而设备预测性维护系统在烟草企业的应用，可提升烟草企业关键设备管理水平，保障连续生产。
关键词：烟草企业；旋转设备；预测性维护
1、概述
现阶段国内的大型烟草企业中，设备维护主要是根据设备重要程度分为事后维护和计划性维护。当前烟草企业设备管理手段的弊端体现在以下几个方面：
因点巡检的频次及数据量不够，而导致大故障、安全事故时有发生，难以避免；
因不知道设备何时发生故障，设备备件库存多，占用较多的库存资金；
人工点巡检需要较多的人力且人工工作量大；
存在设备过度维修和失修风险，设备存在突发性失效，给现场的设备安全管理及连续生产带来极大的挑战。
缺乏统一、分级别的设备数据管理软件，各系统的数据相对独立，形成数据孤岛，无法实现数据价值深度挖掘。
因此，烟草企业只有实现状态监测从点到面，从局部到完整，从被动到主动的全面转变，才能优化当前的设备管理模式，全面、及时的把握和预测设备状态，另外，随着企业自动化水平的提高、状态监测技术水平的不断提高，设备维修方式将发展趋势：
计划性维修向预测性维护转变，预测性维护技术将逐步覆盖更多的关键设备和关键工艺环节中的设备。
被动维修向主动维修改变。从本质上看，被动维修是为了恢复设备运行状态，主动维修是以设备状态可靠性为基础，结合生产工艺要求找出重复故障的根源、辨认和消除影响设备寿命的因素、确保设备处于无故障和良好性能的状态上。
所以，目前先进的烟草企业均在计划建立一套完善的设备预测性维护系统，使得全公司设备管理体系处于行业内领先地位。
2、方案设计
设备预测性维护系统核心是由数据驱动的设备预测性维护，实时获取真实有效的设备数据是系统运行的基础，通过智能诊断模型对数据进行处理，实现异常设备的智能报警、智能诊断、寿命预测等，缺少成熟智能分析模型的设备数据可通过智能报警体系实现智能报警，智能报警筛选出的异常数据，由诊断专家对异常数据进行诊断分析，人工对异常的部位、异常严重程度、状态发展趋势进行预测，智能诊断结果与人工诊断结果双重验证，通过系统的可视化组件进行可视化呈现，并给与现场检维修建议，在完成现场检修后将设备最新状态与历史状态进行对比、分析，实现设备检修后状态评估，保证设备起机后平稳运。
卷烟厂设备预测性维护系统通过在设备表面或内部布置传感器和数据采集系统，搭建物联网，实现设备运行中的振动、温度等信号的采集，并将数据上传至现场服务器，通过专业系统软件进行处理和分析。
当设备运行数据异常时，自动触发报警，并可通过短信、邮件以及手机APP方式推送至现场相关设备管理人员。现场工程师可通过软件中的分析工具对设备数据进行追踪回溯，判断当前设备状态，也可通过专家支持实现云端故障诊断，帮助现场确定设备异常原因、部位、损伤严重程度、部件剩余寿命评估等，为运维检修决策提供数据支撑。
本烟厂在实施过程中对动力中心关键设备（卷包除尘、空调机组）加装震动、温度、磁场、声音等状态监测传感器，传感器集传感、数据采集、数据传输于一体，同时实现测振、测温、磁场、声音等状态；实现稳态和非稳态设备的看护，静态数据（总值）、动态数据（频谱）传输，可根据现场实际安装环境选择有线传输或无线传输。
通过监测设备不同区域震动、温度、磁场、声音等的曲线波形变化，结合历史数据，可以对设备工频故障（如电机、齿轮箱基础地脚松动、结构松动、结构共振、电机转子不平衡、齿轮箱高速轴齿轮不平衡、轴系轴心线不重合等）、机械部件损伤故障（电机内外圈剥落、轴承动静磨碰、内外圈旋转松动、齿轮箱啮合不良、断齿、偏磨等）进行提前预警。系统总体架构如下：
.png)
图1 系统架构
第一级为数据采集层：其中，无线监测器进行原始数据采集，并传输至无线通讯站中，无线通讯站通过有线以太网、光纤、3G/4G/5G方式传输至现场状态监测服务器。
第二级为现场监测系统：与监测系统配套一台服务器，用于存放从监测站发回的设备状态数据，现场设备维护与管理人员可通过电脑终端访问远程智能监测系统，了解监测机组的实时运行状态。
第三级为远程诊断系统：通过该系统，远程诊断专家可对所有纳入监测的设备进行远程数据分析与故障诊断。
3、结论
设备预测性维护系统在烟草企业的应用，可做为烟草企业关键设备管理水平提升的重要支撑。为烟草企业带来以下价值：
保障连续生产：基于可靠、真实的设备运行数据，实现设备当前运行状态的判断和未来状态的预测，可精准定位故障部件、分析故障根因、全面监测故障劣化趋势、评估故障部件剩余寿命，将维护维修决策由临时、事后抢修等转变成计划、预测性维修，可有效减少非计划停机次数，从而保障并且有效提升企业的综合生产效益。
保障设备安全：通过对设备状态的判断和预测，避免设备故障引起的连锁反应，可最大限度的降低安全事故风险。
保障企业效益：企业目前的设备实际运维中，“过修”导致大量备件库存，“欠修”导致事后抢修。使用设备预测性维护系统，可实时掌握设备状态，实现预测性维护维修，最大限度减少“过修”或“欠修”，优化备件库存，减少备件资金占用，降低事后抢修比率。
建立故障数据库：随着历史数据和过程数据的大量积累，建立具有企业自身特色的设备故障案例库，丰富典型故障模型，可不断推进智能化分析技术在企业的应用，使分析结论更加智能和准确。
助力运维管理模式升级：基于可靠、真实的设备运行数据，实现设备当前运行状态的判断和未来状态的预测，改变之前基于经验的事后维修、计划性检修的设备运维模式，逐渐向基于设备状态的高阶设备运维管理模式转变，实现数字化、信息化驱动，变革设备运维管理模式，步入预测性维护。
参考文献：
[1]张映锋，张党等.智能制造及其关键技术研究现状与趋势综述[J].机械科学与技术，2019，38（03）：329-338.
[2]贺正楚，潘红玉.德国“工业4.0”与“中国制造2025”[J].长沙理工大学学报（社会科学版），2015，30（03）：103-110.
[3]邹方.智能制造中关键技术与实现[J].航空制造技术，2014，14：32-37.