CN104680251B - 考虑外部环境影响的港口设备智能预防性维护系统及方法 - Google Patents

考虑外部环境影响的港口设备智能预防性维护系统及方法 Download PDF

Info

Publication number
CN104680251B
CN104680251B CN201510075039.4A CN201510075039A CN104680251B CN 104680251 B CN104680251 B CN 104680251B CN 201510075039 A CN201510075039 A CN 201510075039A CN 104680251 B CN104680251 B CN 104680251B
Authority
CN
China
Prior art keywords
factor
equipment
environmental
maintenance
failure rate
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.)
Active
Application number
CN201510075039.4A
Other languages
English (en)
Other versions
CN104680251A (zh
Inventor
夏唐斌
陶辛阳
奚立峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201510075039.4A priority Critical patent/CN104680251B/zh
Publication of CN104680251A publication Critical patent/CN104680251A/zh
Application granted granted Critical
Publication of CN104680251B publication Critical patent/CN104680251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

一种考虑外部环境影响的港口设备智能预防性维护系统及方法，包括：提出环境因子的概念并给出定义；采用统计模式识别方法评估设备故障率，并提取当前环境因子；结合粗糙集算法和层次分析法分析各环境因素对整体环境因子的影响，从而可以有效预测任意环境条件下的环境因子；通过在设备预防性维护规划建模中动态地加入环境因子，可以准确地评估设备故障率从而规划出有效的、切实可行的设备预防性维护方案。本发明生成的设备预防性维护优化方案，改进了传统维护策略忽略外部环境因素影响的不足和所带来的消耗浪费，能够指导现代制造业的设备维护规划决策。

Description

考虑外部环境影响的港口设备智能预防性维护系统及方法
技术领域
本发明涉及的是一种设备维护系统领域的技术，具体是一种考虑外部环境影响的港口设备智能预防性维护系统及方法。
背景技术
随着现代制造业的快速发展，设备自动化程度和精确性都不断提高，随之而来的设备复杂性也给其维护带来了巨大挑战。为了保证设备的可用度和有效性，越来越多的决策者开始关注设备维护策略的制定，也为此投入了大量的消耗。通过在设备维护规划时考虑外部环境影响，可以准确预测设备故障率演变趋势，从而规划出可行有效的设备预防性维护排程，大大减少维护消耗投入。
传统预防性维护规划方法大多只考虑设备内部因素对其设备衰退的影响。在已有技术中，Liao在国际高水平论文“Preventive maintenance scheduling for repairablesystem with deterioration”(《Journal of Intelligent Manufacturing》2010年第21卷第6期，875‐884页)中提出了一种用健康指数表示设备运行状态的方法，以故障率递增因子和役龄递减因子来反映设备内部因素对其衰退的影响。Yin在国际高水平论文“Optimalpreventive maintenance rate for best availability with hypo‐exponentialfailure distribution”(《IEEE Transactions on Reliability》2013年第62卷第2期，351‐361页)中以海波指数分布来模拟设备衰退，并以保证设备可靠性为目标制定了设备预防性维护方案。上述两种方法只考虑了设备内部因素对其衰退的影响，忽略了外部环境因素对设备衰退产生的影响，从而无法准确预测设备故障率。
此外，Koroneos在国际高水平论文“Life cycle environmental impactassessment of a solar water heater”(《Journal of Cleaner Production》2012年第37卷，154‐161页)中提出了环境因子的概念，但并没有提出具体的求解方法，也没有将环境因子应用在设备维护领域。
发明内容
本发明针对传统设备预防性维护方法忽略环境因素影响所造成的设备故障率预测误差，以及所带来的消耗浪费的不足，提出一种考虑外部环境影响的港口设备智能预防性维护系统及方法。
本发明是通过以下技术方案实现的：
本发明涉及一种考虑外部环境影响的港口设备智能预防性维护系统，包括：数据录入模块、影响因子分析模块、环境因子提取模块以及设备预防性维护规划模块，其中：数据录入模块与影响因子分析模块相连并传输设备维护参数及环境参数信息，影响因子分析模块与环境因子提取模块相连并传输影响权重信息，环境因子提取模块与设备预防性维护规划模块相连并传输环境因子信息。
本发明涉及上述系统的港口设备智能预防性维护方法，包括以下步骤：
第一步：采用统计模式识别方法提取设备在一个维护周期内的故障率，通过故障率的增速可以得出设备在该周期内受环境因素影响的大小，从而提取出相应的环境因子：εn＝λ'n/λ'g，其中：是数据样本所对应的设备故障率，λ′n表示采集该数据样本时的设备故障率增速，λ'g表示标准环境下设备故障率增速，εn则表示该数据样本所对应的环境因子。
第二步：基于第一步得出的环境因子，采用粗糙集法和层次分析法相结合的算法分析各环境因素(如温度、湿度、加工件强度等)对环境因子影响的权重：wj＝μw'j+(1-μ)w″j，其中：w'j为该环境因素由粗糙集法得出的权重，w″j为该环境因素由层次分析法得出的权重，μ是两者间的比重；wj为该环境因素的总体权重因子。
第三步：利用第二步得出的各环境因素的权重因子，可以有效预测任意环境条件对该设备故障率演变的影响，即得出相应的环境因子：其中：uj为该环境因素的一个任意值，u'j为该环境因素的标准值，εta则为所对应的环境因子。
第四步：跟据对未来环境条件的预测，利用第三步可以得出所对应的环境因子，将这些环境因子动态加入设备故障率演变模型中：λi+1(t)＝εtabλi(t+aTi)，其中：a为役龄递减因子，b为故障率递增因子，εta为环境因子，Ti为设备上一个维护周期的运行时间；λi+1(t)则为在t时刻对设备故障率的预测值。
第五步：利用第四步得出的设备故障率，结合设备的相关维护消耗数据，通过求解最小维护消耗率，可以得出该设备的最优预防性维护排程。
优选地，所述的第三步中，环境因素种类可根据实际情况进行增减。
优选地，所述的第四步中，设备故障率分布服从威布尔分布。
优选地，所述的第五步中，总维护消耗由预防性维护消耗、非计划维护消耗、维护停机消耗和设备更新消耗组成，维护消耗率为决策周期内总维护消耗与决策周期时长的比率。
技术效果
与现有技术相比，本发明在充分考虑外部环境因素对设备故障率影响的基础上，提出环境因子的概念及求解方法；并充分分析了各环境因素对环境因子的影响权重从而可预测任意环境条件下的环境因子。同时，将环境因子动态加入设备预防性维护建模中，可以准确预测设备故障率变化趋势，从而规划出可行有效的预防性维护排程，大大降低了设备总维护消耗，具有重要的工程实用价值。
附图说明
图1为本发明流程图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示，本实施例包括下述步骤：
第一步：采用统计模式识别方法提取设备在一个维护周期内的故障率，通过故障率的增速可以得出设备在该周期内受环境因素影响的大小，从而提取出相应的环境因子：εn＝λ'n/λ'g，其中：是数据样本所对应的设备故障率，λ′n表示采集该数据样本时的设备故障率增速，λ'g表示标准环境下设备故障率增速，εn则表示该数据样本所对应的环境因子。针对该设备特点，选取其主轴电压作为采集数据来衡量其故障率。设备的主轴电压采集须在设备的同一个维护周期内进行，以排除其他影响因子如役龄递减因子和故障率递增因子对设备故障率增速的影响。求得在标准环境下该设备故障率增速是1.15，所对应的标准环境因子为1。其它环境调件下的环境因子即为该环境条件下设备故障率增速与标准增速的比值。
第二步：基于第一步得出的环境因子，采用粗糙集法和层次分析法相结合的算法分析各环境因素对环境因子影响的权重，粗糙集法得出的是基于实际数据的客观权重因子，层次分析法得出的是基于现场经验的主观权重因子，二者结合为总体权重因子：wj＝μw'j+(1-μ)w″j，其中：w'j为该环境因素由粗糙集法得出的权重，w″j为该环境因素由层次分析法得出的权重，μ是两者间的比重；wj为该环境因素的总体权重因子。针对该设备的特点，选取温度、湿度和加工件强度三个环境因素作权重分析，得出的总体权重因子分别为温度(0.486)、湿度(0.293)和加工件强度(0.271)。
第三步：利用第二步得出的各环境因素的权重因子，可以有效预测任意环境条件对该设备故障率演变的影响，即得出相应的环境因子：其中：uj为该环境因素的一个任意值，u'j为该环境因素的标准值，εta则为所对应的环境因子。例如，温度为15℃，湿度为70％，加工件强度为250HB时所对应的环境因子为1.15；温度为10℃，湿度为75％，加工件强度为290HB时所对应的环境因子为1.25。
第四步：跟据对未来环境条件的预测，利用第三步可以得出所对应的环境因子，将这些环境因子动态加入设备故障率演变模型中：λi+1(t)＝εtabλi(t+aTi)，其中：a为役龄递减因子，b为故障率递增因子，εta为环境因子，Ti为设备上一个维护周期的运行时间；λi+1(t)则为在t时刻对设备故障率的预测值。假设设备故障率服从威布尔分布。
第五步：利用第四步得出的设备故障率，结合设备的相关维护消耗数据，通过求解最小维护消耗率，可以得出该设备的最优预防性维护排程。总维护消耗由预防性维护消耗、非计划维修消耗、维修停机消耗和设备更新消耗组成，维护消耗率为决策周期内总维护消耗与决策周期时长的比率。
针对该设备，通过本发明方法得出的其在150个时间单位内的总维护消耗为691，大大低于该设备原本采用的不考虑环境影响的传统方法在150个时间单位内的总维护消耗816。

Claims (3)

1.一种港口设备智能预防性维护方法，其特征在于，包括以下步骤：
第一步：采用统计模式识别方法提取设备在一个维护周期内的故障率，通过故障率的增速得出设备在该周期内受环境因素影响的大小，从而提取出相应的环境因子：εn＝λ′n/λ'g，其中：是数据样本所对应的设备故障率，λ′n表示采集该数据样本时的设备故障率增速，λ'g表示标准环境下设备故障率增速，εn则表示该数据样本所对应的环境因子；
第二步：基于第一步得出的环境因子，采用粗糙集法和层次分析法相结合的算法分析各环境因素对环境因子影响的权重：wj＝μw'j+(1-μ)w″j，其中：w'j为该环境因素由粗糙集法得出的权重，w″j为该环境因素由层次分析法得出的权重，μ是两者间的比重；wj为该环境因素的总体权重因子；
第三步：利用第二步得出的各环境因素的权重因子，有效预测任意环境条件对该设备故障率演变的影响，即得出相应的环境因子：其中：uj为该环境因素的一个任意值，u'j为该环境因素的标准值，εta则为所对应的环境因子；
第四步：根据对未来环境条件的预测，利用第三步得出所对应的环境因子，将这些环境因子动态加入设备故障率演变模型中：λi+1(t)＝εtabλi(t+aTi)，其中：a为役龄递减因子，b为故障率递增因子，εta为环境因子，Ti为设备上一个维护周期的运行时间；λi+1(t)则为在t时刻对设备故障率的预测值；
第五步：利用第四步得出的设备故障率，结合设备的相关维护消耗数据，通过求解最小维护消耗率，得出该设备的最优预防性维护排程。
2.根据权利要求1所述的方法，其特征是，所述的环境因素包括：温度、湿度、加工件强度。
3.根据权利要求1所述的方法，其特征是，第四步中，设备故障率分布服从威布尔分布。
CN201510075039.4A 2015-02-12 2015-02-12 考虑外部环境影响的港口设备智能预防性维护系统及方法 Active CN104680251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510075039.4A CN104680251B (zh) 2015-02-12 2015-02-12 考虑外部环境影响的港口设备智能预防性维护系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510075039.4A CN104680251B (zh) 2015-02-12 2015-02-12 考虑外部环境影响的港口设备智能预防性维护系统及方法

Publications (2)

Publication Number Publication Date
CN104680251A CN104680251A (zh) 2015-06-03
CN104680251B true CN104680251B (zh) 2017-11-28

Family

ID=53315260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510075039.4A Active CN104680251B (zh) 2015-02-12 2015-02-12 考虑外部环境影响的港口设备智能预防性维护系统及方法

Country Status (1)

Country Link
CN (1) CN104680251B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107315396B (zh) * 2017-05-27 2019-06-11 中国电子科技集团公司第三十六研究所 一种状态监测维修与预测维修混合维修规划方法及系统
CN108171435B (zh) * 2018-01-09 2022-01-18 上海交通大学 一种考虑预防性维护的生产计划决策方法
CN109948260B (zh) * 2019-03-22 2023-08-01 中车大连机车车辆有限公司 柴油机修理策略的确定方法、装置、设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6968293B2 (en) * 2000-12-07 2005-11-22 Juisclan Holding Gmbh Method and apparatus for optimizing equipment maintenance
CN103106543A (zh) * 2013-01-29 2013-05-15 上海交通大学 生产系统设备层-系统层动态交互预防维护规划的方法
CN103955766A (zh) * 2014-04-29 2014-07-30 上海交通大学 大批量定制生产系统的预防维护协同调度优化的方法
CN104111642A (zh) * 2014-06-11 2014-10-22 华中科技大学 设备预防性维护与柔性作业车间控制集成优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6968293B2 (en) * 2000-12-07 2005-11-22 Juisclan Holding Gmbh Method and apparatus for optimizing equipment maintenance
CN103106543A (zh) * 2013-01-29 2013-05-15 上海交通大学 生产系统设备层-系统层动态交互预防维护规划的方法
CN103955766A (zh) * 2014-04-29 2014-07-30 上海交通大学 大批量定制生产系统的预防维护协同调度优化的方法
CN104111642A (zh) * 2014-06-11 2014-10-22 华中科技大学 设备预防性维护与柔性作业车间控制集成优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Estimation of Degradation-Based Reliability in Outdoor Environments;Victor Chan 等;《Unpublished Manuscript》;20010719;第1-31页 *
Optimal CBPM policy considering maintenance effects and environmental condition;Tangbin Xia 等;《The International Journal of Advanced Manufacturing Technology》;20111001;第56卷(第9期);第1181-1193页 *
串并联衰退系统的多目标预防性维护优化建模;夏唐斌 等;《计算机集成制造系统》;20100415;第16卷(第4期);第783-788页 *
基于健康指数的预防性维护与多目标生产调度联合优化建模;陶辛阳 等;《上海交通大学学报》;20140828;第48卷(第8期);第1170-1174页 *

Also Published As

Publication number Publication date
CN104680251A (zh) 2015-06-03

Similar Documents

Publication Publication Date Title
CN112700027B (zh) 用于电功率预测模型的多精度指标综合评价方法及系统
CN104992270B (zh) 输变电设备状态检修辅助决策系统及方法
CN107341349A (zh) 风机健康评估的方法、系统、存储器及控制器
CN116451879B (zh) 一种干旱风险预测方法、系统及电子设备
CN109685340A (zh) 一种配电设备健康状态评估方法及系统
CN111695731B (zh) 基于多源数据和混合神经网络的负荷预测方法、系统及设备
CN107122832A (zh) 一种质量控制与可靠性分析的制造系统预防性维修方法
CN114897247B (zh) 一种基于大数据的智能电网配网调度运行管理方法
CN104952000A (zh) 基于马尔科夫链的风电机组运行状态模糊综合评价方法
CN112884008B (zh) 一种电力信息采集系统运行状态的预测评估方法及装置
CN104680251B (zh) 考虑外部环境影响的港口设备智能预防性维护系统及方法
CN102930344A (zh) 一种基于负荷趋势变化的超短期母线负荷预测方法
CN110135064B (zh) 一种发电机后轴承温度故障预测方法、系统及控制器
CN106446571A (zh) 风电场功率预测的误差评价方法
CN107730088A (zh) 一种基于配网大数据的配电设备巡检方案生成方法及装置
Lee et al. Diagnostics of loss of coolant accidents using SVC and GMDH models
CN106485596A (zh) 一种配电设备检修策略优化方法
CN106779095A (zh) 基于kmp算法的智能变电站设备软压板校核的方法
Drgoňa et al. Comparison of MPC strategies for building control
CN107706938B (zh) 一种基于分位点回归的风电功率波动区间分析方法
CN114925718A (zh) 一种变压器铁芯接地电流在线预测方法、装置、存储介质及故障诊断方法
CN105488572A (zh) 一种配电设备健康状态评价方法
CN113722656B (zh) 一种火力发电机组实时健康度评价方法及系统
CN104077231B (zh) 基于符号动力学和ls‑svm的变压器维护优化方法
CN106503794A (zh) 一种风机齿轮箱剩余寿命预测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant