CN110390404A - 一种基于知识库和数据管理的rcm - Google Patents
一种基于知识库和数据管理的rcm Download PDFInfo
- Publication number
- CN110390404A CN110390404A CN201910628346.9A CN201910628346A CN110390404A CN 110390404 A CN110390404 A CN 110390404A CN 201910628346 A CN201910628346 A CN 201910628346A CN 110390404 A CN110390404 A CN 110390404A
- Authority
- CN
- China
- Prior art keywords
- rcm
- library
- maintenance
- data management
- knowledge
- 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.)
- Pending
Links
- 238000013523 data management Methods 0.000 title claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 59
- 238000003339 best practice Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 14
- 238000007726 management method Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于知识库和数据管理的RCM,先建立设备基础模型;将设备基础模型与知识库结合进行模拟、优化,并根据结果分析形成RCM的最佳实践。本发明可以帮助企业制定更符合自身的维修策略且逐渐形成自身的知识库。
Description
技术领域
本发明涉及设备管理技术领域,尤其涉及一种基于知识库和数据管理的RCM。
背景技术
传统维修策略的制定主要过程为:
1、确定进行维修分析的对象;
2、确定对象的功能;
3、确定功能故障;
4、分析引起功能故障那个的故障模式、故障原因;
5、确定故障后果的严重程度;
6、针对不同的故障,采用不同的维护措施;
7、如果找不到适当的主动性维修措施的处理办法。
传统维修策略基于分析者的经验,是一种定性判断,决策过程缺乏数学模型支持,使得可信性不足,典型的采用专题会议的形式,把与分析相关的人员如受过专业培训的维修实施员,设备检修人员,设备运行人员等角色集中开会议,然后就分析的结果进行较长时间的分析和确认,整个周期非常漫长(2年左右),及时性很差。
整个过程没有规范的知识库管理系统为可靠性分析服务,维修策略没能以数据为指导从而不能准确且有针对性的解决故障问题。尤其对于新建厂,缺少生产维护经验,没有基础数据支撑,执行RCM(以可靠性为中心的维修)分析以及结果的落地更是难上加难。同时传统的RCM的实施需要涉及到很多角色的参与者,这些人员同时又担负着工厂的繁重的日常生产的工作,这样就导致参与者的参与效果有限,且RCM实施会和较多的生产工作相冲突,这是由于没有考虑工厂的实际工作和管理流程,导致很多成果无法应用。
目前先进的预测性维修系统,如基于实时数据的预警系统,基本是针对单点的故障特征,利用更多数据和算法,实现基于场景的预警,更早的发现问题,不能解决设备中长期,以及全面的策略管理。
发明内容
为了解决上述技术问题,本发明提出一种基于知识库和数据管理的RCM。在所述方法中,通过业务数据与实时数据的结构化,可制定符合企业自身的维修策略,形成RCM的最佳实践。
为了达到上述目的,本发明的技术方案如下:
一种维修策略的优化方法,包括如下步骤:
1)建立设备基础模型;
2)将设备基础模型与知识库结合进行模拟、优化,并根据结果分析形成RCM的最佳实践。
优选地,所述步骤1)包括步骤如下:
1-1)收集数据;
1-2)对步骤1-1)中的数据进行清洗;
1-3)通过回归算法对步骤1-2)所述的数据进行回归,确定故障发生规律;
1-4)根据业务流程,利用可靠性框图建立设备基础模型,并将步骤1-1)、步骤1-2)和步骤1-3)的结果放入所述设备基础模型。
优选地,所述步骤1-1)中收集的数据包括设备基本信息和故障及维修信息,其中:
所述设备基本信息包括:设备名称、台号和设备类型;
所述故障及维修信息包括:维修开始时间、维修结束时间、维修类型、故障类型、设备停机时间、维修时间、故障模式、维修内容和监测标准。
优选地,所述步骤2)包括步骤如下:
2-1)依据知识库和步骤1-4)中设备基础模型来构建不同的场景模型;
2-2)通过特定算法对步骤2-1)中不同的场景模型进行模拟、仿真;
2-3)根据步骤2-2)的结果进行分析,获取关键绩效指标分析结果并设定相应的监测阈值;
2-4)根据步骤2-2)的结果进行分析制定维修策略,形成企业知识库;
2-5)若步骤2-3)中的关键绩效指标分析结果不在相应的监测阈值中,触发步骤2-4)中相应的维修策略,形成RCM的最佳实践。
优选地,所述步骤2-5)后还包括步骤如下:
2-6)将步骤2-5)的结果补充至步骤2-4)中的企业知识库中,步骤2-4)与步骤2-5)不断迭代,形成企业知识库自我更新的闭环。
优选地,所述步骤2-2)中所述特定算法包括大数据算法、蒙特卡洛模拟算法、人工神经网络和深度学习。
优选地,所述步骤2-3)中关键绩效指标包括:可靠性、可用性、可维护性和平均故障间隔时间。
优选地,所述步骤2-4)中制定维修策略步骤如下:根据安全性、环境性、功能性和经济性影响的因素的决策树分析,形成针对不同故障选择不同的维修策略,并制定科学平均维修间隔时间。
优选地,所述知识库为培慕知识库。
优选地,所述培慕知识库包括:资产结构库、设备故障库、维修策略库和健康指标库。
基于上述技术方案,本发明的有益效果是:
1)、帮助企业从以经验为指导的RCM分析转变为以数据为基础的RCM分析,挖掘数据价值,能够准确的进行处理分析,大大缩短RCM分析周期的同时依据RCM分析制定RCM的最佳实施,辅助企业的运营决策;
2)、对于初建厂没有经验积累的企业,通过知识库的结合运用,企业设备优化管理不再从0开始,而是基于国际和同行业的经验数据积累,低成本、无试错的建立为本厂量身定做的设备优化管理的数字化基础,为建设数字化智能化工厂,并进行扩张和再投资奠定坚实的有数据支撑的决策基础;
3)、随着企业生产运行,数据的积累不断增加,帮助企业可形成自己的企业知识库,企业知识库也不断迭代更新,有助于企业制定出更贴合企业实际情况的中长期以及全面的维修策略。
附图说明
图1:本发明一种维修策略的优化方法中建立设备基础模型的流程图;
图2:本发明一种维修策略的优化方法中形成维修策略的最佳实践方案的流程图。
具体实施方式
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。
实施例一
一种维修策略的优化方法,建立设备基础模型;将设备基础模型与知识库结合进行模拟、优化,并根据结果分析形成RCM的最佳实践。
如图1所示,所述建立设备基础模型包括步骤如下:
1-1)收集数据;
1-2)对步骤1-1)中收集到的数据进行清洗,包括数据的整理、分类,剔除无效数据等,将所述数据整理为设备基本信息和故障及维修信息,其中:
所述设备基本信息包括:设备名称、台号和设备类型;
所述故障及维修信息包括:维修开始时间、维修结束时间、维修类型、故障类型、设备停机时间、维修时间、故障模式、维修内容和监测标准;
1-3)通过回归算法对步骤1-2)所述的数据进行回归,进行故障模式与故障后果分析,进而确定故障发生规律;
1-4)根据业务流程,利用可靠性框图建立设备基础模型,并将步骤1-1)、步骤1-2)和步骤1-3)的结果放入所述设备基础模型。
如图2所示,所述形成维修策略的最佳实践方案包括步骤如下:
2-1)依据知识库和步骤1-4)中设备基础模型来构建不同的场景模型;
2-2)借助大数据算法、蒙特卡洛模拟算法、人工神经网络和深度学习等特定算法对步骤2-1)中不同场景模型进行模拟、仿真,获得RBD模拟仿真结果,所述结果包括系统的可用性、系统运行时间、系统停机时间(及由于各不同原因造成的停机时间)、系统进行修正性维修的次数、预防性维修的次数、实时监测引起的维修次数、检测引起的维修次数、首次故障前平均时间(MTTFF)、平均故障间隔时间(MTBF)、平均维修间隔时间(MTBM)、系统启动次数、停机次数、启动总耗费时间、停机总耗费时间、备件消耗数量;系统在不同时间点的可靠性;造成停机时间最长的设备故障模式排名;系统在不同负荷下运行时间的百分比、系统负荷的平均利用率;系统用于不同类型维护的成本、各类型维护所用人力资源的成本、所用备件的成本、年化固定资产投资成本、备件的仓储成本、开机成本、停机成本、停机损失、运行成本、总成本、销售额、销售利润等数据;以及针对各设备的类似分析结果;
2-3)根据步骤2-2)的结果进行分析,获取关键绩效指标分析结果并设定相应的监测阈值,具体关键绩效指标可根据实际企业项目进行增加或删减,并根据项目要求来确定标准设定相应的监测阈值;
2-4)根据步骤2-2)的结果进行分析制定维修策略,形成企业知识库;
2-5)若步骤2-3)中的关键绩效指标分析结果不在相应的监测阈值中,触发步骤2-4)中相应的维修策略,形成RCM的最佳实践。
进一步,所述步骤2-5)后还包括步骤如下:
2-6)将步骤2-5)的结果补充至步骤2-4)中的企业知识库中,步骤2-4)与步骤2-5)不断迭代,形成企业知识库自我更新的闭环。
进一步,所述步骤2-3)中关键绩效指标包括:可靠性、可用性、可维护性和平均故障间隔时间(MTBF)。
进一步,所述步骤2-4)中制定维修策略步骤如下:根据安全性、环境性、功能性和经济性影响等因素的决策树分析,形成针对不同故障选择不同的维修策略,并制定科学维修工作间隔。
进一步,知识库为培慕知识库,培慕知识库是基于国际和同行业的经验数据积累,低成本、无试错的建立为企业自身量身定做的设备优化管理的数字化基础。是对企业现有数据的有力补充。知识库可大大降低RCM分析和应用过程中的时间和人员等资源成本。培慕知识库中包括资产结构库、设备故障库、维修策略库和健康指标库,其中:
资产结构库:内含符合国际标准的资产结构,包含子系统、可维修部件、零配件等信息;
设备故障库:资产的不同部位所对应的故障模式及故障原因,且符合国际标准;
维修策略库:针对不同的故障如何进行有效维修,包含维修方式、维修间隔等。
健康指标库:如对设备的温度、振动、油品分析等的阈值和其他判断标准。
随着企业生产运行,数据的积累不断增加,知识库与设备基础模型帮助企业可形成自己的企业知识库,企业知识库也不断迭代更新,有助于企业制定出更贴合企业实际情况的中长期以及全面的维修策略。
以上所述仅为本发明所公开的一种基于知识库和数据管理的RCM的优选实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于知识库和数据管理的RCM,其特征在于,包括如下步骤:
1)建立设备基础模型;
2)将设备基础模型与知识库结合进行模拟、优化,并根据结果分析形成RCM的最佳实践。
2.根据权利要求1所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤1)包括步骤如下:
1-1)收集数据;
1-2)对步骤1-1)中的数据进行清洗;
1-3)通过回归算法对步骤1-2)所述的数据进行回归,确定故障发生规律;
1-4)根据业务流程,利用可靠性框图建立设备基础模型,并将步骤1-1)、步骤1-2)和步骤1-3)的结果放入所述设备基础模型。
3.根据权利要求2所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤1-1)中收集的数据包括设备基本信息和故障及维修信息,其中:
所述设备基本信息包括:设备名称、台号和设备类型;
所述故障及维修信息包括:维修开始时间、维修结束时间、维修类型、故障类型、设备停机时间、维修时间、故障模式、维修内容和监测标准。
4.根据权利要求2所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤2)包括步骤如下:
2-1)依据知识库和步骤1-4)中设备基础模型来构建不同的场景模型;
2-2)通过特定算法对步骤2-1)中不同的场景模型进行模拟、仿真;
2-3)根据步骤2-2)的结果进行分析,获取关键绩效指标分析结果并设定相应的监测阈值;
2-4)根据步骤2-2)的结果进行分析制定维修策略,形成企业知识库;
2-5)若步骤2-3)中的关键绩效指标分析结果不在相应的监测阈值中,触发步骤2-4)中相应的维修策略,形成RCM的最佳实践。
5.根据权利要求4所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤2-5)后还包括步骤如下:
2-6)将步骤2-5)的结果补充至步骤2-4)中的企业知识库中,步骤2-4)与步骤2-5)不断迭代,形成企业知识库自我更新的闭环。
6.根据权利要求4所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤2-2)中所述特定算法包括大数据算法、蒙特卡洛模拟算法、人工神经网络和深度学习。
7.根据权利要求4所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤2-3)中关键绩效指标包括:可靠性、可用性、可维护性和平均故障间隔时间。
8.根据权利要求4所述的一种基于知识库和数据管理的RCM,其特征在于,所述步骤2-4)中制定维修策略步骤如下:根据安全性、环境性、功能性和经济性影响的因素的决策树分析,形成针对不同故障选择不同的维修策略,并制定科学维修工作间隔。
9.根据权利要求4所述的一种基于知识库和数据管理的RCM,其特征在于,所述知识库为培慕知识库。
10.根据权利要求9所述的一种基于知识库和数据管理的RCM,其特征在于,所述培慕知识库包括:资产结构库、设备故障库、维修策略库和健康指标库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628346.9A CN110390404A (zh) | 2019-07-12 | 2019-07-12 | 一种基于知识库和数据管理的rcm |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628346.9A CN110390404A (zh) | 2019-07-12 | 2019-07-12 | 一种基于知识库和数据管理的rcm |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110390404A true CN110390404A (zh) | 2019-10-29 |
Family
ID=68286565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910628346.9A Pending CN110390404A (zh) | 2019-07-12 | 2019-07-12 | 一种基于知识库和数据管理的rcm |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390404A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928858A (zh) * | 2019-11-19 | 2020-03-27 | 杭州培慕科技有限公司 | 一种基于数字化和智能化应用的设备知识库构建方法 |
CN111025128A (zh) * | 2019-12-20 | 2020-04-17 | 中国人民解放军陆军军医大学第一附属医院 | 基于ai的医疗设备故障检测系统及方法 |
CN111427330A (zh) * | 2020-03-19 | 2020-07-17 | 杭州培慕科技有限公司 | 一种基于设备维护数据的设备故障模式及规律分析方法 |
CN112446585A (zh) * | 2020-10-16 | 2021-03-05 | 北京博华信智科技股份有限公司 | 海洋石油动设备动态rcm分析系统 |
CN113051747A (zh) * | 2021-03-19 | 2021-06-29 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产模型构建方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20160161561A1 (en) * | 2013-11-26 | 2016-06-09 | China University Of Mining And Technology | Quantitative evaluation method for reliability of markov model switch reluctance motor system |
CN105956669A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆维修策略推送方法及装置 |
CN106845651A (zh) * | 2016-12-19 | 2017-06-13 | 杭州培慕科技有限公司 | 设备状态变化趋势预判、系统结构和维修策略优化的方法 |
CN107358299A (zh) * | 2017-06-16 | 2017-11-17 | 杭州培慕科技有限公司 | 基于故障模式的预知性维修闭环方法 |
CN104268678B (zh) * | 2014-09-15 | 2018-05-01 | 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石化设备预防性维修方法 |
CN108062088A (zh) * | 2017-12-15 | 2018-05-22 | 广州广电运通金融电子股份有限公司 | 车站终端故障风险预警方法、装置、终端及存储介质 |
-
2019
- 2019-07-12 CN CN201910628346.9A patent/CN110390404A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160161561A1 (en) * | 2013-11-26 | 2016-06-09 | China University Of Mining And Technology | Quantitative evaluation method for reliability of markov model switch reluctance motor system |
CN104268678B (zh) * | 2014-09-15 | 2018-05-01 | 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石化设备预防性维修方法 |
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 |
CN105956669A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆维修策略推送方法及装置 |
CN106845651A (zh) * | 2016-12-19 | 2017-06-13 | 杭州培慕科技有限公司 | 设备状态变化趋势预判、系统结构和维修策略优化的方法 |
CN107358299A (zh) * | 2017-06-16 | 2017-11-17 | 杭州培慕科技有限公司 | 基于故障模式的预知性维修闭环方法 |
CN108062088A (zh) * | 2017-12-15 | 2018-05-22 | 广州广电运通金融电子股份有限公司 | 车站终端故障风险预警方法、装置、终端及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928858A (zh) * | 2019-11-19 | 2020-03-27 | 杭州培慕科技有限公司 | 一种基于数字化和智能化应用的设备知识库构建方法 |
CN111025128A (zh) * | 2019-12-20 | 2020-04-17 | 中国人民解放军陆军军医大学第一附属医院 | 基于ai的医疗设备故障检测系统及方法 |
CN111427330A (zh) * | 2020-03-19 | 2020-07-17 | 杭州培慕科技有限公司 | 一种基于设备维护数据的设备故障模式及规律分析方法 |
CN112446585A (zh) * | 2020-10-16 | 2021-03-05 | 北京博华信智科技股份有限公司 | 海洋石油动设备动态rcm分析系统 |
CN113051747A (zh) * | 2021-03-19 | 2021-06-29 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产模型构建方法及装置 |
CN113051747B (zh) * | 2021-03-19 | 2024-02-09 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产模型构建方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390404A (zh) | 一种基于知识库和数据管理的rcm | |
CN101408769B (zh) | 一种基于乘积arima模型的在线能源预测系统及方法 | |
CN114493213A (zh) | 一种基于物联网的碳排放数据采集处理方法 | |
Hu et al. | Research and application of capability maturity model for Chinese intelligent manufacturing | |
CN110378492A (zh) | 一种加强配网设备运维管控的方法 | |
CN102880802B (zh) | 一种用于面向工矿企业安全生产云服务平台系统的重大危险源的分析评价方法 | |
CN105354614A (zh) | 一种基于大数据的电网信息运维主动预警方法 | |
CN104820908A (zh) | 一种炼油企业基于风险的设备完整性管理系统 | |
CN109933934A (zh) | 一种设备维护管理方法及系统、计算机可读存储介质 | |
CN104574002A (zh) | 基于大数据分析的资产管理信息处理方法及装置 | |
CN106845651A (zh) | 设备状态变化趋势预判、系统结构和维修策略优化的方法 | |
CN111401789A (zh) | 一种基于bim的建筑施工智能监管系统 | |
CN109002901A (zh) | 一种省地县一体化电网信息综合管理系统及装置 | |
Abramov et al. | The impact of risk factors of construction production on the results of activities of construction organizations in Iraq | |
KR102352658B1 (ko) | 건설 사업 정보 관리 시스템 및 이의 제어 방법 | |
Hassan et al. | A decision support system for subjective forecasting of new product sales | |
CN115953279A (zh) | 基于区块链技术的碳排放管理系统及方法 | |
Jia et al. | Random fuzzy cost-profit equilibrium model for locating a discrete service enterprise | |
Xue et al. | Early warning decision-making system based on cloud computing technology for retail supply chain unconventional emergency | |
Tseng et al. | A model for an integrated manufacturing system implementation in China: a case study | |
Alifah et al. | Smart monitoring of rice logistic employing internet of things network | |
CN114022125A (zh) | 工程量计算方法、存储介质和装置 | |
Pan et al. | Manufacturing Execution System present situation and development trend analysis | |
CN111784064A (zh) | 一种基于大数据的电厂设备智能预测检修方法和系统 | |
Feng et al. | Intelligent engineering management of prefabricated building based on BIM Technology |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191029 |