CN110737865A - 一种基于分段函数的威布尔型备件需求量确定方法及系统 - Google Patents
一种基于分段函数的威布尔型备件需求量确定方法及系统 Download PDFInfo
- Publication number
- CN110737865A CN110737865A CN201910849552.2A CN201910849552A CN110737865A CN 110737865 A CN110737865 A CN 110737865A CN 201910849552 A CN201910849552 A CN 201910849552A CN 110737865 A CN110737865 A CN 110737865A
- Authority
- CN
- China
- Prior art keywords
- spare part
- weibull
- part demand
- function
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000004088 simulation Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于分段函数的威布尔型备件需求量确定方法及系统,该方法包括:步骤1,设置分段函数分段的时间阈值;步骤2,建立时间小于该时间阈值时的第一备件需求量函数和时间不小于该时间阈值时的第二备件需求量函数;步骤3,比较任务时间和时间阈值的大小,选择第一备件需求量函数或第二备件需求量函数确定任务中威布尔型备件的需求量,考虑不同时间范围内威布尔型备件需求量函数的规律不同,建立威布尔型备件需求量根据时间的分段函数,降低威布尔型备件需求量确定的计算难度,减小计算误差。
Description
技术领域
本发明涉及设备保障性能设计领域,特别涉及一种基于分段函数的威布尔型备件需求量确定方法及系统。
背景技术
威布尔分布常用来描述因逐渐老化导致故障的元器件寿命,具有这种威布尔分布的元器件为威布尔型单元,在威布尔型单元使用于各类系统中时,需要对其备件的需求量进行预先评估计算,备件时考虑备件寿命的情况下保障装备可持续工作的物质条件,威布尔型备件需求预测模型涉及多重无穷级数计算,备件需求量计算较为困难。
现有技术中大都采用工程近似算法确定威布尔型部件的需求量,该方法可能存在较大误差。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于分段函数的威布尔型备件需求量确定方法及系统。
本发明解决上述技术问题的技术方案如下:一种基于分段函数的威布尔型备件需求量确定方法,所述方法包括:
步骤1,设置分段函数分段的时间阈值;
步骤2,建立时间小于所述时间阈值时的第一备件需求量函数
和时间不小于所述时间阈值时的第二备件需求量函数;
步骤3,比较任务时间和所述时间阈值的大小,选择所述第一备件需求量函数或所述第二备件需求量函数确定任务中所述威布尔型备件的需求量。
一种基于分段函数的威布尔型备件需求量确定系统,所述系统包括:
时间阈值设置模块、备件需求量函数建立模块和威布尔型备件需求量确定模块;
所述时间阈值设置模块,用于设置分段函数分段的时间阈值;
所述备件需求量函数建立模块,用于建立时间小于所述时间阈值时的第一备件需求量函数和时间不小于所述时间阈值时的第二备件需求量函数;
所述威布尔型备件需求量确定模块,用于比较任务时间和所述时间阈值的大小,选择所述第一备件需求量函数或所述第二备件需求量函数确定任务中所述威布尔型备件的需求量。
一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如权利要求1至8任一项所述威布尔型备件需求量确定方法的步骤。
本发明的有益效果是:考虑不同时间范围内威布尔型备件需求量函数的规律不同,建立威布尔型备件需求量根据时间的分段函数,降低威布尔型备件需求量确定的计算难度,减小计算误差。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤1中,确定所述时间阈值为所述第一备件需求量函数和所述第二备件需求量函数差值最小时对应的时间。
所述步骤2中的所述第一备件需求量函数根据所述威布尔型备件的累积故障率建立。
所述步骤2中的所述第二备件需求量函数根据备件需求量随所述任务时间的增加呈线性增长的规律建立。
所述步骤2中建立的所述第一备件需求量函数为:
β为所述威布尔型备件的寿命分布参数中的形状参数,λ为所述威布尔型备件的寿命分布参数中的相应参数。
所述步骤2中建立的所述第二备件需求量函数为:
β为威布尔型备件的寿命分布参数中的形状参数,λ为威布尔型备件的寿命分布参数中的相应参数,A是备件的可用度。
在不考虑更换时间的情况下,可用度A=1。
所述步骤1中设置所述时间阈值t0为:
β为威布尔型备件的寿命分布参数中的形状参数,λ为威布尔型备件的寿命分布参数中的相应参数。
采用上述进一步方案的有益效果是,通过研究更新函数的有关性质,确定威布尔型备件需求函数的近似更新函数,避免了备件需求预测计算复杂的问题,并从理论上分析了近似算法的优良性,最后通过算例分析,说明本发明实施例提出的近似算法优于工程近似算法。
附图说明
图1为本发明提供的一种基于分段函数的威布尔型备件需求量确定方法的实施例的流程图;
图2为本发明一种基于分段函数的威布尔型备件需求量确定系统的实施例的结构框图;
图3为本发明提供的威布尔型备件需求量的确定方法的第一仿真实施例的结果图;
图4为本发明提供的威布尔型备件需求量的确定方法的第二仿真实施例的结果图;
图5为本发明提供的威布尔型备件需求量的确定方法的第三仿真实施例的结果图。
附图中,各标号所代表的部件列表如下:
1、时间阈值设置模块,2、备件需求量函数建立模块,3、威布尔型备件需求量确定模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明提供一种基于分段函数的威布尔型备件需求量确定方法,假设在保障周期(0,t]内配置m个备件,备件寿命分别为Xi(i=1,2,…,m),则X1,X2,…,Xm是一个独立同分布的随机变量序列。设部件及其备件的寿命分布函数均为F(t),对应的密度函数为f(t),则在(0,t]时间内的备件需求函数为
其中F(k)(t)为分布函数F(t)的k重卷积,t为时间,k为正整数。
如图1所示,该方法包括:
步骤1,设置分段函数分段的时间阈值。
步骤2,建立时间小于该时间阈值时的第一备件需求量函数和时间不小于该时间阈值时的第二备件需求量函数。
步骤3,比较任务时间和时间阈值的大小,选择第一备件需求量函数或第二备件需求量函数确定任务中威布尔型备件的需求量。
任务时间小于该时间阈值时,选择该第一备件需求量函数计算该任务中威布尔型备件的需求量,任务时间不小于该时间阈值时,选择该第二备件需求量函数计算该任务中威布尔型备件的需求量。
本发明提供的一种基于分段函数的威布尔型备件需求量确定方法,考虑不同时间范围内威布尔型备件需求量函数的规律不同,建立威布尔型备件需求量根据时间的分段函数,降低威布尔型备件需求量确定的计算难度,减小计算误差。
实施例1
本发明提供的实施例1为本发明提供的一种基于分段函数的威布尔型备件需求量确定方法的实施例,具体的,该实施例中的方法包括:
步骤1,设置分段函数分段的时间阈值t0。
步骤2,建立时间小于该时间阈值t0时的第一备件需求量函数和时间不小于该时间阈值t0时的第二备件需求量函数。
具体的,该第一备件需求量函数根据威布尔型备件的累积故障率建立。
由于分布函数F(t)是非减函数,因此有
类似可得F(k)(t)≤[F(t)]k(k>2)。令H(t)=F(t)/[1-F(t)],可得:
同时,备件需求函数M(t)还可以表示为如下更新方程
因M(t)≥0,故M(t)≥F(t),因此,备件需求函数M(t)满足
F(t)≤M(t)≤H(t)
由于在任务时间较短时,威布尔型备件的累积故障率为Λ(t)=ln[R(t)]=λtβ远小于1,因此,H(t)可近似为
其中,β为威布尔型备件的寿命分布参数中的形状参数,λ为威布尔型备件的寿命分布参数中的相应参数。
即得到在任务时间较小时,备件需求量可近似为第一备件需求量函数:
具体的,该第二备件需求量函数可以根据备件需求量随任务时间的增加呈线性增长的规律建立。
在任务时间较长的情况下,备件需求量将随任务时间的增加呈线性增长,当备件寿命的二阶矩有限时,则备件需求函数M(t)满足
因此备件需求量可近似为第二备件需求量函数:
步骤3,比较任务时间和所述时间阈值t0的大小,选择第一备件需求量函数或第二备件需求量函数确定任务中威布尔型备件的需求量。
优选的,步骤1中,合理确定分段时刻是保证该近似算法精度的关键,时间阈值t0可以设置为第一备件需求量函数和第二备件需求量函数差值最小时对应的时间。
综上,可得到威布尔型备件需求量近似算法为:
本发明实施例提供的一种基于分段函数的威布尔型备件需求量确定方法,考虑不同时间范围内威布尔型备件需求量函数的规律不同,通过研究更新函数的有关性质,确定威布尔型备件需求函数的近似更新函数,避免了备件需求预测计算复杂的问题,并从理论上分析了近似算法的优良性,最后通过算例分析,说明本发明实施例提出的近似算法优于工程近似算法。
实施例2
本发明提供的实施例2为本发明提供的一种基于分段函数的威布尔型备件需求量确定系统的实施例,如图2所示,本实施例中,该系统包括:时间阈值设置模块1、备件需求量函数建立模块2和威布尔型备件需求量确定模块3。
时间阈值设置模块1,用于设置分段函数分段的时间阈值。
备件需求量函数建立模块2,用于建立时间小于时间阈值时的第一备件需求量函数和时间不小于时间阈值时的第二备件需求量函数。
威布尔型备件需求量确定模块3,用于比较任务时间和时间阈值的大小,选择第一备件需求量函数或第二备件需求量函数确定任务中威布尔型备件的需求量。
本发明实施例提供的一种基于分段函数的威布尔型备件需求量确定方法及系统,可以通过实际的仿真验证其有效性。
本发明实施例提供的一种基于分段函数的威布尔型备件需求量确定方法及系统,计算过程简单方便,易于工程使用。为分析本发明实施例提供的方法的优良性,首先证明了两个结论,以此说明本发明实施例提供的方法优于指数近似法。
1)由于β>1,则Γ(1+1/β)<1,在t<μ时
同理,在t>μ时,有λtβ>t/μ。因此有:
F(t)≤1-e-t/μ t≤μ
F(t)≥1-e-t/μ t>μ
记G(t)=1-exp(-t/μ)。利用数学归纳法容易证明,对于任意正整数k,有F(k)(t)≤G(k)(t)。在t<μ时,威布尔型备件需求量M(t)满足如下不等式:
即μ2≤2μ2。又因则有:
即
与工程上常用的指数近似法相比较,本发明实施例提供的方法及系统误差较小,具有较高精度。
1)利用指数近似法得到的威布尔型备件需求量预测结果较为保守,误差较大。
即在任务时间较长时,利用指数近似法预测威布尔型备件需求量具有一定的合理性。但从t<μ时,有可以看出,利用指数近似法得到的威布尔型备件需求量预测结果大于真实值,具有一定的保守性。从后面的模拟仿真实例来看:在任务时间较短情况下,利用指数近似法得到的预测结果存在较大误差。
2)利用本发明实施例提供的方法及系统得到的威布尔型备件需求量预测结果优于指数近似法,误差较小。
事实上,威布尔型备件的寿命分布的形状参数一般大于1,由t<μ时,有可以看出,对于任务时间小于备件平均寿命的情况,本发明实施例提供的方法及系统得到的预测结果小于指数近似法,更为接近真实值。从后面的模拟仿真实例来看:本发明实施例提供的方法及系统得到的预测结果与真实值十分接近,误差很小,具有较好精度。
为了进一步说明本发明实施例提供的备件需求量确定方法及系统的优良性,采用模拟仿真方法进行数值分析,对本发明实施例提供的方法及系统的误差进行了分析,并与指数近似法进行比较。
假设备件的寿命分布服从参数为(β,λ)的威布尔分布。对于给定的保障时间t,利用Monte-Carlo(蒙特·卡罗)方法模拟得到备件需求量的模拟值。由切比雪夫大数定律可知,当模拟次数充分大时,模拟值十分接近备件需求量的真值,因此,可以利用模拟值作为真值来分析近似算法的精度。具体模拟步骤如下:
1)模拟产生k个服从威布尔分布的随机数x1,x2,…,xk;
2)判断事件A(k)={X1+X2+...+Xk≥t}是否发生。若发生,则记下故障次数n1=k-1;否则,k增加1并继续模拟;
3)重复上述模拟过程N次(大于10000),得到保障时间T所对应的备件需求量n1,n2,…,nN;
假设威布尔型备件的平均寿命为1,即μ=1,给定形状参数β分别为1.2,1.5,2.0时,相应参数λ分别为0.9289、0.8577、0.7854。
利用上述模拟仿真步骤,获得不同任务时间的备件需求量的模拟值M(t),利用指数近似法计算得到备件需求量的工程近似值,利用本发明实施例提供方法及系统计算得到的结果。所有计算结果列于表1~3、图3~5。
表1威布尔型备件需求量的仿真结果、近似结果与指数近似结果((β,λ)=(1.2,0.9289))
表2威布尔型备件需求量的仿真结果、近似结果与指数近似结果((β,λ)=(1.5,0.8577))
表3威布尔型备件需求量的仿真结果、近似结果与指数近似结果((β,λ)=(2.0,0.7854))
从表1~3结果可以看出,本发明实施例提供的近似算法在计算威布尔型备件需求量时具有较高精度。如当威布尔型备件的寿命分布参数(β,λ)取(1.2,0.9289)时,其近似算法的最大误差是在保障时间为t=0.6时,其最大误差为-0.0318,相对误差为6.6%。说明本发明实施例给出的备件需求函数近似算法的近似效果较好,近似算法优于工程近似算法,满足实际保障需要。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (10)
1.一种基于分段函数的威布尔型备件需求量确定方法,其特征在于,所述方法包括:
步骤1,设置分段函数分段的时间阈值;
步骤2,建立时间小于所述时间阈值时的第一备件需求量函数和时间不小于所述时间阈值时的第二备件需求量函数;
步骤3,比较任务时间和所述时间阈值的大小,选择所述第一备件需求量函数或所述第二备件需求量函数确定任务中所述威布尔型备件的需求量。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中,所述时间阈值为所述第一备件需求量函数和所述第二备件需求量函数差值最小时对应的时间。
3.根据权利要求1所述的方法,其特征在于,所述步骤2中的所述第一备件需求量函数根据所述威布尔型备件的累积故障率建立。
4.根据权利要求1所述的方法,其特征在于,所述步骤2中的所述第二备件需求量函数根据备件需求量随所述任务时间的增加呈线性增长的规律建立。
7.根据权利要求6所述的方法,其特征在于,在不考虑更换时间的情况下,可用度A=1。
8.根据权利要求1所述的方法,其特征在于,所述步骤1中设置所述时间阈值t0为:
β为威布尔型备件的寿命分布参数中的形状参数,λ为威布尔型备件的寿命分布参数中的相应参数。
9.一种基于分段函数的威布尔型备件需求量确定系统,其特征在于,所述系统包括:时间阈值设置模块、备件需求量函数建立模块和威布尔型备件需求量确定模块;
所述时间阈值设置模块,用于设置分段函数分段的时间阈值;
所述备件需求量函数建立模块,用于建立时间小于所述时间阈值时的第一备件需求量函数和时间不小于所述时间阈值时的第二备件需求量函数;
所述威布尔型备件需求量确定模块,用于比较任务时间和所述时间阈值的大小,选择所述第一备件需求量函数或所述第二备件需求量函数确定任务中所述威布尔型备件的需求量。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8任一项所述威布尔型备件需求量确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910849552.2A CN110737865B (zh) | 2019-09-09 | 2019-09-09 | 一种基于分段函数的威布尔型备件需求量确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910849552.2A CN110737865B (zh) | 2019-09-09 | 2019-09-09 | 一种基于分段函数的威布尔型备件需求量确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737865A true CN110737865A (zh) | 2020-01-31 |
CN110737865B CN110737865B (zh) | 2023-05-19 |
Family
ID=69267817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910849552.2A Active CN110737865B (zh) | 2019-09-09 | 2019-09-09 | 一种基于分段函数的威布尔型备件需求量确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737865B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596263A (zh) * | 2023-05-26 | 2023-08-15 | 中国人民解放军93184部队 | 一种基于飞行任务的飞机备件需求确定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070203857A1 (en) * | 2006-02-28 | 2007-08-30 | Ford Motor Company | Method and system for estimating spare parts costs |
US20090216571A1 (en) * | 2008-02-25 | 2009-08-27 | Tixtrack, Inc. | Sports and concert event ticket pricing and visualization system |
CN105701574A (zh) * | 2016-01-18 | 2016-06-22 | 南京邮电大学 | 一种故障率非恒定的配电系统可靠性评估方法 |
CN105956727A (zh) * | 2016-04-11 | 2016-09-21 | 重庆大学 | 一种改进的电力设备故障率计算方法 |
CN107220216A (zh) * | 2017-05-16 | 2017-09-29 | 中国人民解放军海军工程大学 | 一种利用特征数的威布尔型备件需求量的近似计算方法 |
CN109767061A (zh) * | 2018-12-06 | 2019-05-17 | 中国电力科学研究院有限公司 | 一种电能表失效率的评估方法及装置 |
-
2019
- 2019-09-09 CN CN201910849552.2A patent/CN110737865B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070203857A1 (en) * | 2006-02-28 | 2007-08-30 | Ford Motor Company | Method and system for estimating spare parts costs |
US20090216571A1 (en) * | 2008-02-25 | 2009-08-27 | Tixtrack, Inc. | Sports and concert event ticket pricing and visualization system |
CN105701574A (zh) * | 2016-01-18 | 2016-06-22 | 南京邮电大学 | 一种故障率非恒定的配电系统可靠性评估方法 |
CN105956727A (zh) * | 2016-04-11 | 2016-09-21 | 重庆大学 | 一种改进的电力设备故障率计算方法 |
CN107220216A (zh) * | 2017-05-16 | 2017-09-29 | 中国人民解放军海军工程大学 | 一种利用特征数的威布尔型备件需求量的近似计算方法 |
CN109767061A (zh) * | 2018-12-06 | 2019-05-17 | 中国电力科学研究院有限公司 | 一种电能表失效率的评估方法及装置 |
Non-Patent Citations (3)
Title |
---|
刘任洋 等: "任意寿命分布单元表决系统备件需求量的解析算法" * |
邵松世: "基于分段函数的威布尔型备件需求量近似算法" * |
黄健;陈景鹏;徐慧敏;柳宁远;王宁;: "发射场地面设备全寿命分段方法研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596263A (zh) * | 2023-05-26 | 2023-08-15 | 中国人民解放军93184部队 | 一种基于飞行任务的飞机备件需求确定方法及装置 |
CN116596263B (zh) * | 2023-05-26 | 2024-06-25 | 中国人民解放军93184部队 | 一种基于飞行任务的飞机备件需求确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110737865B (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165425B (zh) | 一种齿轮接触疲劳可靠性分析方法 | |
Bollapragada et al. | A simple heuristic for computing nonstationary (s, S) policies | |
CN111143102A (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN110737865A (zh) | 一种基于分段函数的威布尔型备件需求量确定方法及系统 | |
CN110309577A (zh) | 一种基于im和lmle-bu算法的海底管道剩余寿命预测方法 | |
Atamanyuk et al. | Method of polynomial predictive control of fail-safe operation of technical systems | |
CN110287048B (zh) | 数据异常检测方法和装置 | |
CN114818913A (zh) | 决策生成方法和装置 | |
Bernard et al. | A local velocity grid approach for BGK equation | |
Kharmanda et al. | Extension of optimum safety factor method to nonlinear reliability-based design optimization | |
JP2013025467A (ja) | 対数関数の近似演算回路 | |
CN115577491A (zh) | 一种参数修正方法、装置、电子设备及存储介质 | |
CN110738327B (zh) | 一种快充桩设备风险评估方法及系统 | |
US10467119B2 (en) | Data-agnostic adjustment of hard thresholds based on user feedback | |
CN110555742A (zh) | 一种发电商代理报价的生成方法与系统 | |
CN110889636A (zh) | 一种银行实物资源的调度方法及装置 | |
JP2013214124A (ja) | 保守支援情報算出装置および方法 | |
Jacobs et al. | Calculating topological entropy for transient chaos with an application to communicating with chaos | |
KR101462232B1 (ko) | 유전자 알고리즘을 이용한 함정 운용 기준 산정 방법 및 시스템 | |
KR101071070B1 (ko) | 유체역학을 이용한 수치해석용 컴퓨터 시스템에서 이루어지는 방정식의 근 탐색방법 및 그 방법을 수행하는 프로그램이 저장된 기록매체 | |
Sedano et al. | Acceleration of Monte-Carlo simulation-based quantization of DSP systems | |
CN116663919B (zh) | 一种多属性决策方法、系统、存储介质和电子设备 | |
CN111222550A (zh) | 一种用户用电行为确定方法和装置 | |
CN115242626B (zh) | 云资源配置预估方法、装置、设备、存储介质及程序产品 | |
Chassein et al. | Approximating multiobjective combinatorial optimization problems with the OWA criterion |
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 |