第1章 绪论
1.1 研究背景和意义
当前，随着经济与科学技术的飞速发展，对设备的高可靠性要求日益增加，企业的生产需求也急剧增加，因而也提高了企业对生产设备管理的要求。企业在满足其最高产能的前提下，要求实现生产管理的高有效性、可靠性，低生产风险性及高生产安全性。在企业的生产管理中，设备管理是其一个重要的组成部分，设备管理的水平及可靠性会影响企业的持续发展、生产水平及其生产效率等。设备故障的意外发生，通常会增加企业的设备维护支出，因为在绝大多数正常情况下，设备发生故障导致的事后维修支出相较日常设备的预防性维护支出而言，要高出许多。除去维修费用，设备故障造成的计划外停机也会造成生产及与生产相关的一系列损失，使企业蒙受巨大的损失。据调查，未纳入计划的一天停工，其经济损失可高达10万~20万欧元[1]。
设备是企业进行正常生产运转的技术基础，如果设备在生产使用过程中，未进行有效的维护，就可能会失效或者发生故障，对企业来说，这不仅会增加相应的设备维护成本，影响企业的生产效率，还会降低生产线上的在制品质量，从而造成企业的巨大损失。对企业来说，由于低效或者无效的维护，维护费用的三分之一或者二分之一都浪费了[2]。因而，通过对设备进行合理有效的维护来降低故障发生率，已成为企业降低生产成本、提高生产效率和市场竞争力的重要手段之一。
工业设备和生产系统操作的可靠性对生产型企业的盈利能力和竞争能力都有重要影响，这使企业对工业生产过程和生产设备维护策略重要性的关注日益增加。维护，是指为了保持或恢复设备系统处于正常执行预定功能状态，而进行的所有相关技术和管理活动。维护最基本的作用是延长设备的使用寿命，避免事故的发生和技术性灾难，为生产节约、节省原材料和动力资源从而减少生产费用，提高生产利润和投资回报率[2]。对企业生产管理而言，制定一个行之有效的维护管理系统是非常必要的。它可以将维护成本维持在一个较低水平，同时使所有的设备都保持高效率的运作。近年来，随着设备维护研究的不断深入，以及实践的实施验证，企业管理人员和研究人员对维护管理领域的认知也在逐步提高，新的维护理念与方法、新的应用领域都不断出现[3]，主要表现如下。
（1）第三方运营维护的出现，外部社会化维护资源的介入使工业制造型企业不再依赖企业内部提供的维护资源。
（2）维护不再是一种单纯消耗企业资源的活动，而被看作是创造企业利润的来源。优化的维修策略可直接作用于生产率的提高上，从而为企业创造更多利润。
（3）设备维护管理不再只关注设备故障本身，还将与设备故障相关的许多因素，如维修后设备状态、维修成本、停工损失等，都纳入维护决策的考虑和优化的过程中。
（4）设备维护管理不再被视为孤立的管理活动单独进行，它开始与企业的其他管理职能，如库存管理、生产计划制订等相结合，共同拟订一个集成的生产维护采购计划，以取得更大的效益。
设备的主要前期维护方式包括两大类：出现故障后采取的恢复性维护方式和保持设备良好运转状态的预防性维护方式[3][4]。
其一，事后维护。表示设备出现故障后对其采取的维护方式，也就是说，设备坏了才进行维修，如果设备没有故障，就不进行维修。事后维护是一种无计划性的被动维修方式。
其二，预防维护。表示设备在生产中以预防故障为主要目的，对设备进行检查和检测，防止设备故障发生或者发现设备的故障征兆，使设备保持最初的功能状态，在故障发生之前所进行的各种维护、维修活动。
设备维护管理在经历了事后维护、预防维护阶段后，出现了一种新的设备维护方式，即状态维护（condition based maintenance, CBM）。在状态维护过程中，监测设备的工作状态及环境，通过传感器获得设备的实时状态信息，利用先进的数据处理技术对监测到的设备信息进行分析，从而获得当前的健康诊断状况，并通过一系列的设备诊断预测方法来预测设备的有效寿命，合理地确定设备的维护计划及维护时间。有效实施状态维护主要包括两个方面：诊断和预测。诊断主要表示设备出现运转异常时，对设备的故障进行诊断、判断及处理。预测主要表示设备出现故障前，对设备的状态进行预测。随着生产技术的不断发展，机械设备复杂性在提高的同时，也增加了企业生产系统的复杂性，因此，设备的诊断和预测会面临更大困难。
在新的设备维护方式中，设备的健康预测作为新兴的研究内容，被引入设备的维护研究领域，并且成为当前研究的一个热点问题。随后不久，设备的健康预测获得了蓬勃的发展，但是，在发展过程中出现的一些预测方法在使用过程中缺乏通用性，仅仅局限于某些特定的领域，如航空领域、汽车领域、国防领域等[5]，并且，已有的许多预测模型是建立在对设备的监测信息进行技术处理与分析的基础上的。在维护策略的优化研究中，对传感器检测信息的分析建模有利于设备健康预测方法的发展，促使设备在诊断当前健康状态时，还能够有效地预测未来状态的发展趋势。然而，对于目前的预测模型，大多数都是离线对设备进行健康预测，为了使预测的设备状态与设备的实际状态更加吻合，进行了单监测信息的设备在线健康预测，在此基础上，进一步研究了多监测信息的在线健康预测。在设备的维护过程中，高准确性和可靠性的设备健康预测结果是保证设备维护效果的重要因素，并影响生产安全性的提升、生产任务的合理制定、设备维护策略的有效实施、设备维护成本的降低，以及设备生产停工时间的减少等方面。虽然有效的在线健康预测是很难的研究内容，但是，设备的在线健康预测技术及方法模型仍是研究的热点领域。进行设备健康预测的意义主要体现在以下方面。
（1）从经济角度考虑，准确有效的在线健康预测可以为减少设备停机时间、提高设备的利用率、保证设备的持续使用提供基础，可以保障企业在规定的时间完成预期的工作任务，从而提高客户的满意度和企业的效益。同时，后续基于在线健康预测的设备维护，也为企业带来了合理有效的维护决策。
（2）从安全角度考虑，设备的故障或者突发故障可能会带来难以估算的安全隐患，比如航天设备、核电设备、矿山设备等，一旦发生故障，会造成人员伤亡和企业的经济损失。如果进行合理、有效、精确的在线健康预测，就可以在设备恶化或者衰退前，对其进行合理的维护决策，从而减小设备的安全隐患。
（3）从生产角度考虑，合理有效的在线健康预测可以为企业的维护决策提供依据，可以实现用最少的备件库存满足最大的维护操作，进而降低企业的备件库存费用。
在对设备健康预测的相关模型方法进行总结归纳的基础上，本书拓展和改进了健康预测方法，提出了单监测信息和多监测信息的在线健康预测方法。基于设备监测信息的健康预测，反映了设备健康预测模型的个体特征；同时，由于设备的监测信号具有实时性，提出的在线健康预测模型不断更新，因而，实时追踪设备当前最新的健康状态可以反映设备健康预测模型的更新特征，是十分有意义的研究。
在现实中，维护不仅局限于制造业领域，也在其他行业也得到了极大的关注与应用（如服务行业），如医院里大型贵重医疗器械的维护[6]，公共设施如桥梁道路的维护[7][8]，物流行业的车辆更新[9]等对于各个行业不同的维护对象，最终的维护目标都是降低其成本，提高设备的利用率和竞争力。目前，针对设备的维护问题，设备的诊断信息发挥着重要的作用，随着对维护要求的提高，在设备的维护过程中，需要同时考虑设备的预测信息。在本书中，基于设备的在线健康预测，可获得设备的诊断信息和预测信息，对设备进行全面维护，可以满足企业的多样化需求，消除企业提高生产率的“瓶颈”问题。对基于状态监测信息的预测与系统性设备维护管理从理论和方法方面进行研究，并在此基础上实现预测性维护，可以获得巨大的经济效益。