CN104899646B - 一种多设备混联系统的预测性维护方法 - Google Patents

一种多设备混联系统的预测性维护方法 Download PDF

Info

Publication number
CN104899646B
CN104899646B CN201510245725.1A CN201510245725A CN104899646B CN 104899646 B CN104899646 B CN 104899646B CN 201510245725 A CN201510245725 A CN 201510245725A CN 104899646 B CN104899646 B CN 104899646B
Authority
CN
China
Prior art keywords
equipment
maintenance
dynamic layout
stake
relational graph
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.)
Expired - Fee Related
Application number
CN201510245725.1A
Other languages
English (en)
Other versions
CN104899646A (zh
Inventor
李波
陈晨
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510245725.1A priority Critical patent/CN104899646B/zh
Publication of CN104899646A publication Critical patent/CN104899646A/zh
Application granted granted Critical
Publication of CN104899646B publication Critical patent/CN104899646B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

该发明公开了一种多设备混联系统的预测性维护方法,涉及多设备混联系统的预测性维护管理,特别涉及一种结合状态监测、剩余寿命预测以及维护时序规划三方面信息动态给出预测性维护策略及维护时机的方法。通过结合状态监测、剩余寿命预测以及维护时序规划三方面信息,从而更为准确地给出可达成预测性维护目标的系统整体最优维护时序规划,保证预测性维护的效果,尽可能使系统整体的最具经济效益。

Description

一种多设备混联系统的预测性维护方法
技术领域
本发明涉及多设备混联系统的预测性维护管理,特别涉及一种结合状态监测、剩余寿命预测以及维护时序规划三方面信息动态给出预测性维护策略及维护时机的方法。
背景技术
目前在设备预防性维护的研究中,一般可分为时间基准维护和状态基准维护。状态基准维护可根据设备自身的运行动态、有预见的规划设备的维护活动,因此具有更加广阔的前景。状态基准维护的关键研究点在于利用状态监测数据预测设备的状态情况,包括剩余寿命预测、故障预测等。因此在广义上,以状态为基准的预防性维护亦可称为预测性维护。
长期研究发现,预测性维护往往比周期性的预防维护更具经济效益。在使设备故障率明显降低的同时,预测性维护可大幅度缩短总停机时间,有效提高了设备的可靠性以及企业的赢利能力。当前,预测性维护管理已经从如上海大众等汽车制造企业的设备密集型企业正在慢慢走向中小型快速消费品企业,它有效的帮助企业提高产能、降低成本。
由于预测性维护依赖于对设备未来发展趋势的预测,虽然目前面向单体设备进行预测性维护的研究已经比较广泛,也考虑到了维护规划的动态更新特性,但面向多设备混联系统的预测性维护规划还存在很大的上升空间,它不仅需要充分把握和利用预测与维护这两方面的密切联系,在多设备混联系统的维护时序规划处理上也需要得到更加合理的安排与组织。目前对于多设备混联系统的维护时序规划大多首先将系统各设备看作相互独立的单体来制定预测性维护策略,而系统整体的维护规划则往往是各设备的最优维护策略的线性叠加,这并没有考虑到各设备之间的物理结构关系和功能影响关系。因此,针对多设备混联系统提出一种合理的预测性维护方法,使得系统总体的维护费用最具经济效益,这对汽车制造业,乃至其他生产领域都有着积极的意义,同时为实际生产运营中设备的维护管理提供重要的参考价值。
发明内容
本发明的目的在于提供一种多设备混联系统的预测性维护方法,通过结合状态监测、剩余寿命预测以及维护时序规划三方面信息,从而更为准确地给出可达成预测性维护目标的系统整体最优维护时序规划,保证预测性维护的效果,尽可能使系统整体的最具经济效益。
本发明一种多设备混联系统的预测性维护方法,该方法包括如下步骤:
步骤1、系统影响关系图的构建,是以系统各设备间的功能影响关系为主、结构组成关系为辅,构建系统的影响关系图;
步骤2、单体设备剩余寿命预测,是采用适合的剩余寿命预测方法,利用实时监测数据预测每个设备任意时刻下的剩余寿命值,同时利用同类设备的历史记录信息确定剩余寿命裕度值;
步骤3、单体设备维护时序计算,采用适合的维护时序规划模型计算设备在状态监测采样点下的维护时刻点,最终得到设备的维护时序,同时判断是否存在某设备满足系统维护时序规划整合的开始条件;
步骤4、系统维护时序规划整合,是结合系统的影响关系图,以系统累计总风险值最小为目标,给出整合后的系统维护时序规划。
进一步地,所述步骤1构建系统的影响关系图的方法是:由于系统各设备间的功能影响关系复杂,首先根据系统各设备间的物理拓扑结构建立串并关系图;然后根据实际运行经验和专家评审等方式,在并联关系的设备组中,当两个并联设备间存在功能影响关系时,则在不改变其他设备物理拓扑结构的前提下,将该并联关系转变为串联关系,依次类推;最后得到综合后的系统影响关系图。
进一步的,所述步骤4首先任意选取一个能够达到系统维护时序规划整合开始条件的设备作为桩设备,根据系统的影响关系图,分析桩设备与其他设备的串并联关系,以系统累计总风险值最小为目标,根据其它设备与桩设备的串、并联关系,对系统的维护时序规划依次进行初次整合及再次整合;
进一步的,初次整合系统的维护时序规划方法是:找出与桩设备串联的设备,且当该设备当前状态监测采样点下所计算出的剩余寿命预测值小于其寿命裕度值时,则一同执行维护;其余与桩设备串联的设备若不满足上述条件,则等待下一次的维护规划;
再次整合系统的维护时序规划方法是:在初次整合的基础上,找出与桩设备并联的设备,且该设备在状态监测采样点区间长度N倍的时间段内,若满足系统维护时序规划整合的开始条件,则一同执行维护操作;其余与桩设备并联的设备若不满足上述条件,则等待下一次的维护规划;其中根据不同的研究对象及不同的维护规划要求,选取合适的N值来满足实际需求及情况。
采用本发明的多设备混联系统预测性维护方法,考虑了系统各设备间的物理和功能相关性,充分结合了单体设备剩余寿命预测和维护时序规划的方法,可进一步提高多设备混联系统预测性维护策略和维护时序的可靠性。
附图说明
图1为本发明的流程图;
图2为本发明实施例的系统物理拓扑结构图;
图3为图2所示的系统物理拓扑结构图转换成的一种系统影响关系图;
图4为图2所示的系统物理拓扑结构图转换成的另一种系统影响关系图;
图5为本发明的系统维护时序规划流程图。
具体实施方式
参照图1,多设备混联系统预测性维护方法包括系统影响关系图的构建,如步骤1;单体设备剩余寿命预测,如步骤2;单体设备维护时序计算,如步骤3;系统维护时序规划整合,如步骤4。
系统影响关系图的构建,如步骤1。以系统各设备间的功能影响关系为主、结构组成关系为辅,构建系统的影响关系图。
构建系统的影响关系图的方法是:由于系统各设备间的功能影响关系复杂,可首先根据系统各设备间的物理拓扑结构建立串并关系图。然后根据实际运行经验和专家评审等方式,在并联关系的设备组中,当两个并联设备间存在功能影响关系(某设备的停机会导致其他设备不能正常运行)时,则在不改变其他设备物理拓扑结构的前提下,将该并联关系转变为串联关系,依次类推。最后得到综合后的系统影响关系图。
下面结合附图对本发明进行举例说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
在本实施例中,提供了一种构建系统影响关系图的方法。首先建立某系统中设备A、B、C、D、E和F的物理拓扑结构,参照图2。经分析,设备B和E存在功能影响关系,因此根据上述方法,可将设备B和E的并联关系转变为串联关系,得到系统影响关系图,参照图3和图4。需要说明的是,图3和图4仅是转变了设备B和E的串并联关系,并没有影响与其他设备的物理拓扑结构。
通过构建系统的影响关系图,得到各设备之间的相互影响关系,为后续的系统维护时序规划整合提供依据。
单体设备剩余寿命预测,如步骤2。针对不同的设备,采用适合的剩余寿命预测方法,利用实时监测数据预测各设备任意时刻下的剩余寿命值,利用同类设备的历史记录信息确定各自的剩余寿命裕度值。
确定设备剩余寿命裕度值的方法是:首先定义各设备需要进行监测的参数以及状态监测的统一采样区间长度,然后利用同类型设备的历史记录信息及寿命预测模型,得到设备在历史任意时刻下的实际剩余寿命值和预测剩余寿命值。当实际剩余寿命值等于状态监测采样区间长度时,在此刻所计算出的各同类型设备的剩余寿命预测值中,最大的预测值即为该设备的剩余寿命裕度的最优值。同类型设备的历史记录信息越多,剩余寿命裕度值就越精确。
设备剩余寿命裕度值的确定,可为后续维护时序规划提供决策基础及判断依据。
单体设备维护时序计算,如步骤3。根据实际情况,结合剩余寿命预测模型,采用适合的维护时序规划模型计算设备在状态监测采样点下的下一个维护时刻点,最终得到设备的维护时序,同时判断是否存在某设备满足系统维护时序规划整合的开始条件。
剩余寿命预测与维护时序规划的结合方式是:利用设备的状态监测数据,可求得每个状态监测采样点下的剩余寿命预测值。当某个设备的剩余寿命预测值大于其寿命裕度值时,继续监测并开始计算后续每个状态监测采样点下的维护时刻点。
设备维护时序的计算方法是:利用状态监测参数和剩余寿命预测值,采用适合的维护时序规划模型,以累计总风险值最小为目标,可求得各设备在每个状态监测采样点下的下一个维护时刻点,以此可确定设备在一定时间段内的维护时序。
系统维护时序规划整合的开始条件是:当某设备的状态监测采样点时刻与采样区间长度的总和,大于该采样点下计算所得的下一个维护时刻时,表示可开始进行系统维护规划的准备。
根据实际需求和情况,用费用成本最小化、可靠性最高、设备利用率最高等为度量,来进行累计总风险值最小的分析和研究。
系统维护时序规划整合,如步骤4。当某一设备满足了系统维护时序规划整合的开始条件时,则结合系统的影响关系图,以系统累计总风险值最小为目标,给出整合后的系统维护时序规划。
系统维护时序规划的整合方法又分为以下2个步骤,如图5所示。
(1)系统维护时序规划初次整合,如步骤41。
(2)系统维护时序规划再次整合,如步骤42。
对系统维护时序规划进行整合之前,需要确定一个桩设备。在此可任意选取一个能够达到系统维护时序规划整合开始条件的设备作为桩设备。同时根据系统的影响关系图,分析桩设备与其他设备的串并联关系。首先对与桩设备串联的设备进行初次整合,然后对与桩设备并联的设备进行再次整合。
初次整合系统的维护时序规划方法是:找出与桩设备串联的设备,且当该设备当前状态监测采样点下所计算出的剩余寿命预测值小于其寿命裕度值时,则一同执行维护;其余与桩设备串联的设备若不满足上述条件,则等待下一次的维护规划。
再次整合系统的维护时序规划方法是:在初次整合的基础上,找出与桩设备并联的设备,且该设备在状态监测采样点区间长度N倍的时间段内,若满足系统维护时序规划整合的开始条件,则一同执行维护操作;其余与桩设备并联的设备若不满足上述条件,则等待下一次的维护规划。
此外,可根据不同的研究对象及不同的维护规划要求,选取合适的N值来满足实际需求及情况。
以上描述是针对本发明的实施例,在不脱离本发明精神及所附权利要求书的范围内,可有各种变化及改动。

Claims (3)

1.一种多设备混联系统的预测性维护方法,该方法包括如下步骤:
步骤1、系统影响关系图的构建,是以系统各设备间的功能影响关系为主、结构组成关系为辅,构建系统的影响关系图;
步骤2、单体设备剩余寿命预测,是采用适合的剩余寿命预测方法,利用实时监测数据预测每个设备任意时刻下的剩余寿命值,同时利用同类设备的历史记录信息确定剩余寿命裕度值;
步骤3、单体设备维护时序计算,采用适合的维护时序规划模型计算设备在状态监测采样点下的维护时刻点,最终得到设备的维护时序,同时判断是否存在某设备满足系统维护时序规划整合的开始条件;
步骤4、系统维护时序规划整合,是结合系统的影响关系图,以系统累计总风险值最小为目标,给出整合后的系统维护时序规划;
其特征在于所述步骤1构建系统的影响关系图的方法是:由于系统各设备间的功能影响关系复杂,首先根据系统各设备间的物理拓扑结构建立串并关系图;然后根据实际运行经验和专家评审等方式,在并联关系的设备组中,当两个并联设备间存在功能影响关系时,则在不改变其他设备物理拓扑结构的前提下,将该并联关系转变为串联关系,依次类推;最后得到综合后的系统影响关系图。
2.如权利要求1所述的一种多设备混联系统的预测性维护方法,其特征在于所述步骤4首先任意选取一个能够达到系统维护时序规划整合开始条件的设备作为桩设备,根据系统的影响关系图,分析桩设备与其他设备的串并联关系,以系统累计总风险值最小为目标,根据其它设备与桩设备的串、并联关系,对系统的维护时序规划依次进行初次整合及再次整合。
3.如权利要求2所述的一种多设备混联系统的预测性维护方法,其特征在于所述步骤4中初次整合系统的维护时序规划方法是:找出与桩设备串联的设备,且当该设备当前状态监测采样点下所计算出的剩余寿命预测值小于其剩余寿命裕度值时,则一同执行维护;其余与桩设备串联的设备若不满足上述条件,则等待下一次的维护规划;
再次整合系统的维护时序规划方法是:在初次整合的基础上,找出与桩设备并联的设备,且该设备在状态监测采样点区间长度N倍的时间段内,若满足系统维护时序规划整合的开始条件,则一同执行维护操作;其余与桩设备并联的设备若不满足上述条件,则等待下一次的维护规划;其中根据不同的研究对象及不同的维护规划要求,选取合适的N值来满足实际需求及情况。
CN201510245725.1A 2015-05-14 2015-05-14 一种多设备混联系统的预测性维护方法 Expired - Fee Related CN104899646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510245725.1A CN104899646B (zh) 2015-05-14 2015-05-14 一种多设备混联系统的预测性维护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510245725.1A CN104899646B (zh) 2015-05-14 2015-05-14 一种多设备混联系统的预测性维护方法

Publications (2)

Publication Number Publication Date
CN104899646A CN104899646A (zh) 2015-09-09
CN104899646B true CN104899646B (zh) 2018-05-18

Family

ID=54032299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510245725.1A Expired - Fee Related CN104899646B (zh) 2015-05-14 2015-05-14 一种多设备混联系统的预测性维护方法

Country Status (1)

Country Link
CN (1) CN104899646B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025487A (zh) * 2016-11-15 2017-08-08 蔚来汽车有限公司 基于健康度的保养时间评估方法
CN106682273B (zh) * 2016-12-05 2021-04-13 中国航天标准化研究所 一种串并联混合航天装备系统寿命重要度确定方法
CN107958293B (zh) * 2017-11-29 2021-08-27 上海交通大学 面向租赁化生产的服务外包机会维护方法
CN108549769A (zh) * 2018-04-13 2018-09-18 中国人民解放军火箭军工程大学 一种维修设备剩余寿命预测方法及系统
CN110414033B (zh) * 2019-05-31 2023-04-18 太原理工大学 结合边缘计算和数字孪生的机械设备预测性维护方法
CN112100773A (zh) * 2020-09-14 2020-12-18 电子科技大学 一种基于部件相关性的透平机械预防性维护方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360467A (zh) * 2011-10-12 2012-02-22 西安交通大学 一种考虑元件老化特性的配电系统长期检修策略制定方法
CN103530715A (zh) * 2013-08-22 2014-01-22 北京交通大学 高速铁路行车固定设备网格化管理系统及管理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2989500B1 (fr) * 2012-04-12 2014-05-23 Airbus Operations Sas Procede, dispositifs et programme d'ordinateur d'aide a l'analyse de la tolerance aux pannes d'un systeme d'un aeronef, utilisant des graphes d'evenements redoutes

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360467A (zh) * 2011-10-12 2012-02-22 西安交通大学 一种考虑元件老化特性的配电系统长期检修策略制定方法
CN103530715A (zh) * 2013-08-22 2014-01-22 北京交通大学 高速铁路行车固定设备网格化管理系统及管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"System maintenance scheduling with prognostics information using genetic algorithm";Camci F;《IEEE Transactions on Reliability》;20090811;第58卷(第3期);539-552 *
"基于状态监测数据的产品寿命预测与预测维护规划方法研究";尤明懿;《中国博士学位论文全文数据库 工程科技II辑》;20130315;第1,23-24,127-141,158-173页 *

Also Published As

Publication number Publication date
CN104899646A (zh) 2015-09-09

Similar Documents

Publication Publication Date Title
CN104899646B (zh) 一种多设备混联系统的预测性维护方法
CN103793752B (zh) 一种基于退化建模的设备失效次数预测方法
KR101582960B1 (ko) 장비 엔지니어링 시스템을 제어하기 위한 수율 예측 피드백
JP6298214B2 (ja) ユーティリティグリッド内での信号注入テストパターンの予想効用を最大化するためのシステム及び方法
US10444746B2 (en) Method for managing subsystems of a process plant using a distributed control system
CN113383282A (zh) 校正离子注入半导体制造工具中的部件故障
US11126172B2 (en) Methods and systems for applying run-to-run control and virtual metrology to reduce equipment recovery time
Abeygunawardane et al. Adaptive maintenance policies for aging devices using a Markov decision process
Laayati et al. Smart energy management: Energy consumption metering, monitoring and prediction for mining industry
CN115562225A (zh) 工业机器人运维管理方法、装置、计算机设备和存储介质
KR20090001148A (ko) 가상 계측 시스템 및 가상 계측 방법
Kumaraguru et al. Integrating real-time analytics and continuous performance management in smart manufacturing systems
CN111124852A (zh) 一种基于bmc健康管理模块的故障预测方法及系统
CN108539736B (zh) 基于多源数据的停电事件分析方法、系统和计算机设备
Bouaziz et al. Dependability of complex semiconductor systems: Learning Bayesian networks for decision support
US20120143567A1 (en) Scheduling the Maintenance of Operational Equipment
CN106600088A (zh) 一种用于提升生产能力的系统和用于提升生产能力的方法
US20180182503A1 (en) Plant abnormality predict detection system
Colledani et al. Impact of machine reliability data uncertainty on the design and operation of manufacturing systems
CN115936663A (zh) 一种电力系统的维护方法及装置
CN105573269A (zh) 半导体制造机台的参数监控系统及方法
CN110456191B (zh) 一种超大规模电池储能电站运行单元检测的方法及系统
CN110427689B (zh) 基于信息新技术的燃机机组机群监测诊断方法
CN113657043A (zh) 一种以可靠性为中心的多目标环境试验箱维修方法
Li et al. A predictive maintenance method of series-parallel system based on condition monitoring

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180518

Termination date: 20210514