当前位置: 首页 » 技术文献 » 装备与自动化 » 正文

钢铁企业维修大数据分析交流

放大字体  缩小字体 发布日期:2019-11-01  作者:张孝桐  浏览次数:545
 
核心提示:产线设备管家;为企业的产品服务;收集现场产品作业设备数据
 钢铁企业维修大数据分析交流

张孝桐

(宝武集团上海宝钢 退休人员)

摘要和关键词:产线设备管家;为企业的产品服务;收集现场产品作业设备数据

习近平主席指出:“要构建以数据为关键要素的数字经济。建设现代化经济体系离不开大数据发展和应用。我们要坚持以供给侧结构性改革为主线,加快发展数字经济,推动实体经济和数字经济融合发展,推动互联网、大数据、人工智能同实体经济深度融合,继续做好信息化和工业化深度融合这篇大文章,推动制造业加速向数字化、网络化、智能化发展”。

工业大数据是智能制造的核心,以“大数据+工业互联网”为基础,用云计算、大数据、物联网、人工智能等技术引领工业生产方式的变革,拉动工业经济的创新发展。工业大数据分析技术作为工业大数据的核心技术之一,可使工业大数据产品具备海量数据的挖掘能力、多源数据的集成能力、多类型知识的建模能力、多业务场景的分析能力、多领域知识的发掘能力等,对驱动企业业务创新和转型升级具有重大的作用。可以从以下三个方面来理解。

首先,资源优化是分析的目标。企业之间竞争的本质是资源配置效率的竞争,优化资源配置效率是企业技术创新应用的主要动力,也是工业大数据分析的核心目标。工业大数据分析是实现新一代信息技术与制造业融合的重要技术支撑,其目的是不断优化资源的配置效率,实现生产全过程的可视化、高端定制化生产、产品生产节能增效、供应链配置优化、企业智能化管理等,达到提升质量、降低成本、灵活生产、提高满意度等目的,促进制造业全要素生产率的提高。

其次,数据建模是分析的关键。来源于产品生命周期的各个环节中的海量数据,为工业大数据分析提供了前提和基础,而海量的工业数据如果不经过清洗、加工和建模等处理是无法直接应用于实际的业务场景。工业大数据分析通过模型来描述对象,构建复杂工业过程与知识之间的映射,实现知识清晰化、准确化的表达。

最后,知识转化是分析的核心。确定性和稳定性是工业应用的两个基本特点,这就决定了工业大数据分析技术就是感知信息和提炼知识,其核心在于如何把海量数据转化为信息,信息转化为知识,知识转化为决策,以应对和解决制造过程的复杂性和不确定性等问题。   

作为我国重工业的钢铁企业,我们要认真学习:习主席系列讲话,确实把握好“供给侧结构性改革这条主线”,要抓住重点而不是别的!《工业大数据分析指南》是在新形势下对工业大数据分析关键共性问题进行的辨识、抽象和提升,适应当前工业大数据的应用需求和技术变革,具有较为广泛的通用性和相对普遍的指导意义,适于工业领域内的企业、机构的研究和参考。希望通过与业界的分享,共同推动工业大数据开发利用和应用推广,为制造强国和网络强国建设添薪助力!因此,钢铁企业产品产线上的设备管家(即:钢铁企业产品产线上的操作方、点检方、工程技术人员三位一体的第一线管理人员)系统,关键是要收集、整理哪些数据?不仅仅是设备数据,更重要的是从“为企业的产品服务”出发,首先,是要汇集钢铁行业产线设备的上,形成影响"产品质量和工作效率"的相关数据!详见下图。

 

图1 

图1 钢铁企业产线设备管家,应收集产线设备现场管理数据

 从上图可见:作为钢铁企业产品产线上责任共同体、利益共同体的三位一体“产线设备管家”体系,在进入到新时代,要构建以数据为关键要素的数字经济时,我建议:认真贯彻习主席的“建设现代化经济体系离不开大数据发展和应用”的精神,必须收集三方面的数据。

1、收集确保对企业“产品保障的数据”:如,停产时间可控、节能减排的记录等;这里,有个新概念,什么是钢铁企业产线管理的“停产时间可控”?

众所周知:钢铁企业的产品制作,除了人、财、物以外,“时间”是个关键的因素,因此,企业必须对产品制作的总时间严加关注和管控!对设备管家体系的考核指标是:产线产品制作的“停产时间可控”!

 首先,各条产线必须要掌握:产线上每台单体设备 “产能”的量,要找到“最小产能”量设备,即是该条产线的瓶颈设备,以此为计每条产线“总产能”的量, 即为该产线的最大产能(L最大)。

   所谓“停产时间”即企业领导部门,综合了年度和产品订单的需求,经过和设备管家体系具体协商后,要对各条产品产线确定不同的、根据产能和年度产品订单需求,计算“可允许停产的月度总时间”。

设:企业领导部门,根据协商下达任务产能的量为(L需求):

1、L最大>L需求时,这个差量,即为不影响产品制作的停产时间;

2、L最大 = L需求时,即,这个时段将没有时间可停,要特别注意;

3、L最大<L需求时,原则上设备管家体系要向管理部门提出,其差额部分,必须要商定相应的措施,才能顺利地完成产品交付。

2、收集确保对设备“运行状态的数据”:如图所示,收集关键设备(有隐患或有故障的设备)上“状态受控点”点检“六方面”(即,故障数据、表盘数据、机械数据、电气数据、超标数据、隐患数据)的状态数据。

3、收集确保对检修“恢复状态的数据”,如,工时工序表、维修资材(维修的备品备件和维修材料的总称)和维修费用等。

参考文献:《工业大数据分析指南》                           

 
 
[ 技术文献搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 

 
关于我们 联系方式 付款方式 电子期刊 会员服务 版权声明 冀ICP备13016017号