GB_T 43961-2024 制造系统诊断维护技术与应用集成通用要求.docx

《GB_T 43961-2024 制造系统诊断维护技术与应用集成通用要求.docx》由会员分享，可在线阅读，更多相关《GB_T 43961-2024 制造系统诊断维护技术与应用集成通用要求.docx（14页珍藏版）》请在优知文库上搜索。

1、ICS35.240.50CCSJ07中华人民共和国国家标准GB/T439612024制造系统诊断维护技术与应用集成通用要求Generalintegrationrequirementsoftechnologiesandapplicationsfordiagnosticsandmaintenanceinmanufacturingsystems2024-04-25发布2024-11-01实施国家市场监督管理总局给本国家标准化管理委员会发布目次前言III1范围12规范性引用文件13术语和定义14缩略语35制造系统诊断维护功能架构与技术组成35.1 功能架构35.2 技术组成与分类46制造系统诊断维护技

2、术要求56.1 数据采集技术56.2 数据传输技术66.3 数据存储与管理技术66.4 状态识别技术76.5 故障诊断技术76.6 寿命预测技术86.7 基于维护的备件管理技术86.8 维护策略制定与优化技术87制造系统诊断维护服务封装与应用集成97.1 通则97.2 制造系统诊断维护服务封装方法97.3 制造系统诊断维护应用集成方法97.4 制造系统诊断维护信息集成范围9参考文献11本文件按照GB/T1.12020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中国机械工业联合会提出。本文件由全国

3、自动化系统与集成标准化技术委员会(SAC/TC159)归口。本文件起草单位：北京机械工业自动化研究所有限公司、清华大学深圳国际研究生院、福耀玻璃工业集团股份有限公司、联想(北京)有限公司、武汉恒力华振科技有限公司、清华大学、江苏长江智能制造研究院有限责任公司、北京理工大学、浙江省自动化学会、浙江金马逊智能制造股份有限公司、包头美科硅能源有限公司、浙江大学、苏州路之遥科技股份有限公司、宁波圣瑞思工业自动化有限公司、西安交通大学、中煤北京煤矿机械有限责任公司、东莞市爱康电子科技有限公司、山西柏腾科技有限公司、杭州安脉盛智能技术有限公司、山西科达自控股份有限公司、江苏美科太阳能科技股份有限公司、宁波

4、中亿智能股份有限公司、南京高华科技股份有限公司、宁夏巨能机器人股份有限公司、东莞市中天自动化科技有限公司、山西天地煤机装备有限公司、江苏辉源供应链管理有限公司、中科云谷科技有限公司。本文件主要起草人：黄必清、孙洁香、陈辉、靳玉茹、刘涛、杨余久、李亮、莫语、闫泽、郝容阳、吴绍莉、唐聪、杨秋影、李义、朱麟、王长杰、李浩、魏疆骚、刘新、柴森春、渠品、杜已超、薛静婉、王一钦、柴润祺、张利强、司佳顺、高静、赵钊、吴璇、钟霄、林姚辰、王艺澄、周荣、袁剑、赵飞、刘国柱、荆东青、周晓优、张胜、卢天华、翟德华、吴纪清、刘建军、胡建斌、李志博、唐康守、曹建文、张胜达、朱峰、杨辉。制造系统诊断维护技术与应用集成通用

5、要求1范围本文件规定了制造系统诊断维护技术与应用集成通用要求，制造系统诊断维护功能架构、技术组成与分类，以及诊断维护技术的应用服务封装和集成要求。本文件适用于指导制造系统诊断维护技术与应用平台建设。2规范性引用文件本文件没有规范性引用文件。3术语和定义下列术语和定义适用于本文件。3.1制造系统manufacturingsystem将制造资源转变为产品或半成品的输入/输出系统，由制造过程及其所涉及的硬件、软件和人员所组成。注：包括生产系统和辅助生产系统。来源：GB/T397512021,3.13.2事后维护breakdownmaintenance在设备发生故障后再进行修理的一种维修方式。3.3周

6、期性维护periodicmaintenance用于防止发生重大意外故障的维护方法，此方法根据故障或中断历史，主动停止使用某一设备或设备子系统，然后对其进行拆卸、修理、更换零件、重新装配并恢复使用。3.4预测性维护predictivemaintenance根据观测到的状况而决定的连续或间断进行的维护，以监测、诊断或预测构筑物、系统或部件的条件指标。来源：GB/T405712021,3.53.5基于状态的维护conditionbasedmaintenance通过设备运行的关键数据的采集，完成状态识别和基本的故障诊断，并提供基本的维修与维护策略。3.6基于全生命周期的维护life-cyclebase

7、dmaintenance通过设备运行状态的全生命周期数据采集，进行全生命周期的状态识别、故障诊断、寿命预测，并能判断寿命预测结果的置信度，预先提供完整可信的维修和维护方案，指导设备的维修维护管理。3.7应用application一组有序的过程，它由一组资源执行，并通过一系列交互进行协调，旨在完成一个定义的目标。来源：GB/T27758.12011,3.23.8维护应用maintenanceapplication制造应用类型，管理制造资产的重构、搬迁、更换或者维修，并且将这些活动通知其他的制造应用。来源：GB/T27758.12011,3.133.9制造应用manufacturingapplic

8、ation制造过程、相关资源以及在产品制造中或服务提供中涉及的信息交换等的集合。注：包括生产系统和辅助生产系统来源：GB/T27758.12011,3.143.10集成integration系统状态或者活动，以实现某个特定的状态，在该状态下，系统的组件被组织起来一起合作、协调和互操作，当需要时，还可交换“项目”，以执行某个系统任务。来源：GB/T27758.12011,3.93.11故障fault可能导致功能单元执行要求功能的能力降低或丧失的异常状况。来源：GB/T15969.62015,3.243.12故障诊断faultdiagnosis为故障识别、故障定位和分析故障原因所采取的行动。来源：

9、GB/T391292020,2.33.13剩余寿命预测remaininglifeprediction基于故障诊断提供的类型判断、故障定位等数据，对设备的剩余使用寿命进行评估。3.14机器学习machinelearning功能单元通过获取新知识或技能，或通过整理已有的知识或技能来改进性能的过程。来源：GB/T5271.312006,31.01.023.15神经网络neuralnetwork由加权链路且权值可调整连接的基本处理元素的网络，通过把非线性函数作用到其输入值上使每个单元产生一个值，并把它传送给其他单元或把它表示成输出值。注1:虽然某些神经网络旨在模拟神经系统中神经元的功能，但大多数未申经

10、网络用于人工智能以实现连接模型。注2：非线性函数的例子是阈值函数、SignDid函数以及多项式函数。来源：GB/T5271.342006,34.01.06人工智能artificialintelligE11计算机科学的分支，专门研究数据处理系统，该系统执行通常与人类智能相关的功能。来源：GB/T405712021,3.74缩略语下列缩略语适用于本文件。API:应用程序接口(ApplicationProgrammingInterface)DCS:分散控制系统(DiStribUtedControlSystem)ERP:企业资源规划(EnterPriSeResourcePlanning)ESB:企业服

11、务总线(EnterPriSeServiceBus)MES:制造执行系统(ManUfaCtUringExecutionSystem)WMS:仓库管理系统(WarehoUSeManagementSystem)5制造系统诊断维护功能架构与技术组成5.1 功能架构制造系统诊断维护系统应包括且不限于以下功能：一一全周期数据采集；一一设备状态监控；故障诊断与预测；基于运维的备件管理；一一维护策略制定与执行。制造系统诊断维护功能，由各种分类技术及其服务封装组成，通过企业服务总线(ESB)或者微服务等技术实现与企业现有信息系统的集成，功能架构如图1所示。挥诊断维护服务全周期数据采集设备状第监控故障诊断写预测基

12、于运维的备件管理维护策略制定与执行数据采集数据提取数据处理备件管理备件预测数据传输信号分析故障论所策略模型I策略制定数据存储邮篇选I寿测控制管理I策制化Jt企业服务总线(ES)/微朦务(RESTfulAPI)1I-应用层车间制造执行.用A系统(M1.S)企业资源计划备件仓储管理(ERP)免统，乐的(WMS)制造便件软件人员注：备件仓储管理系统表现为两种形式：a)当诊断维护功能为企业内部功能时，表现为企业内部ERP系统中的仓储管理系统;b)当诊断维护功能夕电给外部企业时，表现为外部企业ERP系统中的仓储管理系统。图1制造系统诊新维护功能架构5.2 技术组成与分类面向全生命周期的维护，制造系统诊断

13、维护包含以下技术组成，与维护类型对应关系如表1所示。一一数据采集技术。 数据传输技术。一一数据存储与管理技术。状态识别技术。一一故障诊断技术。一一寿命预测技术。 基于维护的备件管理技术。一一维护策略制定与优化技术。制造系统诊断维护技术细分技术参见第6章，技术分类可以用编码描述，编码可以包含以下属性:行业索引；一维护类型；技术种类；一一外包程度：技术环节； 前序技术环节与后序技术环节。1技术组成技术类型事后维护周期性维护预测性维护基于状态的维护(CBM)基于预测的维护基于全生命周期的维护数据采集技术数据传输技术数据存储与管理技术状态识别技术故障诊断技术J寿命预测技术基于维护的备件管理技术维护策略

14、制定与优化技术7注：“一”表示该维护类型不涉及此类技术，“J”表示该维护类型涉及此类技术。6制造系统诊断维护技术要求6.1 数据采集技术如图2所示，面向诊断维护需求的数据采集技术应包括以下环节。一诊断维护需求：定义诊断维护的对象与实际需求，例如定义某设备为诊断维护的对象、定义该设备的剩余寿命预测为诊断维护的实际需求。数据采集范围：根据诊断维护需求与诊断维护方法定义数据采集的范围，包括采集对象、采集点位等。现有数据分析：面向诊断维护需求和可能的诊断维护方法，对现有数据可行性进行分析，包括数据统计分析(历史数据量级、数据类型、数据细粒度等)、数据可获取性、数据实时性、数据准确性、数据完备性等。诊断维护方法选择：根据已有数据情况和现有监测方案可以获取数据情况，选择满足诊断维护需求的具体模型和方法。数据采集需求：数据采集需求来源于两部分，包括现有数据采集需求和新增设备采集需求，现有数据采集需求包含所需传感器类型、采集范围等；新增设备采集需求则是结合现有数