CN107121974B - 用于优化推荐的检修间隔的系统及方法 - Google Patents
用于优化推荐的检修间隔的系统及方法 Download PDFInfo
- Publication number
- CN107121974B CN107121974B CN201710103981.6A CN201710103981A CN107121974B CN 107121974 B CN107121974 B CN 107121974B CN 201710103981 A CN201710103981 A CN 201710103981A CN 107121974 B CN107121974 B CN 107121974B
- Authority
- CN
- China
- Prior art keywords
- maintenance interval
- operational
- determining
- queue
- recommended maintenance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012423 maintenance Methods 0.000 claims abstract description 131
- 238000010248 power generation Methods 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims description 26
- 238000011058 failure modes and effects analysis Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000008439 repair process Effects 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 7
- 230000005284 excitation Effects 0.000 claims description 5
- 230000000638 stimulation Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000001994 activation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010977 unit operation Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/40—Testing power supplies
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开的发明名称是“用于优化推荐的检修间隔的系统及方法”。一种用于为发电单元的队列内的多个单元中的每个单元来确定推荐的维护间隔的方法,包括:收集对于发电单元的队列内的多个单元的表示操作及计划外维护数据的经验数据;评价操作及计划外维护数据的经验数据;基于经验数据来生成多个故障模式模型;组合所述多个故障模式模型;对于所述多个故障模式模型的组合来建立目标操作度量;基于目标操作度量为发电单元的队列来生成队列推荐的维护间隔;为发电单元的队列内的多个单元中的每个单元来计算操作分布;基于每个单元的操作分布,为发电单元的队列内的多个单元中的每个单元来计算推荐的维护间隔。
Description
技术领域
本发明涉及确定推荐的维护间隔,且特定地涉及基于每个单元的操作分布(profile)来确定单元队列(fleet)的维护间隔。
背景技术
诸如负责为公用事业公司创建电力的单元的发电单元定期地被分派任务,连续地对于延续的时期以高级别操作。需要对单元加以考虑,以具有高级别的可靠度。可能难以在这些要求下维持可靠度,因为,发电单元的组件由于使用而易于恶化(恶化能包括磨损、疲劳、开裂、氧化以及其它损伤),且要求定期维护。能导致单元的故障的恶化可以被称为故障模式。
发电单元通常包括大型组件,这些组件中的许多组件在使用中旋转且在极端条件下操作,并且,还受到大的机械负荷和电力负荷。在未适当地维护的情况下,这些单元可由于磨损而退化,且如果未适当地被维护,则将最终出故障。为了避免故障,在定期调度下使发电单元离线,以便进行周期性维修和维护。
对发电单元的维护和维修的调度通常包括设置使单元连续操作的操作时期,操作时期从使单元离线以便维修和/或维护的第一事件持续直到也使单元离线以便维修和/或维护的第二事件。对操作时期的长度的确定通常涉及使对单元的可靠操作的要求和对连续且延续的操作的需要进行平衡。
为了对发电单元执行维修和/或维护工作,必须使单元离线。当离线时,单元不生成用于电网的电力。如果允许操作时期太长,则电力单元可能在操作期间意外出故障。这样的意外故障导致发电的计划外中断(outage),这减少依赖于单元的工厂的电力输出,并且,可能具有由于对维修的需要的突发性和即时性而导致的货币资本和人力资本两者的高成本。另一方面,操作时期的缩短减少单元在维修与维护事件之间生成电力的时间量,且因此由于更频繁的离线会话而减少诸如发电单元的寿命的延续时期的期间由单元生成的电力的总量。另一种描述使单元离线的方式是降低“可用度”,这可以在数学上被描述。在数学上,“1”表示在365天的整个历年为可用的。“0”将表示对于一整年是离线的且因而在一年中的0天可用的单元。为了在数学上表示特定单元何时是可用的,可以按(1-(总停机时间除以总日历时间))的形式进行计算,其中,总停机时间为计划的停机时间和计划外停机时间的总和。通常,计算出的故障的似然(likelihood)用于确定在计划的离线维护及维修事件之间延续的工业发电单元的适合操作时期。然后,计算出的故障的似然用于对维护可靠的电力单元的要求与对所生成的电力的需要进行平衡。
所计算出的故障的似然可被表征为发电单元遭受计划外中断的似然。当在除了调度离线时期之外的时间使单元离线时,电力单元遭受计划外中断。典型地,由于在诸如发电厂中的现场中操作的发电单元的故障而导致计划外中断。
在传统上,基于发电单元的实际现场故障的历史数据,确定计划外中断似然。实际现场故障对估计故障的似然有用,但未准确地计及发电单元的所有潜在故障模式。未在单元的历史故障中反映出一些故障模式。
为了对这些其它故障模式建模,通常已使用“潜伏模型”。例如,可以使用潜伏模型来估计先前未被发现的故障模式的似然。潜伏模型途径是不完善的,并且,基于对未预见到的故障模式和未被发现的故障模式的假设分析。潜伏模型考虑与在允许系统或组件超出当前的操作经历而操作的情况下将来可能出现的系统或系统组件的那些未知的故障模式相关联的似然。它通常使用Weibayes模型来估计,Weibayes模型是一种无故障点的Weibull模型,并且,其中,假定形状参数(也被称为“β”)。β的值可以相对较高,并且,可以处于3至4的范围内。通常,β可以处于1至4的范围内。潜伏模型中所使用的假设分析可能未预期到发电单元的实际未预见到的故障模式。
通常,最大操作间隔还可以基于特定单元的最大操作小时数的量或最大启动数的数量。针对小时数的最大间隔或针对启动数的最大间隔的使用导致按照队列中的具体单元的操作分布的函数而变化的操作度量。具体单元与最大小时数或启动数极限相距越远,它被检修就越不那么优化。换句话说,能够使单元操作比当前推荐下所分配的更多的小时数或周期数。
因此,在队列级别,由于通常推荐的维护间隔而使单元过早被检修。固定的常规的维护间隔未考虑按照单元操作的函数而变化的期望操作度量的行为。在一些常规的解决方案中,在系统的启动数的数量与系统运转的小时数之间假定椭圆关系。在那些椭圆的解决方案中,对于一部分操作分布谱,通常推荐过早检修单元,且相反地,推荐比合适的间隔更晚地检修单元。
存在长期感觉到且未解决的对增强系统及方法的需要,以针对单元队列内的每个单独单元准确评估正确的操作时期,以便于最大化它们的价值且最小化由于意外使它们离线而导致的损失。
发明内容
一种用于为单元队列来确定推荐的维护间隔的方法基于每个单元的操作分布。不管操作分布如何,队列中的每个单元都运转至操作度量的恒定值。例如,操作度量可以至少包括计划外维护的恒定似然、计划外维护的成本、可靠度、可用度或甚至总生命周期成本(包括计划外中断成本、维修成本以及副作用成本等)。可以利用故障模式及效应分析(FMEA),以确保适当地计及所有已知的及假设的故障模式。
一种用于为单元队列确定推荐的维护间隔的方法基于运转至操作度量的相同值的队列中的每个单元。如上文中所注意到的,操作度量可以包括计划外维护的似然、计划外维护的成本、单独单元的可靠度、置换零件或置换单元的可用度以及单独单元或单元队列的总生命周期成本。
操作度量可直接联系于感兴趣的每个组件或子系统的故障模式级别处的可靠度模型和/或数据。
作为确定合适的操作时期的一部分,针对感兴趣的每个组件在故障模式级别来创建模型。典型地,这些模型将导致作为操作参数的函数的给定故障模式的计划外维护事件的概率。这些模型还可以包括故障模式在它出现时的后果的数据,例如,事件持续时间或维修成本等。
将所有的单独故障模式的模型组合而导致感兴趣的操作度量。“感兴趣的”操作度量是企业(business)希望针对队列中的每个单元而维护恒定的度量。感兴趣的操作度量的示例包括但不限于计划外维护的似然、计划外维护的成本、单元的可靠度、单元的可用度以及总生命周期成本。
可以基于模型而调整维护间隔,即,操作时期,使得每个操作分布导致操作度量的相同值。例如,可以针对特定单元或单元队列而生成曲线,该曲线将启动数的数量与操作的小时数比较。这样的曲线可以针对任何给定的小时数对启动数比率来指示维护间隔。
可以在上文中所讨论的曲线中呈现的边界内重新评价这样的系统。可以使用诸如故障模式及效应分析(FMEA)的设计评价工具来完成重新评价。如果考虑到维护间隔的新的扩展的边界(相对于常规的方法),应当添加任何新的假设故障模式模型,则可以确定这样的重新评价。如果识别任何新的故障模型,则添加其对应的模型,并且对于所有的单独故障模式重新创建新的模型,如上文中所讨论的。
结果,基于其单独的操作分布,生成单元队列中每个单元的推荐的操作间隔,该单独的操作分布跨队列中的所有单元维持操作度量的相同值。
关于可靠度,出现于机器中的实际磨损、退化以及损伤的经验数据可以用于增强机器故障模式的建模。模型可以用于计算机器的可靠度,并且确定离线维护及维修会话之间的优化时期。基于诸如通过内孔表面检查而对机器进行监测,模型将来自历史现场故障与潜在的(也被称为未预见到的)故障的数据进行组合。
可靠度数据可以表现为不同的形式,这些形式中的每个可以要求不同的工具来测量、捕获且/或收集。可靠度数据可以包括至少:A)操作数据,可以从每个单元自动地收集且/或可以传输至中心监测系统;B)成本数据,可以与计划外停机时间有关,并且,可以在财务会计系统中捕获;以及C)现场工程报告,可以描述故障模式,包括过去已出现的那些故障模式。这些示例为说明性的且非限制性的。
可靠度数据可以记录于各种存储装置上,在数据合并至最终存储装置中之前,这些存储装置可以起中间存储装置的作用。中间和/或合并的数据可以用于创建在故障模式级别的可靠度模型。存储装置可以包括至少:A)第一数据库系统,可以用于存储从每个单元自动地收集且/或传输至中心监测系统的操作数据;B)第二数据库系统,可以用于存储财务会计数据;C)服务器,可以用于存储现场报告,可以已使用诸如文字处理程序的常规办公软件程序来创建这些现场报告,并且,报告可以创建且/或存储为单独的文件;以及D)第三数据库系统,可以存储来自多个数据库和/或存储装置的所编译的可靠度数据。数据库可以是中间数据库。这些示例为说明性的且非限制性的。
分析装置可以用于创建已关于队列内单元和/或作为整体的队列而收集的数据的模型。分析装置可以用于根据可靠度数据而针对感兴趣的每个组件在故障模式级别来创建模型。在已创建模型之后,一个或更多分析装置可以用于应用所创建的模型来预测未来的可靠度、可用度、计划外成本及其它操作考虑因素。一个或更多分析装置还可以用于评价那些模型,以便计算推荐的队列维护间隔。例如,分析装置可以包括至少:A)统计分析软件,其由可靠度工程师用于针对感兴趣的每个组件在故障模式级别来迭代地创建模型;B)基于电子表格的软件工具;C)随机仿真软件;以及D)个人计算机,服务器或基于云的仿真软件。这些示例为说明性的且非限制性的。
发电单元可以包括燃气涡轮、蒸汽涡轮或另一发电装置。
本公开由此提供以下技术方案:
1.一种用于为发电单元的队列内的多个单元中的每个单元来确定推荐的维护间隔的方法,包含:
收集(101)对于发电单元的队列内的多个单元(208、211)的表示操作及计划外维护数据的经验数据;
评价(101)所述操作及计划外维护数据的所述经验数据;
基于所述经验数据而生成(101)多个故障模式模型;
组合(102)所述多个故障模式模型;
对于所述多个故障模式模型的所述组合来建立(103、104)目标操作度量;
基于所述目标操作度量,为发电单元的所述队列来生成(202、302)队列推荐的维护间隔;
为发电单元的所述队列内的所述多个单元中的每个单元来计算(208)操作分布;
基于每个单元的操作分布,为所述发电单元的所述队列内的所述多个单元中的每个单元来计算(108、109、210)推荐的维护间隔。
2.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中在新的推荐的维护间隔内重新评价(109)发电单元的所述队列。
3.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中所选择的操作度量是以下之一:计划外维护的似然、计划外维护的成本、可靠度、可用度或总生命周期成本。
4.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中所选择的操作度量直接联系于每个单元的感兴趣的一个或更多子系统的故障模式级别处的可靠度模型和数据。
5.根据技术方案2所述的用于确定(108、109)推荐的维护间隔的方法,其中使用设计评价工具来进行评价。
6.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中所述多个故障模式模型被设计成输出作为操作参数的函数的计划外维护事件的概率。
7.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中所述多个故障模式模型包括故障模式在它出现时的后果的后果数据。
8.根据技术方案7所述的用于确定(108、109)推荐的维护间隔的方法,其中所述后果数据包括事件持续时间、事件成本和/或维修成本。
9.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中故障模式模型的所述组合导致确定所述推荐的维护间隔的企业所选择的感兴趣的操作度量对于所述队列中的每个单元维持恒定。
10.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,进一步包含调整(107)所述推荐的维护间隔,使得每个操作分布导致所选择的操作度量的相同值。
11.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,其中所述操作分布包含在因数化的启动数相对因数化的小时数的域中的曲线(202)。
12.根据技术方案11所述的用于确定(108、109)推荐的维护间隔的方法,其中所述因数化的启动数相对因数化的激励小时数的域对于任何给定的小时数/启动数比率定义了维护间隔。
13.根据技术方案5所述的用于确定(108、109)推荐的维护间隔的方法,其中所述设计评价工具包含故障模式及效应分析(FMEA),以确定在所组合的多个故障模式模型中是否应当包括任何另外的故障模式模型。
14.根据技术方案1所述的用于确定(108、109)推荐的维护间隔的方法,进一步包含在组件级别来确定故障模式模型。
15.一种用于为发电单元的队列内的多个单元中的每个单元来确定推荐的维护间隔的方法,包含:
收集对于发电单元的队列内的多个单元的操作及计划外维护数据;
评价所述操作及计划外维护数据;
基于所述经验数据而生成多个故障模式模型;
组合所述多个故障模式模型;
对于所述多个故障模式模型的所述组合来建立目标操作度量;
基于所述目标操作度量,为发电单元的所述队列来生成队列推荐的维护间隔;
为发电单元的所述队列内的所述多个单元中的每个单元来计算操作分布;
基于每个单元的操作分布,为所述发电单元的所述队列内的所述多个单元中的每个单元来计算推荐的维护间隔。
16.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中在新的推荐的维护间隔内重新评价发电单元的所述队列。
17.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中所选择的操作度量是以下之一:计划外维护的似然、计划外维护的成本、可靠度、可用度或总生命周期成本。
18.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中所选择的操作度量直接联系于每个单元的感兴趣的一个或更多子系统的故障模式级别处的可靠度模型和数据。
19.根据技术方案16所述的用于确定推荐的维护间隔的方法,其中使用设计评价工具来进行评价。
20.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中所述多个故障模式模型被设计成输出作为操作参数的函数的计划外维护事件的概率。
21.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中所述多个故障模式模型包括故障模式在它出现时的后果的后果数据。
22.根据技术方案21所述的用于确定推荐的维护间隔的方法,其中所述后果数据包括事件持续时间、事件成本和/或维修成本。
23.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中故障模式模型的所述组合导致确定所述推荐的维护间隔的企业所选择的感兴趣的操作度量对于所述队列中的每个单元维持恒定。
24.根据技术方案15所述的用于确定推荐的维护间隔的方法,进一步包含调整所述推荐的维护间隔,使得每个操作分布导致所选择的操作度量的相同值。
25.根据技术方案15所述的用于确定推荐的维护间隔的方法,其中所述操作分布包含在因数化的启动数相对因数化的小时数的域中的曲线。
26.根据技术方案25所述的用于确定推荐的维护间隔的方法,其中所述因数化的启动数相对因数化的激励小时数的域对于任何给定的小时数/启动数比率定义了维护间隔。
27.根据技术方案19所述的用于确定推荐的维护间隔的方法,其中所述设计评价工具包含故障模式及效应分析(FMEA),以确定在所组合的多个故障模式模型中是否应当包括任何另外的故障模式模型。
28.根据技术方案15所述的用于确定推荐的维护间隔的方法,进一步包含在组件级别来确定故障模式模型。
29.一种用于为单元的队列内的单元来确定推荐的维护间隔的系统,包含:
单元的所述队列;
至少第一工具,配置成测量、收集和/或捕获单元的所述队列的可靠度数据;
至少第一存储装置,配置成记录单元的所述队列的所述可靠度数据;以及
至少第一分析装置,配置成评价单元的所述队列的所述可靠度数据;
其中,所述分析装置布置成具有用户可由此选择操作度量的输入,并且所述分析装置配置成基于至少所述可靠度模型和所述目标操作度量来生成推荐的检修间隔。
附图说明
图1示出绘制用于确定推荐的维护间隔的步骤的过程流程图;
图2示出与根据本申请的推荐的维护间隔比较的常规的维护间隔的比较的图形表示;
图3示出与根据本申请的推荐的维护间隔比较的常规的维护间隔的比较的备选的图形表示;
图4(a)示出根据常规手段的作为操作分布的函数的操作度量的图形表示;
图4(b)示出与图2中所示出的图形表示有关的作为操作分布的函数的操作度量的备选图形表示。
图4(c)示出与图3中所示出的图形表示有关作为操作分布的函数的操作度量的又一备选图形表示。
图5示出组合的图形表示,该图形表示在图4(c)的曲线旁边示出图4(b)的曲线。
具体实施方式
图1示出绘制用于确定推荐的维护间隔的步骤的过程流程图。作为第一步骤101,创建故障模式模型。在步骤101中,针对感兴趣的每个组件而创建模型。然后,在步骤102中,将各种故障模式模型组合,以创建特定的感兴趣的操作度量的数学模型,该数学模型可选地示出为图形表示。在将在步骤102中生成的各种故障模式模型组合之后,通过在目标操作分布计算操作度量,从而在步骤103中获得目标操作度量。
随着在步骤103中获得目标操作度量,操作分布然后可在步骤104中被增加。在步骤104的增加中,可以调整维护间隔,使得每个操作分布导致操作度量的相同值。在步骤104的增加之后,在步骤105中,可以在新的操作分布计算操作度量。继在步骤105中计算新的操作度量之后,在步骤106中,将操作度量与目标操作度量比较。如果在步骤105中计算出的操作度量不等于目标操作度量,则系统可以进入优化循环,由此,在步骤107中,调整维护间隔,随后是在步骤105中在最新的操作分布进行操作度量的新的计算。
另一方面,如果在步骤106中发现操作度量在期望的容限(例如,+/- 0.1%)内等于目标操作度量,则然后,在步骤108中,作为确定维护间隔的过程的一部分,系统可以考虑是否需要评价其它操作分布。如果系统或系统的操作人员确定需要评价其它操作分布,则操作分布可以再次如步骤104中那样增加。如果操作分布再次在步骤104中增加,则在步骤105中,在最新的操作分布,再次计算新的操作度量,随后是步骤106中的比较。
另一方面,如果在步骤108中确定不需要评价其它操作分布,则然后,在步骤109中,可以使用例如FMEA过程来在新的推荐的维护间隔内评价系统。
在步骤109中的系统的评价之后,系统或系统的操作人员在步骤110中确定是否由于延续操作而需要对任何其它故障模式进行建模。如果步骤110确定为是,则需要对另外的故障模式进行建模,将新的另外的模型与在步骤102中已考虑的所有的其它模型组合。然后,系统通过步骤102中组合的新的另外的模型来继续通过上面概述的步骤。然而,如果步骤110确定不需要对其它故障模式进行建模或加以考虑,则在步骤111中,完成系统且确定维护间隔。
图2示出基于本申请的操作度量的曲线202和曲线201中的常规维护时期之间的图形比较。在该图中,竖直轴包含发电单元的因数化的激励启动数(factored fired starts)203的测量。水平轴包含发电单元的因数化的激励小时数(factored fired hours)204的测量。曲线202示出为操作度量的等值曲线。在该特定示例中,如在点205处所指示的,操作度量设定为等于现有技术的(常规的)小时数和启动数维护间隔的操作度量的值。
线208示出在将使单元A离线以便调度维护时考虑的示例的“单元A”。点209示出将使单元A离线的常规点,而点210示出将使单元A离线时的根据本技术的点。根据常规的方法,不管单元实际已操作多少小时数,只要已将单元A启动1200次,就必须使单元离线。
线211示出在将使单元B离线以便调度维护时考虑的另一示例的“单元B”。根据常规的方法,只要单元B达到服务的32000小时,就不管激励启动数的数量,都将使单元B离线。类似地,点212示出根据常规的方法的将使单元B离线以便维护的点,而点213示出将使单元B离线时的根据本技术的点。
如图2中所示出的,曲线201与曲线202之间的区域206、207表示使用本文中所描述的系统而变得可能的另外的单元操作。线208的虚线区段示出作为本技术的结果的单元A的增加的操作时间。线211的虚线区段示出作为本技术的结果的单元B的另外的操作时间。
图3示出与图2中所示出的曲线类似的基于本申请的操作度量的曲线302和曲线301中的常规的维护时期之间的图形比较。在图3中,竖直轴包含发电单元的因数化的激励启动数303的测量。水平轴包含发电单元的因数化的激励小时数304的测量。图3还示出第三曲线308,第三曲线308也是操作度量的等值曲线,但具有设置为低于在曲线302中得到的操作度量的值的操作度量。如箭头309所指示的,将操作度量设置成较低的值的方案将表示在本文中通过本申请而确定的改进的维护间隔的曲线移动。例如,曲线302可以表示设置成处于大约30%的计划外中断或故障的似然的操作度量,而曲线308可以表示处于大约25%的计划外中断或故障的似然,这表示单元队列中的单元将经历故障的降低的似然。
与图2类似,区域306、307表示相对于常规的维护间隔确定而变得可能的另外的单元操作。由于曲线308中的移动,导致区域306、307小于图2中所示出的区域206、207。曲线308表示具有如与曲线302比较的降低的故障似然的针对队列的推荐的维护间隔。
图4(a)示出根据现有技术的作为操作分布的函数的操作度量的图表。在此,作为示例操作度量,使用“计划外中断的似然”。示例操作分布包含定义为因数化的激励小时数/因数化的启动数的“N比率”。可以使用其它操作度量或操作分布。图4(a)具有包含Y、操作度量的竖直轴403。在图4(a)中,操作度量示出为表达为百分比概率的计划外中断的似然。图4(a)还具有包含X、操作分布的水平轴404。操作分布示出为在上文中定义为因数化的激励小时数/因数化的启动数的N比率。曲线412示出由于取决于发电单元已操作的小时数的数量的故障模式而导致的计划外中断的示例似然。曲线413示出由于取决于发电单元的因数化的启动数的数量的故障模式而导致的计划外中断的示例似然。曲线411是示出作为操作分布的函数的计划外中断的总概率的组合曲线。
图4(b)示出根据图2中所示出的操作分布的作为操作分布的函数的操作度量的图表。在此,如在图4(a)中,作为示例操作度量,使用“计划外中断的似然”。示例操作分布包含定义为因数化的激励小时数/因数化的启动数的“N比率”。可以使用其它操作度量或操作分布。图4(b)具有包含 Y、操作度量的竖直轴403。在图4(b)中,操作度量示出为表达为百分比概率的计划外中断的似然。图4(b)还具有包含 X、操作分布的水平轴404。操作分布示出为在上文中定义为因数化的激励小时数/因数化的启动数的N比率。曲线422示出由于取决于发电单元已操作的因数化的激励小时数的数量的故障模式而导致的计划外中断的示例似然。曲线423示出由于取决于发电单元的因数化的启动数的数量的故障模式而导致的计划外中断的示例似然。曲线421是示出作为操作分布的函数的计划外中断的总似然的组合曲线。
图4(c)示出根据图3中所示出的操作分布的作为操作分布的函数的操作度量的图表。在此,如在图4(a)中,作为示例操作度量,使用“计划外中断的似然”。示例操作分布包含定义为因数化的激励小时数/因数化的启动数的“N比率”。可以使用其它操作度量或操作分布。图4(c)具有包含 Y、操作度量的竖直轴403。在图4(c)中,操作度量示出为表达为百分比概率的计划外中断的似然。图4(c)还具有包含 X、操作分布的水平轴404。操作分布示出为在上文中定义为因数化的激励小时数/因数化的启动数的N比率。曲线432示出由于取决于发电单元已操作的因数化的激励小时数的数量的故障模式而导致的计划外中断的示例似然。曲线433示出取决于发电单元的因数化的启动数的数量的计划外中断的示例似然。曲线431是示出作为操作分布的函数的计划外中断的总似然的组合曲线。
图5示出根据图2-3中所示出的操作分布的作为操作分布的函数的操作度量的图表。在此,如在图4(a)中,作为示例操作度量,使用“计划外中断的似然”。示例操作分布包含定义为因数化的激励小时数/因数化的启动数的“N比率”。可以使用其它操作度量或操作分布。图5具有包含 Y、操作度量的竖直轴503。在图5中,操作度量示出为表达为百分比概率的计划外中断的似然。图5还具有包含X、操作分布的水平轴504。操作分布示出为在上文中定义为因数化的激励小时数/因数化的启动数的N比率。
图5并置了曲线511中根据现有技术的、图5的曲线521中根据图2中示出为线202的维护间隔的、以及图5的曲线531中根据图3中示出为线308的维护间隔的计划外中断的总似然。
虽然已结合目前被认为是最实用且优选的实施例描述了本发明,但要理解到,本发明不限于所公开的实施例,而相反,本发明旨在涵盖被包括在所附权利要求的精神和范围内的各种修改及等效的布置。
Claims (13)
1.一种用于为发电单元的队列内的多个单元中的每个单元来确定推荐的维护间隔的方法,包含:
收集(101)对于发电单元的队列内的多个单元(208、211)的表示操作及计划外维护数据的经验数据;
评价(101)所述操作及计划外维护数据的所述经验数据;
基于所述经验数据而生成(101)多个故障模式模型;
组合(102)所述多个故障模式模型;
对于所述多个故障模式模型的所述组合,通过在目标操作分布进行计算来建立(103、104)目标操作度量;
基于所述目标操作度量,为发电单元的所述队列来生成(202、302)队列推荐的维护间隔;
为发电单元的所述队列内的所述多个单元中的每个单元来计算(208)操作分布;
基于每个单元的操作分布,为所述发电单元的所述队列内的所述多个单元中的每个单元来计算(108、109、210)推荐的维护间隔;
其中,所述方法进一步包含调整(107)所述推荐的维护间隔,使得每个操作分布导致所选择的操作度量的相同值。
2.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中在新的推荐的维护间隔内重新评价(109)发电单元的所述队列。
3.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中所选择的操作度量是以下之一:计划外维护的似然、计划外维护的成本、可靠度、可用度或总生命周期成本。
4.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中所选择的操作度量直接联系于每个单元的感兴趣的一个或更多子系统的故障模式级别处的可靠度模型和数据。
5.根据权利要求2所述的用于确定(108、109)推荐的维护间隔的方法,其中使用设计评价工具来进行评价。
6.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中所述多个故障模式模型被设计成输出作为操作参数的函数的计划外维护事件的概率。
7.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中所述多个故障模式模型包括故障模式在它出现时的后果的后果数据。
8.根据权利要求7所述的用于确定(108、109)推荐的维护间隔的方法,其中所述后果数据包括事件持续时间、事件成本和/或维修成本。
9.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中故障模式模型的所述组合导致确定所述推荐的维护间隔的企业所选择的感兴趣的操作度量对于所述队列中的每个单元维持恒定。
10.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,其中所述操作分布包含在因数化的启动数相对因数化的小时数的域中的曲线(202)。
11.根据权利要求10所述的用于确定(108、109)推荐的维护间隔的方法,其中所述因数化的启动数相对因数化的激励小时数的域对于任何给定的小时数/启动数比率定义了维护间隔。
12.根据权利要求5所述的用于确定(108、109)推荐的维护间隔的方法,其中所述设计评价工具包含故障模式及效应分析(FMEA),以确定在所组合的多个故障模式模型中是否应当包括任何另外的故障模式模型。
13.根据权利要求1所述的用于确定(108、109)推荐的维护间隔的方法,进一步包含在组件级别来确定故障模式模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/052,536 US20170242081A1 (en) | 2016-02-24 | 2016-02-24 | System and method for optimization of recommended service intervals |
US15/052536 | 2016-02-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107121974A CN107121974A (zh) | 2017-09-01 |
CN107121974B true CN107121974B (zh) | 2021-09-24 |
Family
ID=58192106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710103981.6A Active CN107121974B (zh) | 2016-02-24 | 2017-02-24 | 用于优化推荐的检修间隔的系统及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20170242081A1 (zh) |
EP (1) | EP3211571A1 (zh) |
JP (1) | JP7053152B2 (zh) |
KR (1) | KR20170099790A (zh) |
CN (1) | CN107121974B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066431A1 (en) * | 2013-08-27 | 2015-03-05 | General Electric Company | Use of partial component failure data for integrated failure mode separation and failure prediction |
US10060358B2 (en) * | 2016-04-19 | 2018-08-28 | General Electric Company | Compressor bleed valve health assessment systems and methods |
JP6932580B2 (ja) | 2017-08-04 | 2021-09-08 | ソニーセミコンダクタソリューションズ株式会社 | 固体撮像素子 |
CN113287126A (zh) * | 2019-01-15 | 2021-08-20 | 三菱电机株式会社 | 保养计划生成装置、保养计划生成方法以及保养计划生成程序 |
US11010222B2 (en) * | 2019-08-29 | 2021-05-18 | Sap Se | Failure mode specific analytics using parametric models |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4598668A (en) * | 1985-01-09 | 1986-07-08 | Energy Systems And Service Corp. | Apparatus for efficiently controlling the operation of parallel boiler units |
US5216612A (en) * | 1990-07-16 | 1993-06-01 | R. J. Reynolds Tobacco Company | Intelligent computer integrated maintenance system and method |
JP4056032B2 (ja) * | 1999-10-27 | 2008-03-05 | 株式会社東芝 | プラント機器管理装置 |
US7440906B1 (en) * | 2001-09-04 | 2008-10-21 | Accenture Global Services Gmbh | Identification, categorization, and integration of unplanned maintenance, repair and overhaul work on mechanical equipment |
US6834256B2 (en) * | 2002-08-30 | 2004-12-21 | General Electric Company | Method and system for determining motor reliability |
US20040193938A1 (en) * | 2003-03-28 | 2004-09-30 | Shah Rasiklal Punjalal | Complex system serviceability method and apparatus |
EP1528843A1 (de) * | 2003-10-28 | 2005-05-04 | Patent-Treuhand-Gesellschaft für elektrische Glühlampen mbH | Verfahren zur Instandhaltung einer technischen Vorrichtung |
US20090037206A1 (en) * | 2007-07-31 | 2009-02-05 | Brian Dara Byrne | Method of forecasting maintenance of a machine |
US20090254403A1 (en) * | 2008-04-07 | 2009-10-08 | Sinex Aviation Technologies | Line maintenance manager |
CN101408954A (zh) * | 2008-05-12 | 2009-04-15 | 上海发电设备成套设计研究院 | 一种锅炉部件概率风险评价方法 |
EP2519863A1 (en) * | 2009-12-31 | 2012-11-07 | ABB Research Ltd. | Method and control system for scheduling load of a power plant |
US8712739B2 (en) * | 2010-11-19 | 2014-04-29 | General Electric Company | System and method for hybrid risk modeling of turbomachinery |
JP5718457B2 (ja) * | 2011-05-13 | 2015-05-13 | 株式会社日立製作所 | 保守部品寿命予測システムおよび保守部品寿命予測方法 |
US20130041783A1 (en) * | 2011-08-11 | 2013-02-14 | General Electric Company | System and method for dynamic spare part management |
DE102011087423A1 (de) * | 2011-11-30 | 2013-06-06 | Lufthansa Technik Ag | Wartungszyklus für ein Luftfahrzeug |
US9563198B2 (en) * | 2012-03-08 | 2017-02-07 | General Electric Company | Method and system to model risk of unplanned outages of power generation machine |
CN103400209B (zh) * | 2013-04-18 | 2016-05-18 | 国家电网公司 | 配电网检修实施方案优化方法 |
CN103559555B (zh) * | 2013-10-29 | 2017-09-22 | 中航沈飞民用飞机有限责任公司 | 一种用于民用客机制造商优化其产品计划维修间隔的方法 |
US20150184549A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
CN103745107B (zh) * | 2014-01-10 | 2017-01-11 | 北京电子工程总体研究所 | 基于故障模式的装备基层级维修保障仿真系统构建方法 |
CN104318126A (zh) * | 2014-11-18 | 2015-01-28 | 国家电网公司 | 一种继电保护最佳检修周期的计算方法 |
CN104636826A (zh) * | 2015-01-27 | 2015-05-20 | 中国石油化工股份有限公司 | 一种炼油化工设备可靠性及维护策略的优化方法 |
-
2016
- 2016-02-24 US US15/052,536 patent/US20170242081A1/en not_active Abandoned
-
2017
- 2017-02-17 JP JP2017027409A patent/JP7053152B2/ja active Active
- 2017-02-22 EP EP17157447.8A patent/EP3211571A1/en not_active Withdrawn
- 2017-02-24 KR KR1020170024554A patent/KR20170099790A/ko unknown
- 2017-02-24 CN CN201710103981.6A patent/CN107121974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017151980A (ja) | 2017-08-31 |
KR20170099790A (ko) | 2017-09-01 |
EP3211571A1 (en) | 2017-08-30 |
CN107121974A (zh) | 2017-09-01 |
US20170242081A1 (en) | 2017-08-24 |
JP7053152B2 (ja) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107121974B (zh) | 用于优化推荐的检修间隔的系统及方法 | |
CN107862463B (zh) | 用于调度电厂的负载的方法和控制系统 | |
Belderbos et al. | Accounting for flexibility in power system planning with renewables | |
Yildirim et al. | Sensor-driven condition-based generator maintenance scheduling—Part I: Maintenance problem | |
Wang et al. | A multi-objective optimization of imperfect preventive maintenance policy for dependent competing risk systems with hidden failure | |
Okoh et al. | Predictive maintenance modelling for through-life engineering services | |
Abiri-Jahromi et al. | An efficient mixed-integer linear formulation for long-term overhead lines maintenance scheduling in power distribution systems | |
Haddad et al. | An options approach for decision support of systems with prognostic capabilities | |
Abiri-Jahromi et al. | Optimized midterm preventive maintenance outage scheduling of thermal generating units | |
Haddad et al. | Using maintenance options to maximize the benefits of prognostics for wind farms | |
JP4943653B2 (ja) | 多事象同時発生時の競合する原因事象の確率及び/又はシステムアベイラビリティを決定するプロセス | |
Chen et al. | A distributed framework for solving and benchmarking security constrained unit commitment with warm start | |
JP2017151980A5 (zh) | ||
Venturini et al. | Application of a statistical methodology for gas turbine degradation prognostics to alstom field data | |
Guo et al. | Reliability centered preventive maintenance optimization for aircraft indicators | |
He et al. | Condition-based maintenance optimization for multi-component systems considering prognostic information and degraded working efficiency | |
Feng et al. | Optimal maintenance scheduling of power producers considering unexpected unit failure | |
Németh et al. | Maintenance schedule optimisation for manufacturing systems | |
Sheikhalishahi et al. | Maintenance scheduling optimization in a multiple production line considering human error | |
CN116384876A (zh) | 基于维纳过程的备件动态库存-生产控制方法、系统及介质 | |
Ding et al. | Optimal spinning reserve allocation strategy under uncertainties and contingencies | |
Bremermann et al. | Using VaR and CVaR techniques to calculate the long-term operational reserve | |
Branković et al. | Analysis of Operational Readiness and Reliability of the Paper Machine System after Implementation of Model of Influence | |
Wakiru et al. | Influence of maintenance and operations strategies on the availability of critical power plant equipment: A simulation approach. | |
Tan | Performance-centred maintenance problem: modelling and heuristics |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240102 Address after: Swiss Baden Patentee after: GENERAL ELECTRIC CO. LTD. Address before: New York State, USA Patentee before: General Electric Co. |