基于大数据分析的港口设备管理

随着港口服务业务的高速发展，固定资产总值和固定资产投资也在不断增长和扩大，固定资产作为各大港口集团价值较高的有形资产，是港口企业生产经营活动的物质技术基础和资产总额的重要组成部分，具有价值高、使用周期长、地点分散和管理难度较大等特点。在大数据时代，如何利用大数据分析技术实现对各类港口设备管理效率、优化港口资源配置、提高港口机械设备的利用率和附加值是保证港口行业可持续发展、提高行业竞争力的重要手段。

目前我国港口设备的检修体制绝大多数仍然采用计划检修和故障检修,该体制存在诸多的缺陷,如临时性检修频繁,维修不足,维修过剩和盲目维修等,造成人力、物力、财力的浪费。近年来,很多科技含量较高港口机械制造企业开始面向港口机械设备的状态检修和预测性维修过渡。在港口机械设备预测性维修中,需对港口各业务系统中产生的大量历史数据进行分析处理,才能对港口机械设备的运行做出正确的评估和预测。

本文提出了“基于大数据分析的港口设备管理”重点给出了港口设备大数据分析和应用建设的三个阶段以实现对港口机械设备的预测性维修、港口备件采购供应链库存优化。基于港口机械设备、作业车辆等设备物联网数据采集，分析设备使用效率，提升操作者水平；监测设备运作状态和部件使用情况，提供预警和预测，节约港口机械设备的维修和使用成本。

一、发展背景

1.1.设备维修模式的发展

设备维修的发展分为三种类型：被动维修，预防维修与预测性维修。

被动维修(BM－Breakdown Maintenance)设备管理模式，称为“第一代维修模式”。非计划停机次数多；“维修不足”；安全、环境、生产、维修成本影响较大；设备事故多、经济损失大；设备管理具有不可控性，多数企业不能接受，这种管理模式逐渐被淘汰。被动维修的管理模式被淘汰，但是无法避免设备的被动维修。

预防性维修（Preventive Maintenance, PM）管理模式主要基于时间上的预防维修，称为“第二代维修模式”。以时间为基础的维修（TBM）也属于计划维修的管理模式，它不考虑设备的健康状态，往往造成“维修过剩”。不必要的、过度的维修措施，不仅浪费维修资源，而且缩短了设备的运行周期。在以磨损、疲劳等为主要故障特征原因的汽车、航空、航海、军工等领域，计划维修对于降低设备的事故率、提高设备的运行安全方面起到了积极的作用，但是维修过度的计划维修管理模式带来的还有高昂的设备维修费用。

预测性维修（Predictive Maintenance, PM）管理模式，称为“第三代维修模式”。随着计算机技术的发展，设备状态监测技术、故障诊断技术得到较快发展，故障预测和故障发展预测成为预知维修的关键技术。预知维修根据设备实际运行状态制定合理、必要的维修方案，既可避免“维修过剩”，又可避免“维修不足”。

通过对设备的状态监侧，收集关于设备或生产系统的温度、压力、流量、振动、噪声等各种数据（港口设备大数据详见港口设备大数据的分类），利用数据分析平台对数据进行分析，进而实现对设备的预测维修，利用数据分析结果预测设备健康状态和备件、工具需求，不仅能够提高设备可维修性，减少维修时间和生产中断时间，而且还可以避免故障后果扩大、提高设备运行的安全性和可靠性。

设备维修发展的历史可以归结于对设备数据利用方式的发展，预防性维修是基于设备使用的时间数据，预测性维修基于故障、设备状态监测等的数据分析处理的结果。随着大数据技术的蓬勃发展，工业大数据的应用也逐渐渗透到港口设备管理与维修业务中。

1.2.工业大数据的发展趋势及内涵

随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量成指数增加，对于数据的应用也提出了新的挑战。

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。

基于大数据的港口设备管理是大数据在港口的应用场景之一。通过对港口设备的数据采集、分析与应用，将分散于港口各业务管理系统、线下的数据进行采集，利用大数据分析平台深层次挖掘数据的潜在价值，将基于大数据分析的港口机械应用技术应用于设备维护维修业务当中。

二、港口设备大数据应用建设的三个阶段

通过之前对各大港口机械设备数据现状的了解，根据工业大数据的发展以及应用趋势，我们港口设备大数据应用建设划分为三个阶段进行。

港口设备大数据应用建设第一阶段重点需要打破过去没有形成数据统一采集的窘境。通过港口设备数据集成，将分散于各业务系统中的与港口机械设备相关的数据集成到一个系统当中，实现数据集成，为基于大数据分析的港口机械应用提供数据支持。

通过对港口机械设备作业过程中、日常的维修巡检中所产生的线上、线下数据进行采集、储存，对港口机械设备数据进行统一治理，对港口机械设备信息状态数据进行实时监测，对港口机械设备数据进行简单的可视化处理。

港口设备大数据应用建设第二阶段重点需要完成数据采集，利用大数据分析平台对港口设备数据进行重新组合，利用数据建模方式挖掘更深层次的数据规律，指导港口机械设备的维护；为港口机械设备大数据应用铺垫简单算法基础。

第二阶段仍属于港口设备大数据分析应用的初级阶段，该阶段增加数据采集的范围以及粒度，并且通过数据建模重新组合设备数据，利用大数据分析平台多维、多层次的对原有港口机械设备数据以及重新组合的数据进行可视化处理、并对可视化结果进行分析，在数据的应用方面，利用大数据分析结果对港口设备进行预防性维修（比经验性预防更加准确）、港口机械设备的备件采购供应链库存、采购供应链管理的业务优化等方面；

港口设备大数据应用建设第三阶段通过对港口机械设备数据的最大化的采集、最深层次的实现港口设备大数据数据应用。最大限度以及最大范围的进行与港口设备相关联的数据采集（加入环境数据），关联设备、环境以及故障处理等主数据，利用大数据分析平台深度挖掘数据背后的规律，对港口机械设备状态进行监测的同时，实现可预测性维修的港口设备管理以及对港口设备备件采购与库存的深度优化，达到港口设备大数据的深度应用。

港口大数据观察前不久发表了一篇文章《交通运输大数据应用的启发》中也曾提到全球物流巨头UPS通过引入自动化远程信息处理系统，结合大数据分析与大数据挖掘技术的应用实现了对物流运输车辆的预测性维修，每年可以为其节约大量的运输成本。如今关于港口设备大数据的应用还尚未形成可以参考的典型案例，但从工业大数据的发展趋势来看，面对全球贸易的萎缩、港口业务的下滑，降低港口生产成本对港口来说是重中之重的课题，而基于大数据分析的港口设备管理可以对港口设备及零部件未来的可用性做出提前预测，基于这些预测数据我们可以通过数据模型的设计优化港口设备备件的采购供应链、改善与供应商的价格谈判策略，降低港口设备维修成本的同时实现对港口设备备件采购供应链中的采购成本及库存成本。港口大数据观察的几位专家也在共同研究探索港口设备大数据的应用实现与技术落地，后期会陆续与各位朋友分享，请持续关注港口大数据观察。