基于MAXIMO系统决策支持的数据挖掘研究

基于MAXIMO系统决策支持的数据挖掘研究

黄舒婷

黄舒婷

身份证号码：44080419860206xxxx

摘要：本文以MAXIMO系统应用数据为基础，从数据集成、存储管理和数据挖掘三个方面进行研究，并建立了数据挖掘模型，选用BO作为数据挖掘工具建立查询和分析对象，通过调用和访问BO挖掘出来的数据，为FPSO管理者和决策部门对FPSO运维及管理提供重要的科学依据。

关键词：数据挖掘；辅助决策

一、MAXIMO系统应用现状

MAXIMO是以企业资产管理（EAM）为核心的应用软件，系统以资产、设备台帐为基础，以工单的提交、审批、执行为主线，按照缺陷处理、预防性维修、预测性维修几种可能模式，将采购管理、库存管理集成在系统中，以提高维修效率、降低总体维护成本为目标。

采油服务公司从2003年开始实施MAXIMO系统，通过建立设备的故障代码体系，根据设备运行的状态实现预测性维修并实现设备生命周期的成本统计，做到了库存、采购、维修计划、承包商管理和费用管理的有机结合，同时实现生产操作的实时记录、查询和统计。该系统在FPSO的设备管理和维修中起着至关重要的作用，能够有效了解公司资产的使用情况。公司通过细化、规范化管理，降低了设备故障率，提高了设备可靠性，降低了维修运营成本，从而减少设备停机时间，提高了设备可靠性，提高了维修效率，延长了设备生命周期。目前，采油服务公司的EAM系统采用了多地点运行（各分公司独立运行），网络互通的数据管理模式，总部只保存统计汇总信息，生产现场则通过远程访问分公司数据库来完成数据录入、修改和查询工作。随着以MAXIMO为核心的资产管理系统在采油服务公司应用的不断深入以及自身管理模式的不断完善和优化，采油服务公司对资产管理系统也提出了更高的要求，如何充分利用MAXIMO系统数据资源，使其发挥最大价值，为辅助决策提供支持具有重要的意义。

二、研究思路

MAXIMO系统是以设备资产管理为基础数据，把设备状态信息和生产决策结合起来，并且采取BO技术、语义层设计和数据挖掘技术于一体的管理系统，对适应生产需求、优化设备资源和科学分析决策具有重要作用。传统的数据信息分析，是通过大规模的设备台帐和生产现场调查来收集数据信息，依靠人工统计分析数据，最后制订设备运维管理决策方案。该分析方法时间长、速度慢、决策滞后，不能动态地反映设备更新信息。而“基于MAXIMO系统数据挖掘”技术克服了上述不足，并为研究复杂资产管理系统的基础数据提供了科学手段。

三、MAXIMO系统数据源分析

采油服务公司所属的7艘FPSO基本上均应用了MAXIMO系统，详见表一。该系统在油田的生产和维修中起着至关重要的作用，能够有效了解公司资产的使用情况，细化、规范化管理，降低设备故障率，提高设备可靠性，降低维修运营成本，从而减少设备停机时间，提高设备可靠性，提高维修效率，延长设备生命周期。

四、系统功能设计

4.1点检配置

通过对点检岗位、点检点、点检区域、点检路线的定义，形成完整的点检数据。

4.2点检工作任务生成

点检项目是针对不同岗位进行不同的设置，岗位是点检项目划分的基础，点检人员是整个过程的操作者，每一个点检岗位有一名或者多名点检人员，点检人员要按着不同的点检路线，巡视不同的设备，测量并记录不同的点检项目。

4.3点检数据类型

点检数据可分为以下四类：

观察类数据：以系统初始化的设备状态标准信息库为基础，用选择答案的方式记录现场设备的跑、冒、滴、漏等状态信息。

测量类数据：用系统配置的温度、振动传感器，采集现场设备的温度、振动信息。

记录类数据：通过点检仪将生产现场设备、装置上的各类表计读数输入点检器。（例如：现场设备的压力表、流量表、温度表、电流表、电压表等读数。）

代码类数据：在系统内建立起设备状态信息描述的标准代码库，点检人员在现场直接向点检仪输入代码来记录设备的状态信息。

4.4PDA设备功能

PDA设备是实现设备点检管理必不可少的仪器，PDA设备本身具有――定到位的装置（红外条码扫描、RFID射频卡读数）、键盘输入、红外测温装置、传感测振装置、红外通讯或有线传输装置，PDA本身应该具有到位管理、设备状态记录、缺陷信息记录、抄表数据、测温数据、测震数据、自动按项目周期计算当日工作、点检项目重复下载、系统断点记忆、节能管理等基本功能。

点检员通过PDA设备每天从点检系统中下载点检任务，点检工作结束后，再将结果上传到到点检系统中。

4.5点检数据统计

通过对岗位、数据类型（正常、超标）、设备状态程度（一般、轻度、严重）等条件进行设置，统计出数值数据的日报表、月报表、和不定时间段的报表，将有意义的数据可以导出到Excel文件中进行分析对比，实现对点检工作的定量考核与分析。

4.6超标（异常）数据分析

系统对超标数据处理支持三种方式：

（1）直接转入缺陷管理，进行问题处理，并实时跟踪；

（2）转入定期工作，系统自动定时触发，并提醒；

（3）并入停机检修或大小修，随时可以查询相关相关超标数据。

通过对超标数据进行对比分析，进行合理判断，对潜在的缺陷及时发现，手动生成缺陷后，按工单流程处理。

4.7应用展望

与传统巡检、点检方法相比，基于MAXIMO平台上的巡检、点检系统大大提高了工作效率，有效控制了巡点检质量，通过对运行值巡操人员、各个检修班组点检人员的科学定量评价，较好地将巡检、点检管理包落地，通过对超标（异常）数据分析，将为下一步设备定修管理提供有力的数据支持。

五、数据挖掘模型

在MAXIMO系统数据源分析结果基础上，根据决策支持系统的构建过程，设计并建立“基于辅助决策的MAXIMO系统数据挖掘”的数据模型。模型主要包括数据集成和辅助决策两个部分，其中数据集成是技术实现的关键所在。通过EIL（抽取、加载、转换）生成数据仓库，在此阶段对数据进行初始化和预处理。通过“识别、收集、过滤、汇总”等方法将MAXIMO系统数据转换成数据模型和选定挖掘功能所要求的格式。通过数据挖掘工具（BO）提取出设备信息和决策信息，提供给FPSO管理者和决策部门。

六、选择数据挖掘工具

数据挖掘工具包括三种：通用型工具、综合/DSS/OLAP数据挖掘工具和快速发展的面向特定应用的工具。综合数据挖掘工具又包括Cognos?Scenario和BusinessObjects等。

BusinessObjects（BO）是集查询、报表和OLAP技术为一身的智能决策支持系统。它使用独特的“语义层”技术和“动态微立方”技术来表示数据库中的多维数据，具有较好的查询和报表功能，提供钻取（Drill）等多维分析技术，支持多种数据库，同时它还支持基于Web浏览器的查询、报表和分析决策。因此，“MAXIMO系统”采用综合数据挖掘工具BO作为研究的实现工具。

七、提供辅助决策支持

利用BO对MAXIMO系统的各种设备、工作相关的数据进行查询、统计和分析，采用面向对象的编程技术开发前端展示，调用和访问BO挖掘出来的数据得出各种统计结果、变化曲线、比例对比等类型的数据，为FPSO管理者和决策部门进行设备生产管理方面的决策提供了有力的辅助和支持手段。

提供辅助决策支持内容包括：计划完成情况、计划完成比例、设备综合查询、计划资金构成、设备库信息查询、在用设备统计、计划/实际可外输货油仓储量、设备可用率、设备完好率、设备维修成本分布、PM实际完成率、工单比率等。

结束语：

本文对基于提供辅助决策的MAXIMO系统数据挖掘作了初步的探索和研究，利用BO对系统数据进行挖掘，通过调用和访问BO挖掘出来的数据得出各种类型的统计数据，辅助进行管理决策、设备维修和故障预测分析。MAXIMO系统在采油服务公司天津总部、湛江公司以及深圳公司得到广泛，因此，基于提供辅助决策的MAXIMO系统数据挖掘的应用有着广阔的前景，值得进一步探索和研究。

参考文献：

[1]王刚译.数据挖掘：概念、模型、方法和算法2017

[2]刘心报.决策分析与决策支持系统.2016

[3]高洪深.决策支持系统（DSS）理论、方法、2017

[4]陈晓红.决策支持系统理论和应用.2018