CN106503807B - 一种改进型rcm分析方法及基于其的动设备完整性评价系统 - Google Patents
一种改进型rcm分析方法及基于其的动设备完整性评价系统 Download PDFInfo
- Publication number
- CN106503807B CN106503807B CN201610833184.9A CN201610833184A CN106503807B CN 106503807 B CN106503807 B CN 106503807B CN 201610833184 A CN201610833184 A CN 201610833184A CN 106503807 B CN106503807 B CN 106503807B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- equipment
- feasible
- judging whether
- executing
- 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
Links
Images
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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种改进型RCM分析方法及基于其的动设备完整性评价系统,其方法包括:S1.划分海洋平台动设备系统边界,所有设备的层次结构树;S2.逐层确定层次结构树中各设备的性能指标;S3.确定重要度评价指标,根据重要度评价指标对所有设备进行重要度评价,将设备分为重要设备和非重要设备;S4.确定重要设备的故障模式,对重要设备进行FMECA分析,确定各重要设备的故障原因及影响;S5.建立维修逻辑决断图,对重要设备和非重要设备进行逻辑决断,确定其维修方法,并生成维修大纲;S6.根据维修大纲制定出直接实施的维修方案。本发明在整个分析过程引入数学模型及算法,将定性分析转变为定量分析,从而得到更直观、更精确的分析结果。
Description
技术领域
本发明涉及海洋平台动设备完整性技术领域,特别是涉及一种改进型RCM分析方法及基于其的动设备完整性评价系统。
背景技术
由于我国海上油气生产设备设施和大多数先进设备购置、租赁和使用限制的原因,目前大多数产品的管理还不能延展到论证设计、加工制造和安装与调试阶段。因此,目前对海上油气生产设备设施完整性管理主要是指使用、运营之后的设备运营维护阶段完整性管理。因此,维修策略的制定与实施,是海上油气生产设备设施完整性管理的重要组成部分,同时我国海洋石油企业已经采用一些资产管理的方法或工具如:企业资源计划(ERP)、设备物资管理系统(CMMS、MAXIMO及SAP)和关键绩效分析(KPI)等,但仅仅使用这些技术并不能达到AIM的目标。
完善的AIM是一项复杂的管理过程,即是用整体优化的方式管理资产,以达到资产的可靠性、可用性以及经济性的要求并可持续发展。完善的AIM作为维护与管理的最高级,其包含了基于风险管理的三项核心技术:RCM、RBI、SIL,而这些核心技术又包含了多项主动维护和计划维护方法。
海洋平台设备,尤其是动设备,与管道、站场设备和井筒等存在较大区别,主要表现为平台动设备数目众多、结构复杂、技术指标高、环境工况恶劣和维修困难等特点,以至于现有的完整性管理体系都不能直接适用于海洋平台动设备完整性管理需求,同时动设备完整性管理关键技术与其他设备完整性管理关键技术也不同。
目前,传统RCM分析方法的体系和结构已基本形成,已广泛地应用到众多行业中,但在其实际推广与应用过程中仍然有一些方面需要进一步改进和完善。在对传统RCM方法在多个行业,尤其是海洋石油行业,应用情况调研的基础上,对其目前存在的主要问题和不足进行了总结分析,具体如下:
(1)传统RCM分析是一种定性的分析过程或方法,在其每一步的决策点都必须根据经验或专家建议进行判断,因而,维修决策结果受人为因素影响比较大,且存在较大波动。
(2)传统RCM分析精度较低,分析过程中所收集的数据多半是定性的描述,少有数值型数据,因此,分析过程多采用定性分析,定量分析不够,致使最终分析结果精度较低,且误差较大。
(3)传统RCM分析内容过于复杂、工作量较大、效率低下,导致RCM分析成本较高。同时,RCM分析过程中需制定许多繁杂的表格,无法重复使用,也无法对数据进行系统管理、快速查询和提取,严重影响相关数据和案例的综合分析和应用。
(4)传统RCM方法具有通用性,但不具有针对性,致使其应用于不同行业或企业时,无法与设备的不同自身特点和不同运行环境建立联系,从而无法制定出行之有效的维修策略,无法达到RCM方法所应有的效果。
(5)传统RCM的适用性准则、有效性准则(包括参数、指标和度量方法)以及逻辑决断图等不够切合实际,致使不便于操作,导致RCM的实用性较差,且RCM决断不够准确。
(6)传统RCM分析实施过程中,没有与设备的设计情况、设备实时运行状态和维修状况等信息建立紧密联系,因此不能结合运行实时数据、运行与维修历史数据等信息,对RCM分析结果(维修大纲)进行动态调整,从而导致设备维修策略和维修任务实施不合理。
(7)传统RCM分析中,未能结合行业背景、生产要求、运作特殊环境和设备自身特性等,来对所属设备进行不同重要度的划分,从而对非重要设备都进行RCM的常规分析(如FMEA,逻辑决断等),从而增加了分析对象和内容,导致耗费过多时间与维修资源,并降低分析效率和精度。
(8)传统的RCM分析中,能根据其维修方法逻辑决断图确定出重要功能产品的维修方法,但其维修任务(定期维修、故障检查,隐患检测等)执行时间或维修间隔期,多数情况下仅是根据维修经验和行业标准等来进行确定。
同时,由于传统RCM是基于疲劳和磨损理论来研究零部件的可靠性,其更为适用于军工、航天、航空等领域机械设备的可靠性风险评价。然而对于石油石化行业中的设备,尤其对于海洋平台动设备而言,产品的失效不仅限于疲劳损坏和磨损失效,因此国外的RCM风险评估软件和标准应用于我国则具有一定的选择性和局限性。由于我国海洋平台动设备沿用传统的设备管理模式和维修制度,未建立以可靠性为中心的维修管理模式,在传统的设备管理体制下,RCM评估实施过程中也遇到了巨大的挑战,主要表现在:设备数据、故障数据、维修数据记录不标准,设备故障模式发生频率、故障后果难以统计,造成很难进行RCM定量风险评估。
发明内容
本发明的目的在于克服现有技术的不足,提供一种改进型RCM分析方法及基于其的动设备完整性评价系统,在确定重要功能设备的分析过程中,强调设备故障风险对设备重要度及分类的影响,在RCM整个分析过程引入数学模型及算法,将RCM由定性分析转变为定量分析,从而得到更直观、更精确的和更科学的分析结果;同时,通过实施海洋平台动设备完整性评价系统,可以使设备管理者对动设备各部件实现分级管理,优化维修策略,提高动设备的可靠性,同时减少安全事故的发生,实现动设备的本质安全。
本发明的目的是通过以下技术方案来实现的:一种改进型RCM分析方法,包括:
S1.确定分析对象:根据国家标准划分海洋平台动设备系统边界,并构建海洋平台动设备包含的所有设备的层次结构树;
S2.确定性能标准:根据使用要求和性能数据逐层确定所述层次结构树中各设备的性能指标;
S3.确定重要设备:根据使用要求确定重要度影响因素,并根据重要度影响因素确定重要度评价指标,然后根据重要度评价指标对所有设备进行重要度评价,定义重要度大于第一阈值的设备作为重要设备,重要度小于等于第一阈值的设备作为非重要设备;
S4.FMECA分析:根据运行数据和维修数据确定重要设备的故障模式,对重要设备进行FMECA分析,确定各重要设备的故障原因及影响;
S5.确定维修策略:根据国家标准建立维修逻辑决断图,对重要设备和非重要设备进行逻辑决断,确定其维修方法,根据运行数据和维修数据确定维修间隔期,并生成维修大纲;
S6.制定维修实施方案:根据维修大纲制定出直接实施的维修方案。
所述改进型RCM分析方法还包括:S7.优化维修任务:根据FMECA分析的结果确定出各重要设备的高风险故障模式,并确定监测对象,获取监测对象的性能数据,对该性能数据进行分析获得监测对象的性能动态,根据监测对象的性能动态对维修大纲进行调整。
所述改进型RCM分析方法还包括对非重要设备分类的步骤:建立基于设备故障频率和故障影响的低阶风险矩阵,将非重要功能设备分为有风险非重要设备和无风险非重要设备。
对于无风险非重要设备,其逻辑决断的方法为:
S501.判断无风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修。
对于有风险非重要设备,其逻辑决断的方法为:
S511.判断有风险非重要设备是否存在隐蔽性后果:若存在隐蔽性后果,则执行S513;否则,执行S512;
S512.判断有风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修;
S513.判断是否可以检测出隐蔽性故障:若可以检测出隐蔽性故障,则执行隐患检测;否则执行S514;
S514.判断所述隐蔽性后果是否影响人员安全和环境:若是,则采用改进维修;否则执行S515;
S515.判断有风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修。
对于重要设备,其逻辑决断的方法为:
S521.判断重要设备是否需要进行保养:若需要,则执行保养工作;
S522.判断重要设备是否需要进行巡检:若需要,则执行巡检;
S523.判断重要设备是否存在隐蔽性后果:若是,则执行S524;否则,执行S528;
S524.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S525;
S525.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S526;
S526.判断隐患检测是否可行:若隐患检测可行,则执行隐患检测;否则执行S527;
S527.判断所述隐蔽性后果是否影响人员安全和环境:若是,则采用改进维修;否则执行事后维修;
S528.判断重要设备是否存在安全性后果:若是,则执行S529;否则,执行S5212;
S529.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5210;
S5210.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5211;
S5211.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行改进维修;
S5212.判断重要设备是否存在任务性后果:若是,则执行S5213;否则,执行S5216;
S5213.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5214;
S5214.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5215;
S5215.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行改进维修;
S5216.判断重要设备是否存在经济性后果:若是,则执行S5217;
S5217.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5218;
S5218.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5219;
S5219.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行S5220;
S5220.判断改进维修是否可行:若改进维修可行,则执行改进维修;否则执行事后维修。
重要度的评价方法为:
S31.建立设备的重要度评价指标;
S32.建立各重要度评价指标的评分标准;
S33.多个评价者分别采用AHP方法确定出各重要度评价指标的初始权重值及优序关系,得到各重要度评价指标的多种初始权重值及优序关系;
S34.采用模糊Borda序值法对各重要度评价指标的多种初始权重值及优序关系进行计算,得到各重要度评价指标的Borda值;
S35.根据各重要度评价指标的Borda值生成各重要度评价指标的群体权重值及优序关系;
S36.根据各重要度评价指标的群体权重值及优序关系,计算设备的重要度。
基于改进型RCM分析方法的动设备完整性评价系统,包括:
数据采集模块,用于采集并存储海洋平台动设备的各种数据;
重要设备识别模块,用于对海洋平台动设备包含的所有设备进行重要度识别,选择重要度大于阈值的设备作为重要设备;
维修大纲制定模块,用于根据权利要求1~7所述的改进型RCM分析方法对各设备进行分析,制定出维修大纲;
风险分析模块,用于识别出各重要设备的故障模式,并计算各故障模式的风险等级,选择风险等级大于第二阈值的故障模式作为高风险故障模式;
完整性评价模块,用于识别和评价各设备的运行状态、预测各设备的运行状态和估计各设备的剩余寿命;
维修策略优化模块,用于根据各重要设备的高风险故障模式、以及完整性评价模块对各重要设备的评价结果,对维修大纲进行调整;
效能评估模块,用于对海洋平台动设备完整性评价的绩效进行评测。
所述风险分析模块计算各故障模式的风险等级的方法为:
SS1.构建设备的风险层次关系图,并根据风险层次关系图确定评价体系层数L;
SS2.确定风险层次关系图中第一层被评对象的Borda值及排序值;
SS3.令l=2;
SS4.确定风险层次关系图中第l层被评对象的Borda值及排序值;
SS5.判断l是否等于L:若l等于L,则输出L层被评对象的Borda值及排序值;否则,将l加1,执行SS4。
本发明的有益效果是:
(1)结合传统RCM方法存在的问题和所提出的改进措施,在多个分析步骤中引入了定量分析方法,根据实际问题建立了多个数学模型和算法(重度评价模型、风险分析模型、维修间隔期优化模型和状态评估模型等),实现了定性分析向定量化分析转化,从而保证了RRCM在工程应用的精确性和科学性;
(2)结合计算机网络技术,将本发明的各个分析步骤模块化,集成相应的数学模型和算法,形成一套流程化分析系统,同时实现多用户间数据的实时分享与交换,从而提高本发明中方法在工程应用的分析效率,减少整体工作量;
(3)采用计算机辅助技术、网络技术、物联网技术和数据挖掘技术等,与现有的设备管理系统相结合,形成数据交换与互通,发挥各自的优势,科学、高效地对海洋平台动设备进行维修管理,最终实现生产的持续安全进行,从而提高了实用性和科学性;
(4)通过企业现有的设备维护、物质购置等管理系统,挖掘出现场设备所发生的故障模式、发生时间、故障原因及影响、维修费用等基础数据,并采用FMECA分析方法对相关数据进行系统处理和归纳,从而为关键设备或部件的故障模式风险和运行状态评价提供详细的数据支持;
(5)改善安全性和环境完整性,提高运行性能和维修成本效益,延长设备的使用寿命,增进设计、生产、使用和维修部门之间的协作精神,以最低费用保证最大安全性和可靠性,大大减少维修项目,节省人力、物力和财力,缩短维修时间,追求故障率最小、寿命周期费用最低、机械综合经济效益最好;
(6)通过实施海洋平台动设备完整性评价系统,可以使设备管理者对动设备各部件实现分级管理,优化维修策略,提高动设备的可靠性,同时减少安全事故的发生,实现动设备的本质安全;在实现本质安全的条件下节省维修费用,提高设备管理水平及工作效率。
附图说明
图1为本发明中改进型RCM分析方法的一个实施例的流程图;
图2为本发明中海洋平台动设备的重要度评价的流程图;
图3为本发明中采用层次分析法确定各评价指标的初始权重值的流程图;
图4为本发明中计算设备的重要度的一个实施例的流程图;
图5为本发明中计算设备的重要度的又一个实施例的流程图;
图6为本发明中无风险非重要设备的维修方法的流程图;
图7为本发明中有风险非重要设备的维修方法的流程图;
图8为本发明中重要设备的维修方法的流程图;
图9为本发明中基于改进型RCM分析方法的动设备完整性评价系统的一个实施例的流程图;
图10为本发明中风险分析模块计算各故障模式的风险等级的一个实施例的流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种改进型RCM分析方法,包括以下步骤:
S1.确定分析对象:根据国家标准划分海洋平台动设备系统边界,并构建海洋平台动设备包含的所有设备的层次结构树。
选定分析对象后,根据国家标准中设备边界和分析体系的确定方法,划分海洋平台动设备的系统边界;再根据系统或设备的设计图纸、说明书、拆装资料和检修记录等信息分层构建系统或设备的结构树。在结构树建立过程中,必须保证重要产品不会被漏掉,且出现故障时会对系统产生严重影响(安全性、任务性或经济性)。
S2.确定性能标准:根据使用要求和性能数据逐层确定所述层次结构树中各设备的性能指标。
根据系统或设备的使用要求,例如行业设备的管理标准、企业的使用要求等,结合上一步所得到的系统边界划分或系统结构树,首先逐层确定其功能和性能指标,即确定系统或设备整体的功能和性能标准,其次确定子系统的功能和性能指标;再者确定单元或者机构的功能和性能指标;最后确定零部件的功能和性能指标。准确地描述分析对象的功能和性能标准将有助于确定重要功能设备和保证FMECA分析结果的准确性和有效性。
S3.确定重要设备:根据使用要求确定重要度影响因素,并根据重要度影响因素确定重要度评价指标,然后根据重要度评价指标对所有设备进行重要度评价,定义重要度大于第一阈值的设备作为重要设备,重要度小于等于第一阈值的设备作为非重要设备。
通过建立设备重要度的评价模型,从而计算出各设备的重要度数值,实现对重要度的量化,从而直观地比较相互间的重要程度。根据实际情况和要求来确定设备重要度的界定标准,最终划分出重要设备和非重要设备。
如图2所示,所述步骤S3中,重要度的评价方法为:
S31.建立设备的重要度评价指标;
S32.建立各重要度评价指标的评分标准;
S33.多个评价者分别采用AHP方法确定出各重要度评价指标的初始权重值及优序关系,得到各重要度评价指标的多种初始权重值及优序关系。
如图3所示,多个评价者分别采用AHP方法确定出各重要度评价指标的初始权重值及优序关系,包括:
S331.建立层次结构模型:根据设备的重要度评价指标建立设备的重要度的层次结构模型;
S332.构造判断矩阵:评价者将各评价指标进行两两比较,构造出判断矩阵D:
其中,uij表示第i个重要度评价指标对第j个重要度评价指标的相对重要度,uji表示第j个重要度评价指标对第i个重要度评价指标的相对重要度,uji的取值为uij的倒数;
S333.计算最大特征值及其特征向量:计算所述判断矩阵D的最大特征值λmax,并根据下式计算所述最大特征值λmax对应的特征向量W:
W=(ω1+ω2+…+ωn)
S334.对所述特征向量W进行归一化得到各评价指标的初始权重值,并根据所述各评价指标的初始权重值生成各评价指标的优序关系;
S335.一致性检验:根据下式对所述判断矩阵D进行一致性检验:若一致性检验成功,则输出各评价指标的初始权重值及优序关系;否则,执行步骤S332:
CR=CI/RI,CI=(λmax-n)/(n-1)
式中,CR—判断矩阵D的随机一致性比率,CI—判断矩阵D的一般一致性指标,RI—判断矩阵D的平均随机一致性指标。
S34.采用模糊Borda序值法对各重要度评价指标的多种初始权重值及优序关系进行计算,得到各重要度评价指标的Borda值。
所述步骤S34包括:
S341.确定隶属度μmn:在第m个评价者确定的设备的初始权重值及优序关系中,计算每一个重要度评价指标的权重值Dn属于优的隶属度μmn:
μmn=Bm(Dn)/mnax{Bm(D1),Bm(D2),…,Bm(Dn)}
式中,Bm(Dn)—重要度评价指标的权重值Dn在第m个评价者确定的设备的初始权重值及优序关系中的效用值;
S342.计算模糊频数fkn和模糊频率Wkn:
S343.计算优序关系得分Qk:计算每一个重要度评价指标的权重值Dn在优序关系中排在第k位的得分:
S344.计算Borda值:计算各重要度评价指标的Borda值FB(Dn):
S35.根据各重要度评价指标的Borda值生成各重要度评价指标的群体权重值及优序关系。
S36.根据各重要度评价指标的群体权重值及优序关系,计算设备的重要度。
如图4所示,所述步骤S36包括:
S361.多个评价者根据评分标准对设备进行评分;
S362.根据各重要度评价指标的群体权重值以及多个评价者对设备的评分计算得到设备的多个重要度指数Index;
S363.根据所述设备的多个重要度指数Index生成多种设备重要度及优序关系;
S364.采用模糊Borda序值法计算各设备的Borda值;
S365.根据各设备的Borda值生成各设备的重要度。
如图5所示,所述步骤S361还包括更新重要度评价指标的群体权重值:产生一组随机数,按预设规则为每项重要度评价指标分配一个随机数,将各项重要度评价指标的群体权重值更新为其对应的随机数。
更新重要度评价指标的群体权重值包括:(0,1)分布的均匀随机发生器产生一组随机数,随机数的个数与重要度评价指标的个数相同,将该组随机数中的各随机数按照由大到小的顺序依次分配给优先级从高至低的各重要度评价指标,将各项重要度评价指标的群体权重值更新为其对应的随机数。
所述步骤S365之后还包括:
S366.根据重要度统计各设备的排名,获取各设备所属排列序号;
S367.判断仿真次数是否达到预设值:若仿真次数达到预设值,执行步骤S368;否则,执行步骤S361;
S368.根据各设备所述序列号的累计频率绘制出其累计频率图;
S369.根据各设备的累计频率图计算各设备的重要度。
所述步骤S369中,重要度的计算方法为:根据累计频率图中各设备的累计曲线的累积速率计算各设备的重要度;或,根据累计频率图中各设备的累计曲线的右边所围面积计算各设备的重要度。
S4.FMECA分析:根据运行数据和维修数据确定重要设备的故障模式,对重要设备进行FMECA分析,确定各重要设备的故障原因及影响。
从MAXIMO和SAP等管理系统或现场巡检记录、故障维修记录中,提取出上一步所确定的重要设备的运行数据、维修数据和费用信息等用于支持FMECA的分析。首先根据所收集到的历史数据确定分析对象的故障模式,然后对重要设备的故障原因和故障影响等进行分析,同时通过定性分析和引入权重的定量分析方式,从安全风险、环境风险、经济成本风险、维修成本分析等四个方面,确定出分析对象的所有故障模式的风险概率和风险等级。
根据FMECA中各故障模式的危险分析结果,可从经济性、任务性、等四个方面制定出配套的风险矩阵,从而定性地确定出高风险故障模式。也可以将FMECA中的风险分析结果进行量化,采用数学方法,建立风险评价模型,实现风险的定量分析。确定出高风险的故障模式可作为下一步动设备状态维修的直接对象,也可作为后续维修任务优化重点考虑对象。
S5.确定维修策略:根据国家标准建立维修逻辑决断图,对重要设备和非重要设备进行逻辑决断,确定其维修方法,根据运行数据和维修数据确定维修间隔期,并生成维修大纲。
根据工程标准、海洋平台动设备特性及其维修制度、维修策略等,建立逻辑决断图。再对所确定的重要功能设备进行逻辑决断,确定其维修方法(定期维修,定期报废,状态维修或隐患检查等)。为了定期、有序地实施维修,从经济性、任务性和安全性三方面建立维修间隔期优化模型,再根据MAXIMO或SAP系统中所提取的设备运行数据、维修数据和资产数据等,分析出设备的故障规律和经济成本等,从而将所获得的相关数据代入维修间隔期优化模型中,确定出设备的维修间隔期。最后将决策依据、维修方法和执行时机进行系统分析,形成设备的维修大纲。
所述改进型RCM分析方法还包括对非重要设备分类的步骤:建立基于设备故障频率和故障影响的低阶风险矩阵,将非重要设备分为有风险非重要设备和无风险非重要设备。
即,设备分类的方法为:
首先,获取步骤S1中得到的层次结构树,建立基于设备故障频率和故障影响的低阶风险矩阵,从而区分出有风险设备和无风险设备(A类非重要设备);
其次,建立基于多种故障影响(安全风险、环境风险、经济成本风险和维修成本风险)的多阶风险矩阵,并通过FMECA分析,区分出中/高风险设备和低风险设备(B类非重要能设备);
再次,对于中/高风险设备,确定其重要度评价指标和评分标准,建立重要度评价模型,计算出各设备的重要度,区分出重要设备和非重要设备(C类非重要设备);
最后,将上述四类设备划分为三类:无风险非重要设备(A类非重要设备)、有风险非重要设备(B类非重要设备和C类非重要设备)和重要设备。
如图6所示,对于无风险非重要设备,其逻辑决断的方法为:
S501.判断无风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修。
如图7所示,对于有风险非重要设备,其逻辑决断的方法为:
S511.判断有风险非重要设备是否存在隐蔽性后果:若存在隐蔽性后果,则执行S513;否则,执行S512;
S512.判断有风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修;
S513.判断是否可以检测出隐蔽性故障:若可以检测出隐蔽性故障,则执行隐患检测;否则执行S514;
S514.判断所述隐蔽性后果是否影响人员安全和环境:若是,则采用改进维修;否则执行S515;
S515.判断有风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修。
如图8所示,对于重要设备,其逻辑决断的方法为:
S521.判断重要设备是否需要进行保养:若需要,则执行保养工作;
S522.判断重要设备是否需要进行巡检:若需要,则执行巡检;
S523.判断重要设备是否存在隐蔽性后果:若是,则执行S524;否则,执行S528;
S524.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S525;
S525.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S526;
S526.判断隐患检测是否可行:若隐患检测可行,则执行隐患检测;否则执行S527;
S527.判断所述隐蔽性后果是否影响人员安全和环境:若是,则采用改进维修;否则执行事后维修;
S528.判断重要设备是否存在安全性后果:若是,则执行S529;否则,执行S5212;
S529.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5210;
S5210.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5211;
S5211.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行改进维修;
S5212.判断重要设备是否存在任务性后果:若是,则执行S5213;否则,执行S5216;
S5213.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5214;
S5214.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5215;
S5215.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行改进维修;
S5216.判断重要设备是否存在经济性后果:若是,则执行S5217;
S5217.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5218;
S5218.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5219;
S5219.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行S5220;
S5220.判断改进维修是否可行:若改进维修可行,则执行改进维修;否则执行事后维修。
所述改进型RCM分析方法还包括:S7.优化维修任务:根据FMECA分析的结果确定出各重要设备的高风险故障模式,并确定监测对象,获取监测对象的性能数据,对该性能数据进行分析获得监测对象的性能动态,根据监测对象的性能动态对维修大纲进行调整。
通过海洋平台动设备现有的故障诊断系统、状态检测系统以及其他管理系统等对分析对象的性能数据进行长时间的跟踪、分析和评价,获得分析对象的性能动态,从而对维检修大纲进行调整,使得实时的维修任务是动态更新的。同时,再挖掘出MAXIMO、SAP等管理系统中的最新运行数据,应用于维修数据维修间隔期优化模型中,从而所确定出的维修方法执行时间也是动态更新的。最终实现维修任务和执行时机的实时动态更新,有效保证维修任务最优化,避免了任务实施过程中对维检修大纲生搬硬套。
S6.制定维修实施方案:根据维修大纲制定出直接实施的维修方案。
如图9所示,基于改进型RCM分析方法的动设备完整性评价系统,包括数据采集模块、重要设备识别模块、维修大纲制定模块、风险分析模块、风险分析模块、完整性评价模块、维修策略优化模块和效能评估模块。
所述数据采集模块,用于采集并存储海洋平台动设备的各种数据,包括设计数据、运行数据、维修数据、事故记录和评估报告等。
所述重要设备识别模块,用于对海洋平台动设备包含的所有设备进行重要度识别,选择重要度大于第一阈值的设备作为重要设备。通过进行重要度分级,对不同重要度的设备制定出相应的维修策略;同时确定重要设备,将有助于对设备故障风险识别与评价,以及系统及设备的运行状态评价及预测,且在一定程度可降低分析成本和分析冗余。
所述维修大纲制定模块,用于根据权利要求1~7所述的改进型RCM分析方法对各设备进行分析,制定出维修大纲。维修大纲是根据动设备可靠性、任务性和经济性的要求做出的维修工作安排,是设备全生命周期管理中的重要内容,科学的维修大纲将有助于合理分配维修资源,降低设备生命周期内的维护成本,即时实施维修措施,从而保证动设备持续安全、经济地运行。
所述风险分析模块,用于识别出各重要设备的故障模式,并计算各故障模式的风险等级,选择风险等级大于第二阈值的故障模式作为高风险故障模式。风险评价可以确定出高风险的故障模式,从而明确出高风险的零部件、子系统及系统或设备,从而有利于实现对风险有针对性的管控,并为后续设备运行状态的评价及预测提供支持。
如图10所示,所述风险分析模块计算各故障模式的风险等级的方法为:
SS1.构建设备的风险层次关系图,并根据风险层次关系图确定评价体系层数L。
SS2.确定风险层次关系图中第一层被评对象的Borda值及排序值。
所述步骤SS2包括:
SS21.确定风险层次关系图中第一层被评对象及评价准则;
SS22.根据评价准则确定第一层被评对象的得分;
SS23.统计第一层被评对象的得分,确定各第一层被评对象的优序情况;
SS24.计算第一层被评对象的Borda值。
SS3.令l=2。
SS4.确定风险层次关系图中第l层被评对象的Borda值及排序值;
所述步骤SS4包括:
SS41.确定第l层被评对象及其下层所属对象;
SS42.确定第l层的评价准则及评价准则的总数;若第l层给定了评价准则,则根据给定的评价准则进行评分,评价准则的总数则是给定的实际数目;若第l层未给定评价准则,则根据被评对象的结构层次构造评价准则。根据被评对象的结构层次构造评价准则的方法为:将第l层中所有被评对象进行相互比较,每次比较的对象为该层被评对象所对应的第l-1层中所属对象中的一个,将第l层中所有被评对象的下层所属对象的Borda值进行相互比较;对所有l层的被评对象的下层所属对象进行排序组合式的比较,构成第l层的评价准则,该层评价准则的总数即为下层所属对象排列组合的值。
SS43.根据评价准则确定第l层被评对象的得分;
SS44.统计第l层被评对象的得分,确定第l层被评对象的排序值;
SS45.计算第l层被评对象的Borda值。
SS5.判断l是否等于L:若l等于L,则输出L层被评对象的Borda值及排序值;否则,将l加1,执行SS4。
所述完整性评价模块,用于识别和评价各设备的运行状态、预测各设备的运行状态和估计各设备的剩余寿命。完整性评价结果可为海洋平台动设备状态维修策略的制定提供依据,实现更多设备的状态维修,将更加合理有效地实施维修,从而降低设备运行风险和提高安全水平,同时减少设备全运营周期的维护成本。
所述完整性评价模块识别和评价各设备的运行状态的方法为:SSS1.动设备包含的l个零部件构成零部件集合Z,获取l个零部件的所有故障模式,构成各零部件的故障模式集合F;
SSS2.计算第k个零部件的m个故障模式各自所对应的状态特征量,构成第k个零部件的第j个故障模式所对应的n个状态特征量所构成的集合Yj,得到m个故障模式的状态特征量空间Ym;
SSS3.计算出状态特征量空间Ym中第i个状态特征量在t时刻的相对劣化度bi(t),即该状态特征量的故障发生概率p(Yj),计算得到m个故障模式所对应的状态特征量全劣化概率空间pm;
SSS4.计算故障模式集合F中第j个故障模式的综合发生概率P(Fj),得到第k个零部件的m个故障模式发生概率集合Pj;
SSS5.将故障模式发生概率集合Pj中的m个故障模式发生概率分别带入零部件运行状态隶属度函数,计算出第k个零部件所包括的m个故障模式的隶属度矩阵Rk;
SSS6.构建第k个零部件所包含的m个故障模式的权重矩阵Bk,计算得到第i个产品的隶属于运行状态的隶属度向量Dk,根据最大隶属原则确定第k个零部件所处的状态,生成动设备包含的l个零部件的运行状态隶属度空间Cl;
SSS7.定义动设备所包含的l个零部件的权向量为Wl,结合动设备包含的l个零部件的运行状态隶属度空间Cl,得到动设备的状态评语为S,根据最大隶属原则得到该动设备所处的状态。
所述维修策略优化模块,用于根据各重要设备的高风险故障模式、以及完整性评价模块对各重要设备的评价结果,对维修大纲进行调整;动设备的维修策略及维修大纲根据动设备高风险故障模式的变化,以及动设备完整性评价结果进行调整和优化,从而保证设备运营的可靠性和经济性。
效能评估模块,用于对海洋平台动设备完整性评价的绩效进行评测,包括完整性管理目标的完成程度、维修计划完成情况、设备效率的提升比例、设备投入产出比、完整性管理有效性等。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种改进型RCM分析方法,其特征在于,包括步骤:
S1.确定分析对象:根据国家标准划分海洋平台动设备系统边界,并构建海洋平台动设备包含的所有设备的层次结构树;
S2.确定性能标准:根据使用要求和性能数据逐层确定所述层次结构树中各设备的性能指标;
S3.确定重要设备:根据使用要求确定重要度影响因素,并根据重要度影响因素确定重要度评价指标,然后根据重要度评价指标对所有设备进行重要度评价,定义重要度大于第一阈值的设备作为重要设备,重要度小于等于第一阈值的设备作为非重要设备;
S4.FMECA分析:根据运行数据和维修数据确定重要设备的故障模式,对重要设备进行FMECA分析,确定各重要设备的故障原因及影响;
S5.确定维修策略:根据国家标准建立维修逻辑决断图,对重要设备和非重要设备进行逻辑决断,确定其维修方法,根据运行数据和维修数据确定维修间隔期,并生成维修大纲;
S6.制定维修实施方案:根据维修大纲制定出直接实施的维修方案;
所述步骤S3中,重要度的评价方法为:
S31.建立设备的重要度评价指标;
S32.建立各重要度评价指标的评分标准;
S33.多个评价者分别采用AHP方法确定出各重要度评价指标的初始权重值及优序关系,得到各重要度评价指标的多种初始权重值及优序关系;
S34.采用模糊Borda序值法对各重要度评价指标的多种初始权重值及优序关系进行计算,得到各重要度评价指标的Borda值;
S35.根据各重要度评价指标的Borda值生成各重要度评价指标的群体权重值及优序关系;
S36.根据各重要度评价指标的群体权重值及优序关系,计算设备的重要度;
所述改进型RCM分析方 法还包括对非重要设备分类的步骤:
建立基于设备故障频率和故障影响的低阶风险矩阵,将非重要功能设备分为有风险非重要设备和无风险非重要设备;
对于有风险非重要设 备,其逻辑决断的方法为:
S511.判断有风险非重要设备是否存在隐蔽性后果:若存在隐蔽性后果,则执行S513;否则,执行S512;
S512.判断有风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修;
S513.判断是否可以检测出隐蔽性故障:若可以检测出隐蔽性故障,则执行隐患检测;否则执行S514;
S514.判断所述隐蔽性后果是否影响人员安全和环境;若是,则采用改进维修;否则执行S515;
S515.判断有风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修;
对于重要设备,其逻辑 决断的方法为:
S521.判断重要设备是否需要进行保养:若需要,则执行保养工作;
S522.判断重要设备是否需要进行巡检:若需要,则执行巡检;
S523.判断重要设备是否存在隐蔽性后果:若是,则执行S524;否则,执行S528;
S524.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S525;
S525.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S526;
S526.判断隐患检测是否可行:若隐患检测可行,则执行隐患检测;否则执行S527;
S527.判断所述隐蔽性后果是否影响人员安全和环境:若是,则采用改进维修;否则执行事后维修;
S528.判断重要设备是否存在安全性后果:若是,则执行S529;否则,执行S5212;
S529.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5210;
S5210.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5211;
S5211.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行改进维修;
S5212.判断重要设备是否存在任务性后果:若是,则执行S5213;否则,执行S5216;
S5213.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5214;
S5214.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5215;
S5215.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行改进维修;
S5216.判断重要设备是否存在经济性后果:若是,则执行S5217;
S5217.判断状态维修是否可行:若状态维修可行,则执行状态维修;否则执行S5218;
S5218.判断定期维修是否可行:若定期维修可行,则执行定期维修;否则执行S5219;
S5219.判断组合维修是否可行:若组合维修可行,则执行组合维修;否则执行S5220;
S5220.判断改进维修是否可行:若改进维修可行,则执行改进维修;否则执行事后维修。
2.根据权利要求1所述的一种改进型RCM分析方法,其特征在于,所述改进型RCM分析方法还包括:
S7.优化维修任务:根据FMECA分析的结果确定出各重要设备的高风险故障模式,并确定监测对象,获取监测对象的性能数据,对该性能数据进行分析获得监测对象的性能动态,根据监测对象的性能动态对维修大纲进行调整。
3.根据权利要求1所述的一种改进型RCM分析方法,其特征在于,对于无风险非重要设备,其逻辑决断的方法为:
S501.判断无风险非重要设备的预防性维修费用是否大于事后维修费用:若预防性维修费用大于事后维修费用,则采用事后维修,否则采用定期维修。
4.基于改进型RCM分析方法的动设备完整性评价系统,其特征在于,包括:
数据采集模块,用于采集并存储海洋平台动设备的各种数据;
重要设备识别模块,用于对海洋平台动设备包含的所有设备进行重要度识别,选择重要度大于阈值的设备作为重要设备;
维修大纲制定模块,用于根据权利要求1~3任意一项所述的改进型RCM分析方法对各设备进行分析,制定出维修大纲;
风险分析模块,用于识别出各重要设备的故障模式,并计算各故障模式的风险等级,选择风险等级大于第二阈值的故障模式作为高风险故障模式;
完整性评价模块,用于识别和评价各设备的运行状态、预测各设备的运行状态和估计各设备的剩余寿命;
维修策略优化模块,用于根据各重要设备的高风险故障模式、以及完整性评价模块对各重要设备的评价结果,对维修大纲进行调整;
效能评估模块,用于对海洋平台动设备完整性评价的绩效进行评测。
5.根据权利要求4所述的基于改进型RCM分析方法的动设备完整性评价系统,其特征在于,所述风险分析模块计算各故障模式的风险等级的方法为:
SS1.构建设备的风险层次关系图,并根据风险层次关系图确定评价体系层数L;
SS2.确定风险层次关系图中第一层被评对象的Borda值及排序值;
SS3.令l=2;
SS4.确定风险层次关系图中第l层被评对象的Borda值及排序值;
SS5.判断l是否等于L:若l等于L,则输出L层被评对象的Borda值及排序值;否则,将l加1,执行SS4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610833184.9A CN106503807B (zh) | 2016-09-20 | 2016-09-20 | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610833184.9A CN106503807B (zh) | 2016-09-20 | 2016-09-20 | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106503807A CN106503807A (zh) | 2017-03-15 |
CN106503807B true CN106503807B (zh) | 2020-07-17 |
Family
ID=58290653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610833184.9A Active CN106503807B (zh) | 2016-09-20 | 2016-09-20 | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503807B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492203A (zh) * | 2018-02-27 | 2018-09-04 | 西南石油大学 | 一种石油钻修机设备完整性管理方法及系统 |
CN108960679A (zh) * | 2018-07-26 | 2018-12-07 | 四川大学 | 一种油气输送管道安全裕度与剩余寿命在线监测平台 |
CN109389229B (zh) * | 2018-10-15 | 2021-03-23 | 苏州热工研究院有限公司 | 以技术分析为导向的仪控设备维修策略分析方法 |
CN111491002B (zh) * | 2019-01-29 | 2023-12-05 | 杭州海康威视系统技术有限公司 | 设备巡检方法、装置、被巡检设备、巡检服务器及系统 |
CN109978192A (zh) * | 2019-04-10 | 2019-07-05 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂状态维护模型构建方法及系统 |
CN112819262A (zh) * | 2019-10-30 | 2021-05-18 | 中国石油化工股份有限公司 | 存储器、工艺管道检维修决策方法、装置和设备 |
CN111915138B (zh) * | 2020-07-02 | 2023-05-30 | 天津理工大学 | 一种基于措施优先级的配电网的合环决策方法及装置 |
CN112446585A (zh) * | 2020-10-16 | 2021-03-05 | 北京博华信智科技股份有限公司 | 海洋石油动设备动态rcm分析系统 |
CN112749909A (zh) * | 2021-01-18 | 2021-05-04 | 沈阳工业大学 | 一种面向主动维护的电力设备健康状态评估方法 |
CN113420894B (zh) * | 2021-07-02 | 2023-11-03 | 盛东如东海上风力发电有限责任公司 | 一种海上风电机组设备的检修方案制定系统及方法 |
CN113723827B (zh) * | 2021-09-01 | 2023-09-15 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与系统 |
CN113687259B (zh) * | 2021-09-23 | 2023-11-24 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的机房ups检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745293B (zh) * | 2013-11-27 | 2017-08-01 | 苏州热工研究院有限公司 | 一种rcm分析方法 |
CN104820908B (zh) * | 2015-05-22 | 2019-01-04 | 中国石油化工股份有限公司 | 一种炼油企业基于风险的设备完整性管理系统 |
CN105260947B (zh) * | 2015-10-13 | 2019-06-25 | 苏州热工研究院有限公司 | 用于核电站设计阶段的可用率评价方法 |
-
2016
- 2016-09-20 CN CN201610833184.9A patent/CN106503807B/zh active Active
Non-Patent Citations (5)
Title |
---|
以可靠性为中心的维修发展与应用综述;武禹陶等;《军械工程学院学报》;20160831;第28卷(第4期);第13页至21页 * |
基于AHP和模糊熵的高速公路重要度评价;周正兵等;《交通运输工程与信息学报》;20121231;第10卷(第4期);第36页至43页 * |
基于RCM的机电设备维修策略研究;边晓明;《江苏科技信息》;20160530(第13期);第67页至70页 * |
基于RCM的石化装置动设备维修测量研究;郑庆元;《中国优秀硕士学位论文全文数据库工程科技I辑》;20160315;第24页至40页、第73页 * |
基于改进模糊物元模型的设备重要度评价新方法;吕锋等;《吉林大学学报(工学版)》;20140130;第44卷(第1期);第111页至116页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106503807A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503807B (zh) | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 | |
CN106600095B (zh) | 一种基于可靠性的维修评估方法 | |
Wang et al. | Coal mine safety production forewarning based on improved BP neural network | |
Mahdi et al. | Development of estimation and forecasting method in intelligent decision support systems | |
CN111553411A (zh) | 一种基于多维量化数据的飞行员风险画像方法 | |
Siew-Hong et al. | Selection of optimal maintenance policy by using fuzzy multi criteria decision making method | |
CN105243393A (zh) | 一种基于特征的复杂机电系统故障预报方法 | |
CN110619457A (zh) | 一种基于安全态势评估的监测传感器布设方法及系统 | |
Chen et al. | Risk analysis of coupling fault propagation based on meta‐action for Computerized Numerical Control (CNC) machine tool | |
Jiang et al. | Improvement of random forest by multiple imputation applied to tower crane accident prediction with missing data | |
Li et al. | A novel method of key meta-action unit integrated identification for CNC machine tool reliability | |
CN114881396A (zh) | 一种基于ahp和topsis的隧道坍塌风险评估方法 | |
Zhao | A method of power supply health state estimation based on grey clustering and fuzzy comprehensive evaluation | |
Abramov et al. | The impact of risk factors of construction production on the results of activities of construction organizations in Iraq | |
CN116703148B (zh) | 基于云计算的矿山企业风险画像方法 | |
CN111882238A (zh) | 基于云模型和eahp的门座起重机结构健康评估方法 | |
Tian et al. | Research on management and control of miners’ unsafe behavior based on gray theory | |
CN111026790A (zh) | 一种基于数据挖掘的结构安全评估及预报方法 | |
CN116108445A (zh) | 一种信息系统智能化风险预警管理方法及系统 | |
Zhu et al. | An MBD-driven order remaining completion time prediction method based on SSA-BiLSTM in the IoT-enabled manufacturing workshop | |
Adnan et al. | Improvement of the method of estimation and forecasting of the state of the monitoring object in intelligent decision support systems | |
Yang et al. | Research on real time risk monitoring system of airline operation based on AHP | |
Wu | Design and Exploration of Real Time Monitoring System for Power Grid Operation Safety Based on YOLO Object Detection Algorithm | |
CN111651726B (zh) | 一种用于矿山安全评价和风险预测的数学模型建立方法 | |
Zhuo et al. | Prediction on construction industry safety performance based on AHP and grey system |
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 |