摘 要： 近年来，在两化融合的背景，各地烟草物流中心都先后建立半自动或全自动的仓储、分拣全套设备，自动化设备带来人力的减少和速度的提升，同时对运维提出了更高的要求，设备运维由事后运维向事前运维转变。烟草行业智慧物流指导意见指出，完善集物流设备运行、维保、状态可视化数据为一体的设备信息数据库，建立物流设备数字化管理系统。搭建智能物流设备管理模型，实现智能化设备安全运行管控和维护，利用信息技术提升物流设备管理和运维的敏捷性、高效性。因此本文通过对设备进行ABC分类，通过监测设备实时运行状态，收齐实时运行数据，最后通过大数据方法对设备进行管理和深度学习，建立设备健康管理模型。
关键词： 大数据; 设备健康; 管理系统;
一、大数据的设备健康管理
设备健康管理主要目标是通过对设备进行连续实时的状态监测和分析，及时发现潜在的问题，加强设备的日常润滑、保养和运维以及老化管理，将设备风险控制在合理范围内，预测设备故障的发展趋势，最终实现事前维修。
二、大数据设备健康管理技术体系
大数据设备健康管理技术体系包含设备状态监测、故障判断、设备预测、运维管理等4个方面。本文以湖南某地市烟草物流配送中心为例进行分析，按照《中国烟草总公司设备管理办法》确定的设备分类规则的基础上，对设备进行ABC分类管理，确定重点管理设备对象:机器人，堆垛机、载货小车、穿梭车、提升机、开箱机、推箱机，裹膜机等，其中重要组件有：电机、气缸、PLC、轴、光电管、减速器等。常见故障有：不平、接触不良、轴磨损、不对中、机械松动、电子元件老化、润滑油失效等。
（一）状态检测
通过加装在设备上的各种感应器，利用温度、气压、振动、超声波等不同类型感应器获取设备的实时运行状态，如超声波感应器（用于检测设备内部的摩擦情况）、振动感应器（判断机械设备的非平稳运动现象）、温度感应器（用于监控裹膜机、空压机温度）、油液感应器（用于判断润滑油多少）等，通过实时在线采集数据，取得设备重点部位的运行情况，对比设备数据库提供的各种合理范围的运行参数，发现运行异常的设备。
（二）故障判断
故障判断涉及的方法包括主要有时域信号分析、频域信号分析，人工神经网络、专家系统综合诊断等。故障判断可为设备的事前维修提供参考意见，通过故障判断及状态监测，设备管理人员可以制定合理的设备运维计划，并通过提前维修，提前解决设备故障，并为进一步设备检测和判断提供依据。具体方法如下所示：
表1 故障判断方法表
(1）振动特征，设备正常运行时具有不同的振动频率，如轴的横向运动、纵向运动，可以计算出轴的特征频率信息。
(2）温度变化范围设备不同的部件温度均有一个合理的范围，通过检测温度，可提前预知是否在可控范围内。
(3）主要光电信号检测
通过收集主要光电元件的日常操作故障信息，来判断电子设备是否出现老化，退化，从而实现提前更换。
三、建立设备健康管理平台
设备健康管理平台的结构分为三层，分别是设备感知层，数据传输层和应用层。设备感知层是指安装在设备上获取设备运行状态和参数的各类传感器，数据传输层将数据的实时传输至后台数据库。应用层利用大数据与云平台技术，采用数据可视化，建立设备监测管理平台，并通过各种数据库和分析实现设备的智能化管理。随着现代社会的快速发展，烟草物流配送作为最后一公里，对服务质量要求越来越高，设备停机将会导致分拣时间延长，导致服务延后，采用大数据提升设备管理水平，实现设备的事前维修，已越来越紧迫。一方面通过大数据平台可以收集大量设备运行数据，为将来的扩大应用打好基础，另外一方使设备管理不断向智能化方向转变，可以减少工作时间，提升服务质量。
参考文献
[1]丛运石．基于大数据的设备运行管理．学习与研究，2019(7).
[2]祝旭．故障诊断及预测性维护在智能制造中的应用．自动化仪表，2019(7).
