建立卷烟设备停机原因预测分析模型.docVIP

建立卷烟设备停机原因预测分析模型 摘要 烟草加工企业建立了数据采集（DSA）系统，却无法有效地建立采集的数据与真实的原因的对应关系，缺乏辅助决策的结论和评价。为了建立这种数据与原因的对应关系，通过对“大数据”理论全数据、趋势性及相关关系判断三个特点的把握，运用多维度空间分析法，对180多万次设备停机数据进行分析。建立起停机现象与真实原因之间的相关关系。并在此基础上，建立卷烟设备停机原因预测分析模型，为卷烟工业企业的生产运行管理提供辅助决策依据。 关键词 停机现象；停机原因；大数据； 预测模型 中图分类号TS4 文献标识码A 文章编号 1674-6708（2014）111-0184-03 烟草加工设备正表现出高速化、信息化、优质化的发展特点。传统的运维管理手段已落后于效率、质量、物耗控制的需要。因此，各烟草加工企业建立了生产制造系统（MES系统）、数采系统（DSA系统）、质量分析控制系统（SPC系统）等多种管控技术，以期加强对产、质、耗各生产要素的统计分析。但这些统计分析管理系统仅仅表现出现象性、静止性和事后性等特点，而产生停机的原因表现为多因数的、综合作用的、趋势变化的等特点，运行统计抽样法、因果关系法等传统的分析方法，根本无法建立停机现象和真实原因的对应关系，进而无法实时地找到影响产、质、耗异常的深层次原因，去及时指导生产管理。 “大数据理论”为我们探索停机真实原因、建立预测模型提供了思路。1）建立全数据分析而不再依赖随机抽样。每次停机都有“特定且唯一的原因”引起，随机抽样选取了局部而浪费了绝大多数海量资源，当然无法建立停机现象和真实原因的对应关系；2）建立相关关系而不再寻求因果关系。不同原因的停机在时间、频次、周期等会表现出不同的特点，它隐藏在海量数据之中，让计算机用它的计算能力、对比能力找出“是什么”的趋势，舍弃“为什么”的因果判断；3）建立趋势性和混杂性，不再简单追求精确性；4）大数据的核心是预测。通过分析管理资料、生产运行数据和实验研究来建立数学模型，运用到海量数据上来预测真实原因的可能性。我们通过对一年来180多万次停机数据的分析，运用多维度空间分析法，以一个停机现象为例，建立停机现象与真实原因的相关关系，并让MES系统建立“反馈学习”机制，利用系统本身产生的数据，辅以运行管理成果，判断自身算法和参数选择的有效性，持续改进预测结果。 1 研究对象的选择 某家卷烟企业于2012年建立及运行卷接和包装设备数据采集系统、生产制造系统。我们抽取2012年5月至2013年4月12个月的数据资料，卷烟机记录停机294852次，停机现象40类，其中“SE跑条”、“MAX搓板堵塞”等6项停机现象超过总停机次数的80%；包装机记录停机1555175次，停机现象462类，其中“小包翻转防护罩打开”、“CH入口槽阻塞”、“5轮缺烟包”、“透明纸进料阻塞”、“15步无盒件”等20项停机现象超过总停机次数的80%。符合“关键的少数”影响多数的“二八”定律（见图1）。 图1 我们选择了卷烟机“MAX搓板堵塞”现象，对一年的所有停机数据开展研究，在多维度的单一变量情况下，共有六种停机原因，它们对停机数据的时机、周期、频次、强度表现出不同的相关程度，并据此建立停机现象在每维度引起停机原因的概率大小的数学分析方法。实验结束后，验证了实验的可重复性，并运用此方法，同理可研究预测其它停机现象的真实原因。 2 “MAX搓板堵塞”现象与停机原因相关性研究 “MAX搓板堵塞”停机现象主要受六个维度的影响。因此，我们选择了10台卷烟机（代表不同设备的技术状况），3个生产班组（代表操作人员不同的操作水平及清洁保养质量），3个不同生产品牌（代表不同性质的原辅材料），设置不同的设备运行参数（鼓轮负压值和搓板温度值），以卷烟机“MAX搓板堵塞”现象的停机变量为研究对象，对一年的堵塞次数的全部数据进行分析。 2.1 10台卷烟机生产同一牌号，对设备因素的研究 据图2所示，2#、6#、12#、13#的搓接停机次数，分别占到各卷接机组停机次数的15.56%、19.85%、16.65%和20.35%，占所有卷烟机的停机比例72.41%。结合其他管理和运行数据对比，这四台卷烟机搓接部位的技术状况、操作人员技能水平、设备清洁保养质量、设备运行参数设置、备件使用周期等的某一方面或综合方面存在问题，需在MES中做出警示，发出管理改进提示。 图2 2.2 10台卷烟机分别生产A、B、C三个不同牌号，对原料和辅料因素的研究 图3 据图3所示，各卷烟机在分别生产A、B、C三个牌号时，搓接停机次数占比分别为9.28%、21.39%、8.85%。说明，B牌号的卷制材料与设备的适应性可能会存在更多问题，材料的设计选择或设备的参数调整方面，需做出警示并加以改进。 2.3 同一台卷烟机，生产C牌号时