CN1036647A - 发电厂设备优选检修的自动化系统 - Google Patents
发电厂设备优选检修的自动化系统 Download PDFInfo
- Publication number
- CN1036647A CN1036647A CN89100815A CN89100815A CN1036647A CN 1036647 A CN1036647 A CN 1036647A CN 89100815 A CN89100815 A CN 89100815A CN 89100815 A CN89100815 A CN 89100815A CN 1036647 A CN1036647 A CN 1036647A
- Authority
- CN
- China
- Prior art keywords
- equipment
- fault
- severity
- sensor
- importance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 claims abstract description 36
- 238000003745 diagnosis Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 29
- 238000004140 cleaning Methods 0.000 description 21
- 239000011734 sodium Substances 0.000 description 17
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 16
- 229910052708 sodium Inorganic materials 0.000 description 16
- 238000005260 corrosion Methods 0.000 description 11
- 230000007797 corrosion Effects 0.000 description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 9
- 239000001301 oxygen Substances 0.000 description 9
- 229910052760 oxygen Inorganic materials 0.000 description 9
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 238000013480 data collection Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 229910021529 ammonia Inorganic materials 0.000 description 4
- 239000003957 anion exchange resin Substances 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 150000001450 anions Chemical class 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 101100171060 Caenorhabditis elegans div-1 gene Proteins 0.000 description 1
- 229910000881 Cu alloy Inorganic materials 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 125000000129 anionic group Chemical group 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004449 solid propellant Substances 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Abstract
对生产过程中故障的敏感器检修的优选方法,当
诊断一个过程的故障是由故障敏感器完成时,在优选
检修敏感器及被监测的设备中都要考虑设备40的
期望寿命和部分备用敏感器的作用。一件一次设备
处于备用100状态时,在优选检修中考虑两件设备
失效106的后果。结果,可将所有可能的故障,甚至
对发生的根本不同的故障,以一公共尺度进行排队,
而获得一有效果的成本系统。
Description
本发明一般来讲直接涉及对诸如核能发电厂或矿物燃料发电厂之类复杂组合的电厂中设备优选检修的一个系统;更细地讲,本发明系利用一套公用尺度来确定电厂中所有设备的检修优先权,包括敏感器和备用设备,同时考虑到故障诊断中的精确度、故障所造成的相应产生的重大损坏,以及损坏所造成的严重性或严重程度。
如图1所示,常规的诊断软件判定电厂中哪件设备发生故障的定义为,一件设备或一个过程不按需要或不期望运行。如图1的方框图所示,人工智能系统是采用敏感器数据(10)和判定(12)通过将该敏感器数据与各门限值、其它限制条件及内部固有的相互关系进行比较来判定该敏感器数据是否有效。敏感器数据的有效度一经判定,则该敏感器数据即由(14)说明其在被监测的电厂的前后关系内相关的物理意义。该数据、有效度和说明即被组合而产生有效的判断。下一步,就是系统诊断(16)这类故障,并判定在这些故障中的置信度。现在的实际工作是在置信度的基础上编排故障一览表。如图1所示的这种常规的诊断系统已在美国专利4,644,479中叙述。
在实际应用中,这种按置信度划分等级是把故障敏感器放在一览表中的上端。因为敏感器并不涉及停电检修的价值,所以电厂运行人员一般无视具有最高置信度的故障。结果,具有最高置信度的故障,而一个运行人员反而置于最低的优先权。由于有这样的问题,运行人员需要仔细查看该一览表,直到发现该电厂连续运行的故障为止。这样一来,问题就复杂了,因为最重大的故障可能在一览表的最后边而且很可能被错过。运行人员通常试图判定该故障损害电厂的严重程度,主要根据电厂的历史记载和运行人员的经验来实现。运行人员在查出故障之后,便判断确定发生故障的和相关的设备是否应当检修。因为这种类似于编制设备检修表的方法是高度的主观产物,所以需要一个自动化系统,该系统应能自动地判定竞选性的设备、优选检修的相对价值,以及考虑到运行人员正常考虑的许多因素,例如,停机检修该故障设备的造价与允许该故障继续运行所造成的损失之间的关系。
本发明的目的,在于权衡检修一项故障部分的费用相对于允许带故障继续运行到计划检修期的费用的得失,以使一个系统的成本有效度最佳化。
本发明有助于用一套公共尺度优选出检修的设备、备用设备和敏感器,从而使最重要的项目首先进行检修;本发明可以比较全部有故障之处,甚至发生在根本不同的系统的那些故障,例如,给水系统发生的化学腐蚀问题,以及发电机的故障;本发明可以从故障判定检修的优先权,以权衡检修该设备的费用相对于允许故障部分继续运行后的检修费用(包括检修费、维修时间和其他的相应损失);本发明可以优选出检修的一次设备(包括备用设备),以及根据其它敏感器对故障敏感器提供的部分备用的有效度来优选出检修的敏感器。
本发明在于提供一种广泛型式的装置和方法来判定一个系统中有故障的敏感器和设备的优先检修次序,其步骤如下:诊断敏感器和设备的故障,并判定每一诊断的准确等级(此处称置信度);以及按照故障的严重性、设备的重要性和置信度排列故障次序,籍此术得优先权。
这里所描述的一个系统是利用与一件设备停运有关的重要性、由连续故障(严重故障)造成的损失程度以及故障诊断的置信度等因素判定该件设备的检修优先权。因为一项故障会影响组合中的几件设备,所以结合与每件设备有关的严重度与重要性来确定检修优先权。当诊断的一项故障受有故障的敏感器限制时,设备的期望寿命和对该故障敏感器提供部分备用的敏感器的有效度,都在优选敏感器和监测设备的检修中予以考虑。当一件一次设备作备用时,则在优先检修设的备用部分中两件设备失效作为考虑的因素。这样,得出的系统即能使所有可能发生故障的部件都在一个公共尺度下进行排队,甚至对全无联系的故障发生时也如此进行。该系统对一个复杂的运行系统提供一项完整的检修优先权次序,并且使被监测的系统的成本效益最佳化。
结合对附图的理解和举例说明较佳实施例的下述描述,将会更详细地了解本发明。
图1为先有技术中人工智能系统的方框图,该系统根据每一诊断的精度或置信度来诊断故障部分并将故障排队部分;
图2为本发明诊断系统的硬件说明;
图3为按照本发明阐述该系统的一件设备优选部分和本发明与先有技术的接口关系;
图4说明本发明的另一部分,优选检修的一项故障,该故障会引起多重相应的设备故障;
图5描述本发明的进一部分,即优选敏感器检修;以及
图6表示备用设备的检修如何实现优选。
对于大多数故障来讲,如果允许该故障继续运行到该件设备完全失灵,这样所造成的相应产生的最大损坏是能被估算出的。该相应产生的最大损坏被指定为“重要性”(IMP),它通常是一个常数,并计及检修被该故障所造成的相应产生的最大损坏所需要停运的时间长度,以及检修的直接费用。该停运时间数据也计入该项故障的重要性中,从而可以在预定行将停运的期间内检修故障。例如,计划停运一周时间,而有某些器件需在两周内检修,则强制停运则是不佳的。
这个判定将在更详细讨论的最佳系统中按下述两条规则来进行:
不是(1/SEV<<等待停运的时间)
(1/SEV<<等待停运的时间)*
这两项规则是在最佳专家系统程序中存储在前后关系槽中的控制表达式,一项规则只在该规则的前后关系是真实时才生效。对于上述两项规则,当该前后关系对一项规则是错的,则该前后关系对另一项规则是真的。如果计划停运时间不能满足检修时间,则第一项规则将使计算出的严重性成为故障的严重性;如果停运时间满足检修时间,则第二项规则使严重度为零值。
可能发生这样情况,即诊断出一项重要故障具有大的置信度,而该故障从属于低的优先权,这是因为该故障的严重度低。一项故障的严重度(SEV)定义为预料相应发生的最大损坏之前的时间的倒数。这通常是该系统发生特定损坏的程度,严重度不是常数,但与系统中一个或多个变数相关,并且必须根据这些变数单独计算。例如,如果诊断的故障部分是一辆车上的磨损的制动器,则制动器的实际状况是该严重度判定的一部分,而车辆的当时行驶速度则是另外一个考虑条件。
对于一项高严重度的重要故障却具有低的优先权,如果故障的置信度(CF)很低,这也是可能的。在简单的情况下,一件设备的检修优先权是置信度(CF)、重要性(IMP)和严重度(SEV)的乘积。
本发明的系统判定所有故障的优先权都依据一项公用尺度,所以发生在各不同类型设备上的故障都能进行比较。在一种化学故障与一台发电机故障的比较情况下,这一点尤其重要,在当前实际应用中,电厂中一项化学故障,即使可能造成损坏,但也会造成立即停运的威胁,最坏的情况是发生在化学故障之后两年则要以高价和过早地重建一台锅炉而致使停运6到9个月。由化学故障所造成的损坏可能时间较短,但有不良后效。锅炉壁在几天之内即可变坏,但这种变坏经过相当长的时期后就不能容许。本发明的优选方案能对比诸如一台锅炉停运与污的润滑油造成发电机轴承损坏而造成停运这两个例子。
对于一台有故障的敏感器情况,该故障的重要性是行将发生的最大损坏,但是该损坏是根据下述的差异计算出的,即由于敏感器故障,缺少数据而可能发生的停电和最小量损坏而发生的停电之间的差异,最小损坏而停电可能是在该系统设定以正常运行被延续到对敏感器进行检修而发生的。如果该敏感器正处在故障中而不能给出一个状态信号,则对设备相应产生的最大损坏是DAMMAX;该最小损坏发生在假设该敏感器正常工作之时,该敏感器向运行人员发生警报,运行人员将此设备退出运行,这一最小损坏就是DAMMIN;该敏感器的重要性即为IMP=DAMMAN-DAMMIN。一件故障的敏感器的严重度可以分成简单和复杂的两种情况。
在简单情况中,如果那些被监测的故障部分与故障的监测器有关,并且不用该故障的敏感器就能诊断出来,则该严重度即是那些故障中无置信度的简单函数式。如果该敏感器支持一项故障的诊断(否则不能诊断出来),则该严重度即由故障发生之前的时间(平均时间)确定。
在比较复杂情况中,发电厂故障存在着实际上的相似性,这种相似性成为敏感器失效的严重度的公因子,这发生在两种情况:
第一种情况发生在具有一个备用敏感器的设备上,敏感器处于不同位置而具有相似功能。这种情况的例子是具有冷凝水净化设备的电厂的给水净化设备流出液中的钠敏感器。终端给水敏感器配置净化设备流出液敏感器,因为在净化设备流出液中的任何钠都流经该给水敏感器,能显示该冷凝水净化设备中不含钠。净化设备流出液中的钠敏感器发生故障的严重度与给水中钠浓度有关。如果其值较低,则在该净化设备流出液处的钠敏感器的损耗就不会有碍诊断,因而其严重度也低。当给水中钠浓度增加,则在该净化设备流出液处的钠敏感器的故障严重性就增大。
第二种情况是在不同位置设有上述功能的敏感器做为故障敏感器的备用。在具有冷凝水净化设备的电厂中的冷凝水的钠敏感器是这种敏感器的一个例子。在该流出液中的该敏感器之后,若水中的钠浓度马上有变化,于是下游的各敏感器应指示出不同的浓度。在这种情况下,在冷凝水流中的一些敏感器用来指示冷凝水中发生的一些情况。如果没有发生情况,则在冷凝水泄漏或污染之前的平均时间可用来计算该严重度。如果其它监测器指示出量的变化,则钠监测器故障的严重度增大。人工测定冷凝水中钠的结果也可用来换算成严重度。如果人工测定出的结果高,则要在连续地估计所不期望的情况中进行实际监测。如果该结果低,就不需要监测。
在具有一个备用系统中的一个部件失灵的情况中,相应发生的损坏是重要的,该损坏发生在原系统和备用系统同时失灵的情况下,严重度通常用该备用系统失灵前的平均时间来估算,当有诊断设备用系统的方法时除外。如果有备用系统诊断存在,则该严重度以到达设备用系统失灵的期望时间来确定。在多重备用系统的情况中,该严重度是每个备用系统失灵前平均时间总和的倒数。
图2说明应用本发明的一个典型设备结构,其详情可以从美国专利4,517,468中得知,这里结合作为参考。该发电厂设备(20)由敏感器(22)进行监测,该敏感器将数字及模拟数据传送到一个数据收集计算机(24)。计算机(24)周期地、连续地将敏感器数据收集,存储在一个盘式存储单元中。数据收集计算机(24)通常是一台Microvax Ⅱ型数字设备。该数据收集计算机周期地或是自动或是在访问后将数据通过调制解调器(28)和(30)送到诊断计算机(32),该机一般为一台数字设备Vax 8500系列计算机。该诊断计算机(32)为几个不同的数据收集计算机(24)诊断故障,并使优先的故障返回各自的数据收集计算机(24),该数据收集计算机(24)将该一览表显示在显示单元(34)上,并且电厂的运行人员开始检修。
该诊断计算机较好地执行一项专家系统程序,利用认识重现和推断程序获得诊断结果。有许多专家系统可用未完成本发明的目标,但是最好的系统是PDS(过程诊断系统),在第八届人工智能国际联合会(Eighth International Joint Conference on ArtificialIntel-ligence)的刊物(1983年8月8-12日第158-163页)有叙述,这里结合作为参考。PDS系统是西屋公司制出的,并能从美国专利4,649,515看到对该系统的阐述。应用该系统诊断故障的实例可以从美国专利4,644,479中找到,这里引作参考。这些软件包特别是对于发电机(GENAID)、透平机(TURBINAID)和化学(HEMAID)故障用的执行前述图1介绍的先有技术中的功能者,也是西屋公司为矿物燃料发电厂编制的。
在该PDS系统中,以及在其它专家系统中对每项规则都有论证以及该论证的推断(假设)。在PDS系统中,论证是利用与论证有关的规则联系一项假设,而该假设构成该系统的各节点。附属于每个节点(假设)的是一项置信程度,以及非置信程度,这两种程度的范围落在由0到7的量纲内。在置信程度与非置信程度之间的差异产生一项置信因子(CF),其范围从-1到+1,其中越是正数越表明该假设可能是真的,与被监测的电厂设备相关的各领域的专家们建立各种不同的规则和关系,并将它们储存在该诊断计算机的存储器中。举例来说,确定发电机失灵的专家将制订出发电机失灵的每项规则和假设,而一位化学工程师则订出电厂中化学方面故障的每项规则和假设。专家也将提供出与停运和检修有关的数据,以及提供故障设备直到失灵前的平均时间的数据。
专家对一项规则的充分性的置信也能由PDS进行考察,该置信代表专家们对于该论证如何支持该假设的意见,并且以一项充分因子来表明,充分因子是正值就证明指出该假设的论证的存在是真实的。该PDS专家系统也能用作专家们对该项规则的必要性的置信,该项规则指示出若该假设是真的,则需要论证存在到什么程度。在更详细地讨论本发明时将以发电厂用的较复杂规则为例来阐明,根据这些实例提出本发明,并且工作于这种专家系统实施领域中的普通技术人员能够将这些例子适当地用于其它情况和需要监测的其它类型设备。
图3说明了关于简单设备故障的优选化,在一项故障中的置信度(CF)(例如冷凝水净化装置中阴离子交换树脂失效的故障)是用先有技术的系统(16)判定的,该系统在美国专利4,644,479中有所阐述,判定这种故障置信度的一对规则举例说明如下:
前后关系:始终照常
论证:净化设备在洗脱阴离子
假设:阴离子交换树脂失效
SF:0.7
NF:0.5
说明:洗脱阴离子的净化设备的阴离子交换树脂可能失效
前后关系:始终照常
论证:阴离子-PE>=阴离子-C*
假设:净化设备在洗脱阴离子
SF:0.8
NF:0.2
说明:排出液中的阴离子比流入液中的阴离子多表示净化设备正在洗脱阴离子
这项规则的该论证可根据冷凝水净化设备的流入液和净化设备流出液两者的电导率读数求得。还应用了说明敏感器数据的系统(14)的先有技术。一项规则例,采用一个PH计示出敏感器数据,用该PH计判定与这件设备相关的故障严重度(40),解释如下:
前后关系:始终照常
论证:(times(>sen-mal-pH-BOsf-估算)
(div 1(exp(times 2.303(add 11.2
(times pHXB-4.18)(times pHXB pHXB)
(times pHXB-4.18)(times pHXB pHXB
0.376))))))
假设:H2-embrit(氢脆)-sev
SF:O
NF:O
说明:用氢脆严重度的公式计算该严重度
这是一项计算氢脆严重度的规则,它将决定性地用于计算阴离子树脂失效的严重度,在论证中带底横线的部分是估算氢脆的严重度的公式,不带底横线的部分是根据用于计算中的该敏感器已经变坏的置信度修改计算其严重度。该函数SF-估算对输入<0.3时是1,在输入=0.7时下降到0。
如前所讨论的,该严重度(SEV)计及由于具体故障给设备造成的损坏程度,并且是到达相应产生的最大损坏或完全失灵(停运)的期望时间的倒数(或反比)。举例的一项规则能计算出该冷凝水净化设备损坏的严重度,如前所述,它是因为等效于判定氢脆的严重度。严重度通常是由确定到达失灵所期望的时间来计算的。这项确定可根据任何适用的仪表读数得到。在这例中,交换柱的PH值是用于判定冷凝水净化设备的阴离子交换树脂失效的严重度的最重要的敏感器。该项规则包含一个公式,用于将该交换柱的pH,pHXB转换成到达锅炉管道失灵前的一段期望时间。
在许多情况中,用于推导到达失灵的期望时间的公式所依据的数据是不存在的,大多数的数据源具有平均数据,这种平均数据的方式掩盖住那些能提供具体数据的敏感器,从而只能粗略地估计到达设备失灵的时间。专家对于描述可能情况和要求估算到达失灵的时间的考虑,可以由本领域的一个普通技术人员就能成功地利用,去研究具体数据不生效之处的接近于合用的数据。
在另一些情况中,严重度必须按到达采取措施的最后时机之前的时间倒数来计算。这样的情况发生在固态燃料火箭的发射中,采取措施的最后时机是在刚要点火之前,灾难可能发生在几分钟后,在这种情况中,必须用专门的方式计算其严重度。在采取措施的最后时机之前,严重度由到达采取措施的最后时机之前的时间的倒数来确定。在采取措施的最后时机之后,该优先权即按常规方式计算,为到达失灵的期望时间的倒数。
停运数据(42)包括一次停运的时间长度、停运伴生的费用和检修费用,该停运数据(42)用来判定(44)具体故障的重要性(IMP)。在一个发电厂中,典型的重要性即是发电厂的停运时间乘以伴随停运所发生的损失费。发电厂设备的典型停运次数参阅国家电气可靠性委员会(National Electric Reliability Council)NERC发电可靠性数据系统报告(NERC Generating Availab-ility Data System Reports)。这些报告中包括有以单位数值衡量的和以兆瓦时记载的停运时间信息。一位普通的技术人员即能应用一组中的平均单位数值确定出停运平均数。该NERC也提供了专门的报告,提供出停运与造成该停运的相互关系。对另外型式系统的停运时间可由普通技术人员从有资料的专家们那里取得。其它诸如检修费之类的因素在发电厂中比起停电费用要低很多。另一方面,一辆汽车中一个排气装置的密封件出现故障,其重要性(价值)便是租凭一辆代用车(在停运时间)使用两天的费用加上更换该密封件的费用(检修费)。在这种情况下,检修费填补了该停运时间。举例的一项规则是判定透平机叶片腐蚀的重要性,这种腐蚀有助于了解一台净水装置故障的重要性,说明如下:
前后关系:始终照常
论证:(<备用-转子-在电厂Osf-重要性-叶片-
腐蚀-rl)
假设:重要性-叶片-腐蚀
SF:O
NF:O
说明:如果备用转子准备好安装,重要性是更换的时间加1天(等价于检修费);如果不是这样,重要性为重新修复停运时间长度。
数据:(0 30 0.5 30 0.51 8 18)上述规则是从“备用-转子-在电厂(假设准备好安装)“经过0或1(无或有)到达“Sf-重要性-叶片-腐蚀-rl”而产生30天或8天的重要性。这是一件用两项规则更迭的方式,并且根据“备用-转子-在电厂”的数值选择方法进行这一事件,但是效率是低的。
一旦该重要性(IMP)、严重度(SEV)和置信因子(CF)被判定,该优先权即能以该置信因子(CF)、重要性(IMP)和严重度(SEV)的乘积来判定(46)。每项故障部分的优先权一经判定,具有优先权在0以下的所有优先权和故障部分即被排除(48),因为优先权低于0值则不存在故障。然后,各故障部分按照优先权而分类,并显示给运行人员。
当几项故障全都损害同一件设备时,则严重度对全部故障都相同,一项故障的严重度则由围绕遭受相应产生的损坏的设备的敏感器来判定。如果两项故障组合构成一项严重状态,则严重度被分配到两者上,例如,高浓度冷凝氧和高浓度氨(高PH值)结合而加速给水加热器铜合金腐蚀(根本性的损坏是由于锅炉中积垢所致)。改正这两项因果条件之一就会使腐蚀速率降低。该严重度可根据氧和氨两者浓度数据估计的这种腐蚀速率来确定。
对于单一故障能造成严重结果的某些情况,每件受损害设备的各自的重要性(IMP)和严重度(SEV)相乘,将乘积相加,其和再乘以故障诊断中的置信因子(CF)。例如,在给水中的高浓度氧能损害给水加热器,如果氧含量非常高,也会使锅炉损坏。在这种情况下,确定高浓度氧造成故障的优先权是:严重度(SEV)乘以与给水加热器相关的重要性(IMP)加上严重度(SEV)乘以与锅炉相关的重要性(IMP),该总和再乘以高浓度氧故障诊断中的置信因子(CF)。图4说明在这种情况下执行的过程。
停运数据(42)用于求检修每件设备所需的时间(60和62),例如,检修(IMP#1)设备NO.1(相当于给水加热器)的时间,和检修(IMP#2)设备NO.2(相当于锅炉)的时间。为了检修一台给水加热器,必须使它停运,但电厂的其余部分仍保持运行。因为发电厂有一台给水加热器退出工作仍能运行,但它对出力的影响必须变换成等价的停运时间。最重要(最高温度)的给水加热器退出运行的重要性(IMP)是使电厂的运行费增加约0.5%,或者是按恒定的加热输入运行时,减少大约相同的容量。这一点在短时间内几乎可以忽略,即给水加热器退出运行两天可以忽略约15分钟。锅炉管路漏泄等值于3天停运的平均费用,这就大大超过给水加热器的重要性。
如前所述,围绕相应发生损坏的设备的敏感器数据(10)用作判定严重度(SEV),对每件被损坏设备由严重度(66)判定,这些严重度(66和68)再由各敏感器提供的精确数据的置信度进行修正。在高浓度氧的例子中,用氧和氨的数值来估计腐蚀程度和到达给水加热器失效的时间。同时,因该腐蚀速率估算到达锅炉管路失效所需时间,该失效时间是以锅炉的腐蚀产物(以积垢形式)为依据。积垢降低传热,并由于锅炉管路过热而失效。
然后,判定优先权(70),该故障的优先权一经判定,各故障部分即按上文结合图3所讨论的优先权进行分类,结果,列出的故障一览表不仅包括与给水加热器相关的独立故障和与锅炉相关的独立故障,而且也包括与含高浓度氧的给水相关的组合故障,这些故障就如此统一在一项公共尺度上,因此可以比较它们。
图5说明检修一个敏感器的优先权,就如前述故障那样的在同一尺度上判定的方法。许多敏感器的失灵是容易诊断的,因为敏感器的失灵现象明显,即短路或开路两者居其一。结果对敏感器失灵的置信因子(CF)判定(16)是很高的,并趋近于+1。在另一方面,化学敏感器由于灵敏度降低或误校正而特别容易失灵。在确定检修一台敏感器优先权时,必须判定与该失灵有关的严重度。首先,一项判定(80)是按照一项备用诊断通路是否有效执行的,有一项规则是判定一个备用通路是否有效,用于判定一台给水中钠敏感器,介绍如下:
前后关系:始终如常
论证:(<敏感器-失灵-Na-FOSf-备用-OK)
假设:备用-Na-PE-OK
SF:1
NF:1
说明:如果出现比0小的置信,则给水的钠敏感器有故障,该假设正确。这是净化设备流出液的钠敏感器用的备用敏感器。在备用情况中的敏感器故障严重度由被检测的设备的故障的诊断中灵敏度下降来判定,亦即该严重度决定于诊断有故障的设备的置信因子损失,因此,必须判定在该置信因子损失的判定(82)是按照下列方程式进行的:
CFm1=ABS(CFwo/s1-CFs1max)
CFm2=ABS(CFwo/s1-CFs1min)
CF=MAX(CFm2Y,CFm1)
式中CFs1max是与故障敏感器产生的最大读数有关的置信因子,CFS1min是与该最小读数相关的置信因子,CFwo/s1是在敏感器完全不存在故障中置信因子。判定敏感器置信因子在最大(CFs1max)和在最小(CFs1min)处以及该置信因子全无敏感器(CFwo/s1)的各项规则能用下述方法产生,即把敏感器的输人整定到规定的基值(rule base)去限定数值(最大和最小)和限定斜率、判定在这些限定值处的置信因子,并整定该置信因子到判定设有该敏感器的数值处。
置信因子的损失一旦被判定,它必须被转换(84)转换成敏感器故障严重度。该转换是结合下述公式构成的:
敏感器SEV=(设备严重度)(ACF)
只要备用诊断通道不存在,该系统就判定(86)是否系统中的其它敏感器正在指示有故障的敏感器所监视的设备状态有变化。例如,在净化设备流出液和给水两者中的钠敏感器同时失灵,就没有其它后备。在这种状态下,在净化设备流出液的钠敏感器故障严重度是到达净化设备失效的期望时间,这个期望时间决定于冷凝水的钠和氨,以及净化设备再生前工作时间。但是如果监测该冷凝水的其它敏感器,例如监测电导率和酸型阳离子交换率开始变化,则钠敏感器的故障严重度增加到一个数值,该数值相应于没有敏感器而变成盲目的一个到达最坏情况的损坏,这种情况是锅炉由于腐蚀剥落而造成的损坏在敏感器处显示最大值(1000ppb)的严重度。这种最大严重度的设备再使用是极其保守的。扩展这种方法而提供出较好的估算,比由估计敏感器值最大敏感器值处的设备严重度恰当。
为了判定该重要性(IMP),停运数据(42)被提取,以判定(90)的最小损坏。停运数据运用于判定(44)该设备故障的重要性,该设备故障重要性的判定是结合图3所讨论的相间的判定(44)。根据最小损坏和设备故障重要性,可判定(92)该敏感器的重要性。敏感器重要性计算的一个简单示例,是如何判定一辆汽车上的一个温度敏感器失灵时的重要性,当该温度敏感器失灵时,就不可能诊断出一台水泵的故障,该故障会引起31擎过热到需要更换的程度,结果造成水泵失灵的重要性等于是代换引擎所致的检修费用。如果检修该敏感器,一个人就能承担并检修该泵,所以无必要再更换引擎。结果,该敏感器的重要性即为引擎代换的费用减去修理泵的费用。该敏感器故障的优先权即可按图3中所示的相同方法判定。
为了判定备用设备检修的优先权也和对敏感器和一次设备一样在同一个公用尺度上进行,按图6所示的方法完成。对于与一次设备相关的故障由判定(16)确定出置信度(CF),敏感器数据(14)的具体说明用作判定(100)是否该设备有备件进入到监测程序,可用判定是否各敏感器被分配到该备用设备的方法。如果该备用未被监测,则严重度(SEV)被置于该备用设备的期望寿命的倒数(102);如果备用处于受监测状态,则该严重度(SEV)是到达该备用失灵以前的估计时间的倒数。该备用设备检修的重要性(106)是该一次设备和备用设备全失灵的重要性,就如同该一次设备没有备用设备状态下该一次设备失灵的重要性。亦即该重要性(IMP)对这两件设备是同一的,是一次设备和备用设备同时失灵时的重要性。置信因子(CF)、严重度(SEV)和重要性(IMP)一经确定,即能按前所述的方法计算优先权,而且与该备用设备相关的故障即能和该一次设备及各敏感器一样排列在同一尺度上。
尽管上面讨论的优先权方案的实现是针对优选故障部分,但该优先权方案能应用到任意情况。例如,故障能引起一项建议,而该建议能继承该故障的优先权。结果,优选所显示的优先检修的建议,而不是优选的故障。此外,该优先权方案可以发展成各种程序,这些程序对附加信息的收集提供建议。
本发明的许多特点和利益从详细说明中显然可见,从而待审定的权利要求书包罗本发明的全部这种特征和优点,这些都隶属本发明的真实构思和范畴。此外,因为数值上的修改和改变对本领域的技术人员很容易做到,所以不希望把本发明限制在所解释的准确结构和运算的描述,因此所有适当的修改和等效情况都可诉诸于本发明的保护范围内。
Claims (8)
1、一种判定系统中故障敏感器和设备的检修优先权次序的方法,包括下述步骤:
(a)在每一次诊断中,诊断敏感器和设备的故障并判定准确程度,在这里定义为置信度;以及
(b)按照故障的严重度、设备的重要性和置信度把这些故障排队(46,50),借此取得一系优先权次序。
2、按照权利要求1所述的一种方法,其中的步骤(b)包括以下步骤:
(b1)用该置信度、严重度和重要性的乘积判定(46)每一项故障的优先权;以及
(b2)根据优先权把各种故障分类(50)。
3、按照权利要求1所述的一种方法,其中的步骤(b)包括下列步骤:
(b1)判定(66,60)受该故障影响的每一单元设备的严重度;
(b2)判定(60,62)受该故障影响的每一单元设备的重要性;
(b3)求取(70)这些单元设备各自的严重度与重要性的乘积;
(b4)求这些乘积的总和;
(b5)以该置信度和该总和的乘积求取每一项故障的优先权;以及
(b6)根据优先权把这些故障分类(50)。
4、按照权利要求1的一种方法,其中,该重要性等于检修该设备的费用,以及该严重度为到达该设备失效之前的时间的倒数(88)。
5、按照权利要求1的一种方法,其中所述的系统由多个敏感器监测,并且敏感器之一发生故障,以及步骤(b)包括下述步骤:
(b1)判定(82)由故障敏感器所造成的置信度中的损失,并转换该损失成为故障严重度,这是在设备故障能被一项交替的诊断途径诊断的时候进行的;
(b2)当该交替诊断的途径不存在时,判定(40,86,88)该严重度;
(b3)以最小的系统损失之一来判断敏感器的重要性,并判定该设备故障的重要性;
(b4)以置信度、严重度和重要性的乘积判定一项优先权;以及
(b5)根据优先权把这些故障分类(50)。
6、按照权利要求5的一种方法,其中步骤(b2)包括下列步骤:
(ⅰ)判定(86)另一些敏感器是否正在指示变化;
(ⅱ)当其它敏感器不指示变化时,设定(88)严重度为期望设备寿命的倒数;以及
(ⅲ)设定(40)严重度为所估算的时间的倒数,该时间为带着连续断诊出的故障运行的设备到达失效之前的时间。
7、按照权利要求1所述的一种方法,其中,该设备具有一个备用设备,以及步骤(b)包括下列各步骤:
(b1)判定(106)该设备和该备用设备联合失效的重要性;
(b2)判定(102)备用设备未处于监测时,该严重度为该备用设备的期望设备的倒数;
(b3)判定(104)备用设备处于监测时,该严重度为到达该备用设备失效的估算时间的倒数;
(b4)以置信度、严重度和重要性的一项乘积判定(46)该优先权;以及
(b5)根据优先权去分类(50)这些故障。
8、判定一个系统中有故障的敏感器和设备的检修优先权次序用的装置包括:
(a)装置(16),用于诊断各敏感器和设备的各种故障,其特征为,该装置确定一项准确程度,这里定义为在每项诊断中的“置信度”,以及
(b)装置(46,50),用于按照(ⅰ)故障的严重度;(ⅱ)设备的重要性以及(ⅲ)置信度把各故障排除,借此取得优先权次序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/156,064 US5132920A (en) | 1988-02-16 | 1988-02-16 | Automated system to prioritize repair of plant equipment |
US07/156,064 | 1988-02-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1036647A true CN1036647A (zh) | 1989-10-25 |
CN1016011B CN1016011B (zh) | 1992-03-25 |
Family
ID=22557954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN89100815A Expired CN1016011B (zh) | 1988-02-16 | 1989-02-15 | 发电厂设备优选检修的自动化系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US5132920A (zh) |
JP (1) | JP2824524B2 (zh) |
KR (1) | KR970004261B1 (zh) |
CN (1) | CN1016011B (zh) |
CA (1) | CA1326555C (zh) |
ES (1) | ES2010403A6 (zh) |
IT (1) | IT8941520A0 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101278246A (zh) * | 2005-09-30 | 2008-10-01 | 罗斯蒙德公司 | 利用监控数据与校正措施数据监控和执行加工厂中的校正措施的方法和装置 |
CN102156820A (zh) * | 2011-04-27 | 2011-08-17 | 北京航空航天大学 | 一种机械装配工艺的危害性分析方法 |
CN103345584A (zh) * | 2013-07-11 | 2013-10-09 | 南京晨光集团有限责任公司 | 评估航天器总装生产问题处理优先性的方法 |
CN103698150A (zh) * | 2014-01-06 | 2014-04-02 | 复旦大学 | 一种重大发电设备的失效综合判定方法 |
CN109115264A (zh) * | 2017-06-22 | 2019-01-01 | 斗山英维高株式会社 | 工程机械的错误检查系统 |
CN111723951A (zh) * | 2020-06-11 | 2020-09-29 | 贵州中烟工业有限责任公司 | 一种电气故障的排查方法 |
Families Citing this family (82)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4008560C2 (de) * | 1989-03-17 | 1995-11-02 | Hitachi Ltd | Verfahren und Vorrichtung zum Bestimmen einer Restlebensdauer eines Aggregats |
US5253184A (en) * | 1991-06-19 | 1993-10-12 | Storage Technology Corporation | Failure and performance tracking system |
US5319572A (en) * | 1991-10-02 | 1994-06-07 | Westinghouse Electric Corp. | Electrohydraulic fluid monitor system |
US5265035A (en) * | 1992-05-18 | 1993-11-23 | The University Of Chicago | System diagnostics using qualitative analysis and component functional classification |
US5442555A (en) * | 1992-05-18 | 1995-08-15 | Argonne National Laboratory | Combined expert system/neural networks method for process fault diagnosis |
FR2692037B1 (fr) * | 1992-06-03 | 1997-08-08 | Thomson Csf | Procede de diagnostic d'un processus evolutif. |
JP2639287B2 (ja) * | 1992-08-11 | 1997-08-06 | 株式会社デンソー | 車両の自己診断装置 |
DE4242323C2 (de) * | 1992-12-15 | 1995-02-16 | Siemens Ag | Verfahren zur Systemführung bei der Entstörung von Einrichtungen in Kommunikationssystemen |
DE59407119D1 (de) * | 1993-09-02 | 1998-11-26 | Siemens Ag | Datenverarbeitungsanlage zur Überwachung von Betriebszuständen einer technischen Anlage |
US5621654A (en) * | 1994-04-15 | 1997-04-15 | Long Island Lighting Company | System and method for economic dispatching of electrical power |
BR9509446A (pt) * | 1994-10-26 | 1997-12-23 | Siemens Ag | Processo para a análise de um valor medido como também de um analisador de valor medido para a execução do processo |
US5657245A (en) * | 1994-11-09 | 1997-08-12 | Westinghouse Electric Corporation | Component maintenance system |
US5737227A (en) * | 1996-03-19 | 1998-04-07 | Consulex Corporation | Software planning program for coatings |
US5845272A (en) * | 1996-11-29 | 1998-12-01 | General Electric Company | System and method for isolating failures in a locomotive |
US6067505A (en) * | 1997-04-10 | 2000-05-23 | The Foxboro Company | Method and apparatus for self-calibration of a coordinated control system for an electric power generating station |
US6192352B1 (en) * | 1998-02-20 | 2001-02-20 | Tennessee Valley Authority | Artificial neural network and fuzzy logic based boiler tube leak detection systems |
US6363330B1 (en) | 1998-04-10 | 2002-03-26 | Satnam Singh Sampuran Alag | Thermocouple failure detection in power generation turbines |
US6324490B1 (en) * | 1999-01-25 | 2001-11-27 | J&L Fiber Services, Inc. | Monitoring system and method for a fiber processing apparatus |
US6494617B1 (en) | 1999-04-30 | 2002-12-17 | General Electric Company | Status detection apparatus and method for fluid-filled electrical equipment |
US6299018B1 (en) * | 1999-09-27 | 2001-10-09 | Kimberly L. Kimbrell | Bandage dispensing device |
US6526358B1 (en) * | 1999-10-01 | 2003-02-25 | General Electric Company | Model-based detection of leaks and blockages in fluid handling systems |
EP1228490A1 (en) * | 1999-10-28 | 2002-08-07 | General Electric Company | Method and system for remotely managing communication of data used for predicting malfunctions in a plurality of machines |
US6651034B1 (en) * | 1999-10-28 | 2003-11-18 | General Electric Company | Apparatus and method for performance and fault data analysis |
MXPA02004270A (es) * | 1999-10-28 | 2002-10-17 | Gen Electric | Aparato y metodo para analisis de datos de funcionamiento y de fallas. |
US6338152B1 (en) | 1999-10-28 | 2002-01-08 | General Electric Company | Method and system for remotely managing communication of data used for predicting malfunctions in a plurality of machines |
JP3799217B2 (ja) | 2000-06-22 | 2006-07-19 | 株式会社日立製作所 | 発電設備の運用管理システム及び保守管理サービス方法 |
IL137305A (en) * | 2000-07-13 | 2005-08-31 | Clicksoftware Technologies Ld | Method and system for sharing knowledge |
US6556924B1 (en) * | 2000-07-27 | 2003-04-29 | Hydroscope Canada Inc. | Maintenance optimization system for water pipelines |
JP4756793B2 (ja) * | 2000-09-14 | 2011-08-24 | 株式会社小松製作所 | 建設機械の管理装置 |
US7383191B1 (en) * | 2000-11-28 | 2008-06-03 | International Business Machines Corporation | Method and system for predicting causes of network service outages using time domain correlation |
EP1217486A1 (de) * | 2000-12-21 | 2002-06-26 | ABB Schweiz AG | Verfahren zur Unterhaltsplanung von technischen Einrichtungen |
US20020087220A1 (en) * | 2000-12-29 | 2002-07-04 | Tveit Tor Andreas | System and method to provide maintenance for an electrical power generation, transmission and distribution system |
US6735549B2 (en) * | 2001-03-28 | 2004-05-11 | Westinghouse Electric Co. Llc | Predictive maintenance display system |
KR100941558B1 (ko) * | 2001-05-29 | 2010-02-10 | 웨스팅하우스 일렉트릭 컴퍼니 엘엘씨 | 복합 플랜트의 안정성 모니터링 디스플레이 시스템 |
US7603289B2 (en) * | 2001-07-13 | 2009-10-13 | Siemens Aktiengesellschaft | System and method for electronic delivery of content for industrial automation systems |
US6975913B2 (en) | 2001-07-13 | 2005-12-13 | Siemens Aktiengesellschaft | Database system and method for industrial automation services |
US20030036939A1 (en) * | 2001-07-20 | 2003-02-20 | Flores Abelardo A. | Method and system configure to manage a maintenance process |
JP4474814B2 (ja) * | 2001-09-05 | 2010-06-09 | 三菱電機株式会社 | 監視システム |
US8571911B1 (en) * | 2001-11-16 | 2013-10-29 | Westinghouse Electric Company Llc | Facility life management method |
US20040088846A1 (en) * | 2002-11-13 | 2004-05-13 | Unilever Home & Personal Care Usa, Division Of Conopco, Inc. | Method for in home servicing of dry cleaning machines |
DE10323040A1 (de) * | 2003-05-20 | 2004-12-23 | T-Mobile Deutschland Gmbh | Verfahren zur automatisierten Ermittlung des mittelbaren und unmittelbaren Schadensausmaßes in Folge eines Ausfalls von in einen Produktionsablauf eingebundenen technischen Komponenten in Objekten |
US6990431B2 (en) * | 2003-06-23 | 2006-01-24 | Municipal And Industrial Data Labs, Inc. | System and software to monitor cyclic equipment efficiency and related methods |
DE10331207A1 (de) * | 2003-07-10 | 2005-01-27 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur Vorhersage einer Ausfall-Häufigkeit |
US20050086064A1 (en) * | 2003-10-21 | 2005-04-21 | Dively Rogest W.Ii. | Corrosion Control System |
US20050096759A1 (en) * | 2003-10-31 | 2005-05-05 | General Electric Company | Distributed power generation plant automated event assessment and mitigation plan determination process |
GB0325560D0 (en) * | 2003-10-31 | 2003-12-03 | Seebyte Ltd | Intelligent integrated diagnostics |
GB2409297A (en) * | 2003-12-16 | 2005-06-22 | Ibm | Method of assessing the impact of the failure of a component on the temporal activity of the services supported by the component |
US7558834B2 (en) * | 2003-12-29 | 2009-07-07 | Ebay Inc. | Method and system to process issue data pertaining to a system |
US20060149837A1 (en) * | 2004-12-17 | 2006-07-06 | General Electric Company | Remote monitoring and diagnostics service prioritization method and system |
US8422377B2 (en) * | 2004-12-17 | 2013-04-16 | General Electric Company | Remote monitoring and diagnostics system with automated problem notification |
EP1688842B1 (en) * | 2005-01-26 | 2008-02-20 | Océ-Technologies B.V. | Automated performance analysis and failure remediation |
US8150720B2 (en) * | 2005-08-29 | 2012-04-03 | Emerson Retail Services, Inc. | Dispatch management model |
JP4717579B2 (ja) * | 2005-09-30 | 2011-07-06 | 株式会社小松製作所 | 作業機械のメンテナンス作業管理システム |
JP4696874B2 (ja) * | 2005-11-28 | 2011-06-08 | 株式会社日立製作所 | リソース予測装置及び方法 |
US20080255681A1 (en) * | 2007-04-10 | 2008-10-16 | Cindy Alsup Scott | Methods and apparatus to manage process plant alarms |
US20090150201A1 (en) * | 2007-12-07 | 2009-06-11 | Raymond Dufresne | System and method for capital budgeting |
US11269303B2 (en) | 2009-06-22 | 2022-03-08 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
US8600556B2 (en) | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US20110020122A1 (en) * | 2009-07-24 | 2011-01-27 | Honeywell International Inc. | Integrated condition based maintenance system for wind turbines |
DK176915B1 (en) * | 2009-08-25 | 2010-05-03 | Vestas Wind Sys As | Method and system for adjusting the alarm level of a component of a wind turbine. |
US9557735B2 (en) * | 2009-12-10 | 2017-01-31 | Fisher-Rosemount Systems, Inc. | Methods and apparatus to manage process control status rollups |
FR2956701B1 (fr) | 2010-02-24 | 2012-07-06 | Snecma | Systeme de detection et de localisation de pannes et moteur comportant un tel systeme |
US20120116826A1 (en) * | 2010-11-08 | 2012-05-10 | Bank Of America Corporation | Evaluating capital for replacement |
US20120191496A1 (en) * | 2011-01-24 | 2012-07-26 | David Stephen Muench | System and method for use in a condition-based repair process |
JP5739182B2 (ja) * | 2011-02-04 | 2015-06-24 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 制御システム、方法およびプログラム |
KR101223786B1 (ko) * | 2011-04-05 | 2013-01-17 | 한국수력원자력 주식회사 | 고장 진단 시스템 및 방법 |
KR101531178B1 (ko) * | 2011-11-21 | 2015-06-26 | 두산중공업 주식회사 | 발전소 다중제어 시스템의 상태 표시 장치 |
FR2987690B1 (fr) * | 2012-03-05 | 2015-07-17 | Schneider Electric Ind Sas | Procede et dispositif de maintenance d'une installation electrique |
JP5892867B2 (ja) * | 2012-06-04 | 2016-03-23 | 三菱電機ビルテクノサービス株式会社 | 設備点検計画支援装置及びプログラム |
US10748197B2 (en) * | 2012-06-04 | 2020-08-18 | Goldman Sachs & Co. LLC | Product driven approach to technology provisioning, operations, and billing |
US20140358626A1 (en) * | 2013-06-04 | 2014-12-04 | Hewlett-Packard Development Company, L.P. | Assessing the impact of an incident in a service level agreement |
US20150120224A1 (en) | 2013-10-29 | 2015-04-30 | C3 Energy, Inc. | Systems and methods for processing data relating to energy usage |
WO2016118979A2 (en) | 2015-01-23 | 2016-07-28 | C3, Inc. | Systems, methods, and devices for an enterprise internet-of-things application development platform |
WO2017039665A1 (en) * | 2015-09-03 | 2017-03-09 | General Electric Company | Method and apparatus for rating failure data structures |
FR3041326B1 (fr) | 2015-09-18 | 2019-05-10 | Safran Aircraft Engines | Systeme et procede d'aide a la decision pour la maintenance d'une machine avec apprentissage d'un modele de decision supervise par avis d'experts |
US11119477B1 (en) | 2016-01-22 | 2021-09-14 | State Farm Mutual Automobile Insurance Company | Anomalous condition detection and response for autonomous vehicles |
EP3413152B1 (en) | 2016-02-05 | 2021-12-15 | Kabushiki Kaisha Toshiba | Sensor failure diagnosis device, method and program |
JP7056574B2 (ja) * | 2016-10-31 | 2022-04-19 | 日本電気株式会社 | 生産管理装置、方法、プログラム |
CN110807539A (zh) * | 2018-07-20 | 2020-02-18 | 国网安徽省电力有限公司电力科学研究院 | 一种故障设备维修路径选择方法和装置 |
DE102019108278A1 (de) * | 2019-03-29 | 2020-10-01 | Liebherr-Components Biberach Gmbh | Vorrichtung zum Ermitteln des Ist-Zustands und/oder der Restlebensdauer einer Baumaschine |
RU196150U1 (ru) * | 2019-09-23 | 2020-02-18 | Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Устройство для решения задачи оценки комплекса мероприятий по переоснащению парка радиоэлектронной техники радиотехнических частей и подразделений группировки войск противовоздушной обороны |
US11868909B2 (en) | 2020-01-30 | 2024-01-09 | Ford Global Technologies, Llc | Enhanced vehicle maintenance |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3678256A (en) * | 1970-10-05 | 1972-07-18 | Mc Donnell Douglas Corp | Performance and failure assessment monitor |
US3873817A (en) * | 1972-05-03 | 1975-03-25 | Westinghouse Electric Corp | On-line monitoring of steam turbine performance |
USRE31247E (en) * | 1974-01-15 | 1983-05-17 | Kearney & Trecker Corporation | Diagnostic communications system for computer controlled machine tools |
US4234926A (en) * | 1978-12-05 | 1980-11-18 | Sealand Service Inc. | System & method for monitoring & diagnosing faults in environmentally controlled containers, such system and method being especially adapted for remote computer controlled monitoring of numerous transportable containers over existing on-site power wiring |
US4383298A (en) * | 1980-04-10 | 1983-05-10 | Ciba-Geigy Corporation | Plant maintenance control system |
US4599692A (en) * | 1984-01-16 | 1986-07-08 | Itt Corporation | Probabilistic learning element employing context drive searching |
US4517468A (en) * | 1984-04-30 | 1985-05-14 | Westinghouse Electric Corp. | Diagnostic system and method |
US4649515A (en) * | 1984-04-30 | 1987-03-10 | Westinghouse Electric Corp. | Methods and apparatus for system fault diagnosis and control |
JPS613276A (ja) * | 1984-06-18 | 1986-01-09 | Oki Electric Ind Co Ltd | 自動取引装置におけるエラ−制御方式 |
US4703446A (en) * | 1984-07-03 | 1987-10-27 | Nec Corporation | Data processing unit diagnosis control apparatus |
US4644479A (en) * | 1984-07-31 | 1987-02-17 | Westinghouse Electric Corp. | Diagnostic apparatus |
US4642782A (en) * | 1984-07-31 | 1987-02-10 | Westinghouse Electric Corp. | Rule based diagnostic system with dynamic alteration capability |
US4701845A (en) * | 1984-10-25 | 1987-10-20 | Unisys Corporation | User interface processor for computer network with maintenance and programmable interrupt capability |
US4719587A (en) * | 1985-04-16 | 1988-01-12 | Combustion Engineering, Inc. | Future behavior equipment predictive system |
US4698756A (en) * | 1985-07-16 | 1987-10-06 | Westinghouse Electric Corp. | Generator stator winding diagnostic system |
US4729124A (en) * | 1985-12-19 | 1988-03-01 | Concurrent Computer Corporation | Diagnostic system |
US4771427A (en) * | 1986-10-02 | 1988-09-13 | United Technologies Corporation | Equalization in redundant channels |
-
1988
- 1988-02-16 US US07/156,064 patent/US5132920A/en not_active Expired - Lifetime
-
1989
- 1989-01-30 CA CA000589558A patent/CA1326555C/en not_active Expired - Lifetime
- 1989-02-15 IT IT8941520A patent/IT8941520A0/it unknown
- 1989-02-15 CN CN89100815A patent/CN1016011B/zh not_active Expired
- 1989-02-15 ES ES8900529A patent/ES2010403A6/es not_active Expired
- 1989-02-16 KR KR1019890001776A patent/KR970004261B1/ko not_active IP Right Cessation
- 1989-02-16 JP JP1038122A patent/JP2824524B2/ja not_active Expired - Lifetime
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101278246A (zh) * | 2005-09-30 | 2008-10-01 | 罗斯蒙德公司 | 利用监控数据与校正措施数据监控和执行加工厂中的校正措施的方法和装置 |
CN102156820A (zh) * | 2011-04-27 | 2011-08-17 | 北京航空航天大学 | 一种机械装配工艺的危害性分析方法 |
CN103345584A (zh) * | 2013-07-11 | 2013-10-09 | 南京晨光集团有限责任公司 | 评估航天器总装生产问题处理优先性的方法 |
CN103345584B (zh) * | 2013-07-11 | 2016-04-20 | 南京晨光集团有限责任公司 | 评估航天器总装生产问题处理优先性的方法 |
CN103698150A (zh) * | 2014-01-06 | 2014-04-02 | 复旦大学 | 一种重大发电设备的失效综合判定方法 |
CN103698150B (zh) * | 2014-01-06 | 2016-08-17 | 复旦大学 | 一种重大发电设备的失效综合判定方法 |
CN109115264A (zh) * | 2017-06-22 | 2019-01-01 | 斗山英维高株式会社 | 工程机械的错误检查系统 |
CN111723951A (zh) * | 2020-06-11 | 2020-09-29 | 贵州中烟工业有限责任公司 | 一种电气故障的排查方法 |
CN111723951B (zh) * | 2020-06-11 | 2024-04-26 | 贵州中烟工业有限责任公司 | 一种电气故障的排查方法 |
Also Published As
Publication number | Publication date |
---|---|
US5132920A (en) | 1992-07-21 |
JPH028999A (ja) | 1990-01-12 |
CA1326555C (en) | 1994-01-25 |
IT8941520A0 (it) | 1989-02-15 |
ES2010403A6 (es) | 1989-11-01 |
JP2824524B2 (ja) | 1998-11-11 |
KR970004261B1 (ko) | 1997-03-26 |
CN1016011B (zh) | 1992-03-25 |
KR890013574A (ko) | 1989-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1036647A (zh) | 发电厂设备优选检修的自动化系统 | |
CN110991666B (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
CN110224160B (zh) | 一种燃料电池系统故障诊断方法 | |
US6764019B1 (en) | Method for servicing and maintaining heat supply equipment | |
TWI302178B (en) | Operation support system for power plant | |
CN1867876A (zh) | 检测连续过程中的系统部件的故障 | |
CN110927655B (zh) | 一种电能表飞走的诊断方法及高速电力线载波模块 | |
US11831275B2 (en) | Apparatus for diagnosing photovoltaic power generation through analysis of power generation trend | |
CN109765450A (zh) | 基于贝叶斯网络的开关磁阻电机驱动系统可靠性评估方法 | |
WO2007079446A2 (en) | Intelligent stationary power equipment and diagnostics | |
Botsaris et al. | Systemic assessment and analysis of factors affect the reliability of a wind turbine | |
JP3146365B2 (ja) | 排水ポンプシステムの排水優先運転方法および排水ポンプシステム | |
CN111983488B (zh) | 一种电池管理系统及其电压信号处理方法 | |
CN100541213C (zh) | 基于元件关联分析的电网故障自适应诊断方法 | |
JP2020170596A (ja) | 故障予兆検知システム | |
CN112257880B (zh) | 一种k/n负载均担系统的维修决策方法及系统 | |
CN109409758A (zh) | 水电站设备健康状态评价方法及系统 | |
Manjunatha et al. | Federated-Transfer Learning for Scalable Condition-based Monitoring of Nuclear Power Plant Components | |
Battle et al. | Reliability of emergency ac power systems at nuclear power plants | |
CN114153189A (zh) | 一种自动驾驶控制器安全诊断及保护方法、系统及存储装置 | |
JP2016075534A (ja) | 太陽光発電装置の故障診断方法 | |
WO2020123420A1 (en) | Methods and systems for automated condition-based maintenance of mechanical systems | |
Aronson et al. | An analysis of indicators characterizing the reliability of auxiliary equipment of power units | |
CN113757052B (zh) | 风力发电机运行状态的检测方法及系统 | |
Jin et al. | CCF DATA ANALYSIS OF EMERGENCY DIESEL GENERATOR IN VVER NUCLEAR POWER PLANT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C13 | Decision | ||
GR02 | Examined patent application | ||
AD01 | Patent right deemed abandoned | ||
C20 | Patent right or utility model deemed to be abandoned or is abandoned |