CN105987822A - 用于预测装备故障的方法和系统 - Google Patents
用于预测装备故障的方法和系统 Download PDFInfo
- Publication number
- CN105987822A CN105987822A CN201610159114.XA CN201610159114A CN105987822A CN 105987822 A CN105987822 A CN 105987822A CN 201610159114 A CN201610159114 A CN 201610159114A CN 105987822 A CN105987822 A CN 105987822A
- Authority
- CN
- China
- Prior art keywords
- parameter
- sample values
- equipment
- reference rig
- determined
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
- G05B9/00—Safety arrangements
- G05B9/02—Safety arrangements electric
-
- 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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明的各实施例总体上涉及用于预测装备故障的方法和系统。具体地,提供了一种用于预测装备故障的方法包括接收与基准装备的参数相关联的参数样本值和与基准装备相关联的运行状态信息。参数样本值和运行状态信息被定期地采集。生成用于将参数中的一个或多个与基准装备故障相关的模型。针对每个参数,确定在其处模型的输出指示基准装备故障的阈值。接下来,确定具有与所确定的阈值匹配的参数样本值的进行测试的装备的参数。针对每个所确定的参数,确定具有与进行测试的装备的参数样本值匹配的参数样本值的基准装备,进行测试的装备的参数样本值与所确定的阈值匹配。基于与所确定的基准装备相关联的生存能力数据来生成针对进行测试的装备的生存能力数据。所生成的生存能力数据被通信给用户界面。
Description
相关申请的交叉引用
本申请基于35U.S.C.§119要求于2015年3月18日提交的印度专利申请No.1342/CHE/2015的优先权,将其内容通过引用整体并入本文。
技术领域
本申请总体上涉及处理与工业装备相关联的传感器数据的系统。具体地,本申请描述了一种用于预测装备故障的方法和系统。
背景技术
大型工业经营,例如在油气生产中使用的那些,通常依赖于复杂的各式各样的机械装备和用于控制和监测机械装备的性能的控制系统。为了使生产能力最大化,装备可以连续地并且在极端条件期间运行。在这样的条件下运行该装备要求对装备的不断监测以证实装备在它的安全裕度内运行。例如,在泵的情况下,传感器可以被布置在泵上以测量泵的输出压力。其他传感器可以被提供用于测量泵外壳的温度、泵的叶轮轴承的温度、泵的振动、等等。
本地控制系统可以连续地监测传感器数据并且可以生成用户界面,用户界面允许操作者查看指示装备的性能和/或装备故障的数据。在一些实例中,传感器数据被通信给远程操作中心,远程操作中心可以监测位于世界各地中的装备的性能。例如,在石油生产的情况下,远程操作中心可以监测位于不同海洋中的各种石油钻塔上的装备的性能。
然而,尽管不断监测,意料之外的装备故障仍然可能发生,这可以导致生产停工时间。这样的计划外的停工时间能够导致数百万美元的生产损失和满足供应需求的不可预见性。例如,归因于计划外的停工时间的与中等规模的液化天然气厂的计划外的停工时间相关联的平均成本是$150M/年。
发明内容
在一个方面中,提供了一种预测装备故障的方法。该方法包括接收与基准装备的参数相关联的参数样本值和与基准装备相关联的运行状态信息。参数样本值和运行状态信息被定期地采集。该方法还包括生成用于将参数中的一个或多个与基准装备故障相关的模型。针对一个或多个参数中的每个,确定在其处模型的输出指示基准装备故障的阈值。接下来,确定具有与所确定的阈值匹配的参数样本值的进行测试的装备的参数。针对每个所确定的参数,该方法还包括确定具有与进行测试的装备的参数样本值匹配的参数样本值的基准装备。基于与所确定的基准装备相关联的生存能力数据来生成针对进行测试的装备的生存能力数据。所生成的生存能力数据被通信给用户界面。
在第二方面中,提供了一种用于预测装备故障的系统。该系统包括数据接收硬件,其被配置为接收与基准装备的参数相关联的参数样本值和与基准装备相关联的运行状态信息。参数样本值和运行状态信息被定期地采集。该系统还包括分析硬件模块,其被配置为:生成用于将参数中的一个或多个与基准装备故障相关的模型。针对一个或多个参数中的每个,分析硬件模块被配置为确定在其处模型的输出指示基准装备故障的阈值。分析硬件模块还被配置为确定进行测试的装备的参数,针对进行测试的装备,与参数相关联的至少一些参数样本值与所确定的阈值匹配,并且针对每个所确定的参数,确定具有与进行测试的装备的参数样本值匹配的参数样本值的基准装备。分析硬件模块基于与所确定的基准装备相关联的生存能力数据来生成针对进行测试的装备的生存能力数据。该系统还包括用户界面服务器,其被配置为:从分析硬件模块接收所生成的生存能力数据;并且生成用户界面,用户界面包括用于方便对生存能力数据的可视化并将用户界面通信给终端的生存能力图表。
在第三方面中,提供了一种非瞬态机器可读存储介质。该非瞬态机器可读存储介质具有存储在其上的用于预测装备故障的计算机代码。代码段可由机器执行以使机器接收与基准装备的参数相关联的参数样本值和与基准装备相关联的运行状态信息,其中,参数样本值和运行状态信息被定期地采集。代码使机器生成用于将参数中的一个或多个与基准装备故障相关的模型;并且针对一个或多个参数中的每个,确定在其处模型的输出指示基准装备故障的阈值。代码使机器确定进行测试的装备的参数,针对进行测试的装备,与参数相关联的至少一些参数样本值与所确定的阈值匹配,确定具有与进行测试的装备的参数样本值匹配的参数样本值的基准装备。代码还使机器基于与所确定的基准装备相关联的生存能力数据来生成针对进行测试的装备的生存能力数据;并且将所生成的生存能力数据通信给用户界面。
附图说明
图1示出用于预测装备故障的系统可以运行在其中的示范性环境;
图2A至图2C示出可以由用户界面服务器生成的示范性用户界面的不同阶段;
图3A示出可以由系统在确定针对进行测试的装备的生存能力数据中执行的一组示范性操作;
图3B是示出在基准装备的各种参数与基准装备的操作状态之间的相关值的示范性图表;
图4A示出可以由系统在确定针对进行测试的装备的生存能力数据中执行的第二组示范性操作;
图4B是示出在一时间段内测量的针对基准装备和进行测试的装备的给定参数的值的示范性图表;
图5示出可以由系统在确定进行测试的装备的故障概率中执行的一组示范性操作;并且
图6示出可以实施系统的各个模块的计算机系统。
具体实施方式
为了克服上述问题,下面描述用于预测装备故障的方法和系统的各种实施例。一般地,与基准装备的各个参数值相关联的历史传感器数据被处理以生成与基准装备相关联的生存能力数据。如本文中所使用的,术语基准装备对应于针对其传感器数据和运行状态(即,工作的或发生故障的)已知的具有相同类型的装备的一个或多个工件。例如,基准装备可以对应于具有相同模型号的一个或多个泵。
历史传感器数据可以定义以给定速率连续地采样的基准装备的参数值。例如,基准装备的参数值可以每分钟、每小时或以不同的间隔进行采样以获得方便确定基准装备的参数如何随时间变化的参数值的稳定流。在每个样本处的运行状态可以被提供以方便确定在装备故障的时间附近的参数的状态。
历史传感器数据被利用以生成将基准装备的参数值与基准装备的运行状态相关的模型函数。如下面更详细地描述的,模型函数之后被利用以确定进行测试的装备的参数是否在危险水平处(例如,预测要发生故障的水平)运行。如果发现这样的参数,则搜索历史传感器数据以识别具有类似参数值的基准装备。所识别的基准装备的生存能力被利用以确定进行测试的装备的生存能力。所确定的生存能力被利用以预测进行测试的装备的故障概率。
在一些实施方式中,该方法和系统可以被实现为对工业装备的操作者的服务。例如,该系统可以生成界面,操作者可以通过该界面注册该服务。操作者可以指定独特地识别要被评估的装备的信息。历史传感器数据可以包括与操作者指定的装备相关联的传感器数据。在注册之后,操作者可以登录到系统以观察与该装备相关联的概率信息。
图1示出用于预测装备故障的系统115可以运行在其中的示范性环境100。示出的是进行测试的或正被评估的装备105的示范性工件、数据收集系统110、用于预测装备故障的系统115。还示出的是用于方便在图示的项与用户终端120之间通信信息的网络连接130,操作者可以通过用户终端120查看由系统115生成的信息或调节系统115的参数。
进行测试的装备(EUT)105可以例如对应于石油钻塔上的最新或最近安装的泵。一个或多个传感器107可以在战略上被布置在EUT105附近以测量EUT 105的各种参数。例如,第一传感器可以测量驱动电机的温度。第二传感器可以测量泵的输出压力。可以提供用于测量一个或多个轴承的温度的传感器。其他传感器可以被提供用于测量EUT 105的其他特性。
每个传感器107可以被配置为定期地对EUT 105的相应参数进行采样并且将信息直接地或间接地通信给数据收集系统110。例如,每个传感器107可以与在EUT 105附近的存储传感器数据的本地系统无线通信或有线连接。本地系统可以定期地将信息通信给数据收集系统110。在其他实施方式中,传感器107可以将传感器数据直接通信给数据收集系统110。
数据收集系统110对应于被配置为从任何数量的和类型的装备收集传感器数据的系统。例如,数据收集系统110可以对应于由 操作和维护的数据收集系统。由数据收集系统110收集的数据可以被存储在数据收集系统110的数据库112中。数据收集系统110可以包括数据服务器114或被配置为方便对存储在数据库112中的数据的访问的其他类型的服务器。例如,可以提供被配置为生成方便对数据库112中的数据的访问的网页的网络服务器。网络服务器可以实施网络服务接口以允许由诸如系统115的其他计算机系统对数据的自动检索。可以提供诸如FTP或不同的接口的其他接口。
由数据收集系统110收集的数据可以来自可以使用一系列广泛的不同类型的装备的诸如不同操作者、公司、等等的各种来源。这有利地增大给定EUT 105可以与其进行比较的基准装备的池的大小。例如,单个操作者可能还没有操作EUT 105足够长时间以使任何有意义的可靠性数据被生成,然而数据可以从已经使用相同类型的装备更长时间的其他操作者获得。
表1表示可以被存储在数据库112中的可以与示范性基准装备的特定工件相关联的传感器数据的一部分。示范性基准装备可以对应于已经运行一定时间的、已经发生故障的、已经被维修的、已经被放回到操作中一次或多次的泵。
表1
表的每行包括针对各个示范性参数的值以及在给定时间点(T1、T2、等等)处存在的装备的运行状态的指示。在行之间表示的时间段可以是分钟、小时、天、或不同的间隔。运行状态可以对应于诸如1或0的布尔值,其表示装备在数据被采样的时间处是否运行。示范性的吸入压力参数可以例如对应于在数据被采样的时间处在装备的输出处测得的吸入压力。类似地,排放阀温度可以对应于在数据被采样的时间处从装备流动的流体的温度。P3...Pn对应于装备的可以被监测的许多其他参数的值,例如从装备的其他部分获取的各种压力和温度测量结果、振动测量结果、等等。
系统115可以包括分析处理器117,其被配置为接收并处理存储在数据收集系统110中与基准装备和EUT 105相关联的传感器数据,并且被配置为生成用于预测EUT 105的故障的概率的数据。在这一点上,分析处理器117可以对应于具有被配置为执行预测EUT 105的故障的概率的需要的各种操作的电路块的一个或多个相互连接的ASIC、FPGA或其他类型的硬件。例如,可以提供被配置为执行相关分析118和/或回归建模119的一个或多个定制ASIC、FPGA或其他类型的电路。在其他实施方式中,分析处理器117可以对应于或包括用于执行操作中的一个或多个的计算机处理器。计算机处理器可以对应于处理器或不同的处理器。计算机处理器可以运行操作系统,例如MicrosoftLinux、或不同的操作系统。
用户界面服务器119被配置为生成一个或多个用户界面屏幕,其允许操作者在终端120处查看分析处理器117的结果并调节EUT 105的各个参数以执行如下面所描述的“what if”情景。用户界面服务器119可以对应于网络服务器,在这种情况下,用户界面屏幕可以对应于被通信给运行在终端120上的网络浏览器的网页。
图2A至图2C示出可以由用户界面服务器119生成的示范性用户界面200的不同阶段。参考图2,用户界面200包括用于选择期望获得针对其的故障概率预测的EUT的装备选择控制205。在选择了EUT105后,用户界面200被配置为显示第一生存分析图表和第二生存分析图表210ab。用户界面200还包括一个或多个参数调节控制215a-f和故障概率指示符220。在一些实施方式中,用户界面200可以包括用于显示对应于EUT的图像的控制225。图像可以指示EUT的状态,例如EUT是否被预测为生存。
生存分析图表210ab将EUT 105的生存概率描绘为EUT 105已经或将要运行的天数的函数。依赖于其以用于生成生存分析的数据可以由如下面所描述的分析处理器117来生成。一般基于具有与EUT 105类似的运行特性的基准装备的生存分析来确定定义EUT 105的生存分析的数据。基准装备的生存分析可以经由诸如Kaplan-Meier估计器的生存函数估计器来估计。例如,表1中的信息可以由这样的估计器处理以产生生存图表,例如图2A至图2C中描绘的图表210ab。估计器可以在生成生存数据中考虑采集样本的时间(即,T1、T2、等等),以及在采集样本的时间处的基准装备的运行状态。
参数调节控制215a-f对应于EUT 105的比其他参数更有可能与EUT 105的故障的概率具有相关的那些参数。参数调节控制215a-f可以被默认为EUT 105的当前参数值。例如,如果运行在现场中的EUT105的吸入参数的值是125.2PSI,则吸入压力调节控制215a可以被默认为125.2PSI。
与如由参数调节控制215a-f设置的参数值的特定组合相关联的EUT 105的故障的概率经由故障概率指示符220被传达。例如,基于图2A中描绘的参数调节控制215a-f的值的组合,图2A中的故障概率指示符220指示约5%的故障概率。类似地,基于图2B和图2C中示出的参数调节控制215a-f的值的组合,相应图中的故障概率指示符220分别指示约45%和约80%的故障概率。当进度条类型控制在图中被示出为传达故障概率时,应理解其他类型的视觉控制可以被利用以描绘故障概率,例如饼图、等等。
参考图3至图5中示出的框图来描述系统115的操作。操作中的一些或全部可以经由驻留在系统110的非瞬态计算机可读存储介质上的指令代码来实施。由例如系统110的分析处理器117和/或用户界面服务器119对指令代码的运行可以使系统110执行在框图中描述的操作。另外或备选地,操作中的一些或全部可以通过专门的硬件来执行,例如图1中示出的相关分析框118和回归建模119框。
参考图3A,在框300处,可以接收装备数据。例如,可以经由用户界面200的装备选择控制205来选择位于工业园处的诸如特定类型的泵(即,特定模型号)的特定类型的EUT 105。分析处理器117可以从数据收集系统110请求并接收基准装备参数样本值,例如在表1中描绘的那些。例如,在特定泵模型的情况下,参数样本值可以与具有相同模型类型的一个或多个泵相关联。泵可以驻留在操作者的工业园内,并且/或者可以在由其他人操作的工业园处运行。
除了接收基准装备参数样本值,可以从数据收集系统110或者直接从EUT 105接收EUT 105的参数样本值。EUT 105的参数样本值可以对应于表示EUT 105的参数值的当前状态的实时值。
在框305处,基准装备的参数样本值被分析以识别具有与基准装备的运行状态的最高相关的那些参数。例如,泵的特定温度测量结果的值可以被确定为对装备的运行状态几乎没有影响,而特定压力的值可以具有高度影响。
在每个参数与运行状态之间的相关可以经由用于确定在基准装备的每个参数与基准装备的运行状态之间的相关系数的公式(例如皮尔逊积差相关系数公式)来确定。在这种情况下,+1的相关系数指示在参数与运行状态之间的完全直接线性关系或相关。-1的相关系数指示在参数与运行状态之间的完全逆线性关系或反相关。零的相关系数指示在参数与运行状态之间不存在相关。被确定为与运行状态最相关的参数可以对应于针对其相关系数的绝对幅值超过阈值(例如0.5)的那些。
图3B是示出上述概念的示范性图表350。左边的轴355和顶部的轴360均以机器状态标签365开始后跟有表示与压缩机相关联的各个参数的标签。图表350的左下对角部分上的数提供针对在给定参数与机器状态(即,工作或不工作)和其他参数之间的相关的数字表示。例如,吸入压力365具有与机器状态365的-1的相关,其指示吸入压力365与机器状态高度相关并且吸入压力的变化与压缩机的机器状态成反比。轴承温度369具有与机器状态365的0.91的相关,其指示轴承温度369与吸入压力367相比较与机器状态较不相关并且轴承温度369的变化与压缩机的机器状态成正比。图表350的右上对角部分上的数提供针对在给定参数与机器状态(即,工作或不工作)和其他参数之间的相关的图形表示。
回到图3A,在框310和315处,与被确定为具有与基准装备的运行状态的最高相关的参数相关联的参数值被利用以生成将基准装备的运行状态建模为参数值的函数的模型函数。例如,模型可以对应于线性回归模型,其具有以下形式Y=β1X1+β2X2+β3X3+…+βNXN,其中Y表示基准装备的运行状态,X1–XN对应于与参数1-N相关联的参数值,其继而对应于与基准装备的运行状态最相关的参数。β1-N对应于被确定从而将模型适应与基准装备相关联的数据的系数。模型或更具体地系数可以使用诸如统计计算和图形编程语言R的工具来生成,R包括用于基于诸如表1中示出的数据或数据的子集的数据集来生成以上形式的线性回归模型的编程指令。模型函数的输出可以是在零与一之间(包含零和一)的任何数。
在框320处,将模型函数的参数值X1–XN设置为EUT 105的对应值。
在框325处,独立地调节每个参数值X1–XN以确定在其处模型函数的输出指示高于阈值的故障概率的阈值。也就是说,调节值以确定根据模型函数将使装备的工件表现正如模型发生故障的所谓的最差情况值。例如,阈值可以被设置为一,其指示100%的出错概率,可以被设置为0.75,其指示75%的出错概率,或者被设置为不同的阈值。
参考图4A,在框400处选择EUT 105的第一参数。第一参数对应于上述模型的输入参数中的一个。在框405处,搜索与所选择的参数相关联的参数值以确定值中的任何是否处于针对以上在框325处确定的参数的阈值的范围内。例如,落在例如阈值的+-10%的所选择的参数的参数值可以被确定为落在阈值的范围内。可以利用用于确定范围的不同的方式。
如果在框405处没有参数值被确定为落在阈值范围内,则在框420处,如果存在额外的参数要评估,则在框425处选择下一参数,并且重复在405处的操作。以这种方式,针对以上确定的相应阈值来评价与模型的参数相关联的参数值。
如果在框405处发现参数值落在阈值范围内,则在框410处,搜索与基准装备相关联的参数值以识别基准装备的一个或多个工件是否具有落在相同阈值内的对应参数。
在框412处,针对在框405处识别的基准装备的每个工件,基准装备与EUT 105的相关性通过确定在与EUT 105的所选择的参数相关联的参数值和与所识别的基准装备的工件相关联的对应参数值之间存在的重叠量来确定。可以例如通过执行K近邻(KNN)算法来确定重叠量,在KNN算法中确定在EUT 105的参数值与基准装备的参数值之间的欧氏距离。当在EUT 105的给定参数值与基准装备的参数值之间的欧式距离小于预定阈值时,参数值的两个实例被确定为类似或相关。在EUT 105与基准装备之间的相关性被确定为随着两者之间的比预定阈值更接近的参数值增大而增大。
图4B是示出在针对基准装备和EUT 105的测量结果值之间的重叠的示范性图表450。在示范性图表中,测量结果值对应于由压缩机产生的压力。垂直轴指示以巴为单位的压缩机的压力,并且水平轴表示按天的时间。因此,图表图示在许多天内的压缩机的压力。
图表的区域452、454和455对应于与基准装备相关联的测量结果值的聚簇,并且区域456和458对应于与EUT 105相关联的测量结果值的聚簇。在当基准装备正在恰当地工作时的时间段期间测得区域452中的基准装备的测量结果值。在当基准装备没有恰当地工作时的时间段期间测得区域454中的测量结果值,并且区域454中的最后一个值可以对应于在基准装备发生故障之前从基准装备测得的最后一个值。在基准装备被修复之后测得区域455中的测量结果值。
通过将EUT 105的测量结果值实时地与基准装备的测量结果值进行比较,可以做出关于EUT 105是否可能将要发生故障的预测。例如,诸如上述KNN算法的算法可以将针对EUT 105的区域456中的测量结果值分类为与恰当地工作的基准装备相关联。也就是说,区域456中的测量结果值可以类似于在基准装备已知恰当地工作时从基准装备测得的值。
另一方面,KNN算法可以将针对EUT 105的区域458中的测量结果值分类为在要发生故障的天内的基准装备相关联。也就是说,区域458中的测量结果值可以类似于在发生故障之前的天中从基准装备测得的值。因此,将EUT 105测量结果值实时地与先前测得的基准值进行比较方便对EUT 105的即时故障的预测。
回到图4A,在框415处,针对在框412处被确定为相关的基准装备的每个工件,对基准装备的参数值执行生存能力分析以生成生存能力数据。生存能力数据可以如以上所描述的经由诸如Kaplan-Meier估计器的生存函数估计器来生成。例如,生存能力数据可以经由早先提到的R工具来生成。与基准装备的每个识别的工件相关的样本数据可以由生存函数处理以产生针对被确定为相关的装备的每个工件的生存数据。
在框420处,如果不存在更多的参数要评估,则在框430处,可以基于在框412处被确定为相关的基准装备的一个或多个工件的生存能力数据来生成针对EUT 105的生存能力数据。例如,针对EUT 105的生存能力数据可以对应于被确定为相关的基准装备的每个工件的生存能力数据的加权平均。权重可以基于在EUT 105与基准装备的给定工件之间的相对相关性。例如,权重可以针对具有高相关性的基准装备的第一工件较高,并且针对具有低于装备的第一工件的相关性的基准装备的第二工件较低。
在生成了针对EUT 105的生存能力数据之后,可以生成诸如图2A中示出的生存能力图表210a的图表。例如,在框420处,在R工具内生成的生存能力数据可以经由诸如的数据可视化工具被通信,提供用户交互式仪表板能力以及用于生成报告、图表、图形、等等的控制以用于创建诸如图2A中示出的用户界面的用户界面。用户交互式仪表板可以以HTML格式表示并且经由被托管在诸如Microsoft的云服务上的SharePoint portal提供。这样的服务允许注册的操作者经由具有网络浏览器的终端120访问经HTML格式化的仪表板。在一些实施方式中,可以生成第二生存能力图表210b以示出针对EUT 105的上生存能力估计和下生存能力估计。
图5中示出的操作涉及预测EUT 105的故障概率并将结果显示在用户界面200的故障概率指示符220中。
在框500处,可以由操作者调节在参数调节控制215a-f中指定的参数值。参数值可以最初已经被默认为EUT 105的当前运行参数值的参数值。
在框505处,将经调节的参数值输入到以上在框315中生成的模型中。如以上所指出的,零的输出值可以指示故障的概率为零,并且一的输出值可以指示100%的故障的概率。参数值的各种组合可以得到生成在零与一之间(包含零和一)的输出值的模型。
在框510处,在由操作者指定的参数值的组合下的EUT 105的故障的概率可以基于模型的输出来确定。例如,0.8的输出值可以对应于如图2A中示出的装备故障的80%的几率。0.7或0.3的输出值可以对应于如图2B和图2C中示出的装备故障的70%和30%的几率。
在框515处,在计算了故障的概率之后,故障概率指示符220可以被更新以反映所计算的值。在一些实施方式中,概率指示符220的颜色可以被改变以警告操作者故障的增大的概率。
图6示出可以形成系统115的部分(例如分析处理器117、用户界面服务器119和/或本文引用的任何其他模块)或实施系统115的计算机系统600。计算机系统600可以包括处理器605可以执行以使计算机系统600执行上述操作中的任何的指令集645。计算机系统600可以用作独立设备或可以例如使用网络连接到其他计算机系统或外围设备。
在网络化部署中,计算机系统600可以以服务器的能力来运行或用作服务器客户端用户网络环境中的客户端用户计算机,或者用作对等(或分布式)网络环境中的对等计算机系统。计算机系统600还可以被实施为能够运行指定要由机器采取的动作的指令645(顺序的或以其他方式)的各种设备或被并入到各种设备中,各种设备例如个人计算机或移动设备。另外,描述的系统中的每个可以包括单个地或联合地运行指令集或多个指令集以执行一个或多个计算机功能的子系统的任何汇集。
计算机系统600可以在用于通信信息的总线620上包括一个或多个存储器设备610。另外,可用于使计算机系统执行上述操作中的任何的代码可以被存储在存储器610中。存储器610可以是随机存取存储器、只读存储器、可编程存储器、硬盘驱动器或任何其他类型的存储器或存储设备。
计算机系统600可以包括显示器630,例如液晶显示器(LCD)、阴极射线管(CRT)或适合于传达信息的任何其他显示器。显示器630可以用作使用户查看处理器605的功能的界面或者专门用作具有存储在存储器610中或驱动单元615中的软件的界面。
额外地,计算机系统600可以包括诸如键盘或鼠标的输入设备625,其被配置为允许用户与系统600的部件中的任何交互。
计算机系统600还可以包括磁盘驱动单元或光学驱动单元615。磁盘驱动单元615可以包括指令645可以被存储在其中的计算机可读介质640。指令645可以在由计算机系统600执行期间完全地或至少部分地驻留在存储器610内和/或处理器605内。存储器610和处理器605还可以包括如以上所讨论的计算机可读介质。
计算机系统600可以包括用于支持经由网络650的通信的通信接口635。网络650可以包括有线网络、无线网络或它们的组合。通信接口635网络可以使得能够经由诸如802.11、802.12、802.20、WiMax、蜂窝电话标准或其他通信标准的任何数量的通信标准进行通信。
因此,该方法和系统可以以硬件、软件或硬件和软件的组合来实现。该方法和系统可以以集中式方式在至少一个计算机系统中或以其中不同的元件跨若干相互连接的计算机系统分布的分布式方式来实现。可以采用适于执行本文中描述的方法的任何种类的计算机系统或其他装置。
该方法和系统还可以被嵌入在计算机程序产品中,该计算机程序产品包括实现本文中描述的操作的实施方式的所有特征并且当被加载在计算机系统中时能够执行这些操作。在本上下文中的计算机程序意指旨在使具有信息处理能力的系统直接地或在以下中的任一或两者之后执行特定功能的指令集的以任何语言的任何表达式、代码或符号:a)到另外的语言、代码或符号的转换;b)以不同的材料形式的再生。
尽管已经参考某些实施例描述了该方法和系统,但是本领域技术人员将理解可以在不脱离本范围的情况下进行各种改变并且可以替代等价要件。另外,在不脱离本教导的范围的情况下可以进行许多修改以将特定情形或材料适应本教导。因此,不旨在将本方法和系统限于所公开的特定实施例,而是旨在将所公开的方法和系统包括落入权利要求的范围内的所有实施例。
Claims (21)
1.一种用于预测装备故障的方法,所述方法包括:
接收与基准装备的参数相关联的参数样本值和与所述基准装备相关联的运行状态信息,其中,所述参数样本值和运行状态信息被定期地采集;
生成用于将所述参数中的一个或多个参数与基准装备故障相关的模型;
针对所述一个或多个参数中的每个参数,确定在其处所述模型的输出指示基准装备故障的阈值;
确定进行测试的装备的参数,针对所述进行测试的装备,与所述参数相关联的至少一些参数样本值与所确定的阈值匹配;
针对每个所确定的参数,确定具有与所述进行测试的装备的所述参数样本值匹配的参数样本值的基准装备;
基于与所确定的基准装备相关联的生存能力数据来生成针对所述进行测试的装备的生存能力数据;并且
将所生成的生存能力数据通信给用户界面。
2.根据权利要求1所述的方法,还包括:
将与基准装备的参数相关联的所述参数样本值与基准装备的所述运行状态信息相关联以确定具有与所述基准装备的运行状态的最大关系的一个或多个参数;并且
其中,与所述模型的所述基准装备故障相关的所述一个或多个参数对应于具有相关性高于预定阈值的那些参数。
3.根据权利要求1所述的方法,其中,所生成的模型对应于线性回归模型。
4.根据权利要求1所述的方法,其中,确定具有与所述进行测试的装备的与所确定的阈值匹配的所述参数样本值相关的参数样本值的基准装备包括:经由K近邻(KNN)算法将所述进行测试的装备的与所确定的阈值匹配的所述参数样本值与所述基准装备的参数样本值进行比较。
5.根据权利要求4所述的方法,其中,当在所述进行测试的装备的与所确定的阈值匹配的所述参数样本值与所述基准装备的所述参数样本值之间的欧氏距离低于阈值时,所述基准装备的所述参数样本值被确定为与所述进行测试的装备的所述参数样本值匹配。
6.根据权利要求1所述的方法,其中,所述基准装备和所述进行测试的装备是相同类型的装备。
7.根据权利要求1所述的方法,还包括:
经由用户界面接收针对所述模型的所述一个或多个参数的参数值的组合;
将所述参数值的组合输入到所述模型中;
基于所述模型的输出值来确定所述进行测试的装备的故障的概率;并且
将所确定的概率通信给用户界面。
8.一种用于预测装备故障的系统,所述系统包括:
数据接收硬件,其被配置为接收与基准装备的参数相关联的参数样本值和与所述基准装备相关联的运行状态信息,其中,所述参数样本值和运行状态信息被定期地采集;
分析硬件模块,其被配置为:
生成用于将所述参数中的一个或多个参数与基准装备故障相关的模型;
针对所述一个或多个参数中的每个参数,确定在其处所述模型的输出指示基准装备故障的阈值;
确定进行测试的装备的参数,针对所述进行测试的装备,与所述参数相关联的至少一些参数样本值与所确定的阈值匹配;
针对每个所确定的参数,确定具有与所述进行测试的装备的所述参数样本值匹配的参数样本值的基准装备;以及
基于与所确定的基准装备相关联的生存能力数据来生成针对所述进行测试的装备的生存能力数据;以及
用户界面服务器,其被配置为:从所述分析硬件模块接收所生成的生存能力数据;并且生成用户界面,所述用户界面包括用于方便对所述生存能力数据的可视化并将所述用户界面通信给终端的生存能力图表。
9.根据权利要求8所述的系统,其中,所述分析硬件模块还包括相关硬件模块,所述相关硬件模块被配置为将与基准装备的参数相关联的所述参数样本值与基准装备的所述运行状态信息相关以确定具有与所述基准装备的运行状态的最大关系的一个或多个参数;并且
其中,与所述模型的所述基准装备故障相关的所述一个或多个参数对应于具有相关性高于预定阈值的那些参数。
10.根据权利要求8所述的系统,其中,所生成的模型对应于线性回归模型,并且所述分析处理器还包括实施所述线性回归模型的模型生成器硬件。
11.根据权利要求8所述的系统,其中,确定具有与所述进行测试的装备的与所确定的阈值匹配的所述参数样本值相关的参数样本值的基准装备包括:经由K近邻(KNN)算法将所述进行测试的装备的与所确定的阈值匹配的所述参数样本值与所述基准装备的参数样本值进行比较。
12.根据权利要求11所述的系统,其中,当在所述进行测试的装备的与所确定的阈值匹配的所述参数样本值与所述基准装备的所述参数样本值之间的欧氏距离低于阈值时,所述基准装备的所述参数样本值被确定为与所述进行测试的装备的所述参数样本值匹配。
13.根据权利要求8所述的系统,其中,所述基准装备和所述进行测试的装备是相同类型的装备。
14.根据权利要求1所述的方法,
其中,所述用户界面服务器还被配置为在所述用户界面上包括用于指定针对所述一个或多个参数的参数值的组合的一个或多个用户控件;
其中,所述分析处理器还被配置为:
将所述一个或多个参数值输入到所述模型中;
基于所述模型的输出值来确定所述进行测试的装备的故障的概率;并且
其中,所述用户界面服务器还被配置为将所确定的概率通信给用户界面。
15.一种非瞬态机器可读存储介质,其具有存储在其上的计算机程序,所述计算机程序包括用于预测装备故障的至少一个代码段,所述至少一个代码段由机器可执行以使所述机器执行以下动作:
接收与基准装备的参数相关联的参数样本值和与所述基准装备相关联的运行状态信息,其中,所述参数样本值和运行状态信息被定期地采集;
生成用于将所述参数中的一个或多个参数与基准装备故障相关的模型;
针对所述一个或多个参数中的每个参数,确定在其处所述模型的输出指示基准装备故障的阈值;
确定进行测试的装备的参数,针对所述进行测试的装备,与所述参数相关联的至少一些参数样本值与所确定的阈值匹配;
针对每个所确定的参数,确定具有与所述进行测试的装备的所述参数样本值匹配的参数样本值的基准装备;
基于与所确定的基准装备相关联的生存能力数据来生成针对所述进行测试的装备的生存能力数据;并且
将所生成的生存能力数据通信给用户界面。
16.根据权利要求15所述的非瞬态机器可读存储介质,还包括:
将与基准装备的参数相关联的所述参数样本值与基准装备的所述运行状态信息相关以确定具有与所述基准装备的运行状态的最大关系的一个或多个参数;并且
其中,与所述模型的所述基准装备故障相关的所述一个或多个参数对应于具有相关性高于预定阈值的那些参数。
17.根据权利要求15所述的非瞬态机器可读存储介质,其中,所生成的模型对应于线性回归模型。
18.根据权利要求15所述的非瞬态机器可读存储介质,其中,确定具有与所述进行测试的装备的与所确定的阈值匹配的所述参数样本值相关的参数样本值的基准装备包括:经由K近邻(KNN)算法将所述进行测试的装备的与所确定的阈值匹配的所述参数样本值与所述基准装备的参数样本值进行比较。
19.根据权利要求18所述的非瞬态机器可读存储介质,其中,当在所述进行测试的装备的与所确定的阈值匹配的所述参数样本值与所述基准装备的所述参数样本值之间的欧氏距离低于阈值时,所述基准装备的所述参数样本值被确定为与所述进行测试的装备的所述参数样本值匹配。
20.根据权利要求15所述的非瞬态机器可读存储介质,其中,所述基准装备和所述进行测试的装备是相同类型的装备。
21.根据权利要求15所述的非瞬态机器可读存储介质,还包括:
经由用户界面接收针对所述模型的所述一个或多个参数的参数值的组合;
将所述参数值的组合输入到所述模型中;
基于所述模型的输出值来确定所述进行测试的装备的故障的概率;并且
将所确定的概率通信给用户界面。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN1342CH2015 | 2015-03-18 | ||
IN1342/CHE/2015 | 2015-03-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105987822A true CN105987822A (zh) | 2016-10-05 |
CN105987822B CN105987822B (zh) | 2021-05-28 |
Family
ID=56923696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610159114.XA Active CN105987822B (zh) | 2015-03-18 | 2016-03-18 | 用于预测装备故障的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11042128B2 (zh) |
CN (1) | CN105987822B (zh) |
AU (1) | AU2016201724B2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108036941A (zh) * | 2017-12-26 | 2018-05-15 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
CN108091129A (zh) * | 2018-01-12 | 2018-05-29 | 北京摩拜科技有限公司 | 车辆故障处理方法、服务器、检测设备及车辆系统 |
CN110326257A (zh) * | 2017-03-01 | 2019-10-11 | 瑞典爱立信有限公司 | 使用人工生命预报关键性能指示符的方法和设备 |
CN113269905A (zh) * | 2016-12-02 | 2021-08-17 | 塞阿姆斯特朗有限公司 | 护理装备和系统的性能参数化 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10996160B2 (en) * | 2018-07-05 | 2021-05-04 | Accenture Global Solutions Limited | Mitigating asset damage via asset data analysis and processing |
US11513024B2 (en) | 2019-05-23 | 2022-11-29 | Schlumberger Technology Corporation | Determining operational health of a pump |
US11041371B2 (en) * | 2019-08-27 | 2021-06-22 | Schlumberger Technology Corporation | Adaptive probabilistic health management for rig equipment |
CN110647539B (zh) * | 2019-09-26 | 2022-06-24 | 汉纳森(厦门)数据股份有限公司 | 一种用于车辆故障的预测方法和系统 |
CN113051700B (zh) * | 2019-12-27 | 2023-12-29 | 北京国双科技有限公司 | 设备可靠性监测方法及装置 |
US11808260B2 (en) | 2020-06-15 | 2023-11-07 | Schlumberger Technology Corporation | Mud pump valve leak detection and forecasting |
DE102020120539A1 (de) | 2020-08-04 | 2022-02-10 | Maschinenfabrik Reinhausen Gmbh | Vorrichtung zur Ermittlung eines Fehlerwahrscheinlichkeitswerts für eine Transformatorkomponente sowie ein System mit einer derartigen Vorrichtung |
CN112365066B (zh) * | 2020-11-17 | 2023-05-02 | 日立楼宇技术(广州)有限公司 | 电梯故障预测方法、系统、装置、计算机设备和存储介质 |
TWI749932B (zh) * | 2020-12-02 | 2021-12-11 | 國立臺北科技大學 | 機台故障檢測裝置與方法 |
US20220386513A1 (en) * | 2021-05-28 | 2022-12-01 | Nvidia Corporation | Intelligent testing system using datacenter cooling systems |
US20230114427A1 (en) * | 2021-10-13 | 2023-04-13 | Johnson Controls Tyco IP Holdings LLP | Building system for building equipment with occupant feedback based verification |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
US20080263469A1 (en) * | 2006-07-19 | 2008-10-23 | Edsa Micro Corporation | Systems and methods for creation of a schematic user interface for monitoring and predicting the real-time health, reliability and performance of an electrical power system |
US20100042327A1 (en) * | 2008-08-13 | 2010-02-18 | Baker Hughes Incorporated | Bottom hole assembly configuration management |
US20120179326A1 (en) * | 2011-01-06 | 2012-07-12 | Eurocopter | Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft |
CN103116277A (zh) * | 2011-10-24 | 2013-05-22 | 费希尔-罗斯蒙特系统公司 | 预测故障分析 |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6446027B1 (en) * | 1999-09-17 | 2002-09-03 | General Electric Company | Intelligent analysis system and method for fluid-filled electrical equipment |
US6487562B1 (en) * | 1999-12-20 | 2002-11-26 | Emc Corporation | Dynamically modifying system parameters in data storage system |
US20160078695A1 (en) * | 2000-05-01 | 2016-03-17 | General Electric Company | Method and system for managing a fleet of remote assets and/or ascertaining a repair for an asset |
US6735549B2 (en) * | 2001-03-28 | 2004-05-11 | Westinghouse Electric Co. Llc | Predictive maintenance display system |
US6795793B2 (en) * | 2002-07-19 | 2004-09-21 | Med-Ed Innovations, Inc. | Method and apparatus for evaluating data and implementing training based on the evaluation of the data |
AU2003270866A1 (en) * | 2002-09-30 | 2004-04-23 | Tokyo Electron Limited | Method and apparatus for the monitoring and control of a semiconductor manufacturing process |
US7581434B1 (en) * | 2003-09-25 | 2009-09-01 | Rockwell Automation Technologies, Inc. | Intelligent fluid sensor for machinery diagnostics, prognostics, and control |
US7177773B2 (en) | 2005-05-31 | 2007-02-13 | Caterpillar Inc | Method for predicting performance of a future product |
US7698188B2 (en) * | 2005-11-03 | 2010-04-13 | Beta-Rubicon Technologies, Llc | Electronic enterprise capital marketplace and monitoring apparatus and method |
US9557723B2 (en) * | 2006-07-19 | 2017-01-31 | Power Analytics Corporation | Real-time predictive systems for intelligent energy monitoring and management of electrical power networks |
US20100262442A1 (en) * | 2006-07-20 | 2010-10-14 | Standard Aero, Inc. | System and method of projecting aircraft maintenance costs |
US7801707B2 (en) * | 2006-08-02 | 2010-09-21 | Schlumberger Technology Corporation | Statistical method for analyzing the performance of oilfield equipment |
US20090095657A1 (en) * | 2006-11-07 | 2009-04-16 | Saudi Arabian Oil Company | Automation and Control of Energy Efficient Fluid Catalytic Cracking Processes for Maximizing Value Added Products |
US7725293B2 (en) | 2006-12-07 | 2010-05-25 | General Electric Company | System and method for equipment remaining life estimation |
WO2008157496A1 (en) * | 2007-06-15 | 2008-12-24 | Shell Oil Company | Reciprocating compressor simulator and a computer system using the same |
US9886535B2 (en) * | 2007-06-29 | 2018-02-06 | Power Analytics Corporation | Method for predicting symmetric, automated, real-time ARC flash energy within a real-time monitoring system |
US8725667B2 (en) * | 2008-03-08 | 2014-05-13 | Tokyo Electron Limited | Method and system for detection of tool performance degradation and mismatch |
US8005657B2 (en) | 2008-04-23 | 2011-08-23 | Lockheed Martin Corporation | Survivability mission modeler |
US8036847B2 (en) * | 2008-09-25 | 2011-10-11 | Rockwell Automation Technologies, Inc. | Maximum information capture from energy constrained sensor nodes |
US20100082291A1 (en) * | 2008-09-26 | 2010-04-01 | Yonggang Wen | Monitoring All-Optical Network Performance |
US8521443B2 (en) * | 2008-10-16 | 2013-08-27 | Oxfordian | Method to extract parameters from in-situ monitored signals for prognostics |
CA2767689C (en) * | 2009-08-07 | 2018-01-02 | Exxonmobil Upstream Research Company | Drilling advisory systems and methods based on at least two controllable drilling parameters |
US8676721B2 (en) * | 2009-09-18 | 2014-03-18 | Apo Offshore, Inc. | Method, system and apparatus for intelligent management of oil and gas platform surface equipment |
US20110082597A1 (en) * | 2009-10-01 | 2011-04-07 | Edsa Micro Corporation | Microgrid model based automated real time simulation for market based electric power system optimization |
US9204329B2 (en) * | 2011-07-21 | 2015-12-01 | Movik Networks | Distributed RAN information collection, consolidation and RAN-analytics |
US9158457B2 (en) * | 2011-11-17 | 2015-10-13 | International Business Machines Corporation | Adjustment of multiple user input parameters |
EP2791744A4 (en) * | 2011-12-16 | 2015-06-10 | Schneider Electric Usa Inc | Collocation CIRCUIT ARCHITECTURE |
US8210283B1 (en) * | 2011-12-22 | 2012-07-03 | Hunt Energy Enterprises, L.L.C. | System and method for surface steerable drilling |
US11100545B2 (en) * | 2012-05-17 | 2021-08-24 | Gregory J. Hummer | Web-based health index calculator |
WO2013180727A1 (en) * | 2012-05-31 | 2013-12-05 | University Of Connecticut | A method and a system for testing operational integrity of a drilling rig |
US20140101058A1 (en) * | 2012-10-08 | 2014-04-10 | Marc Castel | System and method for providing consumer side maintenance |
US9477214B2 (en) * | 2013-03-07 | 2016-10-25 | General Electric Company | Plant control systems and methods |
KR20160033705A (ko) * | 2013-06-28 | 2016-03-28 | 오토하모닉스 코포레이션 | 이명 치료 데이터를 추적 및 제시하기 위한 시스템들 및 방법들 |
SG10201407299RA (en) * | 2013-11-08 | 2015-06-29 | Accenture Global Services Ltd | Network node failure predictive system |
US9857238B2 (en) * | 2014-04-18 | 2018-01-02 | Google Inc. | Thermodynamic model generation and implementation using observed HVAC and/or enclosure characteristics |
US10095388B2 (en) * | 2014-05-19 | 2018-10-09 | Innography, Inc. | Configurable patent strength calculator |
US9429961B2 (en) * | 2014-06-25 | 2016-08-30 | The Board of Arizona Regents on Behalf of the University of Arizona | Data-driven HVAC optimization |
US10628769B2 (en) * | 2014-12-31 | 2020-04-21 | Dassault Systemes Americas Corp. | Method and system for a cross-domain enterprise collaborative decision support framework |
US20160217379A1 (en) * | 2015-01-27 | 2016-07-28 | University Of Southern California | Shapelet-Based Oilfield Equipment Failure Prediction and Detection |
EP3278213A4 (en) * | 2015-06-05 | 2019-01-30 | C3 IoT, Inc. | SYSTEMS, METHODS AND DEVICES FOR AN APPLICATION DEVELOPMENT PLATFORM OF AN INTERNET OF THE THINGS OF A COMPANY |
-
2015
- 2015-05-20 US US14/717,459 patent/US11042128B2/en active Active
-
2016
- 2016-03-17 AU AU2016201724A patent/AU2016201724B2/en active Active
- 2016-03-18 CN CN201610159114.XA patent/CN105987822B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
US20080263469A1 (en) * | 2006-07-19 | 2008-10-23 | Edsa Micro Corporation | Systems and methods for creation of a schematic user interface for monitoring and predicting the real-time health, reliability and performance of an electrical power system |
US20100042327A1 (en) * | 2008-08-13 | 2010-02-18 | Baker Hughes Incorporated | Bottom hole assembly configuration management |
US20120179326A1 (en) * | 2011-01-06 | 2012-07-12 | Eurocopter | Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft |
CN103116277A (zh) * | 2011-10-24 | 2013-05-22 | 费希尔-罗斯蒙特系统公司 | 预测故障分析 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269905A (zh) * | 2016-12-02 | 2021-08-17 | 塞阿姆斯特朗有限公司 | 护理装备和系统的性能参数化 |
CN110326257A (zh) * | 2017-03-01 | 2019-10-11 | 瑞典爱立信有限公司 | 使用人工生命预报关键性能指示符的方法和设备 |
US11424999B2 (en) | 2017-03-01 | 2022-08-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for key performance indicator forecasting using artificial life |
CN110326257B (zh) * | 2017-03-01 | 2022-11-29 | 瑞典爱立信有限公司 | 使用人工生命预报关键性能指示符的方法和设备 |
CN108036941A (zh) * | 2017-12-26 | 2018-05-15 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
CN108036941B (zh) * | 2017-12-26 | 2019-10-22 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
CN108091129A (zh) * | 2018-01-12 | 2018-05-29 | 北京摩拜科技有限公司 | 车辆故障处理方法、服务器、检测设备及车辆系统 |
Also Published As
Publication number | Publication date |
---|---|
AU2016201724B2 (en) | 2017-02-16 |
US20160274551A1 (en) | 2016-09-22 |
AU2016201724A1 (en) | 2016-10-06 |
US11042128B2 (en) | 2021-06-22 |
CN105987822B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105987822A (zh) | 用于预测装备故障的方法和系统 | |
US10839115B2 (en) | Cleansing system for a feed composition based on environmental factors | |
CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
KR102169561B1 (ko) | 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법 | |
CN1324418C (zh) | 制炼系统内使用的气穴检测 | |
CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
WO2016141134A1 (en) | Managing web-based refinery performance optimization | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
CN100472509C (zh) | 支持实时操作和维护的装置、方法和系统 | |
KR20160105453A (ko) | 해저 제어 서브시스템 컴포넌트들에 대한 컴포넌트 건강상태 및 예방정비 요구들을 시각화하는 시스템들 및 방법들 | |
US11977200B2 (en) | System and method for real-time monitoring and optimizing operation of connected oil and gas wells | |
KR20140130540A (ko) | 설비들의 그룹의 조건 모니터링을 위한 방법 및 시스템 | |
CN103025592A (zh) | 用于油田设备预测和健康管理的系统、方法和装置 | |
CN103403463A (zh) | 故障检测和诊断算法 | |
NO337835B1 (no) | Fremgangsmåte og system for sanntidsoperasjoner og vedlikehold | |
CN117010863A (zh) | 一种基于物联网技术的市政管网健康度在线监测系统和方法 | |
MX2015001105A (es) | Monitoreo, diagnostico y optimizacion de operaciones de bomba sumergible electrica. | |
CN112415947B (zh) | 一种基于dtu设备的cnc机床数据采集与管理方法及系统 | |
CN101893863A (zh) | 基于档案的动设备离线采集受控管理系统 | |
CN106796157A (zh) | 检测配送网络、特别是饮用水配送网络中的异常的方法 | |
CN104764595A (zh) | 远程诊断系统 | |
CN115526375A (zh) | 一种航天装备预测性维护系统 | |
CN117196159A (zh) | 基于互联网大数据分析的智慧水务分区计量系统 | |
CN110455370B (zh) | 防汛抗旱远程遥测显示系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |