CN110991853A - 一种基于故障智能诊断的设备可靠性动态评估方法 - Google Patents
一种基于故障智能诊断的设备可靠性动态评估方法 Download PDFInfo
- Publication number
- CN110991853A CN110991853A CN201911187087.7A CN201911187087A CN110991853A CN 110991853 A CN110991853 A CN 110991853A CN 201911187087 A CN201911187087 A CN 201911187087A CN 110991853 A CN110991853 A CN 110991853A
- Authority
- CN
- China
- Prior art keywords
- equipment
- fault
- reliability
- time
- life
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于故障智能诊断的设备可靠性动态评估方法,用户可根据故障实时智能诊断(2)的结果,动态更新设备的健康信息,建立设备运行动态档案(1),并根据设备运行动态档案(1)来建立设备可靠性评估模型(3)。本发明优点(1):本技术方案为设备可靠性精准计算和实时管理提供了强大的科技手段,设备运行档案技术、故障实时智能诊断(2)、设备故障率经验曲线(4)、设备可靠性评估模型(3)、设备运维管理体系等,为设备全生命周期管理提供一整套完善的技术方法体系,支持设备可靠性全生命周期计算管理,实现优化合理使用设备,延长设备有效寿命,提高设备资产使用率,节省企业生产成本。
Description
技术领域
本发明涉及设备的故障智能诊断技术领域,尤其是一种基于故障智能诊断的设备可靠性动态评估方法。
背景技术
设备可靠性指产品在规定的条件下和规定的时间内,完成规定功能的能力。设备可靠性管理已经成为设备密集型工业企业保障生产正常进行的基本保障措施,如何准确评估设备的可靠性,如何实现对工业企业重要关键设备可靠性的精准计算和实时管理,如何根据设备可靠性评估结果支持设备的维护处理作业,这些问题已成为本行业亟需解决的问题。
发明内容
为了解决上述现有技术中存在的问题,本发明提供一种基于故障智能诊断的设备可靠性动态评估方法。
本发明解决其技术问题所采用的技术方案是:一种基于故障智能诊断的设备可靠性动态评估方法,用户可根据故障实时智能诊断2的结果,动态更新设备的健康信息,建立设备运行动态档案1,并根据设备运行动态档案1来建立设备可靠性评估模型3。
本发明还具有以下附加技术特征:
作为本发明技术方案进一步具体优化的:设备运行动态档案1包含设备生产、设备安装或设备运行的过程中所有关键和重要信息;关键和重要信息包括并不限于设备名称、生产安装情况、设备基本参数、运行记录、智能诊断记录、故障检修记录或可靠性管理新型;设备运行动态档案1用于支持设备可靠性计算。
作为本发明技术方案进一步具体优化的:故障实时智能诊断2用于实时采集设备运行数据信息,设备运行数据信息包括但不限于振动数据信息、温度数据信息、压力数据信息、电流数据信息或声波数据信息;故障实时智能诊断2根据故障特征库和深度学习算法,实时智能动态识别设备故障信息;设备故障信息包括但不限于潜在故障信息、故障苗头信息和显性故障信息;故障实时智能诊断2支持设备故障提前预警,支持设备预测性维修,支持实时更新设备运行档案,支持设备可靠性实时计算和定期评估工作。
作为本发明技术方案进一步具体优化的:设备可靠性评估模型3根据但不限于设备参数、故障诊断记录、故障及维修记录,利用设备故障率经验曲线4通过评估模型,可实时或定期计算设备剩余寿命、设备固有可靠性和设备使用可靠性,支持设备预测性维护、故障维修和设备固定资产折旧管理;设备可靠性评估模型3包括但不限于设备寿命计算模型、固有可靠性计算模型和使用可靠性计算模型。
作为本发明技术方案进一步具体优化的:设备寿命计算模型包括有计算指标,计算指标包括但不限于设计寿命、已使用时间、故障间隔时间、故障平均修复时间、故障率和设备故障率经验曲线4;其中,设备寿命实时计算公式=(设计寿命-已使用时间)*(故障间隔时间/平均故障间隔时间);其中,设备寿命定期(年)计算公式=(设计寿命-已使用时间)*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)。
作为本发明技术方案进一步具体优化的:固有可靠性计算模型包括有源数据,源数据不包含设备异常信息;其中,设备可靠性(实时)=100*(实际监测故障间隔时间/平均故障间隔时间)*exp{-(1-设计剩余寿命/设计寿命)/12};其中,设备可靠性(年)=100*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)*exp{-(1-设计剩余寿命/设计寿命)/12}。
作为本发明技术方案进一步具体优化的:使用可靠性计算模型包括有源数据,源数据包含所有内部和外部因素导致的设备异常信息;其中,设备可靠性(实时)=100*(实际监测故障间隔时间/平均故障间隔时间)*exp{-(1-设计剩余寿命/设计寿命)/12};其中,设备可靠性(年)=100*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)*exp{-(1-设计剩余寿命/设计寿命)/12}。
作为本发明技术方案进一步具体优化的:设备故障率经验曲线4为每类某个规格的设备建立设备故障规律曲线,包括但不限于设备类型、设计寿命、故障率与使用时间的关系;根据设备故障率经验曲线4,对比实测的故障率数据,可计算出单个设备的平均寿命和可靠性指数。
本发明和现有技术相比,其优点在于:
优点(1):本技术方案为设备可靠性精准计算和实时管理提供了强大的科技手段,设备运行档案技术、故障实时智能诊断2、设备故障率经验曲线4、设备可靠性评估模型3、设备运维管理体系等,为设备全生命周期管理提供一整套完善的技术方法体系,支持设备可靠性全生命周期计算管理,实现优化合理使用设备,延长设备有效寿命,提高设备资产使用率,节省企业生产成本。
优点(2):本技术方案通过建立设备可靠性评估模型3,使得用户可根据故障实时智能诊断2结果,动态更新设备健康信息,建立设备运行动态档案1,支持实时和定期计算设备可靠性,智能支持用户设备预测性维护、故障维修和设备固定资产折旧管理,实现优化合理使用设备,延长设备有效寿命,提高设备资产使用率,节省企业生产成本。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
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简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可根据这些附图获得其他的附图。
图1是本申请实施例的方法逻辑图。
图中所示序号:设备运行动态档案1;故障实时智能诊断2;设备可靠性评估模型3;设备故障率经验曲线4。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例,这些实施例是为了能够更透彻地理解本发明,并且能够将本发明公开的范围完整的传达给本领域的技术人员。虽然附图中显示了本发明公开的示例性实施例,然而应当理解,本发明而不应被这里阐述的实施例所限制。
一种基于故障智能诊断的设备可靠性动态评估方法,用户可根据故障实时智能诊断2的结果,动态更新设备的健康信息,建立设备运行动态档案1,并根据设备运行动态档案1来建立设备可靠性评估模型3。本方法支持实时和定期计算设备可靠性,智能支持用户设备预测性维护、故障维修和设备固定资产折旧管理,实现优化合理使用设备,延长设备有效寿命,提高设备资产使用率,节省企业生产成本。
设备运行动态档案1包含设备生产、设备安装或设备运行的过程中所有关键和重要信息,关键和重要信息包括并不限于设备名称、生产安装情况、设备基本参数、运行记录、智能诊断记录、故障检修记录或可靠性管理新型,设备运行动态档案1用于支持设备可靠性计算。
故障实时智能诊断2用于实时采集设备运行数据信息,设备运行数据信息包括但不限于振动数据信息、温度数据信息、压力数据信息、电流数据信息或声波数据信息。故障实时智能诊断2根据故障特征库和深度学习算法,实时智能动态识别设备故障信息。设备故障信息包括但不限于潜在故障信息、故障苗头信息和显性故障信息。故障实时智能诊断2支持设备故障提前预警,支持设备预测性维修,支持实时更新设备运行档案,支持设备可靠性实时计算和定期评估工作。
设备可靠性评估模型3包括但不限于设备寿命计算模型、固有可靠性计算模型和使用可靠性计算模型。
设备可靠性评估模型3根据但不限于设备参数、故障诊断记录、故障及维修记录,利用设备故障率经验曲线4通过评估模型,可实时或定期计算设备剩余寿命、设备固有可靠性和设备使用可靠性,支持设备预测性维护、故障维修和设备固定资产折旧管理,实现优化合理使用设备,延长设备有效寿命,提高设备资产使用率,节省企业生产成本。
设备寿命计算模型包括有计算指标,计算指标包括但不限于设计寿命、已使用时间、故障间隔时间、故障平均修复时间、故障率和设备故障率经验曲线4。
其中,设备寿命实时计算公式=(设计寿命-已使用时间)*(故障间隔时间/平均故障间隔时间)。
其中,设备寿命定期(年)计算公式=(设计寿命-已使用时间)*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)。
固有可靠性计算模型包括有源数据,源数据不包含设备异常信息,例如环境影响振动、基础不坚、共振、天气太热、风雨干扰等外部因素。
其中,设备可靠性(实时)=100*(实际监测故障间隔时间/平均故障间隔时间)*exp{-(1-设计剩余寿命/设计寿命)/12}。
其中,设备可靠性(年)=100*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)*exp{-(1-设计剩余寿命/设计寿命)/12}。
使用可靠性计算模型包括有源数据,源数据包含所有内部和外部因素导致的设备异常信息。
Claims (8)
1.一种基于故障智能诊断的设备可靠性动态评估方法,其特征在于,用户可根据故障实时智能诊断(2)的结果,动态更新设备的健康信息,建立设备运行动态档案(1),并根据设备运行动态档案(1)来建立设备可靠性评估模型(3)。
2.根据权利要求1所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述设备运行动态档案(1)包含设备生产、设备安装或设备运行的过程中所有关键和重要信息;所述关键和重要信息包括并不限于设备名称、生产安装情况、设备基本参数、运行记录、智能诊断记录、故障检修记录或可靠性管理新型;所述设备运行动态档案(1)用于支持设备可靠性计算。
3.根据权利要求1所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述故障实时智能诊断(2)用于实时采集设备运行数据信息,所述设备运行数据信息包括但不限于振动数据信息、温度数据信息、压力数据信息、电流数据信息或声波数据信息;所述故障实时智能诊断(2)根据故障特征库和深度学习算法,实时智能动态识别设备故障信息;设备故障信息包括但不限于潜在故障信息、故障苗头信息和显性故障信息;所述故障实时智能诊断(2)支持设备故障提前预警,支持设备预测性维修,支持实时更新设备运行档案,支持设备可靠性实时计算和定期评估工作。
4.根据权利要求1所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述设备可靠性评估模型(3)根据但不限于设备参数、故障诊断记录、故障及维修记录,利用设备故障率经验曲线(4)通过评估模型,可实时或定期计算设备剩余寿命、设备固有可靠性和设备使用可靠性,支持设备预测性维护、故障维修和设备固定资产折旧管理;
所述设备可靠性评估模型(3)包括但不限于设备寿命计算模型、固有可靠性计算模型和使用可靠性计算模型。
5.根据权利要求1所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述设备寿命计算模型包括有计算指标,所述计算指标包括但不限于设计寿命、已使用时间、故障间隔时间、故障平均修复时间、故障率和设备故障率经验曲线(4);
其中,设备寿命实时计算公式=(设计寿命-已使用时间)*(故障间隔时间/平均故障间隔时间);
其中,设备寿命定期(年)计算公式=(设计寿命-已使用时间)*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)。
6.根据权利要求1所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述固有可靠性计算模型包括有源数据,所述源数据不包含设备异常信息;
其中,设备可靠性(实时)=100*(实际监测故障间隔时间/平均故障间隔时间)*exp{-(1-设计剩余寿命/设计寿命)/12};
其中,设备可靠性(年)=100*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)*exp{-(1-设计剩余寿命/设计寿命)/12}。
7.根据权利要求1所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述使用可靠性计算模型包括有源数据,所述源数据包含所有内部和外部因素导致的设备异常信息;
其中,设备可靠性(实时)=100*(实际监测故障间隔时间/平均故障间隔时间)*exp{-(1-设计剩余寿命/设计寿命)/12};
其中,设备可靠性(年)=100*(平均故障率/实测故障率)*(平均修复时间/实测修复时间)*exp{-(1-设计剩余寿命/设计寿命)/12}。
8.根据权利要求4或5所述的基于故障智能诊断的设备可靠性动态评估方法,其特征在于:所述设备故障率经验曲线(4)为每类某个规格的设备建立设备故障规律曲线,包括但不限于设备类型、设计寿命、故障率与使用时间的关系;根据设备故障率经验曲线(4),对比实测的故障率数据,可计算出单个设备的平均寿命和可靠性指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187087.7A CN110991853B (zh) | 2019-11-28 | 2019-11-28 | 一种基于故障智能诊断的设备可靠性动态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187087.7A CN110991853B (zh) | 2019-11-28 | 2019-11-28 | 一种基于故障智能诊断的设备可靠性动态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991853A true CN110991853A (zh) | 2020-04-10 |
CN110991853B CN110991853B (zh) | 2023-05-09 |
Family
ID=70087617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911187087.7A Active CN110991853B (zh) | 2019-11-28 | 2019-11-28 | 一种基于故障智能诊断的设备可靠性动态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991853B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191698A (zh) * | 2021-06-03 | 2021-07-30 | 云上(南昌)大数据运营有限公司 | 一种基于城市大脑平台的资源规划系统及方法 |
CN115358571A (zh) * | 2022-08-17 | 2022-11-18 | 广东德尔智慧工厂科技有限公司 | 一种资产可靠性评估方法 |
CN117310546A (zh) * | 2023-11-03 | 2023-12-29 | 北京迪赛奇正科技有限公司 | 一种ups电源健康管理监测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022019A (zh) * | 2015-06-23 | 2015-11-04 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
CN105809255A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
CN106203836A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种炼油企业设备可靠性绩效管理的评估方法 |
CN106204330A (zh) * | 2016-07-18 | 2016-12-07 | 国网山东省电力公司济南市历城区供电公司 | 一种配电网智能诊断系统 |
CN106250616A (zh) * | 2016-07-29 | 2016-12-21 | 北京空间飞行器总体设计部 | 基于动态可靠性估计的导航卫星星座可用性评估方法 |
CN106598791A (zh) * | 2016-09-12 | 2017-04-26 | 湖南微软创新中心有限公司 | 一种基于机器学习的工业设备故障预防性识别方法 |
CN106990357A (zh) * | 2017-04-20 | 2017-07-28 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
CN206710565U (zh) * | 2017-04-20 | 2017-12-05 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
CN108629430A (zh) * | 2018-05-14 | 2018-10-09 | 西安交通大学 | 一种重大设备智能运维管理系统 |
CN110174878A (zh) * | 2019-05-20 | 2019-08-27 | 苏州肯博思智能科技有限公司 | 一种无人化智能装备健康与保障综合管理通用系统 |
-
2019
- 2019-11-28 CN CN201911187087.7A patent/CN110991853B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022019A (zh) * | 2015-06-23 | 2015-11-04 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
CN105809255A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
CN106203836A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种炼油企业设备可靠性绩效管理的评估方法 |
CN106204330A (zh) * | 2016-07-18 | 2016-12-07 | 国网山东省电力公司济南市历城区供电公司 | 一种配电网智能诊断系统 |
CN106250616A (zh) * | 2016-07-29 | 2016-12-21 | 北京空间飞行器总体设计部 | 基于动态可靠性估计的导航卫星星座可用性评估方法 |
CN106598791A (zh) * | 2016-09-12 | 2017-04-26 | 湖南微软创新中心有限公司 | 一种基于机器学习的工业设备故障预防性识别方法 |
CN106990357A (zh) * | 2017-04-20 | 2017-07-28 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
CN206710565U (zh) * | 2017-04-20 | 2017-12-05 | 哈尔滨理工大学 | 智能电机集成式多参数融合健康诊断及预警系统 |
CN108629430A (zh) * | 2018-05-14 | 2018-10-09 | 西安交通大学 | 一种重大设备智能运维管理系统 |
CN110174878A (zh) * | 2019-05-20 | 2019-08-27 | 苏州肯博思智能科技有限公司 | 一种无人化智能装备健康与保障综合管理通用系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191698A (zh) * | 2021-06-03 | 2021-07-30 | 云上(南昌)大数据运营有限公司 | 一种基于城市大脑平台的资源规划系统及方法 |
CN115358571A (zh) * | 2022-08-17 | 2022-11-18 | 广东德尔智慧工厂科技有限公司 | 一种资产可靠性评估方法 |
CN117310546A (zh) * | 2023-11-03 | 2023-12-29 | 北京迪赛奇正科技有限公司 | 一种ups电源健康管理监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110991853B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
CN110991853B (zh) | 一种基于故障智能诊断的设备可靠性动态评估方法 | |
US20240142543A1 (en) | Remaining-Life and Time-To-Failure Predictions of Power Assets | |
CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
WO2014197299A2 (en) | Industrial asset health profile | |
CN103617110A (zh) | 服务器设备状态检修系统 | |
US20200166921A1 (en) | System and method for proactive repair of suboptimal operation of a machine | |
US11733688B2 (en) | System and method for recognizing and forecasting anomalous sensory behavioral patterns of a machine | |
CN104793605A (zh) | 一种利用正态分布判定设备故障的方法 | |
US11566974B2 (en) | Systems and methods for analyzing machine performance | |
US20180150036A1 (en) | Systems and methods for concept drift learning with alternating learners | |
KR102331463B1 (ko) | 이송장치를 구동하는 모터에 관한 머신러닝 기반 예지보전방법 및 시스템 | |
CN117196200A (zh) | 一种工业工厂资产管理系统 | |
CN116384975A (zh) | 一种基于发电厂设备的维护系统 | |
CN117150216B (zh) | 一种电力数据回归分析方法及系统 | |
JP5485285B2 (ja) | フルードパワーシステム用診断および応答システム並びにその方法 | |
US11101050B2 (en) | Systems and methods to evaluate and reduce outages in power plants | |
CN117423225A (zh) | 一种基于高速铁路运行的灾害遥感预警系统 | |
CN116975639A (zh) | 设备的异常防控系统及方法 | |
CN114487848B (zh) | 一种蓄电池的状态计算方法和装置 | |
JP2019191880A (ja) | 設備管理支援システム | |
JP2014026327A (ja) | 実稼働データによる機器の状態診断装置 | |
Kumar et al. | An expert system for predictive maintenance of mining excavators and its various forms in open cast mining | |
Kanetani et al. | Optimization of maintenance by failure prediction considering instantaneous and cumulative effects of external environments | |
CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 |
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 |