CN105867341A - 一种烟草加工设备的在线设备健康状态自检方法及系统 - Google Patents

Abstract

本发明公开了一种烟草加工设备的在线设备健康状态自检方法及系统，包括：获取实时反映烟草加工设备状态的参数；根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数；根据选择的烟草加工设备状态参数构建烟草加工设备健康状态的评价模型；确定烟草加工设备健康状态的评价模型中的参数权重、模型参数中心值、模型参数阈值、阶段关键参数；根据烟草加工设备所处的阶段将相应的烟草加工设备参数当前值、参数中心值，参数阈值，参数权重以及关键参数值带入构建的烟草加工设备健康状态的评价模型，得到出当前状态下的烟草加工设备健康状态。本发明所采用的数据为实时在线数据，上述数据作为评价依据更真实，定量评价更精确。

Description

一种烟草加工设备的在线设备健康状态自检方法及系统

技术领域

本发明涉及烟草加工设备状态健康自检技术领域，具体涉及烟草叶片加料机设备的设备健康状态自检方法。

背景技术

目前在卷烟生产企业中，一般缺少对烟草加工设备健康状态的评价。烟草加工设备多采用PLC做自动化控制。一般控制程序中提供了设备报警功能，可以对设备部分参数出现异常时提供报警提示。但该方式涵盖设备参数较少，仅对少数关键参数提供了报警机制，且各参数之间的相互关联并没有考虑在内，因此不能对这个设备状态做出评价。同时该方式仅考虑设备部件参数，评价设备保障性能的工艺生产指标并未包含在内，因此对设备的评价较为片面。报警机制为事后机制，即出现问题后才能做出提示，对于设备亚健康作业，带病作业等灰色区域缺少预测诊断机制。

现有技术中，少数烟草企业建立了对烟草叶片加料机的健康状态评价，但该评价方式一般为采用人工打分的形式进行等级定性评价，缺少对设备的定量分析。该方式评价粒度较粗，评价者主观影响较大。同时评价方法一般为整体评价的综合结果，缺少对设备问题点的定位及处理意见。

另外，现有的少数烟草叶片加料机设备健康状态评价方法多是离线式评价。不能够在线通过实时数据做出评价。该方式由于评价周期长、离线数据失真等原因导致评价结果滞后，不能准确反映当前设备实时状态。

发明内容

为解决现有技术存在的不足，本发明公开了一种烟草加工设备的在线设备健康状态自检方法及系统，本发明对待自检的烟草加工设备所处的阶段实时采集相应的参数数据，送入设备健康状态评价模型进行在线设备健康状态检测，得出相应的自检结果。本发明能够根据实时数据相对准确的实现对烟草加工设备的健康状态进行自检。

为实现上述目的，本发明的具体方案如下：

一种烟草加工设备的在线设备健康状态自检方法，包括以下步骤：

获取实时反映烟草加工设备状态的参数；

根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数；

根据选择的烟草加工设备状态参数构建烟草加工设备健康状态的评价模型；

确定烟草加工设备健康状态的评价模型中的参数权重、模型参数中心值、模型参数阈值、阶段关键参数；

根据烟草加工设备所处的阶段将相应的烟草加工设备参数当前值、参数中心值，参数阈值，参数权重以及关键参数值带入构建的烟草加工设备健康状态的评价模型，得到出当前状态下的烟草加工设备健康状态。

进一步的，所述反映烟草加工设备状态的参数包含设备部件参数及与之相关的工艺保障参数和生产效能参数。

进一步的，根据反映烟草加工设备状态的参数的类别对烟草加工设备的数据分类别分层次进行数据组织，形成加料机数据资源关系图和数据清单。

进一步的，所述烟草加工设备所处的运行阶段包括设备开机阶段、设备预热阶段、生产阶段及停机阶段。

进一步的，所述根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数时具体根据所形成的数据资源清单，对烟草加工设备每个阶段进行数据筛选，选取该阶段所需要的设备本体、工艺保障，生产效能三类别的参数。

进一步的，所述烟草加工设备健康状态的评价模型具体为：

其中：F(X)为总体评价结果值，范围0-100；Y＝[y1,y2,y3…yn]由输入参数xi通过对中心值阈值范围计算得到；Wi:对应输入参数Xi的权重；Sgn()函数为布尔函数，在范围内输出1，越界输出0；A为权重所组成的向量，便于采用矩阵形式计算。其中，任一输入参数为xi，为加料机设备参数中参与健康自检的数据参数。表2即为预热阶段参与自检的参数。

进一步的，烟草加工设备健康状态的评价模型输入量包括：根据阶段选择对应的参数xi的当前参数值Xi，以及该参数的参数中心值Z_i，参数阈值范围长度的倒数λi，参数权重wi。

进一步的，烟草加工设备的数据中前两层的数据采用层次分析法确定参数权重，二层以后的数据采用熵权法来确定各参数权重。

进一步的，采用层次分析法确定参数权重时，

根据确定的层次化数据组织树进行操作，元素对下一层次的元素起支配作用，同时也受上层元素的支配；

某类别同层元素构造两两比较矩阵，为了比较同一层元素对上层次元素的相对重要性，构造两两比较矩阵度量标准表；

计算某类别本层的各因素的权重w_i为：

$w_i=\frac{{\Σ}_{j=1}^n{a}_{ij}}{{\Σ}_{i=1}^n{\Σ}_{j=1}^n{a}_{ij}}$

其中，a_ij为标度；

自根节点始依次计算层次化数据组织树各类别各层次分组内的权重。

进一步的，采用熵权法来确定各参数权重时，包括：

数据标准化：将各个指标的数据进行标准化处理；

假设给定了k个指标X₁，X₂，...，X_k，其中X_i＝{x₁，x₂，...，x_n}，假设对各指标数据标准化后的值为Y₁，Y₂，...，Y_k，那么

$Y_{ij}=\frac{X_{ij}-\min \left(X_i\right)}{\max \left(X_i\right)-\min \left(X_i\right)}$

求各指标的信息熵：根据信息论中信息熵的定义，一组数据的信息熵：

$E_j=-\ln {\left(n\right)}^{-1}\underset{i=1}{\overset{n}{\Σ}}{p}_{ij}{\mathrm{lnp}}_{ij}$

其中，如果p_ij＝0，则定义

确定各指标权重

根据信息熵的计算公式，计算出各个指标的信息熵为E₁，E₂，...，E_k，通过信息熵计算各指标的权重：

$W_i=\frac{1-E_i}{k\ΣE_i},(i=1,2,\mathrm{...},k).$

进一步的，模型参数中心值确定：模型参数中工艺类参数其中心值依据工艺标准中的中心值设定，其他数值型值采用该阶段设备健康状态下参数的统计中位数设定。

进一步的，模型参数阈值确定：工艺类参数其阈值上下限依据工艺标准范围设定，其他数值型参数采用以中位数为中心，涵盖95％数值区间的限制进行设定。

进一步的，烟草加工设备状态的参数中的布尔量参数全部为关键参数。

一种烟草加工设备的在线设备健康状态自检系统，包括：

烟草加工设备状态的参数获取模块，用于获取实时反映烟草加工设备状态的参数；

烟草加工设备状态参数选择模块，用于根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数；

模型构建模块，用于根据选择的烟草加工设备状态参数构建烟草加工设备健康状态的评价模型；

输入参数确定模块，确定烟草加工设备健康状态的评价模型中的参数权重、模型参数中心值、模型参数阈值、阶段关键参数；

烟草加工设备健康自检模块，用于根据烟草加工设备所处的阶段将相应的烟草加工设备参数当前值、参数中心值，参数阈值，参数权重以及关键参数值带入构建的烟草加工设备健康状态的评价模型，得到出当前状态下的烟草加工设备健康状态。

本发明在建立模块之前，需要对设备状态评价数据组织。首先选取反映加料机设备状态的参数。反映加料机设备状态的参数不仅包含设备部件参数，还应包括与之相关的工艺保障参数和生产效能参数。按照此三类别对加料机数据分类别分层次进行数据组织。形成加料机数据资源关系图和数据清单

然后对自检阶段进行划分。加料机实际生产过程中一般包括设备开机、设备预热，生产，停机四个阶段，其中我们重点关注前三个阶段和最后生产指标的总体情况。因此确定设备健康状态自检分为：开机前自检，预热中自检，生产中自检和批次结束后整体评价自检。

烟草加工设备各阶段数据筛选。各阶段其核心任务不同，因此自检评价的参数也不尽相同。根据所形成的数据资源清单，对烟草加工设备的每个阶段进行数据筛选，选取该阶段所需要的设备本体、工艺保障，生产效能三类别的参数。

最后实现模型的构建。

其中，阶段关键参数确定：关键参数指该参数在该阶段有极为重要的影响，如该参数不能达标将严重影响该阶段核心任务的进行。关键参数在设备健康自检中具有一票否决的权限。关键参数的确认需生产管理、设备管理，设备操作，工艺管理等人员对相应阶段检测的参数进行讨论，以确定该阶段是否有关键参数点，关键点为哪些。

模型计算和结果展示。根据设备健康状态自检阶段的不同，将相应的参数当前值、参数中心值，参数阈值，参数权重以及关键参数值带入步骤(4)所提供自检模型，计算出当前状态下的设备健康状态自检评分，并给出自检报告。

自检报告中包括各参数的当前值及其中心值、阈值范围要求，以及由各参数状态得出的操作建议。设备维修、设备管理人员参考操作建议进行设备排查和设备维保。并根据自检报告历史记录制定设备保养方案。

本发明的有益效果：

1、本发明对烟草加工设备分阶段进行健康状态评价更为合理，每个阶段所对应的状态参数均不相同，分阶段进行评价更能反映出该设备所处阶段的具体的运行状况。

2、本发明烟草加工设备的相关参数分设备本体参数，工艺保证参数，生产效能参数三类，数据评价设备状态更全面。

3、本发明所采用的数据为实时在线数据，上述数据作为评价依据更真实，定量评价更精确。

附图说明

图1为叶片加料机数据资源关系图；

图2为叶片加料机设备健康自检报告。

具体实施方式：

下面结合附图对本发明进行详细说明：

本发明以烟草加工设备中的烟草叶片加料机为例进行具体说明该设备的在线设备健康状态自检，具体包括的步骤为：

1.按照设备所拥有数据的性质和用途可将数据大体分为三类：设备本体类数据，工艺保障类数据，生产能效类数据。设备本体类数据主要包括电机数据，设备运行参数，设备操作数据、通信连接数据等。工艺保障类数据涵盖包括工艺相关的各类参数。生产能效类数据主要包括班次、批次、产量等相关类的数据。按照此三类别对加料机数据分类别分层次进行数据组织。形成加料机数据资源关系图如图1。

加料机数据资源关系图即为加料机数据资源规划图，展示了加料机包括的数据资源，并对数据资源进行了分级分类；同时建立了数据之间的联系。

此图由思维导图工具按照目标需求逐层推导得出，记录设备有哪几部分组成，各部分又有哪些数据资源，依次寻找到数据元节点。

自检所需数据及对各类别数据的权重确定方法都是以此图作为基础进行的。图中数据资源为自检所需数据。图中分类，为层次分析法进行操作的依据。

2.各阶段数据筛选。各阶段其核心任务不同，因此自检评价的参数也不尽相同。筛选方法为从数据资源表中选择与该阶段核心任务相关联的各类数据。数据的选取以设备本体数据，工艺保障数据，生产效能数据三个方面进行。以预热阶段设备健康状态自检为例，从加料机数据资源中筛选的该阶段所需参数如下表2所示。

表2.加料机预热阶段参数

3.根据表2中所选择的数据采用层次分析法和熵权法对各参数进行权重分配。

模型参数权重确定。模型中参数的权重对于评价结果至关重要，参数的组织是按类别分层次进行组织的，其中第一层，二层数据较少，因此采用层次分析法(AHP)确定参数权重。二层以后参数由于参数数据较多，使用层次分析法确定权重操作不易实现且容易混乱，因此采用熵权法来确定各参数权重。无论层次分析法还是熵权法都是对某一类某个层次内数据的权重确定，其为该层中各元素对相应上一级元素的权重划分。自根节点始权重为100％(所有参数的全部权重)，使用层次分析法和熵权法可以计算出各元素对应于整体的权重。

权重确定层次分析法(AHP)：

根据确定的层次化数据组织树进行操作。元素对下一层次的元素起支配作用，同时也受上层元素的支配。

某类别同层元素构造两两比较矩阵。为了比较同一层元素对上层次元素的相对重要性，构造两两比较矩阵度量标准如下：

表1.两两比较矩阵度量标准表

标度aij	定义
		1	i因素与j因素同样重要
3	i因素比j因素略重要
		5	i因素比j因素较重要
7	i因素比j因素比较重要
		8	i因素比j因素绝对重要
2、4、6、8	为以上两判断之间的中间状态的评价的标度
		倒数	若j因素与i因素相比较得到新的标度aji＝1/aij

计算某类别本层的各因素的权重wi为：

依据计算方法，自根节点始依次计算层次化数据组织树各类别各层次分组内的权重。

熵权法：

①数据标准化

将各个指标的数据进行标准化处理。

假设给定了k个指标X₁，X₂，...，X_k，其中X_i＝{x₁，x₂，...，x_n}。假设对各指标数据标准化后的值为Y₁，Y₂，...，Y_k，那么

②求各指标的信息熵

根据信息论中信息熵的定义，一组数据的信息熵：

其中如果p_ij＝0，则定义

③确定各指标权重

根据信息熵的计算公式，计算出各个指标的信息熵为E₁，E₂，...，E_k。通过信息熵计算各指标的权重：

4.根据要求分别对表2中的数据计算(设定)其中心值和阈值范围上下限。

5.对表2中的数据筛选关键参数，其中布尔量参数全部为关键参数，如表2中的阀门状态，通信状态等。数字量参数根据其引起的风险确定其是否为关键参数。

6.根据公式1计算设备健康状态。a.首先输入各参数的中心值Zi、阈值范围，权重值Wi，扫描各参数的当前值，由个参数阈值范围，计算各参数的敏感系数λi，计算各参数状态中间值yi，形成列向量Y，由各输入参数权重Wi，形成系数行向量A，扫描关键因子，计算一票否决因子函数值计算并输出评价输出结果F(X)。

7.在对设备进行自检时，自检数据来自于当前设备的实时状态参数，状态参数经自检模型运算后，自检结果以设备健康自检报告的形式进行展现如图2所示。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种烟草加工设备的在线设备健康状态自检方法，其特征是，包括以下步骤：

获取实时反映烟草加工设备状态的参数；

根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数；

根据选择的烟草加工设备状态参数构建烟草加工设备健康状态的评价模型；

确定烟草加工设备健康状态的评价模型中的参数权重、模型参数中心值、模型参数阈值、阶段关键参数；

根据烟草加工设备所处的阶段将相应的烟草加工设备参数当前值、参数中心值，参数阈值，参数权重以及关键参数值带入构建的烟草加工设备健康状态的评价模型，得到出当前状态下的烟草加工设备健康状态。

2.如权利要求1所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，所述反映烟草加工设备状态的参数包含设备部件参数及与之相关的工艺保障参数和生产效能参数。

3.如权利要求1所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，根据反映烟草加工设备状态的参数的类别对烟草加工设备的数据分类别分层次进行数据组织，形成加料机数据资源关系图和数据清单。

4.如权利要求1所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，所述烟草加工设备所处的运行阶段包括设备开机阶段、设备预热阶段、生产阶段及停机阶段；

所述根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数时具体根据所形成的数据资源清单，对烟草加工设备每个阶段进行数据筛选，选取该阶段所需要的设备本体、工艺保障，生产效能三类别的参数。

5.如权利要求1所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，所述烟草加工设备健康状态的评价模型具体为：

其中：F(X)为总体评价结果值，范围0-100；Y＝[y1,y2,y3…yn]由输入参数xi通过对中心值阈值范围计算得到；Wi:对应输入参数Xi的权重；Sgn()函数为布尔函数，在范围内输出1，越界输出0；A为权重所组成的向量，便于采用矩阵形式计算。

6.如权利要求5所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，烟草加工设备健康状态的评价模型输入量包括：根据阶段选择对应的参数xi的当前参数值Xi，以及该参数的参数中心值Zi，参数阈值范围长度的倒数λi，参数权重wi。

7.如权利要求1所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，烟草加工设备的数据中前两层的数据采用层次分析法确定参数权重，二层以后的数据采用熵权法来确定各参数权重。

8.如权利要求7所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，采用层次分析法确定参数权重时，

根据确定的层次化数据组织树进行操作，元素对下一层次的元素起支配作用，同时也受上层元素的支配；

某类别同层元素构造两两比较矩阵，为了比较同一层元素对上层次元素的相对重要性，构造两两比较矩阵度量标准表；

计算某类别本层的各因素的权重w_i为：

$w_i=\frac{{\mathrm{\Σ}}_{j=1}^n{a}_{ij}}{{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{j=1}^n{a}_{ij}}$

其中，a_ij为标度；

自根节点始依次计算层次化数据组织树各类别各层次分组内的权重。

9.如权利要求7所述的一种烟草加工设备的在线设备健康状态自检方法，其特征是，采用熵权法来确定各参数权重时，包括：

数据标准化：将各个指标的数据进行标准化处理；

假设给定了k个指标X₁，X₂，...，X_k，其中X_i＝{x₁，x₂，...，x_n}，假设对各指标数据标准化后的值为Y₁，Y₂，...，Y_k，那么

$Y_{ij}=\frac{X_{ij}-\min \left(X_i\right)}{\max \left(X_i\right)-\min \left(X_i\right)}$

求各指标的信息熵：根据信息论中信息熵的定义，一组数据的信息熵：

$E_j=-\ln {\left(n\right)}^{-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{p}_{ij}{\mathrm{lnp}}_{ij}$

其中，如果p_ij＝0，则定义

确定各指标权重

根据信息熵的计算公式，计算出各个指标的信息熵为E₁，E₂，...，E_k，通过信息熵计算各指标的权重：

$W_i=\frac{1-E_i}{k-{\mathrm{\ΣE}}_i},(i=1,2,...,k).$

10.一种烟草加工设备的在线设备健康状态自检系统，其特征是，包括：

烟草加工设备状态的参数获取模块，用于获取实时反映烟草加工设备状态的参数；

烟草加工设备状态参数选择模块，用于根据烟草加工设备所处的运行阶段选择与该阶段相应的烟草加工设备状态参数；

模型构建模块，用于根据选择的烟草加工设备状态参数构建烟草加工设备健康状态的评价模型；

输入参数确定模块，确定烟草加工设备健康状态的评价模型中的参数权重、模型参数中心值、模型参数阈值、阶段关键参数；

烟草加工设备健康自检模块，用于根据烟草加工设备所处的阶段将相应的烟草加工设备参数当前值、参数中心值，参数阈值，参数权重以及关键参数值带入构建的烟草加工设备健康状态的评价模型，得到出当前状态下的烟草加工设备健康状态。