伴隨著5G開始商用，智能制造在工業生產內不斷升級，傳統的預防性維護要求制造企業投入大量的人力和財力，無法找到設備零件的壽命拐點，提前更換，將導致成本的浪費；延時更換，出現停機將導致生產率的下降。如何找到準確的更換時間點，我們需要工業大數據的分析，使用預測性的維修方法，實時掌握零件的工作健康狀況，從而判定備件是否可以繼續工作，這也是未來的維修發展方向。隨著汽車行業整體銷量的持續下滑，各大車企都在進行成本的壓縮，對于沖壓設備來說，設備昂貴，零部件種類繁多，控制系統多樣、復雜，利用工業大數據有效的對沖壓設備、零部件進行實時的分析和管理，彌補傳統預防性維護保養的缺點，將大大提高生產效率、降低人員成本，針對設備不同的損壞周期和損壞影響的程度，制定不同的維修策略矩陣如圖1所示。⑴針對出現頻率高，影響大的問題，我們判定其為設計問題，通過優化設計方案、改進控制結構就可以徹底解決。⑵針對出現頻率高，但是影響很小的問題，我們可以準備充足的備件作為臨時措施，同時采取技術手段來解決問題。⑶針對出現頻率低，影響又小的問題，我們就可以通過傳統預防性維護的方法，定期定頻次的進行維護保養，防止問題出現。⑷針對出現頻率低，但是影響較大的問題，由于這種問題的出現沒有規律可循，但是一旦出現將造成長時間的停機，影響生產效率，因此我們就要采取新的技術手段，實時采集數據，通過數據庫的分析得到有效數據后，運用數學模型的建立，實時掌握損壞部位的劣變趨勢。沖壓車間采用德國Muller Weingarten進口沖壓自動化生產線，整線由KUKA機器人組成的拆垛單元，德國先進的VMT視覺對中系統，6臺大型沖壓機，7個高速傳輸機械手-Speedbar組成，如圖2所示。圖2 Muller Weingarten進口沖壓設備的結構整線設備的電器控制系統主要采用西門子公司的S7-400 CPU，通訊上采用Profibus總線、Profinet總線以及德國Beckhoff公司的Twincat軟件PLC，通訊上采用EtherCAT總線，通訊速度最短可以達到50μs，可以實現高速機械手的精確控制，利用VisualStudio軟件進行數據采集終端的開發，并通過C#語言程序的編寫，通過標準以太網協議和MODBUS有線和MODBUS無線協議，采集設備組網內的各類總線的設備數據。數據采集端總框圖如圖3所示。
采集的數據分類
穩壓電源的模擬量電壓實時采集
電源模塊原始備件只有一個數字量的開關信號，告知我們當前的電源模塊是否處于正常工作的狀態，對于電源模塊的內部狀態、工作情況，比如整流電流、輸出電壓模擬量數值等都無法進行分析，如果能采集到輸出電壓的模擬量實時值，就可以分析到在供電過程中是否出現了電壓值過高或者過低的波動情況，針對過高的情況我們可以提前采取預防性的手段，比如在輸出端口增加浪涌抑制器，就可以有效的濾除輸出電壓過高的情況；而經常性的電壓被拉低，我們可以采用增加冗余電源來防止低壓導致的配件損壞。通過增加電源模塊的監控分析，采取有效的技術手段，來預測電源模塊的運行壽命，使用后電源模塊的故障率降低了46%。
液壓系統的液位、壓力、溫度、流量實時數據采集
在板料沖壓成形的過程中液壓拉伸墊工作的好壞將決定著板料的成形質量，進口沖壓線液壓拉伸墊組成復雜，由1個中心缸和8個擠壓缸組成，中心缸上有3個德國MOOG品牌伺服閥，每個擠壓缸上都有一個MOOG的伺服閥，通過伺服閥精確調整系統的壓力，從而得到完美的成形壓力，而整個液壓系統龐大，一個簡單的單向閥出現故障，并不會引起設備的停機，但會在成形的過程中對沖壓件的質量產生影響。因為液壓系統的復雜（圖4），以及本身并不智能化，導致了沖壓件成形中受到很多未知因素的干擾，從而造成制件的質量不穩定。針對這種情況，在液壓回路中增加大量帶IO-LINK功能的壓力、溫度、流量傳感器，通過IO-LINK總線將實時的數據采集回PLC，通過C#語言的編程將這些數據采集回數據庫，在數據庫內進行多維度的綜合分析，最終建立分析預測模型，如圖5所示。通過這樣的方式，液壓拉伸墊變得智能化，將分析的方法形成程序在運行中實時的計算，任何一個液壓元件出現了問題，自己都可以有效的分析出來，并通過人機界面，將預測結果輸出。
動力供電的電壓、電流的波動情況的數據采集
三相供電動力系統電壓值的波動或者缺相都將導致電機或執行機構的損壞，但是因為沒有對動力電壓值的反饋監控，導致當出現缺相或者電壓值不穩定時，只能等到最后電機損壞時，才知道供電電壓的不穩定，因此加入動力電壓和電流的實時數據采集，不僅可以實時分析出動力供電質量的好壞，同時也可以根據電流波動的情況分析出負載的健康狀況，根據數據的趨勢變化就可以提前預測設備的未來運行狀況。動力電采集模塊，支持4g網絡，支持網絡透傳。
傳動系統的振動和溫度數據實時采集
壓機的傳動系統、結構負載、壓機傳動經過主電機→飛輪→高速軸→二級傳動軸→偏心輪→曲柄連桿→4個壓力點，通過4個壓力點與滑塊進行連接，帶動滑塊進行往復運動，在這動力的傳遞過程中，要經過偏心齒輪的傳動，經過種類繁多的各類軸承，在這個過程中，一旦軸承或者齒輪出現磨損都將嚴重影響動力的傳遞效率，造成沖壓件質量缺陷的不固定產生。而且，因為齒輪傳動箱內部零件尺寸大、重量大，一個簡單的軸承問題，都可能導致幾天的停機時間，嚴重的影響生產效率。針對這個問題，在重點的軸承和齒輪傳動位置，布置振動檢測傳感器，傳感器實時檢測傳動系統的振動情況，通過時域和頻域的轉換，分析不同倍頻下的曲線特征，如圖6所示。同時，計算不同參數下的軸承標準振動頻率曲線，將實時的曲線和標準曲線進行對比，分析出異常振動的來源，可以在故障還沒出現的初期，掌握到齒輪箱內部的傳動異常，如圖7所示。這樣可以提前發現設備的運行異常點，提前找到沖壓件成形中的異常工作點，同時可以根據振動曲線異常的嚴重程度，提前準備備件和制定精確的更換時間，伴隨著數據的不斷豐富和準確的清洗，預測的準確性也將大幅度提高。
結束語
伴隨著智能制造的越來越深入，每個領域的數據分析將走向專業化、定制化，智能監控的設備加上5G網絡的加持，智能云端平臺將隨時隨地進行實時分析，為相關領域提供預測服務。自動化沖壓線在這種預測分析模型不斷建立的過程中，維護的成本也將大幅度降低，未來設備的自診斷功能將逐漸精確與智能，輔助技術人員作出判斷，同時提高生產效率，降低維護成本。
