CN106557839B - 一种基于大数据的设备维修策略优化方法及系统 - Google Patents
一种基于大数据的设备维修策略优化方法及系统 Download PDFInfo
- Publication number
- CN106557839B CN106557839B CN201611018532.3A CN201611018532A CN106557839B CN 106557839 B CN106557839 B CN 106557839B CN 201611018532 A CN201611018532 A CN 201611018532A CN 106557839 B CN106557839 B CN 106557839B
- Authority
- CN
- China
- Prior art keywords
- equipment
- maintenance
- maintained
- fault
- current
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (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)
Abstract
本发明提出了一种基于大数据的设备维修策略优化方法及系统,所述设备维修策略优化方法包括以下步骤:根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备的同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;计算第一维修周期和第二维修周期的差别度,若该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;本发明的设备维修策略优化方法及系统利用大数据兼顾了对待维修设备所处运行情况的考虑,实用性强。
Description
技术领域
本发明涉及设备维修领域,尤其涉及一种基于大数据的设备维修策略优化方法及系统。
背景技术
企业的生产离不开设备;设备的健康和可靠运行是企业持续发展的重要基础。随着工业机械化和自动化水平的提高,设备发生非计划性故障不仅对企业生产率、产品质量、售后服务等多个环节产生影响,而且还可能导致严重的灾难和环境事故。而预防性维修是为了预防设备故障所造成严重后果和巨大损失。因此,适当的预防性维修将是保障企业设备正常运行、生产正常运作的关键。
预防性维修策略是安排预防性维修活动计划的依据,它将提供设备需要预防性维修的具体内容及执行间隔。目前,预防性维修策略的制订主要根据设备厂家建议、其他同类企业的经验反馈、RCM/FMEA等方法论分析等方法,但主要存在如下缺点:
1)根据设备厂家建议或其他同类企业经验反馈而制订出的维修策略缺乏对企业自身的运行情况考虑,如环境、布置等差异因素可能导致维修策略并不合适。
2)单纯的RCM/FMEA等方法论的分析,虽然考虑了自身特点,但缺乏对自身同类设备的定量化分析,无法根据设备运行情况进行及时的维修策略优化。
发明内容
本发明针对在目前的预防性维修策略中,根据设备厂家建议或其他同类企业经验反馈而制订出的维修策略缺乏对企业自身的运行情况考虑,如环境、布置等差异因素可能导致维修策略并不合适;单纯RCM/FMEA等方法论的分析,虽然考虑了自身特点,但缺乏对自身同类设备的定量化分析,无法根据设备运行情况进行及时的维修策略优化的问题,提出了一种基于大数据的设备维修策略优化方法及系统。
本发明所提出的技术方案如下:
本发明提出了一种基于大数据的设备维修策略优化方法,包括以下步骤:
步骤S1、根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备的同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;
步骤S2、计算第一维修周期和第二维修周期的差别度,若该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;若该差别度大于预设阈值时,则触发对预防性维修项目进行升级。
本发明上述的设备维修策略优化方法中,步骤S1包括:
子步骤S11、判断反馈待维修设备当前故障的数据源类型为现场故障反馈类型还是预防性维修实施反馈类型;若数据源类型为现场故障反馈类型,则从故障反馈系统中确定发生当前故障的待维修设备,并从设备台账数据库获取该待维修设备的关键度,再进入子步骤S12;若数据源类型为预防性维修实施反馈类型,则直接进入子步骤S12;
子步骤S12、根据待维修设备当前故障,在设备维修模板数据库中获取与该当前故障对应的维修策略;再运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期。
本发明上述的设备维修策略优化方法中,在步骤S2中,第一维修周期和第二维修周期的差别度x由以下算式计算得到:
其中,T1表示第一维修周期;
T2表示第二维修周期。
本发明上述的设备维修策略优化方法中,预设阈值设计为25%。
本发明还提出了一种基于大数据的设备维修策略优化系统,包括:
第一计算模块,用于根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;
调用模块,用于依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;
第二计算模块,用于计算第一维修周期和第二维修周期的差别度;
执行模块,用于在当该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;还用于在当该差别度大于预设阈值时,则触发对预防性维修项目进行升级。
本发明上述的设备维修策略优化系统中,第一计算模块还包括:
判断模块,用于判断反馈待维修设备当前故障的数据源类型为现场故障反馈类型还是预防性维修实施反馈类型;若数据源类型为现场故障反馈类型,则从故障反馈系统中确定发生当前故障的待维修设备,并从设备台账数据库获取该待维修设备的关键度;
处理模块,用于根据待维修设备当前故障,在设备维修模板数据库中获取与该当前故障对应的维修策略;再运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期。
本发明上述的设备维修策略优化系统中,第一维修周期和第二维修周期的差别度x由以下算式计算得到:
其中,T1表示第一维修周期;
T2表示第二维修周期。
本发明上述的设备维修策略优化系统中,预设阈值设计为25%。
本发明创造性地采用第一维修周期和第二维修周期的差别度来判断预防性维修项目是否可用,如当差别度小于预设阈值,则表明采用预防性维修项目对待维修项目进行维修不会对企业生产活动造成影响,从而表示预防性维修项目是可用的。如当差别度大于预设阈值,则表明采用预防性维修项目对待维修项目进行维修将会对企业生产活动造成影响,从而表示预防性维修项目是不可用的,需要进行优化。本发明的设备维修策略优化方法及系统利用了大数据来解决实际发生的故障,加快了解决问题的效率,同时,还兼顾了对待维修设备所处运行情况的考虑,实用性强。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1示出了本发明实施例的基于大数据的设备维修策略优化方法的流程图;
图2示出了图1所示的设备维修策略优化方法的步骤100的流程图;
图3示出了采用图1所示的设备维修策略优化方法的设备维修策略优化系统的功能模块图。
具体实施方式
本发明所要解决的技术问题是:在目前的预防性维修策略中,根据设备厂家建议或其他同类企业经验反馈而制订出的维修策略缺乏对企业自身的运行情况考虑,如环境、布置等差异因素可能导致维修策略并不合适;单纯RCM/FMEA等方法论的分析,虽然考虑了自身特点,但缺乏对自身同类设备的定量化分析,无法根据设备运行情况进行及时的维修策略优化。本发明就该技术问题而提出的技术思路是:根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备的同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;计算第一维修周期和第二维修周期的差别度,若该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;若该差别度大于预设阈值时,则触发对预防性维修项目进行升级。本发明的设备维修策略优化方法及系统利用了大数据来解决当前故障,加快了解决问题的效率,同时,还兼顾了对待维修设备所处运行情况的考虑,实用性强。
为了使本发明的技术目的、技术方案以及技术效果更为清楚,以便于本领域技术人员理解和实施本发明,下面将结合附图及具体实施例对本发明做进一步详细的说明。
如图1所示,图1示出了本发明实施例的基于大数据的设备维修策略优化方法,其包括以下步骤:
步骤100、根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备的同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;
步骤200、计算第一维修周期和第二维修周期的差别度,若该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;若该差别度大于预设阈值时,则触发对预防性维修项目进行升级。
在上述技术方案的步骤100中,待维修设备的关键度是指待维修设备在整个工厂生产活动体系中的重要程度,该项指标是由工厂维修人员预先确定;关键度分为重要、一般和运行至维修三个级别;不同关键度的同种设备所允许的维修周期不同,可以理解,对于越重要的设备,其所允许的维修周期越短。待维修设备的当前运行频度可分为高和低两个级别;不同的运行频度会导致待维修设备的维修方法不同,从而导致维修周期不同;同样地,不同运行频度的同种设备所允许的维修周期也不同,可以理解,运行频度越高,设备所允许的维修周期越短。待维修设备的当前运行环境可以包括恶劣环境和一般环境;不同的运行环境也会导致待维修设备的维修方法不同,从而导致维修周期不同。预防性维修项目一般是待维修设备的生产厂家给出的针对待维修设备所发生的故障的惯用维修项目,或者由使用待维修设备同类产品的其他同类厂家给出的发生相同故障时给出的维修项目,还或者是该待维修设备在企业自身环境中所发生相同故障时曾采用的维修项目;步骤100中所依据的大数据指的便是这些历史数据。一般地,第二维修周期都是在实际维修过程中优化过的;通常来说,第一维修周期要大于第二维修周期。本发明创造性地采用第一维修周期和第二维修周期的差别度来判断预防性维修项目是否可用,如当差别度小于预设阈值,则表明采用预防性维修项目对待维修项目进行维修不会对企业生产活动造成影响,从而表示预防性维修项目是可用的。如当差别度大于预设阈值,则表明采用预防性维修项目对待维修项目进行维修将会对企业生产活动造成影响,从而表示预防性维修项目是不可用的,需要进行优化。
进一步地,如图2所示,步骤100包括:
子步骤110、判断反馈待维修设备当前故障的数据源类型为现场故障反馈类型还是预防性维修实施反馈类型;若数据源类型为现场故障反馈类型,则从故障反馈系统中确定发生当前故障的待维修设备,并从设备台账数据库获取该待维修设备的关键度,再进入子步骤120;若数据源类型为预防性维修实施反馈类型,则直接进入子步骤120;在这里,现场故障反馈类型是指只反馈了所发生的当前故障,而没有反馈发生当前故障的待维修设备的数据源类型;预防性维修实施反馈类型是指既反馈了待维修设备及其关键度,又反馈了该待维修设备所发生的当前故障的数据源类型。因此,当数据源类型为现场故障反馈类型时,必须先确定发生当前故障的待维修设备及其关键度,然后才能进入子步骤120。进一步地,待维修设备的关键度为运行至维修表示该待维修设备处于维修状态,因此,在子步骤110中,当待维修设备的关键度为运行至维修,则终止步骤100。
子步骤120、根据待维修设备当前故障,在设备维修模板数据库中获取与该当前故障对应的维修策略;再运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期;
进一步地,设备维修模板数据库包括设备所发生的故障以及对应的维修策略;RCM分析方法是指以可靠性为中心的维修分析方法,对系统进行功能与故障分析,明确系统内各故障的后果;用规范化的逻辑决断方法,确定出各故障后果的预防性对策;通过现场故障数据统计、专家评估、定量化建模等手段在保证安全性和完好性的前提下,以维修停机损失最小为目标优化系统的维修策略。RtCM分析方法是以可靠性和技术特性为中心,确定资产预防性维修需求、优化维修制度的一种系统工程方法。FMEA分析方法是一种策划用作预防措施工具,其目的是发现、评价产品/过程中潜在的失效及其后果;找到能够避免或减少潜在失效发生的措施并不断地完善。
具体地,在子步骤120中,运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期的步骤为:
对关键度、运行频度和运行环境都相同的待维修设备同类设备的与待维修设备当前故障相关的历史故障数据进行统计分析,得到待维修设备的可靠性概率分布;结合关键度、运行频度和运行环境都相同的待维修设备同类设备的与历史故障数据对应的第三维修周期计算出相应参考值;根据允许的可靠度和待维修设备的可靠性概率分布计算出可靠性数据结果,再结合参考值计算得到第一维修周期。
进一步地,在步骤200中,第一维修周期和第二维修周期的差别度x由以下算式计算得到:
其中,T1表示第一维修周期;
T2表示第二维修周期。
根据经验,预设阈值设计为25%。可以理解,差别度可为负数,预设阈值也可限定为其他数值。
可以理解,在步骤200中,若大数据源中没有与待维修设备当前故障对应的预防性维修项目时,则触发增加预防性维修项目的程序。
进一步地,如图3所示,本发明还提出了与上述设备维修策略优化方法相应的设备维修策略优化系统,包括:
第一计算模块10,用于根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;
调用模块20,用于依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;
第二计算模块30,用于计算第一维修周期和第二维修周期的差别度;
执行模块40,用于在当该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;还用于在当该差别度大于预设阈值时,则触发对预防性维修项目进行升级。
第一计算模块10还包括:
判断模块11,用于判断反馈待维修设备当前故障的数据源类型为现场故障反馈类型还是预防性维修实施反馈类型;若数据源类型为现场故障反馈类型,则从故障反馈系统中确定发生故障的待维修设备,并从设备台账数据库获取该待维修设备的关键度;
处理模块12,用于根据待维修设备当前故障,在设备维修模板数据库中获取与该当前故障对应的维修策略;再运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种基于大数据的设备维修策略优化方法,其特征在于,包括以下步骤:
步骤S1、根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备的同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;
步骤S2、计算第一维修周期和第二维修周期的差别度,若该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;若该差别度大于预设阈值时,则触发对预防性维修项目进行升级。
2.根据权利要求1所述的设备维修策略优化方法,其特征在于,步骤S1包括:
子步骤S11、判断反馈待维修设备当前故障的数据源类型为现场故障反馈类型还是预防性维修实施反馈类型;若数据源类型为现场故障反馈类型,则从故障反馈系统中确定发生当前故障的待维修设备,并从设备台账数据库获取该待维修设备的关键度,再进入子步骤S12;若数据源类型为预防性维修实施反馈类型,则直接进入子步骤S12;
子步骤S12、根据待维修设备当前故障,在设备维修模板数据库中获取与该当前故障对应的维修策略;再运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期。
4.根据权利要求3所述的设备维修策略优化方法,其特征在于,预设阈值设计为25%。
5.一种基于大数据的设备维修策略优化系统,其特征在于,包括:
第一计算模块(10),用于根据待维修设备的关键度、当前故障、当前运行频度和当前运行环境计算出该待维修设备解决其当前故障所需要的第一维修周期;
调用模块(20),用于依据大数据调用具有相同关键度、相同运行频度和相同运行环境的待维修设备同类设备发生相同故障时的预防性维修项目以及采用该预防性维修项目所需要的第二维修周期;
第二计算模块(30),用于计算第一维修周期和第二维修周期的差别度;
执行模块(40),用于在当该差别度小于预设阈值时,则采用已调用的预防性维修项目来解决当前故障;还用于在当该差别度大于预设阈值时,则触发对预防性维修项目进行升级。
6.根据权利要求5所述的设备维修策略优化系统,其特征在于,第一计算模块(10)还包括:
判断模块(11),用于判断反馈待维修设备当前故障的数据源类型为现场故障反馈类型还是预防性维修实施反馈类型;若数据源类型为现场故障反馈类型,则从故障反馈系统中确定发生当前故障的待维修设备,并从设备台账数据库获取该待维修设备的关键度;
处理模块(12),用于根据待维修设备当前故障,在设备维修模板数据库中获取与该当前故障对应的维修策略;再运用RCM分析方法和/或RtCM分析方法和/或FMEA分析方法并根据所述维修策略、待维修设备的关键度、当前运行频度和当前运行环境来计算出第一维修周期。
8.根据权利要求7所述的设备维修策略优化系统,其特征在于,预设阈值设计为25%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611018532.3A CN106557839B (zh) | 2016-11-15 | 2016-11-15 | 一种基于大数据的设备维修策略优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611018532.3A CN106557839B (zh) | 2016-11-15 | 2016-11-15 | 一种基于大数据的设备维修策略优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106557839A CN106557839A (zh) | 2017-04-05 |
CN106557839B true CN106557839B (zh) | 2020-04-14 |
Family
ID=58444456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611018532.3A Active CN106557839B (zh) | 2016-11-15 | 2016-11-15 | 一种基于大数据的设备维修策略优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557839B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656156B (zh) * | 2017-09-22 | 2019-11-29 | 安徽科技学院 | 一种基于云平台的设备故障诊断及运行状态评估方法与系统 |
CN112764384A (zh) * | 2021-01-05 | 2021-05-07 | 易站智联科技(广州)有限公司 | 设备管理的控制方法、系统和存储介质 |
CN115293382B (zh) * | 2022-10-09 | 2023-01-06 | 宁波长壁流体动力科技有限公司 | 一种矿用设备基于物联网的管理方法及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117450A (zh) * | 2011-03-03 | 2011-07-06 | 苏州热工研究院有限公司 | 基于经验反馈的核电设备预防性更换周期的优化方法 |
CN103514568A (zh) * | 2013-10-14 | 2014-01-15 | 广东石油化工学院 | 一种炼化装置长周期运行决策方法 |
CN103745293A (zh) * | 2013-11-27 | 2014-04-23 | 苏州热工研究院有限公司 | 一种rcm分析方法 |
CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
CN104850904A (zh) * | 2015-05-12 | 2015-08-19 | 上海能策燃气轮机有限公司 | 一种优化燃气轮机维检修方案的分析方法 |
CN105260947A (zh) * | 2015-10-13 | 2016-01-20 | 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 |
CN105550757A (zh) * | 2015-12-25 | 2016-05-04 | 中国铁路总公司 | 基于故障统计分析的动车组维修决策方法及装置 |
CN105894133A (zh) * | 2016-05-12 | 2016-08-24 | 华中科技大学 | 一种风电机组部件维修及备品备件需求预测方法 |
CN105989435A (zh) * | 2015-02-06 | 2016-10-05 | 中国石油天然气股份有限公司 | 一种基于rcm理论估算设备维护周期的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140446A (ja) * | 2000-10-31 | 2002-05-17 | Kawasaki Heavy Ind Ltd | 整備管理システム |
US7496475B2 (en) * | 2006-11-30 | 2009-02-24 | Solar Turbines Incorporated | Maintenance management of a machine |
-
2016
- 2016-11-15 CN CN201611018532.3A patent/CN106557839B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117450A (zh) * | 2011-03-03 | 2011-07-06 | 苏州热工研究院有限公司 | 基于经验反馈的核电设备预防性更换周期的优化方法 |
CN103514568A (zh) * | 2013-10-14 | 2014-01-15 | 广东石油化工学院 | 一种炼化装置长周期运行决策方法 |
CN103745293A (zh) * | 2013-11-27 | 2014-04-23 | 苏州热工研究院有限公司 | 一种rcm分析方法 |
CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
CN105989435A (zh) * | 2015-02-06 | 2016-10-05 | 中国石油天然气股份有限公司 | 一种基于rcm理论估算设备维护周期的方法 |
CN104850904A (zh) * | 2015-05-12 | 2015-08-19 | 上海能策燃气轮机有限公司 | 一种优化燃气轮机维检修方案的分析方法 |
CN105260947A (zh) * | 2015-10-13 | 2016-01-20 | 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 |
CN105550757A (zh) * | 2015-12-25 | 2016-05-04 | 中国铁路总公司 | 基于故障统计分析的动车组维修决策方法及装置 |
CN105894133A (zh) * | 2016-05-12 | 2016-08-24 | 华中科技大学 | 一种风电机组部件维修及备品备件需求预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106557839A (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103745293B (zh) | 一种rcm分析方法 | |
JP4550632B2 (ja) | 設備保全計画支援システムおよびその支援方法 | |
CN109376877B (zh) | 设备运维预警方法、装置、计算机设备和存储介质 | |
CN109740930A (zh) | 维修策略制定及可靠度评估方法、终端和计算机存储介质 | |
CN106557839B (zh) | 一种基于大数据的设备维修策略优化方法及系统 | |
EP1727009A1 (en) | System for displaying alarms and related information for supporting process operation | |
CN117391411B (zh) | 一种基于iot物联网的产品加工管理系统 | |
CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
CN114742662A (zh) | 生产管理方法、装置、电子设备及存储介质 | |
Silva et al. | Bottleneck reduction strategies for energy efficiency in the battery manufacturing | |
Lomte et al. | Reliability improvement for TSR machine of Banburry mixer using plant optimization process | |
CN102722156B (zh) | 冶金行业生产过程控制系统故障显示及容错控制方法 | |
CN117950380B (zh) | Mes驱动的工位终端生产过程控制系统及方法 | |
CN111128425A (zh) | 核电厂安全相关系统和设备定期试验监督要求执行方法 | |
CN111046557A (zh) | 一种基于iot-bim的机电设备维护保养智慧管理方法 | |
Sellitto et al. | Maintenance strategy choice supported by the failure rate function: Application in a serial manufacturing line | |
CN114065958A (zh) | 一种用于非标设备的预防性主动维护处理方法及系统 | |
CN109976269B (zh) | 一种卷包车间制造执行过程信息监管的方法 | |
Wang et al. | Maintenance strategy for multi-component systems based on structure and reliability | |
CN114462633A (zh) | 一种基于工业设备的点巡检方法 | |
CN117875567B (zh) | 一种用于产线的管理系统 | |
CN116579724A (zh) | 一种车间备件库的安全库存自动管理方法和装置 | |
CN117829522A (zh) | 一种自适应模具制造管理系统及方法 | |
Maryono | Application of Preventive Maintenance Methods on Boilers at PT. XYZ | |
CN110490759B (zh) | 一种配网电力安全事件等级计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |