CN110264055B - 部件危害性评估方法、装置、设备及计算机可读存储介质 - Google Patents
部件危害性评估方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110264055B CN110264055B CN201910499549.2A CN201910499549A CN110264055B CN 110264055 B CN110264055 B CN 110264055B CN 201910499549 A CN201910499549 A CN 201910499549A CN 110264055 B CN110264055 B CN 110264055B
- Authority
- CN
- China
- Prior art keywords
- fault
- component
- fault mode
- mode
- hazard
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Abstract
本发明实施例提供一种部件危害性评估方法、装置、设备及计算机可读存储介质,该方法包括:获取部件的历史故障数据,其中,所述部件对应于多个故障模式;从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率;根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度;根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。本发明实施例通过首先确定部件各个故障模式的危害度,然后根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够提高部件危害性评估的准确性。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种部件危害性评估方法、装置、设备及计算机可读存储介质。
背景技术
轨道列车是轨道交通中最重要的设备,保障列车的运用稳定,减少因故障造成的运行延迟,保证动车安全高效运行的重要性不言而喻。然而面对人们庞大的出行需求,为了保证每天列车的高效率运输,伴随列车运行速度的逐渐提升和行车密度的不断加大,列车运营的强度被拉升到极限。而列车作为一个极其复杂的设备,其由成千上万个部件组成,在列车高强度、长时间的运营情况下,不可避免的会发生故障,影响列车的运输效率和安全性。如何将列车的故障率控制在一个安全的范围之下变得愈发困难。
现有技术中,通常采用通用的部件危害性评估方法对部件的历史故障数据进行危害性分析,计算出部件的平均无故障时间,然后按照该时间进行部件检修或更换。
然而,采用通用的部件危害性评估方法对部件进行评估,针对性较弱,评估结果的准确度较差。
发明内容
本发明实施例提供一种部件危害性评估方法、装置、设备及计算机可读存储介质,以解决目前采用通用的部件危害性评估方法对部件进行评估,针对性弱,评估结果准确度差的问题。
第一方面,本发明实施例提供一种部件危害性评估方法,包括:
获取部件的历史故障数据,其中,所述部件对应于多个故障模式;
从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率;
根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度;
根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。
在一种可能的实施方式中,所述历史故障数据包括指定时间内所述部件各个故障模式发生的次数、所有故障模式发生的总次数以及所述部件的工作时长;
所述根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度,包括:
针对所述部件的每个故障模式,计算所述指定时间内所述部件该故障模式发生的次数与所有故障模式发生的总次数的比值,将所述比值作为该故障模式的频数比,并根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数;
针对所述部件的每个故障模式,根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度。
在一种可能的实施方式中,所述根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数,包括:
计算该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率与所述工作时长的乘积值,将所述乘积值作为该故障模式的危害性系数。
在一种可能的实施方式中,所述根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度,包括:
建立以故障等级为横轴,危害性系数为纵轴的矩阵图;
以该故障模式对应的故障等级为该故障模式的横坐标,该故障模式的危害性系数为该故障模式的纵坐标,在所述矩阵图上定位该故障模式的分布点;
在所述矩阵图的指定对角线上确定出该故障模式的分布点对应的垂足,其中,所述指定对角线为以所述矩阵图的原点为一个端点的对角线,所述垂足为从该故障模式的分布点向所述指定对角线作垂线,该垂线与所述指定对角线的交点;
将所述垂足与所述矩阵图的原点之间的距离确定为该故障模式的危害度。
在一种可能的实施方式中,所述部件为列车的部件,所述列车包括多个系统,每个系统包括多个部件;每个系统对应于一个权重值,每个部件对应于一个权重值;所述方法还包括:
针对所述列车的每个系统,根据该系统各个部件的危害度及各个部件对应的权重值确定该系统的危害度;
根据所述列车各个系统的危害度及各个系统对应的权重值确定所述列车的危害度。
在一种可能的实施方式中,还包括:
接收用户输入的查询信息;
根据所述查询信息显示以下中的至少一项:所述列车的危害度、所述列车至少一个系统的危害度以及所述列车的至少一个部件的危害度。
第二方面,本发明实施例提供一种部件危害性评估装置,包括:
获取模块,用于获取部件的历史故障数据,其中,所述部件对应于多个故障模式;
查找模块,用于从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率;
第一处理模块,用于根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度;
第二处理模块,用于根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。
在一种可能的实施方式中,所述历史故障数据包括指定时间内所述部件各个故障模式发生的次数、所有故障模式发生的总次数以及所述部件的工作时长;所述第一处理模块,用于:
针对所述部件的每个故障模式,计算所述指定时间内所述部件该故障模式发生的次数与所有故障模式发生的总次数的比值,将所述比值作为该故障模式的频数比,并根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数;
针对所述部件的每个故障模式,根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度。
第三方面,本发明实施例提供一种部件危害性评估设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的实施方式所述的部件危害性评估方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的实施方式所述的部件危害性评估方法。
本实施例提供的部件危害性评估方法、装置、设备及计算机可读存储介质,通过获取部件的历史故障数据,其中,部件对应于多个故障模式;从预置的数据表中查找部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率;根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,确定部件各个故障模式的危害度;根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够实现对部件危害性的准确评估。本发明实施例通过根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,首先确定部件各个故障模式的危害度,然后根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够提高部件危害性评估的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的部件危害性评估方法的流程示意图;
图2为本发明又一实施例提供的部件危害性评估方法的流程示意图;
图3为本发明另一实施例提供的部件危害性评估方法中确定故障模式的危害度的流程示意图;
图4为本发明实施例提供的矩阵图的示意图;
图5为本发明一实施例提供的部件危害性评估装置的结构示意图;
图6为本发明又一实施例提供的部件危害性评估装置的结构示意图;
图7为本发明一实施例提供的部件危害性评估设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
轨道列车是轨道交通中最重要的设备,保障列车的运用稳定,减少因故障造成的运行延迟,保证动车安全高效运行的重要性不言而喻。然而面对人们庞大的出行需求,为了保证每天列车的高效率运输,伴随列车运行速度的逐渐提升和行车密度的不断加大,列车运营的强度被拉升到极限。而列车作为一个极其复杂的设备,其由成千上万个部件组成,在列车高强度、长时间的运营情况下,不可避免的会发生故障,影响列车的运输效率和安全性。如何将列车的故障率控制在一个安全的范围之下变得愈发困难。
本发明实施例通过根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,首先确定部件各个故障模式的危害度,然后根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够提高部件危害性评估的准确性,进而提高列车部件检修的效率和针对性,提高列车安全。
图1为本发明一实施例提供的部件危害性评估方法的流程示意图。如图1所示,该方法包括:
S101、获取部件的历史故障数据,其中,所述部件对应于多个故障模式。
在本实施例中,历史故障数据可以为当前时刻之前一段时间内部件发生故障的相关数据。部件对应于多个故障模式,相应的,部件的历史故障数据中包含与部件各个故障模式相关的数据。可以从数据库中获取部件的历史故障数据。其中,部件的故障模式可以根据实际需求进行确定,在此不作限定。例如,对于一个制动部件的故障模式可以包括电路板故障模式、闸瓦故障模式、压力开关故障模式等。
S102、从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率。
在本实施例中,预置的数据表可以包括故障等级表和故障影响概率表。某故障模式对应的故障等级用于表征部件以该故障模式发生故障后对列车所造成的影响程度。其中,故障等级可以根据实际需求设定,在此不作限定。例如,故障等级可以分为以下四级:1级,正线故障;2级,三至五分钟晚点;3级,五分钟以上晚点;4级,救援。预置的故障等级表中的数据包含部件各个故障模式对应的故障等级。每个故障模式唯一对应一个故障等级。
某故障模式对应的故障影响概率用于表征部件以该故障模式发生故障后对部件所造成的影响程度。其中,故障影响概率的取值可以根据实际需求设定,在此不作限定。例如,故障影响概率的取值可以如下表所示,其中,β表示故障影响概率。
表1故障影响概率的取值示例表
故障影响 | β |
部件肯定发生损伤,丧失功能 | β=1.0 |
部件可能发生损伤,丧失功能 | β=0.5 |
部件很少发生损伤,丧失功能 | β=0.1 |
对部件无影响 | β=0 |
预置的故障影响概率表中的数据包含部件各个故障模式对应的故障影响概率。每个故障模式唯一对应一个故障影响概率。
可以从预置的数据表中查找部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率。
S103、根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度。
在本实施例中,部件某故障模式的危害度用于表征部件以该故障模式发生故障时的危害程度。可以根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,确定部件各个故障模式的危害度。
S104、根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。
在本实施例中,部件的危害度用于表征部件发生故障后的危害程度。危害度越高,表示部件越需要进行相应的修理或替换等处理,从而保证列车的安全运行。可以根据部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。
其中,部件每个故障模式对应一个权重值,可以通过对各个故障模式的危害度进行加权求和或者加权求平均等加权运算方式,计算得到部件的危害度。这样计算出的部件的危害度综合考虑了部件各故障模式的故障等级、故障影响概率及权重值等因素,因而计算出的部件的危害度准确度更高,根据计算的部件的危害度能够更加及时准确的对危害度高的部件优先进行处理,从而提高部件检修效果,保证列车运行安全。
本发明实施例通过获取部件的历史故障数据,其中,部件对应于多个故障模式;从预置的故障等级表中查找部件各个故障模式对应的故障等级,并从预置的故障影响概率表查找部件各个故障模式对应的故障影响概率;根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,确定部件各个故障模式的危害度;根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够实现对部件危害性的准确评估。本发明实施例通过根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,首先确定部件各个故障模式的危害度,然后根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够提高部件危害性评估的准确性。
可选地,获取到的部件的历史故障数据可以为起始时刻至终止时刻的数据,根据该历史故障数据计算出的部件的危害度为终止时刻时部件的危害度。例如,如果当前时刻部件处于工作状态,则可以通过获取截止到当前时刻的一段时长内的历史故障数据,计算得到当前时刻的部件的危害度。如果当前时刻部件处于非工作状态,则可以通过获取截止到上一次部件的工作结束时刻的一段时长内的历史故障数据,计算得到部件上一次的工作结束时刻的部件的危害度。
图2为本发明又一实施例提供的部件危害性评估方法的流程示意图。本实施例对确定部件各个故障模式的危害度的具体实现过程进行了详细说明。其中,所述历史故障数据包括指定时间内所述部件各个故障模式发生的次数、所有故障模式发生的总次数以及所述部件的工作时长。指定时间可以根据实际需求进行设定,在此不作限定。例如,可以设置截止到当前时刻的一段时长作为指定时间,或者将用户输入的起始时刻到当前时刻之间的时长作为指定时间,或者将用户输入的起始时刻和终止时刻之间的时长确定为指定时间。部件的工作时长为该部件处于工作状态的累计时长。
如图2所示,该方法包括:
S201、获取部件的历史故障数据,其中,所述部件对应于多个故障模式。
在本实施例中,S201与图1实施例中的S101类似,此处不再赘述。
S202、从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率。
在本实施例中,S202与图1实施例中的S102类似,此处不再赘述。
S203、针对所述部件的每个故障模式,计算所述指定时间内所述部件该故障模式发生的次数与所有故障模式发生的总次数的比值,将所述比值作为该故障模式的频数比,并根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数。
在本实施例中,部件的故障率用于表征部件的故障发生频率。部件的故障率可以通过查找部件的参数文件获取,或者根据对该部件的实验故障数据或者现场故障数据计算得到。例如,可以根据公式λi=N/∑t计算部件故障率。其中,λi为部件的故障率,N为某部件在规定时间内的故障总次数;∑t为某部件在规定时间内的累积工作时间。
针对部件的每个故障模式,首先计算该故障模式的频数比,然后根据该故障模式的频数比、该故障模式对应的故障影响概率、部件的故障率以及工作时长,计算该故障模式的危害性系数。其中,该故障模式的频数比为指定时间内部件该故障模式发生的次数与所有故障模式发生的总次数的比值。
可选地,S203中“根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数”可以包括:
计算该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率与所述工作时长的乘积值,将所述乘积值作为该故障模式的危害性系数。
在本实施例中,可以将该故障模式的频数比、该故障模式对应的故障影响概率、部件的故障率与部件的工作时长的乘积值作为该故障模式的危害性系数。
例如,可以按照公式Cij=αijβijλit计算部件i的第j个故障模式的危害度系数Cij,其中,αij为部件i的故障模式j的频数比,βij为部件i的故障模式j对应的故障影响概率,λi为部件i的故障率,t为部件i的工作时长。
S204、针对所述部件的每个故障模式,根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度。
在本实施例中,可以根据各个故障模式的危害性系数和各个故障模式对应的故障等级来确定各个故障模式的危害度。
S205、根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。
在本实施例中,S201与图1实施例中的S101类似,此处不再赘述。
本实施例对于部件的每个故障模式,首先根据该故障模式的频数比、该故障模式对应的故障影响概率、部件的故障率以及工作时长,计算该故障模式的危害性系数,然后根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度,通过在故障模式的危害度计算过程中综合考虑故障模式的各方面数据,能够提高故障模式的危害度的计算准确度。
图3为本发明另一实施例提供的部件危害性评估方法中确定故障模式的危害度的流程示意图。本实施例在图2实施例的基础上,对确定某故障模式的危害度的具体实现过程进行了详细说明。如图3所示,该方法包括:
S301、建立以故障等级为横轴,危害性系数为纵轴的矩阵图。
S302、以该故障模式对应的故障等级为该故障模式的横坐标,该故障模式的危害性系数为该故障模式的纵坐标,在所述矩阵图上定位该故障模式的分布点。
在本实施例中,可以以故障等级为横轴,危害性系数为纵轴建立矩阵图,并在矩阵图上定位出该故障模式的分布点。每个故障模式对应一个分布点。该故障模式对应的分布点的横坐标为该故障模式对应的故障等级,该故障模式对应的分布点的纵坐标为该故障模式的危害性系数。
如图4所示为本发明实施例提供的矩阵图的示意图,其中,故障模式一对应的故障等级为3级(五分钟以上晚点),故障模式一的危害度为5,定位到矩阵图中的点A;故障模式二对应的故障等级为2级(三至五分钟晚点),故障模式二的危害度为15,定位到矩阵图中的点B。
S303、在所述矩阵图的指定对角线上确定出该故障模式的分布点对应的垂足,其中,所述指定对角线为以所述矩阵图的原点为一个端点的对角线,所述垂足为从该故障模式的分布点向所述指定对角线作垂线,该垂线与所述指定对角线的交点。
S304、将所述垂足与所述矩阵图的原点之间的距离确定为该故障模式的危害度。
在本实施例中,矩阵图可以有两条对角线。其中,指定对角线是矩阵图的原点与矩阵图中距离原点最远的点之间连线所形成的对角线。参照图4,可以从该故障模式的分布点向指定对角线作垂线,该垂线与指定对角线的交点即为垂足。将该垂足与矩阵图的原点之间的距离确定为该故障模式的危害度。该距离越长,表示其危害性越大,越需要尽快采取维护措施,消除产品潜在危害性大的故障。
本实施例通过在矩阵图上定位出故障模式的分布点,再根据故障模式的分布点在矩阵图上对应的垂足与原点之间的距离确定故障模式的危害度,能够利用矩阵图准确确定各个故障模式危害度的大小。
本实施例在完成对故障模式危害性系数计算后,再应用危害性矩阵对每一种故障模式进行危害度计算,进而为确定维护措施的先后顺序提供依据。
作为本发明的一个实施例,所述部件为列车的部件,所述列车包括多个系统,每个系统包括多个部件;每个系统对应于一个权重值,每个部件对应于一个权重值;所述方法还包括:
针对所述列车的每个系统,根据该系统各个部件的危害度及各个部件对应的权重值确定该系统的危害度;
根据所述列车各个系统的危害度及各个系统对应的权重值确定所述列车的危害度。
在本实施例中,可以首先根据上述实施例中的方法确定列车中各个部件的危害度,然后根据属于同一系统的各个部件的危害度及其对应的权重值确定所属系统的危害度,再根据列车各系统的危害度及其对应的权重值确定列车的危害度。
作为本发明的一个实施例,所述方法还包括:
接收用户输入的查询信息;
根据所述查询信息显示以下中的至少一项:所述列车的危害度、所述列车至少一个系统的危害度以及所述列车的至少一个部件的危害度。
在本实施例中,在接收到用户输入的查询信息后,可以根据查询信息在界面上显示出查询信息所指定查询的内容。其中查询信息可以指定查询的内容包括以下中的至少一项:列车的危害度、列车至少一个系统的危害度以及列车的至少一个部件的危害度。
可选地,可以以不同颜色显示不同阈值范围内的危害度。例如,可以同时显示同一系统的所有部件的危害度,判断该系统中各个部件的危害度所属的阈值范围,针对每个部件,可以按照该部件的危害度所属的阈值范围所对应的颜色来显示该部件的图标和/或该部件的危害度值。此外,在显示某部件的危害度时,可以同时显示该部件对应的各个故障模式在矩阵图中的位置及对应的垂线和垂足,以便用户直观了解该部件各个故障模式的危害度的相关信息。
本实施例可以通过页面直观展现出列车整体、列车的各个系统、已经系统下的关键部件的健康状态,明确现在危害性最大的部件,以便用户明确列车当前潜在危害最大的地方,做到精准维修,提前预防,更好地保证列车的安全运行。
列车安全性至关重要,为保证列车的安全可靠,传统方案一般如下:(1)加大检修力度。列车检修通常分为:系统修、日检、月检、季度检、年检、架修、大修等,固定周期对固定部件进行检修,根据实时情况进行维修或更换。(2)故障发生后再做处理。无法对各部件可能发生的故障进行预判,待故障发生后视故障严重程度进行处理,一般包含暂不处理、临时调整、退出服务等。(3)根据厂家指导周期进行部件更换,完全根据厂家指导意见进行定期维修或更换。(4)借助一些通用可靠性算法对历史故障数据进行可靠性分析,计算出固定部件的平均无故障时间,按照该时间进行部件检修或更换。
传统方案主要存在以下问题:(1)浪费大量人力物力。当前这种模式下多采用加大检修力度,对部件进行提前统一更换,需要大量的检修人员对列车所有部件进行周期检修,针对性不强,工作量大。对很多部件的统一更换有造成了大量的有效部件提前报废,资源得不到很好的利用。(2)影响列车的运输效率和安全性。无法对列车安全性进行提前预判,待列车运行过程中出现故障再去采取措施,容易造成列车晚点,甚至增大安全事件发生概率。(3)无法对问题部件进行精准定位。当下在可靠性评估方面形成了一定的研究基础,在列车领域的应用较少,集中于单类设备群体可靠性方面的评估,列控设备实时可靠性预测的研究尚处于起步阶段,存在需要完善的地方。如Matlab软件中自带了工具箱,提供了大量可直接调用的工具箱函数,所以可进行一些可靠性散发的分析与设计。但功能过于通用,针对性不强,且往往只对某一类部件进行可靠性分析,无法整体呈现。
本发明实施例根据列车历史故障数据进行可靠性计算,并根据各部件历史对列车的安全运行的危害程度进行综合分析,实时计算并更新列车的各部件发生故障的概率及可能造成的影响,明确提示用户优先处理的部件。针对故障模式、影响及危害性分析是针对列车部件或系统所有可能的故障,根据对故障模式的分析,确定每种故障模式对系统产生的后果,并按故障模式的严重程度及其发生概率确定其危害性进行归纳分析,通过逐一分析系统各组成部分的不同故障对其产生的影响,全面精准识别系统薄弱环节和关键部件,让用户清楚获知列车及各系统的健康状态,并为维修和运行提供参考依据,以便用户明确列车当前潜在危害最大的地方,做到精准维修,提前预防,更好地保证列车的安全运行。
本发明实施例通过获取部件的历史故障数据,其中,部件对应于多个故障模式;从预置的数据表中查找部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率;根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,确定部件各个故障模式的危害度;根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够实现对部件危害性的准确评估。本发明实施例通过根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,首先确定部件各个故障模式的危害度,然后根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够提高部件危害性评估的准确性。
图5为本发明一实施例提供的部件危害性评估装置的结构示意图。如图5所示,该部件危害性评估装置50包括:获取模块501、查找模块502、第一处理模块503和第二处理模块504。
获取模块501,用于获取部件的历史故障数据,其中,所述部件对应于多个故障模式。
查找模块502,用于从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率。
第一处理模块503,用于根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度。
第二处理模块504,用于根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度。
本发明实施例通过获取模块获取部件的历史故障数据,其中,部件对应于多个故障模式;查找模块从预置的数据表中查找部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率;第一处理模块根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,确定部件各个故障模式的危害度;第二处理模块根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够实现对部件危害性的准确评估。本发明实施例通过根据历史故障数据、部件各个故障模式对应的故障等级以及故障影响概率,首先确定部件各个故障模式的危害度,然后根据部件各个故障模式的危害度及各个故障模式对应的权重值确定部件的危害度,能够提高部件危害性评估的准确性。
图6为本发明又一实施例提供的部件危害性评估装置的结构示意图。如图6所示,本实施例提供的部件危害性评估装置50在图5所示实施例提供的部件危害性评估装置的基础上,还可以包括:第三处理模块505和显示模块506。
可选地,所述历史故障数据包括指定时间内所述部件各个故障模式发生的次数、所有故障模式发生的总次数以及所述部件的工作时长;所述第一处理模块503,用于:
针对所述部件的每个故障模式,计算所述指定时间内所述部件该故障模式发生的次数与所有故障模式发生的总次数的比值,将所述比值作为该故障模式的频数比,并根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数;
针对所述部件的每个故障模式,根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度。
可选地,所述第一处理模块503,用于:
计算该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率与所述工作时长的乘积值,将所述乘积值作为该故障模式的危害性系数。
可选地,所述第一处理模块503,用于:
建立以故障等级为横轴,危害性系数为纵轴的矩阵图;
以该故障模式对应的故障等级为该故障模式的横坐标,该故障模式的危害性系数为该故障模式的纵坐标,在所述矩阵图上定位该故障模式的分布点;
在所述矩阵图的指定对角线上确定出该故障模式的分布点对应的垂足,其中,所述指定对角线为以所述矩阵图的原点为一个端点的对角线,所述垂足为从该故障模式的分布点向所述指定对角线作垂线,该垂线与所述指定对角线的交点;
将所述垂足与所述矩阵图的原点之间的距离确定为该故障模式的危害度。
可选地,所述部件为列车的部件,所述列车包括多个系统,每个系统包括多个部件;每个系统对应于一个权重值,每个部件对应于一个权重值;所述第三处理模块505用于:
针对所述列车的每个系统,根据该系统各个部件的危害度及各个部件对应的权重值确定该系统的危害度;
根据所述列车各个系统的危害度及各个系统对应的权重值确定所述列车的危害度。
可选地,所述显示模块506用于:
接收用户输入的查询信息;
根据所述查询信息显示以下中的至少一项:所述列车的危害度、所述列车至少一个系统的危害度以及所述列车的至少一个部件的危害度。
本发明实施例提供的部件危害性评估装置,可用于执行上述的方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图7为本发明一实施例提供的部件危害性评估设备的硬件结构示意图。如图7所示,本实施例提供的部件危害性评估设备70包括:至少一个处理器701和存储器702。该部件危害性评估设备70还包括通信部件703。其中,处理器701、存储器702以及通信部件703通过总线704连接。
在具体实现过程中,至少一个处理器701执行所述存储器702存储的计算机执行指令,使得至少一个处理器701执行如上的部件危害性评估方法。
处理器701的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图7所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上的部件危害性评估方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种部件危害性评估方法,其特征在于,包括:
获取部件的历史故障数据,其中,所述部件对应于多个故障模式;
从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率,所述预置的数据表包括故障等级表和故障影响概率表;
根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度;
根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度;
所述历史故障数据包括指定时间内所述部件各个故障模式发生的次数、所有故障模式发生的总次数以及所述部件的工作时长;
所述根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度,包括:
针对所述部件的每个故障模式,计算所述指定时间内所述部件该故障模式发生的次数与所有故障模式发生的总次数的比值,将所述比值作为该故障模式的频数比,并根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数;
针对所述部件的每个故障模式,根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度;
所述根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度,包括:
建立以故障等级为横轴,危害性系数为纵轴的矩阵图;
以该故障模式对应的故障等级为该故障模式的横坐标,该故障模式的危害性系数为该故障模式的纵坐标,在所述矩阵图上定位该故障模式的分布点;
在所述矩阵图的指定对角线上确定出该故障模式的分布点对应的垂足,其中,所述指定对角线为以所述矩阵图的原点为一个端点的对角线,所述垂足为从该故障模式的分布点向所述指定对角线作垂线,该垂线与所述指定对角线的交点;
将所述垂足与所述矩阵图的原点之间的距离确定为该故障模式的危害度。
2.根据权利要求1所述的方法,其特征在于,所述根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数,包括:
计算该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率与所述工作时长的乘积值,将所述乘积值作为该故障模式的危害性系数。
3.根据权利要求1或2所述的方法,其特征在于,所述部件为列车的部件,所述列车包括多个系统,每个系统包括多个部件;每个系统对应于一个权重值,每个部件对应于一个权重值;所述方法还包括:
针对所述列车的每个系统,根据该系统各个部件的危害度及各个部件对应的权重值确定该系统的危害度;
根据所述列车各个系统的危害度及各个系统对应的权重值确定所述列车的危害度。
4.根据权利要求3所述的方法,其特征在于,还包括:
接收用户输入的查询信息;
根据所述查询信息显示以下中的至少一项:所述列车的危害度、所述列车至少一个系统的危害度以及所述列车的至少一个部件的危害度。
5.一种部件危害性评估装置,其特征在于,包括:
获取模块,用于获取部件的历史故障数据,其中,所述部件对应于多个故障模式;
查找模块,用于从预置的数据表中查找所述部件各个故障模式对应的故障等级,以及各个故障模式对应的故障影响概率,所述预置的数据表包括故障等级表和故障影响概率表;
第一处理模块,用于根据所述历史故障数据、所述部件各个故障模式对应的故障等级以及故障影响概率,确定所述部件各个故障模式的危害度;
第二处理模块,用于根据所述部件各个故障模式的危害度及各个故障模式对应的权重值确定所述部件的危害度;
所述历史故障数据包括指定时间内所述部件各个故障模式发生的次数、所有故障模式发生的总次数以及所述部件的工作时长;所述第一处理模块,用于:
针对所述部件的每个故障模式,计算所述指定时间内所述部件该故障模式发生的次数与所有故障模式发生的总次数的比值,将所述比值作为该故障模式的频数比,并根据该故障模式的频数比、该故障模式对应的故障影响概率、所述部件的故障率以及所述工作时长,计算该故障模式的危害性系数;
针对所述部件的每个故障模式,根据该故障模式的危害性系数和该故障模式对应的故障等级确定该故障模式的危害度;
所述第一处理模块,具体用于:
建立以故障等级为横轴,危害性系数为纵轴的矩阵图;
以该故障模式对应的故障等级为该故障模式的横坐标,该故障模式的危害性系数为该故障模式的纵坐标,在所述矩阵图上定位该故障模式的分布点;
在所述矩阵图的指定对角线上确定出该故障模式的分布点对应的垂足,其中,所述指定对角线为以所述矩阵图的原点为一个端点的对角线,所述垂足为从该故障模式的分布点向所述指定对角线作垂线,该垂线与所述指定对角线的交点;
将所述垂足与所述矩阵图的原点之间的距离确定为该故障模式的危害度。
6.一种部件危害性评估设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至4任一项所述的部件危害性评估方法。
7.一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中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至4任一项所述的部件危害性评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910499549.2A CN110264055B (zh) | 2019-06-11 | 2019-06-11 | 部件危害性评估方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910499549.2A CN110264055B (zh) | 2019-06-11 | 2019-06-11 | 部件危害性评估方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110264055A CN110264055A (zh) | 2019-09-20 |
CN110264055B true CN110264055B (zh) | 2021-11-30 |
Family
ID=67917489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910499549.2A Active CN110264055B (zh) | 2019-06-11 | 2019-06-11 | 部件危害性评估方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110264055B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111140356B (zh) * | 2019-12-25 | 2021-07-27 | 中国人民解放军陆军航空兵学院陆军航空兵研究所 | 直升机发动机燃油系统的故障评估方法和装置 |
CN112711807B (zh) * | 2020-12-29 | 2024-04-09 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于故障数据的设备可靠性分析方法 |
CN113988542B (zh) * | 2021-10-08 | 2023-12-19 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678924A (zh) * | 2013-12-18 | 2014-03-26 | 南京理工大学 | 轨道交通车辆关键部件故障模式风险优先数的确定方法 |
CN104933477A (zh) * | 2015-06-05 | 2015-09-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种利用输变电设备风险评估优化检修策略的方法 |
CN105035902A (zh) * | 2015-08-10 | 2015-11-11 | 广州特种机电设备检测研究院 | 一种电梯安全状况评估方法 |
-
2019
- 2019-06-11 CN CN201910499549.2A patent/CN110264055B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678924A (zh) * | 2013-12-18 | 2014-03-26 | 南京理工大学 | 轨道交通车辆关键部件故障模式风险优先数的确定方法 |
CN104933477A (zh) * | 2015-06-05 | 2015-09-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种利用输变电设备风险评估优化检修策略的方法 |
CN105035902A (zh) * | 2015-08-10 | 2015-11-11 | 广州特种机电设备检测研究院 | 一种电梯安全状况评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110264055A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264055B (zh) | 部件危害性评估方法、装置、设备及计算机可读存储介质 | |
CN103617110B (zh) | 服务器设备状态检修系统 | |
CN102998996A (zh) | 一种飞机机载实时故障诊断方法 | |
CN113282461A (zh) | 传输网的告警识别方法和装置 | |
CN111814964A (zh) | 基于空气质量状况预报的空气污染处理方法及存储介质 | |
CN110868241A (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
CN112001625B (zh) | 一种冰灾下输电系统的全时段韧性增强方法 | |
CN110988563B (zh) | 一种ups故障检测方法、装置、设备和存储介质 | |
CN109507992B (zh) | 一种机车制动系统部件的故障预测方法、装置及设备 | |
CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控系统 | |
CN111624986A (zh) | 基于案例库的故障诊断方法和系统 | |
CN115511136B (zh) | 基于层次分析和故障树的设备故障辅助诊断方法及系统 | |
CN116089231B (zh) | 一种故障告警方法、装置、电子设备及存储介质 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN112463530A (zh) | 微服务系统的异常检测方法、装置、电子设备及存储介质 | |
CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
CN115409283A (zh) | 设备故障预测方法、设备故障预测装置、设备及存储介质 | |
KR101936240B1 (ko) | 예방 정비 시뮬레이션 시스템 및 방법 | |
CN111786460A (zh) | 一种基于大数据的电网信息运维主动预警方法 | |
CN114743703A (zh) | 核电站机组的可靠性分析方法、装置、设备和存储介质 | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
CN116345690A (zh) | 基于供电系统bom的pscada虚警识别方法及系统 | |
CN113065234B (zh) | 一种智能电表的批次可靠性风险等级评估方法及系统 | |
CN111061254B (zh) | 一种phm系统性能的评价方法及系统 | |
CN114091699A (zh) | 一种电力通信设备故障诊断方法及系统 |
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 |