CN109933934A - 一种设备维护管理方法及系统、计算机可读存储介质 - Google Patents

一种设备维护管理方法及系统、计算机可读存储介质 Download PDF

Info

Publication number
CN109933934A
CN109933934A CN201910218891.0A CN201910218891A CN109933934A CN 109933934 A CN109933934 A CN 109933934A CN 201910218891 A CN201910218891 A CN 201910218891A CN 109933934 A CN109933934 A CN 109933934A
Authority
CN
China
Prior art keywords
maintenance
equipment
strategy
key equipment
key
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
Application number
CN201910218891.0A
Other languages
English (en)
Other versions
CN109933934B (zh
Inventor
马智亮
任远
向星磊
李华
曹帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhong Xuan Zhiwei Technology Co Ltd
Tsinghua University
Original Assignee
Beijing Zhong Xuan Zhiwei Technology Co Ltd
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zhong Xuan Zhiwei Technology Co Ltd, Tsinghua University filed Critical Beijing Zhong Xuan Zhiwei Technology Co Ltd
Priority to CN201910218891.0A priority Critical patent/CN109933934B/zh
Publication of CN109933934A publication Critical patent/CN109933934A/zh
Application granted granted Critical
Publication of CN109933934B publication Critical patent/CN109933934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本申请公开了一种设备维护管理方法及系统、计算机可读存储介质,所述方法包括确定关键设备和非关键设备,获取每个关键设备的维修性和可靠性参数;对每个关键设备的维护活动进行定量化仿真分析,确定最优主动维护策略和关键维护参数;根据定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,得到每个设备应采取的维护策略;根据最佳维护计划和设备报修记录生成设备维护任务。本申请通过使用计算机辅助科学分析计算代替专家经验分析,保证了结果客观性,减少了维护计划的工作量。

Description

一种设备维护管理方法及系统、计算机可读存储介质
技术领域
本发明涉及但不限于设施设备维护管理技术领域,尤其涉及一种设备维护管理方法及系统、计算机可读存储介质。
背景技术
常见的园区包括学校校园、科技园区、工业园、产业孵化器、金融商务区和特色小镇等,园区具有提升区域科技文化实力、产业集聚能力、经济竞争能力以及资源调配能力的优点。一般地,园区内部既有建筑设施,也有道路和管网设施,对这些设施进行维护管理,尤其是设施内的设备(以下简称“设施设备”)进行维护是园区运行维护管理的重要工作。研究显示,在不考虑人力成本的情况下,仅计材料和设备上的花费,设施设备的维护成本在30年使用寿命时可达到设施全生命期成本的10%,在50年使用寿命时可达到设施全生命期成本的26%。缺少良好的维护易导致设施设备加速老化,使用寿命缩短,不当维护导致的设施设备运行事故还易影响园区正常生产生活和使用人的健康安全。因此对于园区而言,良好的设施设备维护水平十分重要。
以可靠性为中心的维护(Reliability-Centered Maintenance,RCM)方法是国际上通用的、用以确定设备维护工作、优化维护制度的系统性工程方法,在军事、核能、电力、航空、航天、船舶等对设备维护有高要求的领域有着广泛的应用。与经验式的决策方式不同,它采用规范化的逻辑决断方法,对设备进行功能与故障分析,明确各故障的后果,考虑设备的可靠度确定最优的维护策略,形成优化的维护计划,并可对现有维护和使用程序提出改进。实践证明,RCM方法可以有效提高系统可靠度,降低维护成本,还可将日常维护工作量降低40%-70%。
但是,将传统的RCM方法应用于园区设施设备维护时,其重要的功能与故障分析和维护策略决策一般需要借助专家知识实现。在分析时,邀请一组或多组领域专家对设备功能的重要性、故障发生的可能性和后果进行打分,据此对设备进行重要性排序,再依据逻辑决断图决定合适的维护策略。由于专家以各自的专业背景和经验为基础发表意见,且评价时很多输入参数是语言描述而非数值,比如“可能、重要、很高、很快”等,故得到的决策结果难以保证客观准确。
发明内容
本发明实施例提供了一种设备维护管理方法及系统、计算机可读存储介质,能够保证设备维护管理决策结果的客观性并减少维护计划的工作量。
为了达到本发明目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种设备维护管理方法,包括:
确定关键设备和非关键设备,获取每个关键设备的维修性和可靠性参数;
根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数;
根据每个关键设备的定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,所述最佳维护计划涵盖采取最优主动维护策略维护的关键设备,以及采取被动维护策略维护的关键设备和非关键设备;
根据确定的最佳维护计划和设备报修记录分别生成设备主动维护任务和被动维护任务。
考虑设施设备的健康状况、园区的运营状况随着时间变化,对设施设备维护每隔一定时间重新确定一次最佳维护计划,将相邻两次最佳维护计划之间的间隔时间定义为维护计划周期。在一实施例中,所述方法还包括:
每经过一个维护计划周期,根据累积的历史维护记录数据和/或用户反馈数据,更新关键设备的维修性和可靠性参数,重新进行所述定量化仿真分析,并重新确定新的所述最佳维护计划。
在一实施例中,所述根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数,包括:
对所述关键设备在修复性维护策略、预防性维护策略和视情维护策略下的维护活动进行定量化仿真分析,分别得到所述关键设备在三种维护策略下的最小单位时间维护成本和对应的维护周期,通过比较所述关键设备在预防性维护策略和视情维护策略下的最小单位时间维护成本,得到所述关键设备的最优主动维护策略、最优单位时间维护成本和对应的维护周期,其中,所述主动维护策略包括预防性维护策略和视情维护策略,所述被动维护策略即修复性维护策略。
在一实施例中,所述对关键设备进行定量化仿真分析的方式为蒙特卡洛模拟方法。
在一实施例中,使用所述蒙特卡洛模拟方法对所述关键设备进行定量化仿真分析时,所述关键设备在所述三种维护策略下的最小单位时间维护成本的计算均以设备模拟失效率不超过预设的容许失效率为限制条件。
在一实施例中,所述根据每个关键设备的定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,包括:
对在修复性维护策略下维护成本为+∞的关键设备采取所述最优主动维护策略进行维护;
对在修复性维护策略下维护成本为有限值的关键设备,求解在所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算的条件下选择哪些关键设备,能够使得这些关键设备在修复性维护策略下的维护成本的总和最大,对求解出的所述关键设备采取其对应的最优主动维护策略进行维护;
对除以上两种情况得到的需要采取最优主动维护策略维护的关键设备以外的设备,采取所述被动维护策略进行维护,形成最佳维护计划。
在一实施例中,所述关键设备的维修性和可靠性参数包括:设备单次维修的材料成本、单次维修所需的时间、单次保养的材料成本、单次保养所需的时间、单次巡检的材料成本、单次巡检所需的时间、设备故障停机的平均损失、失效延迟时间、设备剩余寿命的分布函数以及园区对设施设备进行维护所需的人力成本单价。
在一实施例中,当根据所述确定的最佳维护计划生成设备维护任务时,根据关键设备的维护策略类型、所属型号、所在空间位置对其进行分组,以维护策略对应的维护周期为间隔批量形成设备主动维护任务。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如以上任一项所述的设备维护管理方法的步骤。
本发明实施例还提供了一种设备维护管理系统,包括处理器及存储器,其中:所述处理器用于执行存储器中存储的程序,以实现如以上任一项所述的设备维护管理方法的步骤。
本发明实施例还提供了一种设备维护管理系统,包括数据提取模块、维护策略决策模块、维护计划决策模块和维护任务生成模块,其中:
数据提取模块,用于确定关键设备和非关键设备,并获取关键设备的维修性和可靠性参数;
维护策略决策模块,用于根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数;
维护计划决策模块,用于根据每个关键设备的最优主动维护策略和关键维护参数,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,所述最佳维护计划涵盖采取最优主动维护策略维护的关键设备,以及采取被动维护策略维护的关键设备和非关键设备;
维护任务生成模块,用于根据确定的最佳维护计划和设备报修记录分别生成设备主动维护任务和被动维护任务。
在一实施例中,所述系统还包括空间定位模块和数据可视化模块,其中:
空间定位模块,用于获取至少以下之一的数据:设备的编号、用户的空间位置、故障报修的空间位置,并提交给数据可视化模块进行可视化显示;
数据可视化模块,用于将反映建筑设施的建筑信息模型BIM模型和反映道路和管网设施的地理信息系统GIS数据在网页页面中进行三维可视化显示,并接收所述空间定位模块的数据,为用户提供设施、设备或报修的高亮定位和设施设备内外部关联跳转的交互操作。
本发明实施例的技术方案,具有如下有益效果:
本发明实施例提供的设备维护管理方法及系统、计算机可读存储介质,通过对关键设备的维护活动进行定量化仿真分析并确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,用计算机辅助科学分析计算代替专家经验分析,保证了设备维护管理决策结果的客观性,减少了维护计划的工作量。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例的一种设备维护管理方法的流程示意图;
图2为本发明实施例中IFC实体和GeoJSON数据到设施设备维护相关信息的映射关系示意图;
图3为本发明实施例中使用的定量化仿真求解设备最优主动维护策略及成本的算法示意图;
图4为本发明实施例中要求维护管理人员和维护工人执行的维护工作流的模型示意图;
图5为本发明实施例中使用的有关维修活动的设备维修性参数更新算法示意图;
图6为本发明实施例中使用的有关保养活动的设备维修性参数更新算法示意图;
图7为本发明实施例中使用的有关巡检活动的设备维修性参数更新算法示意图;
图8为本发明实施例中使用的设备可靠性参数更新算法示意图;
图9为本发明实施例的一种设备维护管理系统的结构示意图;
图10为本发明实施例的另一种设备维护管理系统的结构示意图;
图11为本发明实施例的又一种设备维护管理系统的结构示意图;
图12为本发明实施例中采用的BIM技术与GIS技术集成的数据可视化模块的实现方案示意图;
图13为本发明实施例的设备维护管理系统的业务数据库采用的实体-关系模型示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
一般地,设备的基本维护策略可以分为三类。第一类是修复性维护,即一直使用设备,直到发生故障再进行维护。第二类是预防性维护,即按照事先制定的计划,以有规律的时间间隔对设备进行维护。第三类是视情维护,即对能够反映设备性能状态的指标进行监测,在指标发生代表显著劣化的变化时进行维护。前一种属于被动维护,后两种属于主动维护。
以上三类策略各有优缺点,分别适用于不同类型、不同情况下的设备。修复性维护策略的优点是在故障甚少发生时全生命期成本很低,但是一旦故障发生,则可能影响到其它关联部位,并且若故障发生在非工作时间,可能会对用户和维修人员带来极大不便,因此它适用于故障严重程度低、故障发生概率低的设备。采取预防性维护策略可以事先规划好维护活动,然后在对用户合适的时间段执行,但这种策略实际执行十分耗费人力和零件库存,且不可避免地会产生很多不必要的工作,高频率的维护操作中难免的失误反而有可能造成设备状况恶化,这种维护策略适用于故障主要与运行磨损情况有关的较稳定的设备。采取视情维护策略时,需要人工或工具对设备状态进行监测,它适用于一旦发生故障后果十分严重的设备。制定设备维护计划时,要确定应该采取以上哪一种维护策略。研究调查显示,实际操作中主要还是依靠维护人员或者专家的经验来选择维护策略,这种经验式的决策方式主观性强,难以避免决策错误的发生。
实施例一设备维护管理方法
如图1所示,本发明实施例提供了一种设备维护管理方法,包括如下步骤:
步骤101:确定关键设备和非关键设备,获取每个关键设备的维修性和可靠性参数;
需要说明的是,将传统的RCM方法应用于园区设施设备维护时,还面临着以下问题:
(1)应用RCM方法所需的信息和数据难以获取。一般地,应用RCM方法要求一定的信息基础,包括6类信息和数据,即1)设备的工作原理、原始设计图纸及说明书,2)性能指标、任务剖面及工作环境,3)关键零部件及其失效模式,4)故障发生过程及后果,5)设计可靠性数据及现场使用数据,以及6)已有的维修记录,包括维修任务的执行情况、故障发生频率、检测方法、维修效果及费用等。上述信息和数据有些属于初始出厂信息和数据,有些是来自现场的;有些可以一开始就获得且不再改变,有些需要实时动态获取;有些在设计阶段决定,有些在施工阶段添加,另外一些在运维阶段产生。由于信息源分散、不同阶段之间的信息流失等原因,以上信息和数据常常难以获取。
(2)园区设施设备种类复杂、应用RCM方法涉及极大的工作量。园区设施一般包括建筑设施及道路和管网设施等。建筑设施一般至少包含11大类设备系统和更多的设备子系统,道路和管网设施一般至少细分为9类专业管线。这些园区内的设施设备系统专业跨度广、种类复杂、数量庞大,倘若一一应用RCM方法进行分析和决策,意味着极大的工作量,这往往并不现实。
本申请通过集成应用建筑信息模型(Building Information Modeling,BIM)技术和地理信息系统(Geographic Information System,GIS)技术,使得可从包含设施设备系统的园区设施BIM模型和GIS数据中获取设备信息。BIM技术是对建筑工程进行信息化管理的技术,可以用于建筑设施设备数据的获取和分析;GIS技术是对空间地理数据进行管理和分析的技术系统,可以用于道路和管网设施设备数据的获取和分析。本发明实施例将RCM、BIM及GIS综合应用于园区设施设备的维护管理,实现了园区设施关键设备数据的自动录入,提高了数据录入效率,降低了RCM方法的实施难度。
在本发明的一实施例中,所述步骤101中的确定关键设备和非关键设备的步骤包括:
从BIM模型文件中读取建筑设备维护相关的信息;
从GIS数据文件中读取道路和管网设备维护相关的信息;
按照预先定义的设备类型和/或设备名称,在所述建筑设备及道路和管网设备中确定关键设备和非关键设备。
在本实施例的一示例中,从工业基础类(Industry Foundation Classes,IFC)格式的建筑设施BIM模型文件中读取建筑设备维护相关的信息。
具体地,读取建筑设备维护相关的信息的前提是,所使用的建筑设施BIM模型使用Revit(Revit为一种实现BIM技术的软件)2016以后的版本建立,建模时首先运行AutodeskCOBie Extension for Revit插件,软件会对所有设备自动添加名为COBie.Component的自定义属性集,用户增加设备实体时,软件提示用户录入设施设备的名称、分类代码、规格、采购成本、供应商和安装日期等信息,用户录入后,这些信息会进入COBie.Component属性集内的名称(NAME),分类代码(CATEGORY),规格(DESCRIPTION),采购成本(REPLACEMENTCOST),供应商(MANUFACTOR),安装日期(INSTALLATIONDATE)等属性,最后用户将模型导出为设施管理交付扩展视图(Extended FM HandOver View)的IFC格式文件。读取建筑设备维护相关的信息的具体做法为,使用IFC解析工具解析IFC格式文件,遍历其中所有的IfcElement实体,如图2所示,根据预先定义的映射关系,从IfcElement及其关联实体的属性中直接读取建筑设备维护相关的信息。
在本实施例的一示例中,从地理信息软件界通用的美国环境系统研究所公司ESRIShapefile格式(一种空间数据开放格式)的道路和管网设施数据中读取道路和管网设备维护相关的信息。
具体地,读取道路和管网设备维护相关的信息的前提是,所使用的GIS道路和管网数据使用ESRI ArcMap 10.1以后的版本创建,道路和管网要素的属性在按照标准《CJJ/T269-2017城市综合地下管线信息系统技术规范》录入的基础上,对标准未要求、但设施设备维护需要的设备成本、生产厂家、安装日期等要素属性进行扩展,数据最后导出为ESRIShapefile文件。读取道路和管网设备维护相关的信息的具体做法为,使用ESRI Shapefile转GeoJSON的工具将Shapefile文件转换为GeoJSON文件,遍历GeoJSON文件中所有的要素,如图2所示,根据预先定义的映射关系,从要素的属性中直接读取道路和管网设备维护相关的信息。
在本实施例中,所述关键设备被定义为:若设备的失效会影响到整个功能系统,或涉及到使用者的健康安全,则该设备为关键设备。
具体地,根据预先定义的设备信息中的设备类型和/或设备名称区分关键设备和非关键设备。设备满足以下任一条件,即认为是关键设备:(1)设备的失效会影响到整个系统功能,例如给水系统中的给水泵、冷热源系统中的锅炉等;(2)设备失效的影响可能涉及使用者的健康安全,例如燃气安全装置、火灾警报装置等。实际操作时可以按照预先定义的设备类型和/或设备名称确定关键设备和非关键设备。
相比传统RCM方法,采用上述方式从园区设施BIM模型和GIS数据中获取设备信息,区分关键设备和非关键设备的好处在于,直接利用现有数据避免了重复工作,且使用程序实现数据自动录入和判断,效率高且不易出错。
步骤102:根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数;
具体地,可以从设备供应商、历史维护记录或维护管理人员处获取关键设备的维修性参数和可靠性参数,对关键设备在修复性维护策略、预防性维护策略和视情维护策略下的失效后果进行定量化仿真分析,通过比较分析结果,得到关键设备的最优主动维护策略、对应的单位时间维护成本和维护周期,计算算法如图3所示。
在本发明的一实施例中,所述从设备供应商、历史维护记录或维护管理人员处获取关键设备的维修性参数和可靠性参数,包括设备单次维修的材料成本Cfixmaterial、单次维修所需的时间Tfix、单次保养的材料成本Cmaintmaterial、单次保养所需的时间Tmaint、单次巡检的材料成本Cinspectionmaterial、单次巡检所需的时间Tinspection、设备故障停机的平均损失Cdown、失效延迟时间Tpf、设备在t时刻的剩余寿命的概率分布函数Flife(t)、设备的允许失效率[P]以及园区设施设备维护人员的人力成本单价Clabourprice等。需要说明的是,失效延迟时间Tpf定义为设备发生明显劣化到最终失效之间的时间,设备的允许失效率[P]是允许设备在运行期间中发生失效的最大概率值。
在本发明的一实施例中,所述步骤102的根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数包括:
步骤1020:对关键设备在修复性维护策略、预防性维护策略和视情维护策略下的维护活动进行定量化仿真分析,分别得到关键设备在三种维护策略下的最小单位时间维护成本和对应的维护周期;
步骤1021:通过比较其在预防性维护策略和视情维护策略下的最小单位时间维护成本,得到关键设备的最优主动维护策略及其关键维护参数,所述关键维护参数包括最优单位时间维护成本和对应的维护周期。
在本发明的一实施例中,所述步骤1020中,使用蒙特卡洛模拟方法对关键设备的维护活动进行定量化仿真分析,求解关键设备分别在修复性维护策略、预防性维护策略和视情维护策略下的最小单位时间成本和对应的维护周期。所述维护周期可具体分为预防性维护策略下的保养周期和视情维护下的巡检周期2种情形。
在该实施例中,使用蒙特卡洛模拟方法对所述关键设备进行定量化仿真分析时,所述关键设备在所述三种维护策略下的最小单位时间维护成本的计算均以设备模拟失效率不超过预设的容许失效率为限制条件。
在该实施例中,所述步骤1020中,在所述修复性维护策略(即等关键设备发生失效后,再采取维修)下的定量化仿真分析的具体过程包括:
步骤10200、先对关键设备的允许失效率进行判断。由于采取修复性维护策略的关键设备在运行期间一定会发生失效,因此这种维护策略只适用于允许失效率[P]等于1的关键设备。若关键设备的允许失效率[P]小于1,直接令N次仿真下关键设备采取修复性维护策略的平均单位时间成本SCM=+∞,表示对这种设备而言,采取修复性维护是不可接受的。若关键设备的允许失效率[P]等于1,则进行后续步骤;
步骤10201、计算单次仿真下关键设备采取修复性维护策略的单位时间成本。对第i次仿真,先依据关键设备在t时刻的剩余寿命的概率分布函数Flife(t)随机生成关键设备的剩余寿命Tlife,再计算关键设备维修的人力成本Cfixlabour,根据维修人力成本Cfixlabour和维修材料成本Cfixmaterial得到维修的总成本Cfix,最后根据维修总成本Cfix、故障停机的损失Cdown和剩余寿命Tlife计算得到本次仿真下采取修复性维护策略的单位时间成本SCMi
Cfixlabour=Clabourprice×Tfix (1-1)
Cfix=Cfixlabour+Cfixmaterial (1-2)
步骤10202、根据要求的仿真次数N,重复步骤10201的计算过程N次,得到N个采取修复性维护策略的单位时间成本值SCM1,SCM2,...,SCMN,故可得到N次仿真下关键设备采取修复性维护策略的平均单位时间成本SCM
在该实施例中,所述步骤1020中,在所述预防性维护策略(即以固定的周期对设备进行保养。假定进行保养之后,设备可恢复如新;若在计划的保养时间之前设备发生了失效,则对设备进行维修)下的定量化仿真分析的具体过程包括:
步骤10203、根据预先设置的初始的维护周期Tcycle值(例如,令初始的维护周期Tcycle为关键设备使用寿命期望E(Flife(0))的1/2),计算单次仿真下关键设备采取预防性维护策略的单位时间成本。先依据关键设备在t时刻的剩余寿命的概率分布函数Flife(t)随机生成关键设备的剩余寿命Tlife
若Tlife>Tcycle,则保养时设备正常未失效,计算关键设备保养的人力成本Cmaintlabour,根据保养人力成本Cmaintlabour和保养材料成本Cmaintmaterial得到保养的总成本Cmaint,最后根据保养总成本Cmaint和维护周期Tcycle计算得到本次仿真下采取预防性维护策略的单位时间成本SPMsingle
Cmaintabour=Clabourprice×Tmaint (2-1)
Cmaint=Cmaintlabour+Cmaintmaterial (2-2)
若Tlife≤Tcycle,则设备在计划的保养时间之前发生了失效,此时需要对设备进行维修,故本次仿真下采取预防性维护策略的单位时间成本SPMsingle的计算和采取修复性维护策略的单位时间成本的计算一致。
Cfixlabour=Clabourprice×Tfix (1-1)
Cfix=Cfixlabour+Cfixmaterial (1-2)
步骤10204、重复步骤10203的仿真计算N次,得到N个采取预防性维护策略的单位时间成本值SPMsingle1,SPMsingle2,...,SPMsingleN,故可得到N次仿真下关键设备采取预防性维护策略的单位时间成本SPM
步骤10205、根据预先设置的维护周期Tcycle的范围及其设置步长,对维护周期Tcycle重新赋值(例如,所述维护周期Tcycle的范围可以在关键设备使用寿命的期望E(Flife(0))的一半到两倍之间,所述设置步长可以为1天),依次重复进行步骤10203和步骤10204的计算,分别得到对应的SPM。对于某次取得的Tcycle而言,如果在N次仿真中发现设备已经失效的次数n除以N不超过允许失效率[P],则该Tcycle属于可行维护周期。在所有可行维护周期对应的SPM中即可找出关键设备采取预防性维护策略的最小单位时间成本SPMmin
其中,s.t.是subject to的缩写,s.t.f(x)表示约束条件为f(x)。
在该实施例中,所述步骤1020中,在所述视情维护策略(即以固定的周期对设备进行巡检,若巡检时发现设备发生了代表即将发生失效的性能劣化或已经失效时便采取维修)下的定量化仿真分析的具体过程包括:
步骤10206、根据预先设置的初始的维护周期Tcycle值(例如,令初始的维护周期Tcycle值为1天),计算单次仿真下关键设备采取视情维护策略的单位时间成本。先依据关键设备在t时刻的剩余寿命的概率分布函数Flife(t)随机生成关键设备的剩余寿命Tlife
若Tlife%Tcycle<Tpf,则维护人员能通过巡检及时发现设备失效前的明显劣化,此时采取维修措施后,设备可恢复如新。计算关键设备巡检的人力成本Cinspectionlabour,根据巡检人力成本Cinspectionlabour和巡检材料成本Cinspectionmaterial得到巡检的总成本Cinspection,最后根据巡检总成本Cinspection、维修总成本Cfix、维护周期Tcycle计算得到本次仿真下采取视情维护策略的单位时间成本SCBMsingle
Cinspectionlabour=Clabourprice×Tinspection (3-1)
Cinspection=Cinspectionlabour+Cinspectionmaterial (3-2)
Cfixlabour=Clabourprice×Tfix (1-1)
Cfix=Cfixlabour+Cfixmaterial (1-2)
若Tlife%Tcycle≥Tpf,则维护人员不能提前发现设备失效,这种情况下采取视情维护策略的单位时间成本计算不仅需要对设备进行维修的成本Cfix,还需要考虑设备故障停机损失Cdown
Cfixlabour=Clabourprice×Tfix (1-1)
Cfix=Cfixlabour+Cfixmaterial (1-2)
步骤10207、重复步骤10206的仿真计算N次,得到N个采取预防性维护策略的单位时间成本值SCBMsingle1,SCBMsingle2,...,SCBMsingleN,故可得到当维护周期为Tcycle时,N次仿真下关键设备采取预防性维护策略的单位时间成本SCBM
步骤10208、根据预先设置的维护周期Tcycle的范围及其设置步长,对维护周期Tcycle重新赋值(例如,所述维护周期Tcycle的范围可以在1天到关键设备使用寿命的期望E(Flife(0))的一倍之间,所述设置步长可以为1天),依次重复进行步骤10206和步骤10207的计算,分别得到对应的SCBM。对于某次取得的Tcycle而言,如果在N次仿真中发现设备已经失效的次数n除以N不超过允许失效率[P],则该Tcycle属于可行维修周期。在所有可行维护周期对应的SCBM中即可找出关键设备采取预防性维护策略的最小单位时间成本SCBMmin
其中,s.t.是subject to的缩写,s.t.f(x)表示约束条件为f(x)。
在该实施例中,通过比较关键设备在预防性维护策略和视情维护策略下的最小单位时间成本,将较小值对应的维护策略作为该关键设备的最优主动维护策略,其最小单位时间成本为该关键设备的最优单位时间维护成本。
步骤103:根据每个关键设备的定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,所述最佳维护计划涵盖采取最优主动维护策略维护的关键设备,以及采取被动维护策略维护的关键设备和非关键设备;
本发明实施例在主动维护预算有限的前提下,确定哪些关键设备采取最优主动维护策略进行维护,使得这些关键设备的维护成本之和不超过主动维护预算,同时使得剩下的关键设备和非关键设备采取被动维护策略的成本之和最低,形成总成本最优意义下的设施设备最佳维护计划。设施设备维护预算可以分为主动维护预算和被动维护预算。用于关键设备预防性维护或视情维护的预算属于主动维护预算。在主动维护预算有限的前提下,因为只能满足部分关键设备主动维护的成本需求,所以剩下的关键设备和非关键设备采取修复性维护策略维护,用于它们的预算属于被动维护预算。被动维护预算一般按照经验制定一个数值,但由于设施设备失效无法准确预测,因此会有预算超支的风险。设施设备最佳维护计划应是在所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算的前提下,所有采取被动维护策略维护的设备的维护成本之和最小的维护计划。
在本发明的一实施例中,所述步骤103具体包括:
对在修复性维护策略下维护成本为+∞的关键设备采取所述最优主动维护策略进行维护;
对在修复性维护策略下维护成本为有限值的关键设备,求解在所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算的条件下选择哪些关键设备,能够使得这些关键设备在修复性维护策略下的维护成本的总和最大,对求解出的所述关键设备采取所述最优主动维护策略进行维护;
对除以上两种情况得到的需要采取最优主动维护策略维护的关键设备以外的设备,采取所述被动维护策略维护,形成最佳维护计划。
每经过一个维护计划周期,根据累积的历史维护记录数据,更新关键设备的维修性和可靠性数据,重新执行上述步骤102~步骤103,形成新的最佳维护计划。
在该实施例中,首先对每类关键设备,分别计算其在一个维护计划周期内采取修复性维护策略的成本和采取最优主动维护策略的成本;
然后根据关键设备在一个维护计划周期内采取修复性维护策略的成本,分情况讨论:
(1)对该值为+∞的关键设备,意味着对这类关键设备采取修复性维护策略无法满足其容许失效率的要求,因此必须采取其最优主动维护策略;
(2)对该值为有限值的关键设备,需要从中选择一些来采取主动维护策略维护,这些被选择的关键设备的维护成本加上(1)中的关键设备的维护成本之和不能超过主动维护预算,同时剩下的关键设备和非关键设备采取被动维护(即修复性维护)策略的成本之和应最小。考虑到1)非关键设备在修复性维护策略下的维护成本由于缺少数据无法准确计算,2)剩下的关键设备和非关键设备在修复性维护策略下的维护成本之和等于所有设备在修复性维护策略下的成本之和减去已经采取主动维护策略维护的关键设备在修复性维护策略下的维护成本之和,因此待解决的问题变成:在主动维护预算不超支的前提下,如何选择,可以让采取最优主动维护策略的关键设备在修复性维护策略下的成本之和最大。这是一个典型的01背包问题。01背包问题可简单表述为如何在多件大小不同、价值不同的物品中进行选择,然后装入一个容量有限的背包中,使得背包内的物品价值之和最大的问题。它是运筹学研究的一类典型问题,有很多成熟的算法求解,例如回溯算法、蚁群算法和蛙跳算法等。此处,各关键设备在最优主动维护策略下的成本就是物品的大小,其在修复性维护策略下的成本就是物品的价值,主动维护预算减去(1)中关键设备的采取主动维护策略的维护成本得到的剩余预算为背包的容量,求解这个01背包问题可以得到需要采取最优主动维护策略维护的关键设备列表。
对所有确定的按照最优主动维护策略维护的关键设备,形成关键设备维护的最佳维护计划。
相比传统RCM方法用逻辑决断图确定设备维护计划,本申请使用计算机辅助科学分析计算代替专家经验分析,保证了结果客观性,减少了维护计划的工作量。
步骤104:根据确定的最佳维护计划和设备报修记录分别生成设备主动维护任务和被动维护任务。
在本发明的一实施例中,按照最佳维护计划形成主动维护任务工单,根据用户报修创建被动维护任务工单,并要求维护管理人员和维护工人执行维护工作流,维护工作流遵循的过程模型如图4所示。
在本发明的一实施例中,当根据所述确定的最佳维护计划生成主动设备维护任务时,根据关键设备的维护策略类型、所属型号、所在空间位置对其进行分组,以维护策略对应的维护周期为间隔批量形成设备主动维护任务。
在该实施例中,根据设备主动维护任务生成主动维护任务工单;对于修复性维护而言,根据用户报修即时创建对应的被动维修任务,生成被动维护任务工单。
对于预防性维护策略和视情维护策略,由维护管理人员将自动生成的主动维护任务工单指派给具体维护班组的组长来负责,后者接到指派的工单后,再分配给手下的工人去执行,工人执行完任务后填写相关维护信息并提交工单,由班组组长确认后关闭工单。
对于修复性维护策略,对收到的每项故障报修创建对应的被动维护任务工单,由维修总台服务人员将创建的被动维护任务工单指派给具体维护班组的组长来负责,后者接到指派的工单后,再分配给手下的工人去执行,工人执行完任务后填写相关维护信息并提交工单,由班组组长确认后关闭工单。
在本发明的一实施例中,所述方法还包括:
步骤105:如图5至图8所示,每经过一个维护计划周期,根据累积的历史维护记录数据和/或用户反馈数据,更新关键设备的维修性和可靠性参数,重新进行所述定量化仿真分析,并重新确定新的所述最佳维护计划。
实施例二计算机可读存储介质
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如实施例一中任一项所述的设备维护管理方法的步骤。
实施例三设备维护管理系统
如图9所示,本发明实施例还提供了一种设备维护管理系统,所述设备维护管理系统包括处理器及存储器,其中:所述处理器用于执行存储器中存储的程序,以实现如实施例一中任一项所述的设备维护管理方法的步骤。
实施例四设备维护管理系统
如图10所示,根据本发明实施例的一种设备维护管理系统,包括数据提取模块1001、维护策略决策模块1002、维护计划决策模块1003和维护任务生成模块1004,其中:
数据提取模块1001,用于确定关键设备和非关键设备,并获取关键设备的维修性和可靠性参数;
维护策略决策模块1002,用于根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数;
维护计划决策模块1003,用于根据每个关键设备的定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,所述最佳维护计划涵盖采取最优主动维护策略维护的关键设备,以及采取被动维护策略维护的关键设备和非关键设备;
维护任务生成模块1004,用于根据确定的最佳维护计划和设备报修记录分别生成设备主动维护任务和被动维护任务。
在本发明的一实施例中,所述维护策略决策模块1002具体用于:
对关键设备在修复性维护策略、预防性维护策略和视情维护策略下的维护活动进行定量化仿真分析,分别得到关键设备在三种维护策略下的最小单位时间维护成本和对应的维护周期,通过比较其在预防性维护策略和视情维护策略下的最小单位时间维护成本,得到关键设备的最优主动维护策略及其关键维护参数,所述关键维护参数包括最优单位时间维护成本和对应的维护周期。
在该实施例的一示例中,所述维护策略决策模块1002对关键设备进行定量化仿真分析的具体方式为蒙特卡洛模拟方法。
在该实施例的一示例中,所述维护策略决策模块1002使用蒙特卡洛模拟方法对所述关键设备进行定量化仿真分析时,所述关键设备在所述三种维护策略下的最小单位时间维护成本的计算均以设备模拟失效率不超过预设的容许失效率为限制条件。
需要说明的是,所述维护策略决策模块1002在所述三种维护策略下的定量化仿真分析的具体过程与前文原理相同,此处不再赘述。
在本发明的一实施例中,所述维护计划决策模块1003具体用于:
对在修复性维护策略下维护成本为+∞的关键设备采取所述最优主动维护策略进行维护;
对在修复性维护策略下维护成本为有限值的关键设备,求解在所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算的条件下选择哪些关键设备,使得这些关键设备在修复性维护策略下的维护成本的总和最大,对求解出的所述关键设备采取所述最优主动维护策略进行维护;
对除以上两种情况得到的需要采取最优主动维护策略维护的关键设备以外的设备,采取被动维护策略维护,形成最佳维护计划。
需要说明的是,所述维护计划决策模块1003确定最佳维护计划的具体求解过程与前文原理相同,此处不再赘述。
在本发明的一实施例中,当根据所述确定的最佳维护计划生成设备主动维护任务时,所述维护任务生成模块1004根据关键设备的维护策略类型、所属型号、所在空间位置对其进行分组,以维护策略对应的维护周期为间隔批量形成设备主动维护任务。
在本发明的一实施例中,所述设备维护管理系统还包括空间定位模块和数据可视化模块,其中:
空间定位模块,用于获取至少以下之一的数据:设备的编号、用户的空间位置、故障报修的空间位置,并提交给数据可视化模块进行可视化显示;
数据可视化模块,用于将反映建筑设施的BIM模型和反映道路和管网设施的GIS数据在网页页面中进行三维可视化显示,并接收所述空间定位模块的数据,为用户提供设施、设备或报修的高亮定位和设施设备内外部关联跳转的交互操作。
在本发明的一实施例中,如图11所示,所述设备维护管理系统可以包括展示层、业务层、服务层、数据层四层。
需要说明的是,图10的设备维护管理系统展示的是本申请的设备维护管理方法的核心模块,在具体实施和应用本申请的设备维护管理系统时,参照图11的设备维护管理系统架构实现的设备维护管理系统,功能更加完整、更加全面。
在该实施例的一示例中,所述展示层可以包括浏览器门户和手机APP,其中:所述浏览器门户用于支持设施设备维护管理相关人员在桌面端用电脑访问;所述手机APP用于支持设施设备维护管理相关人员在移动端用手机或平板电脑访问。
在该实施例的一示例中,所述业务层可以包括维护策略决策模块、维护计划决策模块、维护任务生成模块、维护任务管理模块、参数修正模块、组织管理模块、模型管理模块和设备管理模块等,其中:
所述组织管理模块,用于设置组织信息,创建组织、部门、岗位和人员;
所述模型管理模块,用于设置园区设施信息,创建园区、设施,上传设施的BIM模型与GIS数据;
所述设备管理模块,用于导入关键设备信息和录入关键设备失效模式以及对应巡检项与保养项。需要说明的是,失效模式是设备功能的失效发生的形式,不同失效模式的表现形式和内在原因可能不同,因此对应于不同的巡检与保养要求,逐个按失效模式录入设备对应的巡检项与保养项,可保证信息录入完整无缺漏;
所述维护策略决策模块,用于确定每种关键设备的最优主动维护策略和关键维护参数。在系统使用的最初和每隔一定维护计划周期进行定量化蒙特卡洛模拟,求解每种关键设备的最优主动维护策略及最优单位时间维护成本。需要的计算参数包括设备单次维修的材料成本、单次维修所需的时间、单次保养的材料成本、单次保养所需的时间、单次巡检的材料成本、单次巡检所需的时间、设备故障停机的平均损失、失效延迟时间、设备剩余寿命的概率分布函数以及园区设施设备维护人员的人力成本单价等;
所述维护计划决策模块,用于通过计算形成关键设备的最佳维护计划。通过综合关键设备在修复性维护下的维护成本值是否为+∞的判断结果,以及选择哪些关键设备采取最优主动维护策略维护,使它们采取主动维护策略的成本之和不超过主动维护预算,同时它们在修复性维护策略下的维护成本之和最大的01背包问题的计算结果,确定对哪些关键设备采取最优主动维护策略进行维护,形成关键设备维护的最佳维护计划;
所述维护任务生成模块,用于自动生成具体的维护任务。对于主动维护而言,根据关键设备的最佳维护计划,将需主动维护的维护策略类型、所属型号、所在空间位置相同的设备归为同组,以维护策略对应的维护周期为间隔批量生成维护任务;对于被动维护而言,根据报修信息自动创建维修任务;
所述维护任务管理模块,用于执行维护任务工作流。到任务生效目前,管理人员在系统中指派执行人员执行任务;执行人员领认任务后,在规定日期执行任务,录入任务执行结果;
所述参数修正模块,用于每隔一个维护计划周期,基于累积的维护任务工单和用户反馈中的信息,对初始输入的维修性和可靠性参数进行修正。
在该实施例的一示例中,所述服务层可以包括数据提取模块、空间定位模块、数据可视化模块等,其中:
所述数据提取模块,用于从国际标准IFC格式的BIM模型文件中获取建筑设施设备与维护相关的信息,从地理信息软件界通用的ESRI Shapefile格式的地理数据集中获取道路和管网设施设备与维护相关的信息;
所述空间定位模块,用于获取至少以下之一的数据:设备的编号、用户的空间位置、故障报修的空间位置,并提交给数据可视化模块进行可视化显示;
所述数据可视化模块,用于将用户上传的反映建筑设施的BIM模型和反映道路和管网设施的GIS数据在WebGL场景中进行三维可视化显示,并接收所述空间定位模块的数据,为用户提供设施、设备或报修的高亮定位和设施设备内外部关联跳转等交互操作。
在该示例中,如图12所示,所述数据可视化模块的具体实现方案,包括:
使用CesiumJS作为基本框架搭建基于WebGL的GIS数据浏览场景,使用XbimWebUI搭建基于WebGL的BIM模型浏览场景,两个场景放置在同一块HTML画布上,前后重叠;
加载GeoJSON格式的道路和管网设施设备数据,实现道路和管网设施设备在GIS数据浏览场景中的三维可视化,加载成功后返回该设施设备的编号并存储在浏览器内存中;
将建筑设施设备的IFC文件转换为GLTF格式的三维模型,加载GLTF格式的三维模型,为该三维模型指定空间坐标和空间姿态角,实现建筑设施设备在GIS数据浏览场景中的外立面三维可视化,加载成功后返回该设施设备的编号并存储在浏览器内存中;
将建筑设施设备的IFC文件转换为WexBIM格式的三维模型,加载WexBIM格式的三维模型,实现建筑设施设备在BIM模型浏览场景中的内部细节三维可视化,加载成功后返回每个建筑设备的编号并存储在浏览器内存中。
当需要对建筑设施或道路和管网设施设备进行空间定位时,空间定位模块将定位目标的编号发送给数据可视化模块,此时数据可视化模块将GIS数据浏览场景置于HTML画布的顶层,覆盖住BIM模型浏览场景,并通过编号在浏览器内存中匹配定位目标,最后将GIS数据浏览场景的画面中心聚焦在定位目标上,同时将其高亮变色,实现定位。
当需要对建筑设施内部的设备进行空间定位时,空间定位模块将定位目标的编号发送给数据可视化模块,此时数据可视化模块将BIM模型浏览场景置于HTML画布的顶层,覆盖住GIS数据浏览场景,并通过编号在浏览器内存中匹配定位目标,最后将BIM模型浏览场景的画面中心聚焦在定位目标上,同时将其高亮变色,实现定位。
当需要对用户当前位置或故障报修进行空间定位时,空间定位模块将定位目标的编号发送给数据可视化模块,此时数据可视化模块将GIS数据浏览场景置于HTML画布的顶层,覆盖住BIM模型浏览场景,GIS数据浏览场景将画面正中聚焦在目标位置的空间坐标上,并在该位置上创建相应的几何标识,实现定位。
当用户在GIS数据浏览场景中点击某个建筑设施的外立面,想要通过关联跳转查看其内部细节时,数据可视化模块捕获浏览器的鼠标点击事件,获得点击建筑设施的编号,然后将BIM模型浏览场景置于HTML画布的顶层,覆盖住GIS数据浏览场景,并要求BIM模型浏览场景加载编号对应的建筑设施的BIM模型,为用户呈现内部细节。
当用户在BIM模型浏览场景中想要通过关联跳转退回到GIS数据浏览场景中时,可以点击HTML画布上的切换按钮,数据可视化模块捕获该切换按钮的鼠标点击事件,然后将GIS数据浏览场景置于HTML画布的顶层,覆盖住BIM模型浏览场景,并将画面正中聚焦在刚才浏览的BIM模型对应的建筑设施上。
相比现有做法而言,采用上述方案实现BIM技术与GIS技术集成的可视化的好处在于,在GIS数据浏览场景中浏览时只加载道路和管网设施设备GIS数据和建筑设施设备外立面数据,需要查看细节时才跳转到BIM场景中加载建筑设施设备内部细节数据,避免了多余信息出现在屏幕中降低查看效率,降低了系统运行的负载。
在该实施例的一示例中,所述数据层可以包括BIM模型、GIS数据、业务数据库、用户数据库等,其中:
所述BIM模型应要求用户上传园区建筑设施的BIM模型到系统中,模型应为国际标准IFC格式,且对楼层、房间、区域和所有需要维护的设备都正确建模。BIM模型内的设备应含有维护基本信息,包括但不限于型号、规格、生产厂家、更换价格、安装日期、报废日期等;
所述GIS数据应要求用户上传园区管线设施的GIS数据到系统中,数据应为地理信息软件界通用的ESRI Shapefile格式,且对点要素、线要素及相互之间的连接关系都正确反映。GIS数据表示的设备应含有维护基本信息,包括但不限于型号、规格、施工单位、权属单位、更换价格、安装日期、报废日期等;
所述业务数据库采用关系型数据库MySQL搭建,数据库按图13模型建立;
所述用户数据库同样采用关系型数据库MySQL搭建,存储的主要是用户的权限配置信息。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现,相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (12)

1.一种设备维护管理方法,其特征在于,包括:
确定关键设备和非关键设备,获取每个关键设备的维修性和可靠性参数;
根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数;
根据每个关键设备的定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,所述最佳维护计划涵盖采取最优主动维护策略维护的关键设备,以及采取被动维护策略维护的关键设备和非关键设备;
根据确定的最佳维护计划和设备报修记录分别生成设备主动维护任务和被动维护任务。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
每经过一个维护计划周期,根据累积的历史维护记录数据和/或用户反馈数据,更新关键设备的维修性和可靠性参数,重新进行所述定量化仿真分析,并重新确定新的所述最佳维护计划。
3.根据权利要求1所述的方法,其特征在于,所述根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数,包括:
对所述关键设备在修复性维护策略、预防性维护策略和视情维护策略下的维护活动进行定量化仿真分析,分别得到所述关键设备在三种维护策略下的最小单位时间维护成本和对应的维护周期,通过比较所述关键设备在预防性维护策略和视情维护策略下的最小单位时间维护成本,得到所述关键设备的最优主动维护策略、最优单位时间维护成本和对应的维护周期,其中,所述主动维护策略包括预防性维护策略和视情维护策略,所述被动维护策略即修复性维护策略。
4.根据权利要求3所述的方法,其特征在于,所述对关键设备进行定量化仿真分析的方式为蒙特卡洛模拟方法。
5.根据权利要求4所述的方法,其特征在于,使用所述蒙特卡洛模拟方法对所述关键设备进行定量化仿真分析时,所述关键设备在所述三种维护策略下的最小单位时间维护成本的计算均以设备模拟失效率不超过预设的容许失效率为限制条件。
6.根据权利要求3所述的方法,其特征在于,所述根据每个关键设备的定量化仿真分析的结果,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,包括:
对在修复性维护策略下维护成本为+∞的关键设备采取所述最优主动维护策略进行维护;
对在修复性维护策略下维护成本为有限值的关键设备,求解在所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算的条件下选择哪些关键设备,能够使得这些关键设备在修复性维护策略下的维护成本的总和最大,对求解出的所述关键设备采取所述最优主动维护策略进行维护;
对除以上两种情况得到的需要采取最优主动维护策略维护的关键设备以外的设备,采取所述被动维护策略进行维护,形成最佳维护计划。
7.根据权利要求1所述的方法,其特征在于,所述关键设备的维修性和可靠性参数包括:设备单次维修的材料成本、单次维修所需的时间、单次保养的材料成本、单次保养所需的时间、单次巡检的材料成本、单次巡检所需的时间、设备故障停机的平均损失、失效延迟时间、设备剩余寿命的分布函数以及园区对设施设备进行维护所需的人力成本单价。
8.根据权利要求1所述的方法,其特征在于,当根据所述确定的最佳维护计划生成设备主动维护任务时,根据关键设备的维护策略类型、所属型号、所在空间位置对其进行分组,以维护策略对应的维护周期为间隔批量形成设备主动维护任务。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的设备维护管理方法的步骤。
10.一种设备维护管理系统,其特征在于,包括处理器及存储器,其中:所述处理器用于执行存储器中存储的程序,以实现如权利要求1至8中任一项所述的设备维护管理方法的步骤。
11.一种设备维护管理系统,其特征在于,包括数据提取模块、维护策略决策模块、维护计划决策模块和维护任务生成模块,其中:
数据提取模块,用于确定关键设备和非关键设备,并获取关键设备的维修性和可靠性参数;
维护策略决策模块,用于根据获取的参数对每个关键设备的维护活动进行定量化仿真分析,确定每个关键设备的最优主动维护策略和关键维护参数;
维护计划决策模块,用于根据每个关键设备的最优主动维护策略和关键维护参数,确定使得所有采取主动维护策略维护的设备的维护成本之和不超过主动维护预算,且所有采取被动维护策略维护的设备的维护成本之和最小的最佳维护计划,所述最佳维护计划涵盖采取最优主动维护策略维护的关键设备,以及采取被动维护策略维护的关键设备和非关键设备;
维护任务生成模块,用于根据确定的最佳维护计划和设备报修记录分别生成设备主动维护任务和被动维护任务。
12.根据权利要求11所述的系统,其特征在于,还包括空间定位模块和数据可视化模块,其中:
空间定位模块,用于获取至少以下之一的数据:设备的编号、用户的空间位置、故障报修的空间位置,并提交给数据可视化模块进行可视化显示;
数据可视化模块,用于将反映建筑设施的建筑信息模型BIM模型和反映道路和管网设施的地理信息系统GIS数据在网页页面中进行三维可视化显示,并接收所述空间定位模块的数据,为用户提供设施、设备或报修的高亮定位和设施设备内外部关联跳转的交互操作。
CN201910218891.0A 2019-03-21 2019-03-21 一种设备维护管理方法及系统、计算机可读存储介质 Active CN109933934B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910218891.0A CN109933934B (zh) 2019-03-21 2019-03-21 一种设备维护管理方法及系统、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910218891.0A CN109933934B (zh) 2019-03-21 2019-03-21 一种设备维护管理方法及系统、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109933934A true CN109933934A (zh) 2019-06-25
CN109933934B CN109933934B (zh) 2021-11-16

Family

ID=66987877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910218891.0A Active CN109933934B (zh) 2019-03-21 2019-03-21 一种设备维护管理方法及系统、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109933934B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427712A (zh) * 2019-08-07 2019-11-08 广东工业大学 一种基于故障影响分析的预防性维修方法及车间制造系统
CN110675046A (zh) * 2019-09-18 2020-01-10 上海建工四建集团有限公司 基于bim和报修数据的评价方法、装置、介质及终端
CN110737932A (zh) * 2019-08-29 2020-01-31 中建一局集团第二建筑有限公司 一种利用bim模型分析工程临时设施成本的方法
CN111046557A (zh) * 2019-12-12 2020-04-21 无锡市工业设备安装有限公司 一种基于iot-bim的机电设备维护保养智慧管理方法
CN112215369A (zh) * 2020-09-18 2021-01-12 岭东核电有限公司 核电厂维修的有效性确定方法、装置、设备及存储介质
CN113516307A (zh) * 2021-07-06 2021-10-19 国网福建省电力有限公司 电力灾害应急处置进程估算预测方法及装置
CN114997840A (zh) * 2022-07-18 2022-09-02 南京华娱数字科技有限公司 一种基于WebGL的CGI项目流程数据存储管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120221191A1 (en) * 2011-02-24 2012-08-30 Bae Systems Plc Reliability centered maintenance
CN108269212A (zh) * 2016-12-30 2018-07-10 香港科技大学深圳研究院 基于bim和gis的地下公共设施的管理方法和装置
CN108281176A (zh) * 2018-04-12 2018-07-13 上海科瑞漫拓信息技术有限公司 基于bim的医院建筑智慧运维管理系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120221191A1 (en) * 2011-02-24 2012-08-30 Bae Systems Plc Reliability centered maintenance
CN108269212A (zh) * 2016-12-30 2018-07-10 香港科技大学深圳研究院 基于bim和gis的地下公共设施的管理方法和装置
CN108281176A (zh) * 2018-04-12 2018-07-13 上海科瑞漫拓信息技术有限公司 基于bim的医院建筑智慧运维管理系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王灵芝: "以可靠性为中心的高速列车设备维修决策支持系统研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
董玉亮: "发电设备运行与维修决策支持系统研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427712A (zh) * 2019-08-07 2019-11-08 广东工业大学 一种基于故障影响分析的预防性维修方法及车间制造系统
CN110737932A (zh) * 2019-08-29 2020-01-31 中建一局集团第二建筑有限公司 一种利用bim模型分析工程临时设施成本的方法
CN110737932B (zh) * 2019-08-29 2021-04-27 中建一局集团第二建筑有限公司 一种利用bim模型分析工程临时设施成本的方法
CN110675046A (zh) * 2019-09-18 2020-01-10 上海建工四建集团有限公司 基于bim和报修数据的评价方法、装置、介质及终端
CN110675046B (zh) * 2019-09-18 2021-08-31 上海建工四建集团有限公司 基于bim和报修数据的评价方法、装置、介质及终端
CN111046557A (zh) * 2019-12-12 2020-04-21 无锡市工业设备安装有限公司 一种基于iot-bim的机电设备维护保养智慧管理方法
CN111046557B (zh) * 2019-12-12 2023-05-30 无锡市工业设备安装有限公司 一种基于iot-bim的机电设备维护保养智慧管理方法
CN112215369A (zh) * 2020-09-18 2021-01-12 岭东核电有限公司 核电厂维修的有效性确定方法、装置、设备及存储介质
CN113516307A (zh) * 2021-07-06 2021-10-19 国网福建省电力有限公司 电力灾害应急处置进程估算预测方法及装置
CN113516307B (zh) * 2021-07-06 2022-08-05 国网福建省电力有限公司 电力灾害应急处置进程估算预测方法及装置
CN114997840A (zh) * 2022-07-18 2022-09-02 南京华娱数字科技有限公司 一种基于WebGL的CGI项目流程数据存储管理系统

Also Published As

Publication number Publication date
CN109933934B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN109933934A (zh) 一种设备维护管理方法及系统、计算机可读存储介质
Ma et al. Data-driven decision-making for equipment maintenance
Abdul Nabi et al. Modular construction: Determining decision-making factors and future research needs
KR102184182B1 (ko) Super Tree 기반의 Project/Task 지능 목표관리 방법 및 플랫폼
Li et al. A project-based quantification of BIM benefits
Miles et al. Community of practice for modeling disaster recovery
Øien et al. Building safety indicators: Part 1–theoretical foundation
Becerik-Gerber et al. Application areas and data requirements for BIM-enabled facilities management
Podofillini et al. Using expert models in human reliability analysis—a dependence assessment method based on fuzzy logic
Ahuja et al. Project scheduling and monitoring: current research status
Yang et al. Risk response of complex projects: Risk association network method
Yang et al. Development of a risk monitoring system for nuclear power plants based on GO-FLOW methodology
Jiang Intelligent building construction management based on BIM digital twin
CN107609794A (zh) 一种技术成熟度评价信息处理装置
CN110007909A (zh) 一种基于Web的智能化焊接管理系统及方法
Yoo et al. Development of a computerized risk management system for international NPP EPC projects
Alibrandi Risk-informed digital twin of buildings and infrastructures for sustainable and resilient urban communities
Enshassi et al. Probabilistic risk management framework for tolerance-related issues in modularized projects: Local and global perspectives
Padala et al. Modeling a construction project in a matrix-based framework for managing requirement changes
Asghari et al. Reinforcement learning in construction engineering and management: A review
Hamzah et al. A CMMS expert using BIM for IBS building maintenance
Miller et al. R&D Roadmap to Enhance Industry Legacy Probabilistic Risk Assessment Methods and Tools
Liu et al. Efficiency of risk management for tunnel security of megaprojects construction in China based on system dynamics
Li et al. The Application of BIM in the AECO Industry
Gerlach et al. Critical Success Factors for AI-driven Smart Energy Services

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