基于大数据智能化分析的全周期设备管理提升探索——以铁路运输生产型企业设备管理为例.pdfVIP

QualityManagement质量管理

基于大数据智能化分析的全周期设备

管理提升探索

以铁路运输生产型企业设备管理为例

机械工业标准化与质量

内蒙古锦华路港物流有限责任公司铁路运输分公司王亢

摘要作者认为，应结合大数据管理对铁路运输生产型企业的设备进行全生命周期预测、

监测分析，通过对设备当前、历史的工作状态以及未来可能出现的发展趋势进行预测和监测，

以便于在日常管理中采取最优方案对设备进行维修、改造、升级、处置，从而实现设备管理精

细化、智能化、系统化。

关键词铁路运输设备管理大数据分析全周期

本、提高设备管理精度、具备应对当前复杂多变

1引言

市场环境的能力，企业迫切需要掌握设备的基础

(1)理论基础参数、实时运用状态、故障风险点并预测剩余寿

设备管理的定义是从设备的购置、安装、调命，并通过探索新技术、新模式、新思路以谋求

试到使用、维护、报废的全方位管理过程，其主更高效、更精准、更智能的设备管理模式，以实

要的目的是使生产的过程中设备保持全效率、零现生产设备的实时监测，从而将数据的价值可以

停机、零废品、零事故运行，保证设备生产运行应用到设备管理的多个环节，可以更加科学性、

的准确性、可靠性、安全性、高效性，实现设备客观性的保养维修设备，合理的对资源进行调拨

生命寿命周期内综合效率最大化，最大限度的发和处置。

挥设备生产效益，确保生产工作按计划执行。伴随我国铁路运输网络的全面覆盖，铁路设

(2)研究背景备管理智能化已成为必然趋势，当前我国的铁路

企业日常的生产过程中，在外部因素和内部行业设备状态判断方式主要采用动态性高频中等

因素作用下，设备的性能与健康状态在运行过程范围小精度检测、静态性低频大范围中精度检

中会呈现出衰退趋势，当衰退达到一定程度时，测、临时性专项小范围高精度检测和经验性监测

设备将无法完成正常任务和功能，造成难以挽回相结合的方式，检修方式主要包括计划性维修、

的经济损失和资源浪费，为保障正常的生产工故障后维修、状态预测性维修，现场检修大多采

作，企业要付出大量的运维成本，即人力成本、用以预防为主的定期修方式，由于铁路行业设备

设备管理成本等，以保障设备的运行状态。生产技术状态受工艺质量、机械水平、维护程度、管

企业的总成本中，根据企业规模、生产模式、行理作业组织和其他外界环境等诸多因素影响，仅

业特点等差异，设备工作检维修及日常管理的成依靠常规的检修模式己无法适应我国铁路行业设

本占比通常在10%至60%之间，为降低管理成备精细化管理的需要，迫切需要通过对设备全周

24

质量管理QualityManagement

期内的技术状态、运用趋势、故障概率、影响范的分析和评估操作。对设备的寿命