摘要：近年来，中国港口的货物吞吐量快速增长，已经成为全球港口吞吐量增速最快的国家。港口企业作为科技设备密集型企业，能否对庞大的设备群采取适宜的现代化、信息化的监控管理模式，已经成为严重影响港口企业发展的重要原因之一。目前，在我国的港口的日常管理运行中存在着各种现实问题急需解决：管理规划不强；设备数量多不利于监管；管理模式落后；缺乏数据的采集与分析导致决策水平不高等。因此，为实现企业的快速发展，文章主要对适用于港口企业的资产管理（EAM）系统加以研究，即以实时监测、科学决策为基础，按照事前检修、预防性维修等几种维修模式，以提高维修效率、降低维修成本为目标，将设备监测管理、设备维护管理等集成在一个数据充分共享的信息系统中，从而提高资产可利用率，降低企业运营维护成本，提高企业经济效益和市场竞争力。
关键词：EAM系统；维护；监测
引言：文章主要对基于设备监测与维护策略的EAM系统进行了详细研究，希望促使该系统能够更好服务于港口工作的同时，也能为相关人士提供参考。
一、EAM系统开发的必要性分析
（一）降低设备管理成本，实现资产投资回报最大化
设备资产是企业资本最重要的组成部分之一，资本运行的最终目标就是实现投资回报的最大化。在管理的过程中，使企业的技术、人力、资金等资源达到最优的配置模式，这样的管理模式，才能保证设备的生产能力最大化。同时将设备运行过程中的数据信息实时、准确的监测采集、高效的融合处理，作为以后生产管理、成本控制、物资采购等工作的基础，进而达到降低成本，提高利润的目的。
（二）实现动态管理，指导和保证安全生产
根据明确规定的维修工艺、工序及安全危害因素辨识等方面的内容，利用合理的维修管理策略，有效指导现场工作人员（尤其是新员工）选用维修过程中需要用到的工具、材料，提示他们在维修过程中需要注意的安全事项，使检修人员投入工作前可以对任务心中有数，合理安排检修时间，既能保证检修工期，又能降低安全隐患。首先，积累历史数据，作为未来工作依据。通过系统维修记录过程中消耗的配件数量及种类等信息，对当年各种设备配件消耗数据进行整理、分析，即可为第二年提报配件计划提供依据；其次，监督和考核业务人员的工作质量。通过系统维修记录能够明确记录维修人员及设备当时的维修情况，即追踪到设备的维修内容及检修人员，便于对维修质量进行管理，根据工单中记录的维修工作内容，可以分析出质量事故原因并跟踪责任人；再次，促进港口企业管理工作的标准化。智能信息管理系统的应用要求具有严谨的程序和数据流程，能促进港口设备管理工作达到流程化、标准化、规范化和高效化的要求，进而提升港口设备管理工作的水平；最后，总结和改进维修策略。通过分析事故设备或故障设备的历史维修数据，从记录中查找事故的原因，不但为以后制定维修策略提供依据，而且还可以及时发现维修工艺的不足，便于及时更改。因此，本文以港口的业务现状为基础，研究并开发了智能企业资产管理（EAM）系统，充分考虑了系统的全面性、使用性和先进性，使这套系统能够真正的服务于港口企业第一线的日常设备管理工作。
二、企业资产管理(EAM)系统的总体设计
（一）总体框架设计
文章构建的系统采用GIS技术、网络通讯技术,结合机械设备参数采集设备,将流动机械设备的监控与设备管理功能结合在一起,以提高企业对设备的监管。系统以设备的基础台账数据、远程采集设备采集数据为基础,通过网络系统将各类数据传输至数据服务器,系统通过对各类数据的挖掘、分析、融合,指导生产经营,实现流动机械设备的集中管理,从而使港口企业的信息化管理进入更高层次的管理阶段。EAM系统的设计由基础层、数据层和应用层三部分组成,通过对数据层的统一管理,实现三个层次的无缝对接。
期刊文章分类查询,尽在期刊图书馆
（二）系统流程体系架构
文章采用面向对象的设计思想,应用多线程以及视频流传输技术实现点对点和服务器总控的视频分享传输;针对不同业务需求,重组多模块化的设计模式,采用Oracle数据库平台、C/S和B/S相结合的结构、4G通信技术及先进的数据采集终端构成智能的、完备的企业管理信息系统(EAM)架构。
三、设备管理子系统中基于改进的KNN设备维护策略
（一）最近邻策略(KNN)最近邻策略
该策略最早是由Cover和Hart提出的一种非参数分类算法,目前已普遍被应用在模式识别领域和数据挖掘领域。KNN策略是基于相似度计算的检索策略:将采集得到的设备监控数据组成样本案例,首先通过计算出两个案例之间的相似度在案例库中找出与之最为接近或最相似的K个历史记录,然后根据这K个历史案例的故障状态来确定当前时刻设备状态的健康状态。在本文构建的EAM系统中,过往的设备故障信息以及处理维护决策会以案例的形式存储在数据库中,这些数据中含有大量的决策信息,可为今后的决策提供依据[1]。
（二）基于遗传算法改进的KNN
关于特征权重的分配研究,方法种类多样其中针对KNN策略,特征权重常采用专家主观赋权法,主要包括Delphi法、调查统计法、无差异折衷法、相关分析法和层次分析法等。这些方法均采用某个领域的专家根据自身经验而给出的重要度值,然后采用相应的方法确定案例中各个属性的权重值;相关分析法则是一种基于数学统计的方法,相对于前三种虽有一定的进步,但主观性仍然较强,所以从总体来看,包括层次分析法在内的这些传统的主观分析确定案例属性权重的方法过分依赖于专家的先验知识和主观判断,对KNN策略的计算准确率会造成一定的影响。因此,为了避免主观赋权法的主观性,一些客观赋权法被相继提出,如熵权法、粗糙集、神经网络以及其他方法等,这些方法对比主观方法有了长远进步,但其各自均存在相应的缺陷,如神经网络的结构不易确定且需要大量的训练样本,利用粗糙集对属性进行权重分配需要首先对属性进行的离散化,而此过程较为困难等。综上,本文为提高KNN策略的计算准确性,保证设备维护决策的可靠性进而提高设备的利用率,采用了遗传算法对KNN中特征属性进行权重的分配具体过程详述如下。遗传算法是源于达尔文的进化论和孟德尔的遗传学一种全局优化搜索方法。它模拟了自然界生物遗传进化过程中优胜劣汰、适者生存的自然淘汰法则。借鉴了遗传学的观点,通过选择、交叉和基因突变等操作,对每个种群中的个体进行适应度值的计算并评价其优劣,使种群个体随着代数的进化从而得到解决问题最优算法。采用遗传算法实现对故障记录特征属性的权重寻优,需要实现以下操作:第一，编码:适合染色体的编码方式有很多,针对权重优化问题,选择最常用的二进制编码,采用5位二进制编码对应32个等级,分别表示相应权重的大小。第二，种群初始化:随机选择Ps个染色体组成一个群体,群体内个体的数量m就是群体规模,每个初始个体就表示这问题的初始解[2]。
结论：
简而言之，EAM系统能够有效解决目前港区设备管理中存在的管理被动、粗放、监管不到位、信息滞后等弊端。针对EAM系统中涉及到大量的数据监控功能,提出了适用于系统的信息融合方法,并利用过往记录的故障数据,动态的判断设备的运行状况。其中采用了改进的KNN策略对状态进行搜索,并利用遗传算法对KNN策略中各特征的权重进行优化搜索,从而保证设备健康状态预测结果的精确性,为指导后续设备的维修保养提供了可靠的依据[3]。
参考文献：
[1]刘宏.港口资产实时智能管理系统设计与实现[D].天津大学,2017.
[2]张岭岭.面向化工行业的EAM系统检维修子系统的设计与实现[D].山东大学,2012.
[4]张春晓.案例推理的认知改进策略及学习性能研究[D].北京:北京工业大学,2014.
论文作者:曹大卫
论文发表刊物:《电力设备》2018年第18期
论文发表时间:2018/10/19
标签：设备论文; 系统论文; 策略论文; 港口论文; 权重论文; 数据论文; 企业论文; 《电力设备》2018年第18期论文;