CN103244268A - 用于确定润滑剂丢弃间隔的系统和方法 - Google Patents

Abstract

本发明涉及用于确定润滑剂丢弃间隔的系统和方法。一种确定诸如例如引擎机油之类的润滑剂的可用性以及何时替换特定引擎中的润滑剂的系统、方法和计算机程序。该系统、方法和计算机程序进一步被配置成为例如公司的交通工具车队中的每个引擎生成润滑剂丢弃间隔。该系统、方法和计算机程序被配置成基于润滑剂丢弃间隔为公司车队中的每个交通工具生成润滑剂丢弃间隔调度。

Description

用于确定润滑剂丢弃间隔的系统和方法

技术领域

本公开涉及一种用于确定例如引擎、动力传输设备、涡轮机、发电机、马达等等中的润滑剂的可用性以及何时替换所述润滑剂的系统、方法和计算机程序。

背景技术

引擎（或马达）被设计成将一种形式的能量（诸如例如燃料燃烧、电力、核反应等等）转化成诸如例如机械运动之类的机械能量。例如，燃烧引擎将燃料燃烧能量转化成运动能量。这些引擎典型地包括一个或多个燃烧腔室，所述燃烧腔室包含并且限制燃料（例如化石燃料）的燃烧，从而允许得到的高温和高压气体膨胀并且驱动诸如例如活塞、涡轮机叶片等等之类的机械组件。

内燃机引擎典型地用在交通工具中，所述交通工具包括例如摩托车、踏板车、汽车、船艇、卡车、机车、水运工具、飞行器、船舶、燃气涡轮机、发电机、重型机械等等。在例如包括一个或多个活塞的内燃机引擎的操作期间，活塞可以通过由腔室中燃料的燃烧引起的使气体膨胀而驱动，使得活塞沿着预定路径移动沿着腔室长度的预定距离。活塞可以通过连接杆而连接到曲柄轴以便将活塞的移动转变成曲柄轴的旋转。引擎可以进一步包括进气阀或端口和排气阀或端口。引擎可以包括任何数量的活塞、连接杆和腔室集合。引擎的各个活动部件造成摩擦，这导致活动部件的磨损以及引擎的动力输出减弱。

引擎中的大多数活动部件由金属制成。在操作期间，活动部件的金属-金属接触造成活动部件上的磨损。为了最小化活动部件的磨损并且因此最大化引擎的耐用性和寿命，使用润滑剂（例如引擎机油）以润滑引擎中的活动部件。润滑剂也可以用来清洁、抑制腐蚀、改善密封以及通过从活动部件带走热量而冷却引擎。润滑剂通过例如在邻近活动部件的表面之间创建分离膜以最小化这些表面之间的直接接触而降低摩擦，从而减少摩擦造成的热量并且降低磨损。

大多数润滑剂由得自原油的石油烃制成。可替换地（或者此外），润滑剂可以由诸如例如合成酯、聚α烯烃等等之类的合成材料制成。添加剂被添加到润滑剂以便改善某些属性。添加剂可以包括例如洗涤剂、分散剂、腐蚀抑制剂、碱性添加剂等等。润滑剂的最重要的属性之一是维持引擎的活动部件之间的润滑膜。润滑剂的另一种重要属性是其中和酸的能力。

在引擎中，润滑剂暴露于内部燃烧的副产品，包括例如碳质颗粒、金属颗粒等等。在引擎操作期间，润滑剂经历热降解和机械降解二者以及损害其功能的污染。最终，性能的损失可能变得足够显著以使移除使用的润滑剂并且以新鲜润滑剂替换成为必要。因此，基于时间（例如92天、184天、276天、每6个月等等）和/或基于距离（例如每三千英里、每五千英里等等）的润滑剂引流间隔（LDI）典型地用于确定何时替换引擎中的润滑剂。

在铁路行业中，典型地大约每2-3个星期从机车引擎中获取引擎机油样本。然后，分析这些样本以便识别诸如例如冷却剂泄漏、燃料稀释、金属磨损、机油变质、使用不合适的机油等等之类的问题。铁路公司基于例如原始装备制造商（OEM）推荐、操作历史等等调度机油更换间隔。目前，排放间隔的常见行业实践是大约每184天一次。然而，该排放间隔对于一些引擎而言可能太长，这些引擎诸如例如在严重条件下操作的引擎，或者正经受性能问题的引擎，或者刚刚投入服务并且易受磨合磨损影响的新引擎。此外，排放间隔之间的时间对于一些引擎而言可能比最佳的更短，这些引擎诸如例如在理想最佳条件下操作的引擎。

在卡车行业中，例如卡车车队经常利用机油分析以便建立用于整个车队的机油排放间隔。然而，机油排放间隔基于车队而不是单独的引擎。再次，建立的机油排放间隔对于一些引擎可能太长，而对于其他引擎可能比必要的更短。

尽管润滑剂引流间隔典型地基于服务时间或者交通工具行进的距离而设置，但是实际的操作条件和引擎操作小时对于给定的服务时间或者交通工具行进的距离可能剧烈地变化。因此，固定的时间/距离润滑剂丢弃（或者排放）间隔可以在引擎操作于严重条件的情况下或者在引擎未适当地操作的情况下导致所耗尽的引擎润滑剂的持续使用，这可能导致差的燃料效率、昂贵的维护、过早的引擎故障等等。固定的时间/距离润滑剂丢弃间隔也可以导致在丢弃间隔下仍然未耗尽的引擎润滑剂的过早的并且因此低效的丢弃，从而增加要处置的废物副产品的量以及与替换引擎润滑剂关联的成本（包括例如润滑剂的成本、替换润滑剂的人工成本、处置成本、引擎停机时间成本等等）。

当例如引擎润滑剂的属性退化到其中引擎润滑剂停止适当地润滑引擎部件、抑制腐蚀等等的点时，可以认为引擎润滑剂被耗尽了。

尽管将看起来理想的是从每件装备分析使用的机油的条件并且仅在分析指示它接近它的使用寿命终点时才更换它，但是在确定更换机油的最成本有效的时间中存在要考虑的其他成本。在其使用中，引擎对收入生产量有贡献，从而使得使它们停止服务是昂贵的。结果，装备的许多维护任务被预先计划并且分组在一起，从而使得这些任务能够在装备的计划的停机期间或者在许多所述任务可以同时执行以便最小化停机时间时被执行。装备操作者通常调度维护以便优化总成本。这意味着为了最大化生产量，各个维护任务可以在实际需要它们之前被执行。

一些维护任务需要比其他维护任务更频繁地执行。预先计划的维护经常基于调度集合。例如，卡车车队可能每30天具有A调度，每60天具有B调度以及每120天具有C调度。30天后接受其第一次维护的卡车将让调度A中要求的所有服务被执行。30天以后，它将让服务A和B被执行。那之后30天（累计90天），它将仅仅需要调度A中的服务。在120天的服务时，它将要求调度A、B和C中的所有过程。然后，将重复该循环。

如果车队机油排放间隔被调度为30天，并且确定45天机油更换间隔将是安全的，那么非常不可能的是仅仅为了更换机油而在45天时使这些卡车停止服务会是一件成本有效的事务。将车队移到60天机油更换将是一种实际的努力（如果该间隔被确定为安全排放间隔的话），因为它将机油更换从调度A转化成调度B功能，将机油更换成本减半，并且不导致任何新的停止服务成本。如果机油更换碰巧是维护调度A中的唯一项目，那么这将导致生产率提高，因为将较不频繁地使装备停止服务。

由于通常难于预测在使用的机油中剩余多少使用寿命，因此在业务单元中机油更换间隔频繁地跨类似的装备件被标准化。机油更换间隔选择可以基于许多不同的因素，包括业务单元对于特定装备的维护历史、服务的严重程度、装备制造商的推荐、使用的机油分析等等。机油更换间隔通常通过业务单元认为的在维护成本、修理成本和停机时间之间的折衷方面的最低总成本来选择。由于没有两个单元是相同的或者用在相同的服务中，因此机油更换间隔通常被选择成适应最严重的情形。这意味着在相似引擎集合中，一些引擎较温和或者处于较温和的服务中并且可能能够在更长的机油排放间隔上相当有效地操作。

一个好的实例是铁路机车。这些引擎要求每92天进行安全检查。机油更换过去常常每92天执行以便符合该停止服务点。许多机车车队发现条件使得它们现在可以每184天更换机油。下一个逻辑的机油更换间隔增加将达到276天以便符合安全检查。一些机车，尤其是在一些操作条件下的一些GE FDL单元，在没有机油更换的情况下不可能安全地运行276天。因此，存在未实现的对于如下的系统和方法的需要，所述系统和方法测试使用的机油并且在例如150天的服务时基于使用的机油分析来预测哪些单元应当在例如184天时更换以及哪些单元可以在没有机油更换的情况下安全地继续到例如276天。

本公开提供了如下的系统、方法和计算机程序：用于测试使用的机油并且在例如150天的服务时使用本文描述的方法，基于使用的机油分析来预测（或者使得用户能够预测）例如铁路机车车队中的哪些单元应当在例如184天时更换以及哪些可以在没有机油更换的情况下安全地继续到例如276天。

发明内容

本公开提供了一种确定诸如例如引擎机油之类的润滑剂的可用性以及何时替换特定引擎中的润滑剂的系统、方法和计算机程序。该系统、方法和计算机程序进一步被配置成为例如公司的交通工具车队中的每个引擎生成润滑剂丢弃间隔。润滑剂丢弃间隔基于用于例如公司的交通工具车队中的每个引擎的一个或多个建模的参数值而生成。该系统、方法和计算机程序被配置成为公司车队中的每个交通工具基于每个引擎的使用中的润滑剂的未来预测的分析而生成润滑剂丢弃间隔。

依照本公开的一个方面，提供了一种用于基于取自引擎的引擎润滑剂样本中测量的分析参数值或设置参数值来预测引擎中的润滑剂排放间隔的系统。该系统包括：第一输入，其接收分析参数值；第二输入，其接收分析参数阈值；以及确定器，其基于分析参数值和分析参数阈值预测未来分析参数值。该系统可以进一步包括：接收润滑剂排放间隔的计算机。引擎润滑剂可以包括引擎机油。所述计算机可以包括确定器。第一输入可以接收引擎的历史分析参数值。

确定器可以被配置成生成用于引擎的润滑剂排放间隔。确定器可以对历史分析参数值和所述分析参数值进行建模以便确定未来分析参数值。建模可以包括：线性回归；非线性回归；logistic（逻辑）回归；神经网络；判别分析；if-then（若则）逻辑；偏最小二乘回归；等等。确定器可以将未来分析参数值与分析参数阈值进行比较。确定器可以基于未来分析参数值与分析参数阈值的比较来生成用于引擎的润滑剂排放间隔。

第一输入可以接收附加的分析参数值，并且确定器可以对所述分析参数值执行线性回归或者对所述附加的分析参数值执行非线性回归。所述分析参数值可以包括例如引擎润滑剂样本中的铁浓度，并且所述附加的分析参数值可以包括例如引擎润滑剂样本中的铅浓度。所述分析参数值和所述附加的分析参数值可以例如选自引擎润滑剂样本中的铁、铅、锡、铜铝、硼、氧化、氮化、钾、硅、钠、碳黑、TBN、水、燃料、沉淀物和不溶物。

所述分析参数m例如选自由铁、铅、锡、铜铝、硼、氧化、氮化、钾、硅、钠、碳黑、水、燃料、沉淀物、不溶物等等组成的分析参数组。

依照本公开的另一方面，提供了一种用于针对延长的润滑剂排放间隔选择多个引擎的方法，该方法包括：取回用于多个引擎的润滑剂丢弃间隔数据；将润滑剂丢弃数据分类成至少两个类别，包括延长的润滑剂丢弃间隔类别和正常润滑剂丢弃间隔类别；以及生成用于所述多个引擎的润滑剂丢弃间隔调度。延长的润滑剂丢弃间隔类别可以例如包括276天并且正常润滑剂丢弃间隔类别包括184天。

依照本公开的又一方面，提供了一种用于基于取自引擎的引擎润滑剂样本中测量的分析参数值预测引擎中的润滑剂排放间隔的方法，该方法包括：在第一输入处接收分析参数值；在第二输入处接收分析参数阈值；以及基于分析参数值和分析参数阈值预测未来分析参数值。该方法可以进一步包括预测在未来分析参数值将超过分析参数阈值时的概率。

依照本公开的又一方面，可以提供一种计算机可读介质，其包括如下文中所描述的用于执行这里所描述的过程的计算机程序。

依照本公开的又一方面，确定器被配置成生成用于引擎的润滑剂排放间隔。

依照本公开的又一方面，引擎润滑剂包括曲柄轴箱引擎机油。

依照本公开的又一方面，系统进一步包括：预测润滑剂排放间隔的计算机。

依照本公开的又一方面，该计算机包括确定器。

依照本公开的又一方面，确定器将未来分析参数值与分析参数阈值进行比较。

依照本公开的又一方面，延长的润滑剂丢弃间隔类别包括从大约200天到大约300天，并且正常润滑剂丢弃间隔类别包括从大约150天到少于大约200天。

依照本公开的又一方面，确定延长的润滑剂丢弃间隔类别以便最小化由于移除交通工具以用于维修而引起的损耗时间。

依照本公开的又一方面，交通工具包括：牵引车；卡车；机车；公共汽车；汽车；摩托车；踏板车；水运工具；或者飞行器。

依照本公开的又一方面，所述多个引擎中的每一个在以下一个或多个中提供：牵引车；机车；公共汽车；汽车；摩托车；踏板车；水运工具；飞行器；卡车；风力涡轮机；或者发电机。

依照本公开的又一方面，方法进一步包括：预测未来分析参数值将超过分析参数阈值时的概率。

依照本公开的又一方面，方法进一步包括：预测何时未来分析参数值将超过分析参数阈值。

依照本公开的又一方面，所述分析样本包括：对引擎润滑剂的样本执行频谱分析；或者

检测引擎润滑剂的样本中的颜色变化，其中频谱分析包括可见光谱分析或者红外分析。

根据对于详细描述和附图的考虑，本公开的附加特征、优点和实施例可以被阐明或者是清楚明白的。而且，指出的是，本公开的前面的发明内容以及以下详细描述和附图提供了本公开的非限制性实例，其意在提供解释而非限制要求保护的本公开的范围。

附图说明

被包括以便提供对于本公开的进一步理解、被并入本说明书中并且构成本说明书的一部分的附图图解说明了本公开的实施例并且与详细描述一起用来解释本公开的原理。没有试图比基本理解本公开以及可以实施本公开的各种方式可能所需的更详细地示出本公开的结构细节。在附图中：

图1A示出了确定润滑剂的可用性以及何时替换润滑剂的系统的实例；

图1B示出了可以被包括在图1A的系统中的确定器模块的表示；

图2示出了用于分析引擎润滑剂的样本的润滑剂分析过程的实例；

图3示出了用于为特定引擎确定引擎润滑剂的可用性并且确立引擎润滑剂丢弃间隔的引擎润滑剂丢弃间隔确定过程的实例；

图4示出了可以从用于特定引擎的存储装置取回的历史数据的实例；

图5示出了用于另一个引擎的历史数据的另一个实例的散点图，其中日期在横轴上提供并且分析参数（Fe，铁）在纵轴上提供；

图6示出了用于GE机车引擎的通用电气（GE）OEM推荐的实例；

图7示出了用于EMD机车引擎的电动力柴油机（EMD）OEM推荐的实例；

图8示出了图1系统的实现方式的实例；

图9示出了用于机车单元的铁（Fe）与油龄关系的八幅散点图的实例；

图10示出了用于机车单元的碳黑与油龄关系的八幅散点图的实例；

图11示出了用于机车单元的TBN与油龄关系的八幅散点图的实例；

图12示出了用于机车单元的碳黑与油龄关系的散点图的实例；

图13示出了用于机车单元的铁（Fe）与油龄关系的八幅散点图的实例；

图14示出了用于机车单元的碳黑与油龄关系的八幅散点图的实例；

图15示出了用于另一个机车单元的矩阵散点图的实例；以及

图16示出了用于设置一个或多个引擎的维护调度的过程的实例。

本公开在下面的详细描述中进一步加以描述。

具体实施方式

本公开及其各个特征和有利细节参照在附图中描述和/或图解说明以及在以下描述中详述的非限制性实施例和实例更全面地进行解释。指出的是，附图和附件中图解说明的特征不一定按比例绘制，并且如技术人员将所认识的，一个实施例的特征可以由其他实施例采用，即使未在本文中明确说明。公知部件和处理技术的描述可以被省略以免不必要地使得本公开的实施例模糊不清。本文使用的实例仅仅意在促进理解可以实施本公开的方式并且进一步使得本领域技术人员能够实施本公开的实施例。因此，本文的实例和实施例不应当被解释为限制了本公开的范围。而且，指出的是，贯穿附图的若干视图，相似的附图标记表示类似的部分。

如在本公开中使用的“计算机”表示能够依照一个或多个指令操纵数据的任何机器、设备、电路、部件或模块，或者机器、设备、电路、部件、模块等等的任何系统，诸如例如而非限制性地，处理器、微处理器、中央处理单元、通用计算机、超级计算机、个人计算机、膝上型计算机、掌上型计算机、笔记本计算机、云计算机、台式计算机、工作站计算机、服务器等等，或者处理器、微处理器、中央处理单元、通用计算机、超级计算机、个人计算机、膝上型计算机、掌上型计算机、笔记本计算机、台式计算机、工作站计算机、服务器等等的阵列。

如在本公开中使用的“服务器”表示软件和/或硬件的任何组合，包括作为客户端-服务器架构的一部分执行用于连接的客户端的服务的至少一个应用和/或至少一个计算机。所述至少一个服务器应用可以包括但不限于例如可以通过向客户端发送回响应而接受来自客户端的连接到服务请求的应用程序。服务器可以被配置成经常在无人值守的重工作负荷下在延长的时间段内以最少的人工指导运行所述至少一个应用。服务器可以包括多个计算机，所述计算机配置有根据工作负荷在计算机之间划分的所述至少一个应用。例如，在轻负荷下，所述至少一个应用可以运行在单个计算机上。然而，在重负荷下，可能需要多个计算机运行所述至少一个应用。服务器或者其计算机中的任何一个也可以用作工作站。

如在本公开中使用的“线性回归”表示本领域技术人员所已知的任何已知的线性回归方法，包括一般线性模型（GLM），诸如例如可以局限于满足要求集合的问题类别的多项式。这些要求属于模型误差。模型误差是观察值与预测值之间的差。模型误差的研究是用于评估模型适当性的关键因素。针对一般线性模型要求的假设包括：误差具有零均值；误差不相关；误差正态分布；以及误差具有恒定方差。如果违反了前面的假设中的任何一个，那么通常要求应用某种变换，添加更多的变量以适应系统的方差来源，或者应用另一种类型的建模方法，诸如非线性类型的建模方法。

如在本公开中使用的“线性回归”可以包括“广义线性模型”（GLZ）。GLZ具有将其与GLM方法区分开来的两个关键特征。它包括链接和分布函数。链接是诸如恒等式、幂或对数之类的变换函数。分布函数属于误差分量。在GLM中，误差是正态分布的。对于GLZ而言，误差可以被指定为正态的或者根据指数分布族之一而指定。一些实例包括泊松、二项式、伽玛和逆高斯。由于链接和分布函数的原因，这种类型的建模方法可以称为“非线性”类型的建模。

“logistic回归”是用于二进制或二分类型的响应数据的独特建模方法。logistic回归可以应用于具有通过/失败{0，1}数据的问题。用于logistic回归模型的两个独特特征包括：回归方程的条件均值必须公式化为介于0和1之间；以及二项式分布描述误差的分布。对于独立（x）变量的独特条件集合而言，logistic模型的预测值可以表示为通过/失败的对数几率或概率。

在使用的润滑剂（或机油）分析的情况下，Logistic回归模型可以用来预测用于使用的润滑剂参数的临界阈值将被超过的概率。如果预测的临界润滑剂寿命参数将被超过的概率是高的，那么结论将是润滑剂排放间隔不应当延长。

诸如偏最小二乘和主分量回归之类的其他建模技术也可以应用于预测/预报用于使用的润滑剂临界参数集合的值。可替换地，判别分析也可以应用于识别将使用的润滑剂数据分离成两个不同的组的变量/属性。判别分析中的第一和第二组相应于能够和不能够导致润滑剂排放间隔的延长的条件。

“神经网络”可以是一种有效的非线性且无假设类型的建模方法。神经网络的两个常见的架构包括例如多层感知机（MLP）和径向基函数（RBF）。RBF网络的输出是网络权重、径向距离以及σ宽度参数的函数。MLP的输出基于输入的加权和以及激活函数。Sigmoid（S形）是激活函数形式的一般类型。  

变量x₁ … x_d为预测器变量，w₁...w_{d（或者dM）}和w₁₁...w_M1为加权值，并且y为输出。

响应参数（y）数据可以是与预测器（x）变量线性或非线性相关。如图11中针对单位机车单元2248的TBN曲线图中所示，预测器（x）、油龄和响应参数（y）TBN之间的关系与非线性递减趋势相应。在该实例中，可能有利的是利用较高阶多项式、神经网络（NN）、油龄天数的自然对数变换以更好地表征TBN与油龄之间的潜在关系。

在图9中，响应参数（y）与油龄之间的关系可以是线性的。如针对单位机车单元2248的Fe（铁）曲线图中所示，预测器（x）、油龄和响应参数（y）Fe（铁）之间的关系倾向于表现出线性递增趋势。因此，该数据可以用线性多项式函数表示。

如在本公开中使用的“数据库”表示软件和/或硬件的任何组合，包括至少一个应用和/或至少一个计算机。数据库可以包括依照数据库模型组织的结构化记录或数据集合，所述模型诸如例如但不限于关系模型、层级模型、网络模型等等中的至少一个。数据库可以包括本领域已知的数据库管理系统应用（DBMS）。所述至少一个应用可以包括但不限于例如可以通过将响应发送回至客户端而接受来自客户端的连接到服务请求的应用程序。数据库可以被配置成经常在无人值守的重工作负荷下在延长的时间段内以最少的人工指导运行所述至少一个应用。

如在本公开中使用的“通信链路”表示在至少两个点之间运送数据或信息的有线和/或无线介质。该有线或无线介质可以非限制性地包括例如金属导体链路、射频（RF）通信链路、红外（IR）通信链路、光通信链路等等。RF通信链路可以包括例如WiFi，WiMAX，IEEE 802.11，DECT，0G、1G、2G、3G或4G蜂窝标准，蓝牙等等。

如在本公开中使用的“网络”表示但不限于例如局域网（LAN）、广域网（WAN）、城域网（MAN）、个人区域网络（PAN）、校园区域网络、企业区域网络、全球区域网络（GAN）、宽带区域网络（BAN）、蜂窝网络、因特网等等中的至少一个，或者前述任何组合，其中任何一个可以被配置成经由无线和/或有线通信介质传送数据。这些网络可以运行不限于TCP/IP、IRC或HTTP的各种各样的协议。

除非另有明确指定，如在本公开中使用的措词“包含”、“包括”及其变型表示“包含但不限于”。

除非另有明确指定，如在本公开中使用的措词“一”、“一个”和“该”表示“一个或多个”。

除非另有明确指定，彼此通信的设备不必彼此连续通信。此外，彼此通信的设备可以直接地或者通过一个或多个中介间接地通信。

尽管过程步骤、方法步骤、算法等等可能以相继的次序进行描述，但是这样的过程、方法和算法可以被配置成以可替换的次序工作。换言之，可能描述的步骤的任何顺序或次序不一定指示以该次序执行步骤的要求。本文描述的过程、方法或算法的步骤可以以任何实用的次序执行。此外，一些步骤可以同时执行。

当在本文中描述单个设备或物品时，将容易清楚明白的是，可以代替单个设备或物品使用超过一个设备或物品。类似地，在本文中描述了超过一个设备或物品的情况下，将容易清楚明白的是，可以代替所述超过一个设备或物品使用单个设备或物品。设备的功能或特征可以可替换地由未明确描述为具有这样的功能或特征的一个或多个其他设备体现。

如在本公开中使用的“计算机可读介质”表示参与提供可以由计算机读取的数据（例如指令）的任何介质。这样的介质可以采取许多形式，包括非易失性介质、易失性介质和传输介质。非易失性介质可以包括例如光盘或磁盘以及其他持久性存储器。易失性介质可以包括动态随机存取存储器（DRAM）。传输介质可以包括同轴电缆、铜导线和光纤，包含包括耦合到处理器的系统总线的导线。传输介质可以包含或运送声波、光波和电磁发射，例如在射频（RF）和红外（IR）数据通信期间生成的那些发射。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储芯片或盒、如下文中所描述的载波、或者计算机可以从中进行读取的任何其他介质。计算机可读介质可以包括“云”，其包括跨多个（例如数千）计算机上的多个（例如数千）存储高速缓存的文件分布。

在向计算机携带指令序列中可能涉及各种形式的计算机可读介质。例如，指令序列（i）可以从RAM输送至处理器，（ii）可以通过无线传输介质携带，和/或（iii）可以依照包括例如WiFi，WiMAX，IEEE 802.11，DECT，0G、1G、2G、3G或4G蜂窝标准，蓝牙等等的许多格式、标准或协议进行格式化。

图1A示出了确定润滑剂的可用性以及何时替换例如引擎中的润滑剂的系统100的实例。系统100包括分析器110、计算机120、服务器130和数据库140，所有这些都可以经由通信链路160通过网络150或者直接地经由通信链路160链接。分析器110可以定位在引擎上（或中）、交通工具的引擎隔间中、建筑物中等等。计算机120可以定位在例如顾客地点，诸如例如顾客商店、顾客建筑物等等。服务器130和/或数据库140可以定位在产品提供商地点，诸如例如引擎润滑剂经销商或供应商、引擎润滑剂零售商等等。

分析器110可以包括例如频谱分析器、粘度分析器、酸分析器、固体分析器、闪点分析器、氧化分析器、氮化分析器等等。分析器110被配置成接收取自特定引擎的引擎润滑剂样本，并且分析该样本以便识别和测量一个或多个分析参数。例如，频谱分析器110可以执行润滑剂样本的频谱分析以便确定分析参数的水平（例如以百万分之几（ppm）为单位）。分析参数（AP）可以包括例如可能存在于润滑剂中的磨损金属、污染物、添加剂等等。分析参数也可以包括润滑剂中引擎冷却剂的指示和浓度。频谱分析器可以包括例如Rotrode发射光谱仪、感应耦合等离子体光谱仪等等。可能被识别和测量的磨损金属包括例如铝、锑、铬、铜、铁、铅、镍、银、锡、钛、锌等等。可能被识别和测量的添加剂包括例如锑、硼、钙、铜、镁、钼、磷、钾、硅、钠、锌等等。可能被识别和测量的污染物包括例如锌、硼、钾、硅、钠、碳黑、水、燃料、沉淀物、不溶物等等。氧化和氮化分析器可以通过分别测量氧化和氮化而提供关于润滑剂的降解的信息。

粘度分析器可以包括例如粘度计，其执行粘度分析以便确定润滑剂的有效等级。粘度分析器可以在例如-35℃、-20℃、0℃、40℃、100℃的温度或者如本领域已知的任何其他温度下测量润滑剂。粘度分析器可以通过例如测量润滑剂在维持于恒定温度的导管（例如玻璃管等等）上提供的两个传感器之间流动花费的时间而测量润滑剂的有效粘度。可替换地（或者此外），粘度分析器可以测量例如高温、高剪切、动态、运动等等。

酸分析器可以通过例如将润滑剂与稀释剂混合并且利用例如乙醇-盐酸（HCl）溶液滴定该混合物，直到润滑剂中存在的所有碱性成分被中和，而测量润滑剂的总碱值（TBN）。酸分析器可以附加地（或者可替换地）测量润滑剂的总酸值（TAN）。在这个方面，酸分析器可以例如将引擎润滑剂与稀释剂混合，并且然后利用例如乙醇-氢氧化钾（KOH）滴定该混合物，直到引擎润滑剂中存在的所有酸都被中和。TAN或TBN结果可以以每克引擎润滑剂的例如KOH或HCl的毫克数来报告。

固体分析器可以执行润滑剂中的固体的分析以便识别润滑剂中的特定固体和固体的浓度。固体分析器可以包括例如基于激光的颗粒计数器、红外分析器等等，其检测并且测量润滑剂样本中的颗粒的浓度。

闪点分析器可以分析润滑剂以便确定点燃来自润滑剂的蒸汽的温度。例如，闪点分析器可以缓慢地加热润滑剂样本，保持对样本温度的精确测量。当蒸发的气体点燃或者变得可燃时，样本的温度可以被记录为特定润滑剂样本的闪点温度。

分析器110可以包括被配置成通过通信链路160发送和接收数据和指令的收发器（未示出）。例如，分析器110可以被配置成将来自交通工具的引擎或引擎隔间的数据发送至顾客计算机120和/或服务器130或数据库140。分析器110可以被配置成直接对引擎中的引擎润滑剂采样并且基本上实时地提供分析数据，该分析数据可以被发送至顾客计算机120和/或服务器130（或数据库140）。

可替换地，分析器110可以定位在远程实验室处，其中可以在实验室处经由信使、邮件等等接收引擎润滑剂的样本（例如4oz、8oz等等）以供测试。分析的结果可以由分析器110经由通信链路160发送至顾客计算机120和/或服务器130。例如，在分析器110分析了引擎润滑剂的样本之后，可以将引擎润滑剂分析结果发送至数据库140，其中所述结果可以与例如数据库记录（或文件）关联并且存储于其中，所述数据库记录（或文件）与特定引擎、特定引擎类型、特定交通工具、特定引擎制造商、特定交通工具制造商、特定实体（例如个人、公司、公共机构等等）等等关联。数据库记录可以包括历史信息，包括用于关联的引擎和/或交通工具的过去润滑剂分析结果。指出的是，数据库140可以定位在服务器130内部。

图1B示出了可以被包括在服务器130中以执行本公开的方面的确定器模块170的表示。确定器170可以包括软件和/或硬件。确定器170可以包括中央处理单元（CPU）和存储器。确定器170被配置成接收测量的分析参数值AP并且将其与分析参数阈值AP_TH进行比较。确定器170基于测量的分析参数值AP与分析参数阈值AP_TH的比较来确定润滑剂丢弃（或者排放）间隔（LDI）。确定器170可以提供指示是否可以延长LDI间隔或者是否需要缩短它的输出。

依照本公开的一个实施例，确定器170被配置成针对特定引擎中的特定分析参数接收多个测量的分析参数值AP₁, …, AP _n 并且将其中每一个与分析参数阈值AP_TH进行比较，其中分析参数值AP₁, …, AP _n 包括在n个单独的日期上取得的n个引擎润滑剂样本中的特定分析参数AP的测量的水平或浓度，其中n为大于或等于1的正整数。确定器170可以包括人工智能，诸如例如神经网络、模糊逻辑等等，其针对每个分析参数对于所述多个分析参数值AP₁, …, AP _n 执行线性回归、非线性回归、logistic回归等等。确定器170可以实现例如“if-then”方法以便预测未来的AP值。例如，确定器170可以通过如下方式来确定用于给定引擎的LDI：确定若在150天时AP（碳黑）>45，则确定器170可以预测碳黑临界值将在276天时被超过；或者若在150天时AP(VIS100C) > 16.5且AP(TAN) > 3.8，则用于TAN或VIS100C的临界值将被超过，从而使得将LDI设置在早于276天的点处（诸如例如在184天处）成为必要。确定器170被配置成通过使用例如线性回归、非线性回归、logistic回归等等监视和预测何时分析参数的AP值（例如水平、浓度等等）将很可能超过关联的阈值AP_TH。

确定器170被配置成针对m个不同的分析参数重复所述过程，其中m等于或大于1，并且其中m相应于在取自特定引擎且针对特定引擎分析的n个引擎润滑剂样本中识别和测量的不同分析参数的数量。也就是说，确定器170对于值AP(1)₁, …, AP(1) _n , …, AP(m)₁, …, AP(m) _n 中的每一个执行例如线性回归，同时将值AP(1)₁, …, AP(1) _n , …, AP(m)₁, …, AP(m) _n 中的每一个与对应阈值AP(1)_TH … AP(m)_TH进行比较。如早前所指出的，分析参数值AP可以包括例如引擎润滑剂样本中的磨损金属、添加剂、污染物等等的水平、量、浓度等等。确定器170预测未来分析参数值AP _n+1 预期超过（或者下降低于）用于关联的分析参数的关联的阈值AP_TH时的发生（例如时间、天、日期等等）。确定器170然后可以基于预测的发生来设置LDI。例如，确定器170可以将LDI设置在未来值AP _n+1 预期超过（或者下降低于）关联的阈值AP_TH时的很久以前或者正好之前的日期。

确定器170可以被配置成对于不同的分析参数执行不同的预测方法。例如，确定器170可以实现线性外插以便预测用于铁或碳黑的未来值，但是实现对数预测（非线性预测）以便预测用于铅的未来值。

图2示出了用于分析引擎润滑剂的样本的润滑剂分析过程200的实例。参照图1和图2，过程200在分析器110处从源接收引擎润滑剂样本时开始（步骤210）。源可以包括例如引擎、个人、公司（例如铁路公司、卡车公司、航运公司、租赁汽车公司等等）、公共机构（例如学校、医院等等）、代理机构（例如政府代理机构等等）等等。在其中分析器110（图1A中示出）定位在引擎上（或中）或者引擎附近的引擎隔间中的示例中，源可以是引擎本身，并且分析器110可以例如置于润滑剂流动路径上、引擎与外部润滑剂过滤器（例如引擎机油过滤器）或者外部润滑剂冷却器（例如引擎机油冷却器）之间。

在从特定引擎接收到引擎润滑剂的样本（步骤210）之后，分析器110可以分析润滑剂样本以便识别和测量润滑剂中存在的磨损金属、添加剂、污染物等等的类型和浓度。分析器110可以进一步测量润滑剂的TBN、TAN、粘度、闪点等等。

分析的结果可以被汇编并且在用于分析的引擎润滑剂样本的分析报告中复现（步骤230）。然后，可以将分析报告发送至顾客计算机120和/或服务器130（步骤240）。可以将报告发送至数据库140，其中该报告可以与用于特定引擎的记录关联并且存储在该记录中。可替换地，可以在例如交通工具的板载显示器（未示出）上直接显示分析报告（步骤240）。润滑剂分析报告可以例如包括用于识别和测量的分析参数的原始数据、制表数据等等，包括例如磨损金属、添加剂、污染物、TBN、TAN、粘度、闪点等等。润滑剂分析报告可以以人类可读的形式（例如打印输出、显示、音频文件、视频文件、多媒体文件等等）生成和产生以便可由人类阅读，或者该报告可以以机器可读的格式提供，使得该报告可以在没有任何人工干预的情况下由顾客计算机120、服务器130和/或数据库140接收和处理。

依照本公开的一个方面，提供了一种包含计算机程序的计算机可读介质，该计算机程序在例如可以包括计算机（未示出）的分析器110中执行时使得图2中的过程200被执行。计算机程序可以有形地体现在计算机可读介质中，其可以包括用于步骤210至240中的每一个的代码段或代码部分。

图3示出了用于为特定引擎确定引擎润滑剂的可用性并且确立引擎润滑剂丢弃间隔的引擎润滑剂丢弃间隔确定过程300的实例。

依照本公开的一个实施例，过程300可以由顾客计算机120或服务器130执行。过程300的结果可以存储在数据库140中。可替换地，依照本公开的另一个实施例，过程300可以全部由分析器110执行。

参照图3，起初，对于特定引擎或者特定交通工具，引擎数据和润滑剂分析报告由例如服务器130（或者顾客计算机120）接收（步骤310）。引擎数据可以包括例如制造引擎的年份、引擎类型、引擎制造商、引擎排气量、引擎的制造地、引擎序列号、其中安装引擎的交通工具序列号等等。润滑剂分析报告可以接收自例如分析器110（图2中的步骤240）并且该报告可以包括分析参数值AP(1) _n , …, AP(m) _n 。

服务器130可以查询其内部数据存储装置135（图8中示出）或者数据库140以便确定用于由接收的引擎数据识别的特定引擎的记录是否存在（步骤320）。如果确定用于特定引擎的记录确实存在（步骤320处的是），那么从存储装置135（或140）取回识别的记录（步骤340）。取回的记录可以包括用于测量的分析参数中的每一个的多个历史值，例如值AP(1)₁,…, AP(1) _n-1 ,…, AP(m)₁,…, AP(m) _n-1 。

如果确定用于特定引擎的记录不存在（步骤320处的否），那么在本地数据存储装置135（图8）和/或数据库140（图1A）中创建记录（步骤330）。创建的记录可以包括用于特定引擎的多个字段，包括例如顾客名称（例如铁路公司、卡车公司、航运公司等等）、顾客地址（例如电子邮件地址、地理地址、电话号码、联络点名称等等）、制造引擎的年份、引擎类型、引擎制造商、引擎排气量、引擎的制造地、引擎序列号、引擎的最近服务日期、最近服务的细节、引擎投入运行的日期、引擎上的小时数、引擎上的里程数、其中安装引擎的交通工具序列号等等。记录的字段可以填充有在引擎数据中接收的数据（步骤310）。创建的记录可以进一步包括OEM推荐（例如分别在图6、图7中示出的推荐600、700）、行业推荐、贸易集团推荐、标准组织推荐、个人推荐等等，其可以包括用于一个或多个分析参数的阈值AP_TH(1),…, AP_TH(m)。

接收的润滑剂样本数据可以由服务器130（例如图1B中示出的确定器170）处理，并且可以将用于特定引擎的分析参数值AP(1) _n , …, AP(m) _n 随同历史值AP(1)₁,…, AP(1) _n-1 ,…, AP(m)₁,…, AP(m) _n-1 一起与关联的分析参数阈值AP_TH(1),…, AP_TH(m)进行比较（步骤350）。此外，可以通过对值AP(1)₁,…, AP(1) _n ,…, AP(m)₁,…, AP(m) _n 执行回归分析以便预测何时所述未来分析参数值AP(1) _n+1 ,…, AP(m) _n+1 的值将超过（或者下降低于）关联的阈值AP_TH(1)…AP_TH(m)而确定润滑剂丢弃间隔LDI（步骤360）。LDI可以包括例如时间、天、天数、日期、引擎小时数等等。用于特定引擎的记录可以被更新以便包括LDI信息和接收的分析参数值AP(1) _n , …, AP(m) _n 以及预测的值AP(1) _n+1 ,…, AP(m) _n+1 （步骤370）。可以将生成的LDI数据发送至顾客计算机120（或者服务器130）和/或数据库140（步骤380）。

依照本公开的一个方面，提供了一种包含计算机程序的计算机可读介质，该计算机程序当在例如服务器130（或者计算机120）中执行时使得图3中的过程300被执行。该计算机程序可以有形地体现在计算机可读介质中，其可以包括用于步骤310至380中的每一个的代码段或代码部分。

图4示出了可以从用于特定引擎（例如机车单元2248）的数据库140取回的历史数据400的实例，其中n=25并且m=1。在该实例中，历史数据可以包括四栏数据，包括：获取栏，其包括从单元2248获取润滑剂样本的日期；测试栏，其包括测试获取的润滑剂样本的对应日期；单元栏，其识别引擎（例如单元2248）；以及分析参数栏，其识别特定分析参数（Fe）、磨损金属铁，并且包括从最早的记录值AP(1) ₁  = 2(ppm)到最近的记录值AP(1) ₂₅  = 4(ppm)的n个分析参数值。如所见到的，值AP(1) ₁ …AP(1) ₂₅ 范围从低的2(ppm)到高的18(ppm)。

图5示出了可以从用于另一个引擎的数据库140取回的历史数据的另一个实例的散点图，其中日期在横轴上提供并且分析参数（Fe，铁）在纵轴上提供。

图6示出了可以从数据库140取回的用于GE机车引擎的通用电气（GE）OEM推荐600的实例。如所见到的，推荐600包括范围从铜（Cu）到TBN的分析参数AP列表。在该示例中，m=24。分析参数AP中的每一个具有关联的“临界”阈值AP_TH-C、关联的“异常”阈值AP_TH-A以及关联的“边际”阈值AP_TH-M。推荐600也包括“问题栏”，其在特定分析参数超过三个识别的阈值中的任何一个的情况下提供建议的原因。

图7示出了可以从数据库140取回的用于EMD机车引擎的电动力柴油机（EMD）OEM推荐700的实例。如所见到的，推荐700包括与图6中的那些类似的范围从银（Ag）到TBN的分析参数AP列表。在该示例中，m=25。如前面关于推荐600所讨论的，推荐700中的分析参数中的每一个具有关联的“临界”阈值AP_TH-C、关联的“异常”阈值AP_TH-A以及关联的“边际”阈值AP_TH-M。像推荐600一样，推荐700也包括“问题栏”，其在特定分析参数超越三个识别的阈值中的任何一个时建议原因。

在推荐600（或700）中，如果特定分析参数超越（超过或者小于）推荐的“边际”阈值，但是具有不及“异常”阈值那么极端的值，那么这些推荐推荐在下一次检查期间“购买”所述单元（或引擎）并且对指示的问题（在“问题”栏中）进行研究。如果特定分析参数超越（超过或者小于）推荐的“异常”阈值，但是没有超越（超过或者小于）“临界”阈值，那么这些推荐推荐将特定单元（或引擎）立即发送至车间以用于维修，并且对“问题”栏中的关联的问题进行研究。如果特定分析参数超越（超过或者小于）推荐的“临界”阈值，那么这些推荐推荐立即关闭特定单元（或引擎）并且对单元维修，开始于研究“问题”栏中识别的关联的问题。

图8示出了系统100（图1中示出）的实现方式的实例。在该实例中，机车单元2248可以处于车间中以供其调度的184天维修。使用计算机120的维修技师可以请求用于单元2248的LDI以确定在184天的点处是否有必要替换引擎润滑剂，或者单元2248是否可以在不替换引擎润滑剂的情况下继续运行另一个92天。在这个方面，服务器130可以针对用于单元2248的历史数据查询其内部数据存储装置135（或者数据库140，其中其在服务器130内部提供）。如果历史数据存储在远程数据库140中，那么数据库140可以被周期性地查询以便获得与单元2248关联的最新的信息。然后，确定器170可以处理取回的用于单元2248的历史数据以便为276天时所有五个设置的分析参数生成预测的分析参数值AP(1)、AP(2)、AP(3)、AP(4)和AP(5)，所述分析参数包括：（1）碳黑，（2）铅（Pb），（3）粘度100C，（4）TAN和（5）TBN。指出的是，本领域普通技术人员将会认识到，在不脱离本公开的范围或精神的情况下，可以设置其他的（附加的或者可替换的）分析参数。如图8中所见，用于粘度100C的预测的分析参数值AP(3) _n+1 在276天时可以处于可接受的水平，但是用于AP(3) _n+1  TAN的预测值处于不可接受的水平，从而使得在单元2248处于车间中时在276天之前、优选地在例如184天时替换润滑剂成为必要。

图9示出了可以由服务器130生成的用于机车单元2248的铁（Fe）与油龄关系的八幅散点图的实例。特别地，这些散点图包括七幅示出针对七个过去的润滑剂丢弃间隔（LDI）在各个时间测量的引擎机油中的铁浓度的图表（1至7）以及一幅包括针对当前LDI间隔的用于铁的AP(Fe)值的图表（8）。如这些图表中所见到的，铁水平Fe与油龄的关系倾向于为线性的。因此，当识别了机油更换时，那么可以计算油龄。

图10示出了用于机车单元2248的碳黑与油龄关系的八幅散点图的实例。特别地，这些散点图包括七幅示出针对七个过去的润滑剂丢弃间隔（LDI）在各个时间测量的引擎机油中的碳黑浓度的图表（1至7）以及一幅包括针对当前LDI间隔的碳黑值的图表（8）。如这些图表中所见到的，碳黑水平看起来也是油龄的指示器。该数据指示了油龄与碳黑之间的线性关系。

图11示出了用于机车单元2248的TBN与油龄关系的八幅散点图的实例。特别地，这些散点图包括六幅示出针对六个过去的润滑剂丢弃间隔（LDI）在各个时间测量的引擎机油中的TBN水平的图表（2至7）、一幅对于其而言没有历史数据可用的图表（1）以及一幅包括针对当前时段的TBN水平的图表（8）。如这些图表中所见到的，油龄与TBN水平之间的关系可以是线性的和/或非线性的。

图12示出了用于机车单元的碳黑与油龄关系的散点图的实例，其中七个（1至7）机油更换间隔的数据与当前机油更换间隔（8）期间的碳黑水平数据一起叠加。如该图表中所见到的，数据点1110看起来是异常值或者不寻常的结果数据。依照本公开的原理，系统100（图1中示出）被配置成检测并且过滤掉异常值数据，诸如例如数据点1110。

图13示出了用于机车单元2248的铁（Fe）与油龄关系的八幅散点图的实例。除了图13进一步包括预测器线1210之外，图13与图9类似，所述预测器线预测从大约140天到大约276天的时段期间引擎机油中的Fe水平，其中预测器线1210可以由确定器170生成。

图14示出了用于机车单元2248的碳黑与油龄关系的八幅散点图的实例。除了图14进一步包括预测器线1310之外，图14与图10类似，所述预测器线预测从大约140天到大约276天的时段期间引擎机油中的碳黑水平，其中预测器线1310可以由确定器170生成。

图15示出了用于另一个机车单元8866的矩阵散点图的实例。如该图表中所见到的，针对六个单独的机油更换n=6测量且绘出了包括Fe、Pb、Cu、V100C、OXI、NIT、碳黑、TAN、TBN、PI的十个分析参数。

图16示出了用于设置一个或多个引擎的维护调度的过程500的实例。参照图1A，可以查询数据库140以便取回属于特定顾客的引擎的全部（或者少于全部）的LDI数据（步骤510）。然后，基于LDI数据将取回的数据中识别的引擎分类成一个或多个LDI类别——例如，要求每92天维护的引擎、要求每184天维护的引擎、要求每276天维护的引擎等等（步骤520）。可以针对识别的引擎中的每一个生成（或更新）维护调度（步骤530）。维护调度可以包括针对延长的润滑剂丢弃间隔（例如LDI=276天）而选择的引擎列表。维护调度可以包括针对缩短的润滑剂丢弃间隔（例如LDI=92天）而选择的引擎列表。维护调度可以包括识别用于识别的引擎中的每一个的调度的LDI日期的日历。然后，可以将生成的维护调度发送至例如顾客计算机120（步骤540）。

依照本公开的一个方面，提供了一种包含计算机程序的计算机可读介质，该计算机程序在例如服务器130（或者计算机120）中执行时使得图16中的过程500被执行。计算机程序可以有形地体现在计算机可读介质中，其可以包括用于步骤510至540中的每一个的代码段或代码部分。

依照本公开的另一方面，可以将标记物添加到润滑剂。一旦润滑剂被耗尽，该标记物可以产生可测量的变化。该标记物可以通过例如可见光谱分析、红外分析、颜色变化等等而可测量。

尽管按照示例性实施例描述了本公开，但是本领域技术人员将认识到，可以利用所附权利要求书的精神和范围方面的修改来实施本公开。这些实例仅仅是说明性的，并且不意味着是本公开的所有可能的设计、实施例、应用或修改的详尽列表。

Claims (10)

1.一种基于处理器的系统，用于基于取自引擎的引擎润滑剂的样本中测量的分析参数值来预测引擎中的润滑剂排放间隔，该系统包括：

第一输入，所述第一输入接收分析参数值并且将分析参数值存储在处理器的存储器中；

第二输入，所述第二输入接收分析参数阈值并且将分析参数阈值存储在处理器的存储器中；以及

确定器，所述确定器基于分析参数值和分析参数阈值来预测用于确定润滑剂排放间隔的未来分析参数值。

2.权利要求1的系统，其中第一输入接收引擎的历史分析参数值。

3.权利要求2的系统，其中确定器对历史分析参数值和所述分析参数值执行建模以便确定未来分析参数值，该建模包括：

线性回归；

非线性回归；

logistic回归；

神经网络模型方法（没有回归）；或者

if-then逻辑（包括与、或、非、否则）；

偏最小二乘回归；或者

判别分析。

4.权利要求3的系统，其中确定器基于未来分析参数值与分析参数阈值的比较来生成用于引擎的润滑剂排放间隔。

5.权利要求3的系统，其中第一输入接收附加的分析参数值，并且其中确定器对所述分析参数值执行线性回归或者对所述附加的分析参数值执行非线性回归或建模方法之一。

6.权利要求5的系统，其中所述分析参数值和所述附加的分析参数值选自由引擎润滑剂样本中的铁、铅、锡、铜铝、硼、氧化、氮化、钾、硅、钠、碳黑、TBN、水、燃料、沉淀物和不溶物组成的组。

7.权利要求1的系统，其中所述分析参数值选自由锌、硼、氧化、氮化、钾、硅、钠、碳黑、水、燃料污染物、燃料副产品、沉淀物、铅和不溶物组成的分析参数组。

8.一种针对延长的润滑剂排放间隔选择多个引擎的基于处理器的方法，该方法包括：

取回用于所述多个引擎的润滑剂丢弃间隔数据并且将该数据存储在存储器中；

将润滑剂丢弃数据分类成至少两个类别，包括延长的润滑剂丢弃间隔类别和正常润滑剂丢弃间隔类别；以及

使用处理器为所述多个引擎生成润滑剂丢弃间隔调度。

9.一种基于处理器的方法，用于基于取自引擎的引擎润滑剂的样本中测量的分析参数值来预测引擎中的润滑剂排放间隔，该方法包括：

在第一输入处接收分析参数值并且将分析参数值存储在处理器的存储器中；

在第二输入处接收分析参数阈值并且将分析参数阈值存储在处理器的存储器中；以及

使用处理器基于分析参数值和分析参数阈值预测未来分析参数值。

10.一种用于基于取自引擎的引擎润滑剂的样本中测量的分析参数值来预测引擎中的润滑剂排放间隔的方法，该方法包括：

将标记物添加到引擎润滑剂；以及

分析引擎润滑剂的样本以便确定引擎润滑剂的状态。

Images