CN110909987A - 设备运行情况监测方法及装置 - Google Patents

Abstract

本发明公开了一种设备运行情况监测方法及装置，方法包括如下步骤：获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限；同时公开了对应的装置。本发明利用积累的设备基础、运维记录分析设备本身、外在因素对设备的影响对设备的实际使用情况进行分析计算，从而能较准确的判断设备实际的可使用期限，从而减少低效或者说是无效的维修，直接减少运维工作量。

Description

设备运行情况监测方法及装置

技术领域

本发明涉及电网运维技术领域，尤其涉及一种设备运行情况监测方法及装置。

背景技术

信通专业部门为信通运检班，隶属于运维检修部下检修建设工区。由于长期缺员，导致班组重运维轻管理，设备台账更新滞后、遗漏时常发生，缺乏相应管控手段。

传统的报修流程比较简单——打电话、下工单、现场维修。在日常工作中，其中维修工单记录了报修人姓名、部门、报修故障的简单描述、报修设备编号、现场实际维修处理情况等。用这样方法我们积累了大量数据，这些数据可以从一些独特的角度解读人员与设备本身存在的密码。在报修工单中存在报修描述情况记录和现场维修过后运维人员反馈记录，发现有描述情况与事实完全一致、问题解决顺畅的、也有因为人员对设备缺乏了解产生的问题。

通过各种信通设备的电子档案，结合季度、年度运维检修报告和维修工单，可以获取各种设备在使用过程中出现过的问题。这些问题可能是设备本身问题，包括季节变换带来影响、家族性缺陷等，还有可能是外在因素造成的问题，包括人为因素和其它因素等。

现有运维中虽有以上的传统报修制度，一直缺乏设备运行情况的有效监测，不能通过对现有报修数据的分析整理对设备的可使用年限做出较准确的判断。

发明内容

本发明提出一种设备运行情况监测方法及装置以解决上述技术问题。

为了达到上述目的，本发明所采用的技术方案为：

根据本发明实施例的第一方面，提供了一种设备运行情况监测方法，包括如下步骤：

步骤101，获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；

步骤102，对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；

步骤103，根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限。

作为优选，所述设备的维修数据还包括设备每次报修的故障时间、故障类型、维修时间。

作为优选，所述预设周期为半个月。

作为优选，所述步骤102中，所述对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线，通过最小二乘法和极大似然估计法获得，具体步骤如下：

将实际使用时间和报修数量两个观测量进行精度比较，将较高精度的观测量选作x，另一个观测量为y，x和y的函数关系设定为：

y＝f(x；c₁,c₂,…,c_m)

其中，c₁,c₂,…,c_m是m个通过实验确定的参数，此处用参数C代表(c₁,c₂,…,c_m)，每组观测数据(x_i，y_i)都对应于xy平面上一个点，其中i＝1,2,…,N；

选取m组测量值代入上式，得到方程组：

y_i＝f(x；c₁,c₂,…,c_m)

式中i＝1,2,……,m，m<N；

y_i的概率密度为：

式中σ_i是分布的标准误差；

构建似然函数为

取似然函数L最大来估计参数C，应使

取最小值，得到方程组

解方程组，即得m个参数的估计值

从而得到拟合曲线

作为优选，所述拟合曲线获得后，还包括：

步骤1021，对拟合曲线的近似度进行验证。

作为优选，所述步骤1021中对拟合曲线的近似度进行验证的步骤如下：

引入拟合的x²量，

把参数估计

代入上式，得到最小的x²值

若

接近N-m，则认为拟合结果是合理的；若

则认为拟合结果与观测值不符。

作为优选，所述步骤1021中对拟合曲线的近似度进行验证的步骤如下：

使用线性回归，对于n个特征的特征向量：

h₀(x)＝θ₀+θ₁x₁+θ₂x₂+...+θ_nx_n＝θ^T(X)

设有M个样本，上标i表示第i个样本，得到平方损失函数：

J(θ)越小，拟合的直线就越接近样本。

根据本发明实施例的第二方面，提供了一种设备运行情况监测装置，包括：

数据获取模块，用于获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；

曲线拟合模块，用于对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；

计算判断模块，用于根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限。

作为优选，所述曲线拟合模块包括：

曲线验证子模块，用于对拟合曲线的近似度进行验证。

作为优选，所述数据获取模块获取的所述设备的维修数据还包括设备每次报修的故障时间、故障类型、维修时间。

与现有技术相比较，本发明利用积累的设备基础、运维记录分析设备本身、外在因素对设备的影响对设备的实际使用情况进行分析计算，从而能较准确的判断设备实际的可使用期限，从而减少低效或者说是无效的维修，直接减少运维工作量。

附图说明

图1为本发明设备运行情况监测方法的一种流程图；

图2为本发明设备运行情况监测装置的一种结构框图。

图中，201-数据获取模块，202-曲线拟合模块，203-计算判断模块。

具体实施方式

以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

如图1所示，一种设备运行情况监测方法，包括如下步骤：

步骤101，获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；

步骤102，对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；

步骤103，根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限。

作为优选，所述设备的维修数据还包括设备每次报修的故障时间、故障类型、维修时间。

作为优选，所述预设周期为半个月。以半个月为周期，对具体某批次同种设备软件、硬件报修次数分别进行拟合，判断设备故障是否有周期性变化，和随投入时间设备保修率的曲线变化。当然，设备故障较为特殊时，可以将预设周期适当的延长，比如设为一个月甚至一个季度。

作为优选，所述步骤102中，所述对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线，通过最小二乘法和极大似然估计法获得。

在两个观测量中，往往总有一个量精度比另一个高得多，为简单起见把精度较高的观测量看作没有误差，并把这个观测量选作x，而把所有的误差只认为是y的误差。因此，可以将较高精度的观测量时间选作x，将另一个观测量报修数量为y，x和y的函数关系设定为：

y＝f(x；c₁,c₂,…,c_m)

其中，c₁,c₂,…,c_m是m个要通过实验确定的参数，对于每组观测数据(x_i，y_i)，都对应于xy平面上一个点，其中i＝1,2,…,N。

若不存在测量误差，则这些数据点都准确落在理论曲线上。只要选取m组测量值代入上式，便得到方程组：

y_i＝f(x；c₁,c₂,…,c_m)

式中i＝1,2,……,m，求m个方程的联立解即得m个参数的数值。

显然N<m时，参数不能确定。在N＞m的情况下，上述方程组成为矛盾方程组，不能直接用解方程的方法求得m个参数值，只能用曲线拟合的方法来处理。设测量中不存在着系统误差，或者说已经修正，则y的观测值y_i围绕着期望值<f(x；c₁,c₂,…,c_m)＞摆动，其分布为正态分布，则y_i的概率密度为：

式中σ_i是分布的标准误差。为简便起见，下面用C代表(c₁,c₂,…,c_m)。

考虑各次测量是相互独立的，故对观测值构建似然函数：

取似然函数L最大来估计参数C，应使

取最小值：对于y的分布不限于正态分布来说，似然函数式称为最小二乘法准则。若为正态分布的情况，则最大似然法与最小二乘法是一致的。因权重因子

故用最小二乘法来估计参数，要求各测量值y_i的偏差的加权平方和为最小。

根据似然函数的要求，应有

从而得到方程组

解方程组即得m个参数的估计值

从而得到拟合的曲线方程

对拟合的结果还应给予合理的评价，所以拟合曲线获得后，还可以包括如下步骤：

步骤1021，对拟合曲线的近似度进行验证。

若y_i服从正态分布，所述步骤1021中对拟合曲线的近似度进行验证的步骤如下：

引入拟合的x²量，

把参数估计

代入上式，得到最小的x²值：

服从自由度v＝N-m的x²分布，由此可对拟合结果作x²检验。由x²分布得知，随机变量

的期望值为N-m。如果由上式计算出

接近N-m(例如

)，则认为拟合结果是可接受的；但是如果

则认为拟合结果与观测值有显著的矛盾。

出现后者情况时，可使用线性回归的方法，对于n个特征的特征向量：

h₀(x)＝θ₀+θ₁x₁+θ₂x₂+...+θ_nx_n＝θ^T(X)

设有M个样本，上标i表示第i个样本，得到平方损失函数：

J(θ)越小，拟合的直线就越接近样本。

基于上述方法，如图2所示，本发明提供了一种设备运行情况监测装置，包括：

数据获取模块201，用于获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；

曲线拟合模块202，用于对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；

计算判断模块203，用于根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限。

其中，曲线拟合模块202包括：曲线验证子模块，用于对拟合曲线的近似度进行验证。

所述数据获取模块获取的所述设备的维修数据还包括设备每次报修的故障时间、故障类型、维修时间。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本发明利用积累的设备基础、运维记录分析设备本身、外在因素对设备的影响对设备的实际使用情况进行分析计算，从而能较准确的判断设备实际的可使用期限，从而减少低效或者说是无效的维修，直接减少运维工作量。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由本申请的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.设备运行情况监测方法，其特征在于，包括如下步骤：

步骤101，获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；

步骤102，对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；

步骤103，根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限。

2.根据权利要求1所述的设备运行情况监测方法，其特征在于，所述设备的维修数据还包括设备每次报修的故障时间、故障类型、维修时间。

3.根据权利要求1所述的设备运行情况监测方法，其特征在于，所述预设周期为半个月。

4.根据权利要求1所述的设备运行情况监测方法，其特征在于，所述步骤102中，所述对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线，通过最小二乘法和极大似然估计法获得，具体步骤如下：

将实际使用时间和报修数量两个观测量进行精度比较，将较高精度的观测量选作x，另一个观测量为y，x和y的函数关系设定为：

y＝f(x；c₁,c₂,…,c_m)

其中，c₁,c₂,…,c_m是m个通过实验确定的参数，此处用参数C代表(c₁,c₂,…,c_m)，每组观测数据(x_i，y_i)都对应于xy平面上一个点，其中i＝1,2,…,N；

选取m组测量值代入上式，得到方程组：

y_i＝f(x；c₁,c₂,…,c_m)

式中i＝1,2,……,m，m<N；

y_i的概率密度为：

式中σ_i是分布的标准误差；

构建似然函数为

取似然函数L最大来估计参数C，应使

取最小值，得到方程组

解方程组，即得m个参数的估计值

从而得到拟合曲线

5.根据权利要求4所述的设备运行情况监测方法，其特征在于，所述拟合曲线获得后，还包括：

步骤1021，对拟合曲线的近似度进行验证。

6.根据权利要求5所述的设备运行情况监测方法，其特征在于，所述步骤1021中对拟合曲线的近似度进行验证的步骤如下：

引入拟合的x²量，

把参数估计

代入上式，得到最小的x²值

若

接近N-m，则认为拟合结果是合理的；若

则认为拟合结果与观测值不符。

7.根据权利要求5所述的设备运行情况监测方法，其特征在于，所述步骤1021中对拟合曲线的近似度进行验证的步骤如下：

使用线性回归，对于n个特征的特征向量：

h₀(x)＝θ₀+θ₁x₁+θ₂x₂+...+θ_nx_n＝θ^T(X)

设有M个样本，上标i表示第i个样本，得到平方损失函数：

J(θ)越小，拟合的直线就越接近样本。

8.设备运行情况监测装置，其特征在于，包括：

数据获取模块，用于获取设备的实际使用时间和设备的维修数据，所述维修数据包括报修数量；

曲线拟合模块，用于对预设周期内设备的实际使用时间和设备的报修数量进行拟合，得到拟合曲线；

计算判断模块，用于根据拟合曲线判断设备的故障是否有周期化和随使用时间设备保修率的变化，得出设备可使用期限。

9.根据权利要求8所述的设备运行情况监测装置，其特征在于，所述曲线拟合模块包括：

曲线验证子模块，用于对拟合曲线的近似度进行验证。

10.根据权利要求8所述的设备运行情况监测装置，其特征在于，所述数据获取模块获取的所述设备的维修数据还包括设备每次报修的故障时间、故障类型、维修时间。

Images