CN110992515A - 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统 - Google Patents
使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统 Download PDFInfo
- Publication number
- CN110992515A CN110992515A CN201910830835.2A CN201910830835A CN110992515A CN 110992515 A CN110992515 A CN 110992515A CN 201910830835 A CN201910830835 A CN 201910830835A CN 110992515 A CN110992515 A CN 110992515A
- Authority
- CN
- China
- Prior art keywords
- component
- life
- remaining useful
- useful life
- maintenance
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
Abstract
本发明题为“使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统”。本发明公开了用于预测部件的剩余使用寿命的系统和方法。一种方法包括由部件预测系统接收与移动对象的一个或多个部件相关联的一个或多个部件数据集。基于所接收的一个或多个部件数据集,可识别并汇总在每个失效部件的寿命期间经历的环境条件和操作条件。然后,可通过使用所汇总的环境条件和操作条件训练加速失效时间模型来确定环境条件和操作条件对感兴趣部件的寿命的影响。使用所训练的加速失效时间模型,可确定感兴趣部件的剩余使用寿命。
Description
技术领域
本公开涉及用于计算机实现的机械部件维护服务的方法和系统。具体地讲,本公开涉及用于预测暴露于环境因素和操作因素的机械部件的剩余使用寿命并且基于所预测的剩余使用寿命来更新和管理维护计划的方法和系统。
背景技术
在车辆(例如,公共或私人交通工具)载有多名乘客的情况下,准确预测车辆部件的剩余使用寿命对于减少操作中断(诸如延误和取消)、降低意外维护成本、改善乘客体验和减少现有备件库存来说非常重要。准确预测剩余使用寿命允许在失效前的最合适时间安排维护,从而防止或减小失效的影响。
传统的可靠性工程方法基于部件已经累积的操作时间来识别最佳维护计划(例如,部件维修或更换)。最近,机器学习数据驱动方法使用车载(即,板载)传感器和其他相关信息来预测即将发生的部件失效。然而,这些方法主要依赖于传感器数据,这需要在车辆上安装硬件,并且在传感器失效或出现故障时无法工作。
因此,需要一种在没有传感器数据的情况下基于每种车辆类型所特有的其他信息源来准确预测车辆部件的剩余使用寿命的方法。具体地讲,需要一种基于环境因素和操作因素来准确预测车辆部件的剩余使用寿命并且在车辆部件失效之前相应地安排维护活动的方法。
本文提供的背景技术描述是为了大致给出本公开的背景。除非本文另外指明,否则本部分中描述的材料不是本申请的权利要求书的现有技术,并且不会因为包括在本部分中而被承认为现有技术或现有技术的建议。
发明内容
一个实施方案提供了一种用于预测部件的剩余使用寿命的计算机实现的方法,该方法包括:由部件寿命预测系统接收与移动对象的一个或多个部件相关联的一个或多个部件数据集;对于一个或多个部件中的每个失效部件,由部件寿命预测系统汇总在该失效部件的寿命期间经历的环境条件和操作条件;由部件寿命预测系统使用加速失效时间模型以及所汇总的环境条件和操作条件来确定环境条件和操作条件对感兴趣部件的寿命的影响;并且由部件寿命预测系统基于加速失效时间模型来确定感兴趣部件的剩余使用寿命。
一个实施方案提供了一种用于预测部件的剩余使用寿命的系统。该系统可包括一个或多个处理器;以及存储指令的非暂态计算机可读介质,该指令在由一个或多个处理器执行时,使得一个或多个处理器执行预测部件的剩余使用寿命的方法,该方法包括:由部件寿命预测系统接收与移动对象的一个或多个部件相关联的一个或多个部件数据集;对于一个或多个部件中的每个失效部件,由部件寿命预测系统汇总在该失效部件的寿命期间经历的环境条件和操作条件;由部件寿命预测系统使用加速失效时间模型以及所汇总的环境条件和操作条件来确定环境条件和操作条件对感兴趣部件的寿命的影响;并且由部件寿命预测系统基于加速失效时间模型来确定感兴趣部件的剩余使用寿命。
一个实施方案提供了一种用于预测部件的剩余使用寿命的非暂态计算机可读介质。该非暂态计算机可读介质可存储指令,该指令在由一个或多个处理器执行时,使得一个或多个处理器执行预测部件的剩余使用寿命的方法,该方法包括:由部件寿命预测系统接收与移动对象的一个或多个部件相关联的一个或多个部件数据集;对于一个或多个部件中的每个失效部件,由部件寿命预测系统汇总在该失效部件的寿命期间经历的环境条件和操作条件;由部件寿命预测系统使用加速失效时间模型以及所汇总的环境条件和操作条件来确定环境条件和操作条件对感兴趣部件的寿命的影响;并且由部件寿命预测系统基于加速失效时间模型来确定感兴趣部件的剩余使用寿命。
附图说明
现在将参照附图仅以举例的方式描述本发明的实施方案,在附图中:
图1示出了根据本公开的一个具体实施的部件寿命预测和维护系统的示例性实施方案。
图2是示出根据本公开的一个具体实施的确定对部件寿命的环境影响和操作影响的示例性方法的流程图。
图3是示出根据本公开的一个具体实施的确定部件的剩余使用寿命的示例性方法的流程图。
图4是示出根据本公开的一个具体实施的基于所确定的部件的剩余使用寿命来促进维护操作的示例性方法的流程图。
图5示出了根据本公开的一个具体实施的计算机系统的具体实施。
具体实施方式
以下实施方案描述了用于预测暴露于环境因素和操作因素的机械部件的剩余使用寿命并且基于所预测的剩余使用寿命来更新和管理维护计划的系统和方法。
本公开的技术益处提高了对车辆部件的剩余使用寿命的预测的准确性,而无需传感器覆盖,这可减少中断和意外失效。通过包括其他模型未考虑的环境因素(例如,天气、温度等)和操作因素(例如,行进计划/持续时间等),使用本公开开发的诊断和预测模型的准确性可显著高于传统方法。
首先,每个部件的行进计划历史(即,操作数据)可与在每次行程期间发生的环境数据(例如,天气、温度等)交叉参考,该环境数据定义该部件在其寿命期间已经经历的环境条件。对于每个失效部件,可通过计算该部件经历的典型(即,平均)环境条件来汇总该历史。可执行根本原因失效分析的每个部件的失效时间可与所汇总的环境条件相关联。然后,使用加速失效时间(AFT)模型,可评估环境条件对部件寿命的影响。使用所构造的AFT模型,可基于操作部件在其寿命期间已经经历的典型环境条件来预测其剩余使用寿命,所述已经经历的环境条件可减少该部件的有效寿命。
相对于比较传统的可靠性方法诸如比例风险模型(PHM),使用AFT模型的一个优点是AFT模型是可并行化的。因此,AFT模型方法可用于具有大量车辆的“大数据”架构,与其他方法相比,这种模型开发的速度和效率有所提高。
现在将在下文参考附图更充分地描述主题,这些附图构成主题的一部分并且以例示的方式示出具体示例性实施方案。本文描述为“示例性”的实施方案或具体实施不应被解释为例如比其他实施方案或具体实施更为优选或有利。相反,其旨在反映或指示该一个或多个实施方案为一个或多个“示例”实施方案。主题可体现为多种不同形式,因此所涵盖或要求保护的主题旨在被解释为不限于本文所阐述的任何示例性实施方案;提供示例性实施方案仅仅是为了说明。同样,意图是要求保护或所涵盖的主题拥有适当宽泛的范围。除了别的以外,例如,主题可体现为方法、设备、部件或系统。因此,实施方案可例如采用硬件、软件、固件或它们的任何组合(除软件本身之外)的形式。因此,以下详细描述并非旨在被视为具有限制意义。
在整个说明书和权利要求中,除了明确说明的含义之外,术语可具有上下文中提出或暗示的有细微差别的含义。同样,如本文所用的短语“在一个实施方案中”不一定指相同实施方案,并且如本文所用的短语“在另一个实施方案中”不一定指不同实施方案。例如,要求保护的主题旨在全部或部分地包括示例性实施方案的组合。
现参考附图,图1示出了部件寿命预测和维护系统100的示例性实施方案。一般来讲,部件寿命预测和管理系统100包括部件寿命预测系统110、部件数据数据库120和部件维护系统130。
在图1中,部件寿命预测系统110可以是包括处理器20、易失性存储装置30(例如,存储器诸如RAM)、非易失性存储装置40(例如,ROM和/或硬盘)、剩余使用寿命确定模块10、输入/输出接口50和/或通信接口60的任何类型的计算机系统。剩余使用寿命确定模块10可被“加载”(即,从非易失性存储装置40转移到易失性存储装置30)以供处理器20执行,并且在被执行时,可估算或预测部件的剩余使用寿命(RUL)。输入/输出接口50可使部件寿命预测系统110与输入和输出设备(诸如,键盘、鼠标、触摸屏、监视器、显示器、USB、闪存存储器等)连接。可经由输入接口接收并安装软件和固件更新。还可经由输入接口接收用户命令(以控制部件寿命预测系统110的设置和配置)和用户提供的数据。此外,处理后的数据(诸如,部件的剩余使用寿命)可在经由输出接口连接的显示设备上显示,或者在经由输出接口连接的存储设备上传输并存储。部件寿命预测系统110还可包括通信接口60。通信接口60可允许数据在部件数据数据库120和部件寿命预测系统110之间传输。例如,部件寿命预测系统110可经由通信接口60从部件数据数据库120接收与部件相关联的环境数据和操作数据。通信接口60还可允许数据在部件维护系统130和部件寿命预测系统110之间传输。例如,部件维护系统130可经由通信接口60连接到部件寿命预测系统110,并且可显示从部件寿命预测系统110接收的数据。此外,部件寿命预测系统110的用户或管理员可使用计算机或移动设备(例如,蜂窝电话、平板电脑、膝上型计算机、便携式设备等)来经由通信接口60连接到部件寿命预测系统110,并且可控制部件寿命预测系统110的设置和配置,以及由部件寿命预测系统110生成的视图状态、结果和通知。数据可以信号的形式传输,这些信号可以是能够被通信接口60接收的电子、电磁、光学或其他信号。这些信号可经由现在已知或以后开发的各种通信模式诸如例如物理数据端口、蓝牙、LAN/WAN(无线或有线(例如,以太网、电缆等))、蜂窝连接、卫星连接等提供给通信接口60。可经由通信接口60下载并安装软件和固件更新。
部件数据数据库120可存储与由部件寿命预测和维护系统100管理的部件相关联的各种数据。例如,就飞机部件而言,部件数据数据库120可为每个部件存储其中已经安装该部件的一个或多个飞机的飞行计划、环境数据(例如,天气)、操作数据(例如,运转时数)、安装日期、失效日期、失效的根本原因等。值得注意的是,部件数据数据库120可存储从板外源诸如例如机场数据库、国家气象服务(NWS)数据库等接收或检索的部件相关数据。然而,在其他实施方案中,信息源可不限于板外源,并且还可包括板载源,诸如例如飞行管理系统、板载环境系统、传感器数据存储装置等。部件数据数据库120可在能够从各种类型的源系统收集部件相关数据的计算机或服务器(例如,云)中实现。换句话讲,部件数据数据库120可充当部件相关数据的集中式数据存储位置。在一些实施方案中,尽管图1示出了单个部件数据数据库120,但是多个部件数据数据库可以分布式方式驻留在部件寿命预测和维护系统100内。在这种情况下,部件寿命预测系统110可被配置为使用通信接口60与多个部件数据数据库交换数据。在其他实施方案中,可不存在部件数据数据库120,并且部件寿命预测系统110可直接从各种信息源诸如例如机场数据库、国家气象服务(NWS)数据库等接收部件相关数据。
应当指出的是,所公开的实施方案可适用的场景不限于本文具体讨论的飞机。相反,对于相关领域的普通技术人员显而易见的是,所公开的实施方案可适用于许多场景,包括但不限于飞机、机动车辆(例如,摩托车、汽车、卡车、公共汽车等)、轨道车辆(例如,火车、有轨电车、地铁等)、船舶(例如,轮船、小艇、快艇等)、宇宙飞船以及任何其他车辆或移动机器。因此,本公开的示例性实施方案可不限于任何具体车辆类型,而是还可与机器、系统、部件或者其中可存在上述需要的任何环境或场景集成。
部件维护系统130可远离部件寿命预测系统110定位,并且可经由各种通信模式(例如,物理数据端口、蓝牙、LAN/WAN(无线或有线(例如,以太网、电缆等))、蜂窝连接、卫星连接等)从部件寿命预测系统110接收处理后的数据(例如,部件的剩余使用寿命)。部件维护系统130可进一步处理所接收的数据以安排维护任务。例如,部件维护系统130可接收部件的剩余使用寿命,并且基于该剩余使用寿命,修改或更新部件的维护计划。此外,部件维护系统130可基于所更新的维护计划来向适当的维护人员发送通知。发送给维护技术人员的通知可指示与部件相关联的一个或多个安排的维护任务以及对应的时间/日期,并且可请求维护技术人员确认、拒绝或重新安排维护任务。然而,部件维护系统130可不允许维护技术人员重新安排超过所确定的部件的剩余使用寿命的日期/时间。例如,基于部件的剩余使用寿命,部件维护系统130可设置必须完成安排的维护任务的截止日期,并且在临近截止日期时可向维护技术人员生成进一步的警报/通知。如果接收到通知的维护技术人员拒绝执行指示的维护任务,则部件维护系统130可找到适合该任务的另一名维护技术人员并相应地发送通知。部件维护系统130还可允许接收维护技术人员将所安排的维护任务委托给另一名维护技术人员。在一些实施方案中,部件维护系统130可以是定位在维修或维护设施中的终端或信息亭,并且可经由显示器直接向用户呈现(而不是向维护人员发送通知)更新的维护计划和对应的维护任务,并且可允许用户执行上述操作(例如,确认、拒绝、委托或重新安排维护任务)。
除了向维护人员提供通知之外,部件维护系统130还可被配置为基于所安排的维护任务向维修零件供应商系统提供通知。发送到维修零件供应商系统的通知可指示所安排的维护任务所需的一个或多个维修零件,以及维修零件必须交付到与所安排的维护任务相关联的维修设施的时间/日期。该通知可使维修零件供应商系统确认或拒绝维修零件交付请求。此外,如果在预定时间内未接收到响应,则部件维护系统130可向维修零件供应商系统生成附加通知或警报。例如,如果在例如3天内未接收到确认或拒绝,则可向维修零件供应商发送另一通知。附加通知或警报可继续发送到维修零件供应商系统,直到预定时间段仍在对应的所安排的维护任务之前。换句话讲,部件管理系统130可在预定时间段未在对应的所安排的维护任务之前的点中断附加通知或警报,搜索另一合适的维修零件供应商系统,并且向新发现的维修零件供应商系统发送一个或多个通知。
应当指出的是,尽管部件寿命预测系统110和部件维护系统130被描绘为图1中的独立系统/设备,但是部件寿命预测系统110和部件维护系统130可被实现为单个系统/设备。例如,系统110和130可在计算设备中实现,该计算设备包括一个或多个处理器、易失性和非易失性存储装置、输入/输出接口、通信接口,以及剩余使用寿命确定模块和存储在非易失性存储装置上的维护计划更新模块。
图2是示出使用本公开的剩余使用寿命确定模块10来确定对部件寿命的环境影响和操作影响的示例性方法的流程图(即,训练阶段)。在步骤210处,部件寿命预测系统110可从部件数据数据库120获得部件数据集。如参考图1所述,部件寿命预测系统110可经由通信接口60从部件数据数据库120接收部件数据集。所接收的部件数据集可首先存储在非易失性存储装置40中,之后加载到易失性存储装置30上,以由执行剩余使用寿命确定模块10的处理器20处理。每个部件数据集可包括与对应部件相关联的各种类型的数据,诸如例如其中已经安装该部件的一架或多架飞机的飞行计划、该部件已经经历的环境条件(例如,风、风速、雨、雪、温度、海拔、飞机速度等)、该部件已经经历的操作条件(例如,总运转时数、平均连续运转时数、消耗功率等)、安装日期、失效日期、失效的根本原因等。
在步骤220处,剩余使用寿命确定模块10可在一个或多个感兴趣时间段(诸如例如,每次飞行的持续时间)内合并对应于相应部件的每个部件数据集。更具体地讲,使用所接收的对应于部件的飞行计划,剩余使用寿命确定模块10可确定部件在每次飞行期间经历的环境条件(例如,部件在每次飞行期间经历的风、雨、雪、温度、海拔和/或飞机速度)以及部件在每次飞行期间经历的操作条件(例如,部件在每次飞行期间消耗的总运转时数、平均连续运转时数和/或功率)。换句话讲,剩余使用寿命确定模块10可确定部件在每次飞行期间经历或累积的环境条件和操作条件。
在步骤230处,对于每个失效部件,剩余使用寿命确定模块10可基于在步骤220中在一个或多个感兴趣时间段内合并的部件数据集来汇总在失效部件的寿命期间经历的环境条件和操作条件。该汇总可涉及建立失效部件在失效部件操作区域中经历的各种环境条件和操作条件的平均值、最大值、最小值或任何其他统计集合,以及对失效部件经历的其他环境条件和操作条件进行参数化。
在步骤240处,剩余使用寿命确定模块10可通过使用时间变量以及在步骤230处获得的所汇总的与对应失效部件相关联的环境因素和操作因素来建立加速失效时间(AFT)模型,从而确定环境条件和操作条件对每个感兴趣部件的寿命的影响。AFT模型可被指定为:
λ(t|θ)=θλ0(θt)
其中θ=e(-[β0X0+…+βnXn])
λ是指部件寿命的风险函数,θ是指协变量(即,环境影响和操作影响的严重程度的量度),并且t是指时间。协变量θ中的X变量是指环境因素和操作因素,这些因素影响部件的寿命。β系数是确定每个环境因素或操作因素影响部件寿命的程度的权重。
使用时间变量和针对失效部件获得的所汇总的(即,参数化的)环境因素和操作因素作为训练数据,可训练每个感兴趣部件的AFT模型,直到使用常见的估算器诸如极大似然估算学习的变量值不会发生显著变化。具体地讲,使用时间变量(即,代入t)以及所汇总的环境因素和操作因素(即,代入X)来估算β系数。
图3是示出基于经由图2中所示的训练阶段(即,估算阶段)构造的AFT模型来确定部件的剩余使用寿命的示例性方法的流程图。在步骤310处,剩余使用寿命确定模块10可获得对应于操作部件的部件数据集(以下称为“操作部件数据集”)。如参考图1所述,部件寿命预测系统110可经由通信接口60从部件数据数据库120接收操作部件数据集。所接收的操作部件数据集可首先存储在非易失性存储装置40中,之后加载到易失性存储装置30上,以由执行剩余使用寿命确定模块10的处理器20处理。每个操作部件数据集可包括与对应操作部件相关联的各种类型的数据,诸如例如其中已经安装该操作部件的一架或多架飞机的飞行计划、该操作部件已经经历的环境条件(例如,风、风速、雨、雪、温度、海拔、飞机速度等)、该操作部件已经经历的操作条件(例如,总运转时数、平均连续运转时数、消耗功率等)、安装日期、失效日期、失效的根本原因等。
在步骤320处,剩余使用寿命确定模块10可在一个或多个感兴趣时间段(诸如例如,每次飞行的持续时间)内合并对应于相应操作部件的每个操作部件数据集。更具体地讲,使用所接收的对应于操作部件的飞行计划,剩余使用寿命确定模块10可确定操作部件在每次飞行期间经历的环境条件(例如,操作部件在每次飞行期间经历的风、雨、雪、温度、海拔和/或飞机速度)以及操作部件在每次飞行期间经历的操作条件(例如,操作部件在每次飞行期间消耗的总运转时数、平均连续运转时数和/或功率等)。换句话讲,剩余使用寿命确定模块10可确定操作部件在每次飞行期间经历或累积的环境条件和操作条件。
在步骤330处,对于每个操作部件,剩余使用寿命确定部件10可基于在步骤320中在一个或多个感兴趣时间段内合并的操作部件数据集来汇总操作部件经历的环境条件和操作条件。该汇总可涉及建立操作部件在部件操作区域中经历的平均温度、最高温度和最低温度,以及对操作部件经历的其他环境条件(例如,风、风速、雨、雪、海拔、飞机速度等)进行参数化。
在步骤340处,剩余使用寿命确定模块10可通过使用经由图2中所示的训练阶段的对应加速失效时间(AFT)模型(即,针对操作部件构造的AFT模型)来确定每个操作部件的剩余使用寿命。利用在AFT模型中可用的估算的β系数,时间变量以及针对操作部件获得的所汇总的(即,参数化的)环境因素和操作因素可应用于AFT模型以确定操作部件的剩余使用寿命。
图4是示出基于在图3中所示的估算阶段(即,维护阶段)中确定的部件的剩余使用寿命来促进维护操作的示例性方法的流程图。在步骤410处,部件维护系统130可接收针对一个或多个感兴趣操作部件确定的一个或多个剩余使用寿命值。在步骤420处,部件维护系统130可基于一个或多个所接收的剩余使用寿命值来更新(或新生成)对应于一个或多个感兴趣操作部件的一个或多个维护计划。例如,如果预先存在的部件维护计划指示在一个月内安排维护活动,但所接收的部件的剩余使用寿命指示使用寿命仅剩两周,则更新维护计划,以便在两周内安排维护活动。在一些实施方案中,可针对每个感兴趣部件指定安全时间段,使得可在推断的部件失效时间之前的至少安全时间段为感兴趣部件安排维护。例如,如果指定28天(4周)的安全时间段,并且所确定的部件的剩余使用寿命为49天(7周),则可在21天(3周)(即,维护活动截止日期/时间=剩余使用寿命–安全时间段)内为部件安排维护活动。
在步骤430处,部件维护系统130可基于所更新的维护计划来通知适当的维护人员,并且还可通知适当的零件供应商系统向分配给安排的维护活动的维修设施提供维修零件。如参考图1所述,所述通知可使接收方维护技术人员确认、拒绝或重新安排所安排的维护活动,或者将所安排的维护活动委托给另一名维护技术人员。该通知还可使接收方零件供应商系统确认或拒绝维修零件交付。如果维修零件交付被拒绝,则部件维护系统130可搜索另一个维修零件供应商系统,并向该维修零件供应商系统发送通知。该搜索和通知过程可迭代执行,直到维修零件供应商系统确认维修零件交付。在步骤440处,部件维护系统130可基于从维护技术人员接收的响应(例如,确认、拒绝、重新安排或委托)进一步更新维护计划,并且还可基于从维修零件供应商系统接收的零件或预期要从维修零件供应商系统接收的零件来更新零件库存记录。
本公开的关于车辆部件剩余使用寿命预测的实施方案使用上述技术中的一些解决了现有方法的缺点。一般来讲,本公开的实施方案具有至少以下可区分的特征,这些特征使得技术有显著改进:
1)基于环境条件和操作条件准确预测剩余使用寿命,而无需依赖传感器数据和附接到单独的车辆部件的传感器;
2)预测性车辆部件维护,防止部件失效和随之发生的事件;
3)基于条件的车辆部件维护,使零件成本、系统停机时间和维护花费的时间最小化;以及
4)提高工作人员操作关键或危险设备的安全性。
除非另外特别说明,否则从以下讨论中可以明显看出,应当理解,在整个说明书讨论中,利用术语诸如“处理”、“计算(computing)”、“计算(calculating)”、“确定”、“分析”等是指计算机或计算系统或类似电子计算设备将表示为物理(诸如电子)量的数据操纵和/或转换成类似地表示为物理量的其他数据的动作和/或过程。
以类似的方式,术语“处理器”可指对例如来自寄存器和/或存储器的电子数据进行处理以将电子数据转换成例如可存储在寄存器和/或存储器中的其他电子数据的任何设备或设备的一部分。“计算机”或“计算机器”或“计算平台”可包括一个或多个处理器。
图5示出了指定为500的通用计算机系统的具体实施。计算机系统500可包括指令集,该指令集可被执行以使计算机系统500执行本文所公开的方法或基于计算机的功能中的任何一者或多者。计算机系统500可作为独立设备操作,或者可连接(例如,使用网络)到其他计算机系统或外围设备。
在联网部署中,计算机系统500可在服务器-客户端用户网络环境中以服务器的身份或作为客户端用户计算机操作,或者在对等(或分布式)网络环境中作为对等计算机系统操作。计算机系统500也可实现为各种设备或结合到各种设备中,诸如个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动设备、掌上型计算机、膝上型计算机、台式计算机、通信设备、无线电话、固定电话、控制系统、相机、扫描器、传真机、打印机、寻呼机、个人可信设备、web设备、网络路由器、交换机或网桥,或者能够执行指令集(顺序或以其他方式)的任何其他机器,该指令集指定该机器将采取的动作。在特定的具体实施中,计算机系统500可使用提供声音、视频或数据通信的电子设备来实现。此外,虽然示出了单个计算机系统500,但术语“系统”还应被视为包括单独或联合执行一个或多个指令集以执行一个或多个计算机功能的系统或子系统的任何集合。
如图5所示,计算机系统500可包括处理器502,例如中央处理单元(CPU)、图形处理单元(GPU)或两者。处理器502可以是多种系统中的部件。例如,处理器502可以是标准个人计算机或工作站的一部分。处理器502可以是一个或多个通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列、服务器、网络、数字电路、模拟电路或它们的组合,或者用于分析以及处理数据的其他现在已知或以后开发的设备。处理器502可实现软件程序,诸如手动生成(即,编程)的代码。
计算机系统500可包括可经由总线508通信的存储器504。存储器504可以是主存储器、静态存储器或动态存储器。存储器504可包括但不限于计算机可读存储介质,诸如各种类型的易失性和非易失性存储介质,包括但不限于随机存取存储器、只读存储器、可编程只读存储器、电可编程只读存储器、电可擦除只读存储器、闪存存储器、磁带或磁盘、光学介质等。在一个具体实施中,存储器504包括用于处理器502的高速缓存或随机存取存储器。在另选的具体实施中,存储器504与处理器502诸如处理器的高速缓存存储器、系统存储器或其他存储器分离。存储器504可以是用于存储数据的外部存储设备或数据库。示例包括硬盘驱动器、压缩光盘(“CD”)、数字视频光盘(“DVD”)、存储卡、存储棒、软盘、通用串行总线(“USB”)存储器设备或可操作以存储数据的任何其他设备。存储器504可操作以存储可由处理器502执行的指令。附图中示出或本文描述的功能、动作或任务可由执行存储在存储器504中的指令的编程处理器502来执行。所述功能、动作或任务与特定类型的指令集、存储介质、处理器或处理策略无关,并且可由单独或组合操作的软件、硬件、集成电路、固件、微代码等执行。同样,处理策略可包括多处理、多任务、并行处理等。
如图所示,计算机系统500还可包括显示单元510,诸如液晶显示器(LCD)、有机发光二极管(OLED)、平板显示器、固态显示器、阴极射线管(CRT)、投影仪、打印机,或用于输出所确定的信息的其他现在已知或以后开发的显示设备。显示器510可充当用户查看处理器502的运行的接口,或者具体充当与存储在存储器504或驱动单元506中的软件的接口。
附加地或另选地,计算机系统500可包括被配置为允许用户与系统500的任何部件交互的输入设备512。输入设备512可以是数字键盘、键盘或光标控制设备(诸如鼠标或操纵杆)、触摸屏显示器、遥控器或者可操作以与计算机系统500交互的任何其他设备。
计算机系统500还可或另选地包括盘或光盘驱动单元506。盘驱动单元506可包括其中可嵌入一个或多个指令集集524(例如,软件)的计算机可读介质522。此外,指令524可体现如本文所述的方法或逻辑中的一者或多者。在计算机系统500执行期间,指令524可完全或部分地驻留在存储器504内和/或处理器502内。存储器504和处理器502还可包括如上所述的计算机可读介质。
在一些系统中,计算机可读介质522包括指令524,或者响应于所传播的信号而接收并执行指令524,使得连接到网络526的设备可通过网络526传送声音、视频、音频、图像或任何其他数据。此外,可经由通信端口或接口520和/或使用总线508通过网络526传输或接收指令524。通信端口或接口520可以是处理器502的一部分,或者可以是单独部件。通信端口520可在软件中创建,或者可以是硬件中的物理连接。通信端口520可被配置为与网络526、外部介质、显示器510或系统500中的任何其他部件或它们的组合连接。与网络526的连接可以是物理连接,诸如有线以太网连接,或者可如下所述以无线方式建立。同样,与系统500的其他部件的附加连接可以是物理连接,或者可以无线方式建立。网络526可另选地直接连接到总线508。
虽然计算机可读介质522被示出为单个介质,但术语“计算机可读介质”可包括单个介质或多个介质,诸如集中式或分布式数据库,和/或存储一个或多个指令集的相关高速缓存和服务器。术语“计算机可读介质”还可包括能够存储、编码或携带指令集以供处理器执行或者使计算机系统执行本文所公开的方法或操作中的任何一者或多者的任何介质。计算机可读介质522可以是非暂态的,并且可以是有形的。
计算机可读介质522可包括固态存储器,诸如容纳一个或多个非易失性只读存储器的存储卡或其他封装。计算机可读介质522可以是随机存取存储器或其他易失性可重写存储器。附加地或另选地,计算机可读介质522可包括磁-光介质或光学介质,诸如盘或带或用于捕获载波信号(诸如通过传输介质传送的信号)的其他存储设备。电子邮件或其他自包含信息文档或文档集的数字文件附件可被认为是作为有形存储介质的分布介质。因此,本公开被认为包括计算机可读介质或分布介质以及其中可存储数据或指令的其他等同物和后继介质中的任何一者或多者。
在一个另选的具体实施中,可构造专用硬件具体实施(诸如专用集成电路、可编程逻辑阵列和其他硬件设备)来实现本文所述的方法中的一个或多个。可包括各种具体实施的装置和系统的应用可广义地包括多种电子和计算机系统。本文所述的一个或多个具体实施可利用相关的控制和数据信号使用两个或更多个特定互连的硬件模块或设备来实现功能,所述控制和数据信号可在所述模块之间并通过所述模块传送,或者作为专用集成电路的部分传送。因此,本系统涵盖软件、固件和硬件具体实施。
计算机系统500可连接到一个或多个网络1026。网络526可限定包括有线或无线网络的一个或多个网络。无线网络可以是蜂窝电话网络、802.11、802.16、802.20或WiMax网络。此外,此类网络可包括公共网络(诸如互联网)、专用网络(诸如内联网)或它们的组合,并且可利用现在可用的或以后开发的各种联网协议,包括但不限于基于TCP/IP的联网协议。网络526可包括广域网(WAN)(诸如互联网)、局域网(LAN)、校园网、城域网、直接连接(诸如通过通用串行总线(USB)端口),或可允许数据通信的任何其他网络。网络526可被配置为将一个计算设备耦接到另一计算设备以启用所述设备之间的数据通信。网络526通常可被启用以采用任何形式的机器可读介质来将信息从一个设备传送到另一设备。网络526可包括信息可在计算设备之间行进的通信方法。网络526可被分成子网络。子网络可允许访问与其连接的所有其他部件,或者子网络可限制部件之间的访问。网络526可被视为公共或专用网络连接,并且可包括例如虚拟专用网络或在公共互联网上采用的加密或其他安全机制等。
根据本公开的各种具体实施,本文所述的方法可由计算机系统可执行的软件程序来实现。此外,在示例性非限制性具体实施中,具体实施可包括分布式处理、部件/对象分布式处理和并行处理。另选地,可构造虚拟计算机系统处理以实现如本文所述的方法或功能中的一者或多者。
尽管本说明书参考特定标准和协议描述了可在特定具体实施中实现的部件和功能,但本公开不限于此类标准和协议。例如,互联网和其他分组交换网络传输(例如,TCP/IP、UDP/IP、HTML、HTTP)的标准代表了现有技术的示例。此类标准周期性地被具有基本相同功能的更快或更高效的等同物取代。因此,具有与本文所公开的那些相同或相似功能的替换标准和协议被认为是它们的等同物。
应当理解,所述方法的步骤在一个实施方案中由执行存储在存储装置中的指令(计算机可读代码)的处理(即,计算机)系统的适当处理器(或多个处理器)来执行。还应当理解,本发明不限于任何特定的具体实施或编程技术,并且本发明可使用用于实现本文所述功能的任何适当的技术来实现。本发明不限于任何特定编程语言或操作系统。
应当理解,在本发明的示例性实施方案的以上描述中,为了简化本公开并帮助理解各个发明性方面中的一个或多个,有时将本发明的各种特征组合在其单个实施方案、附图或描述中。然而,本公开的该方法不应被理解为反映要求保护的发明需要比每项权利要求中明确陈述的更多特征的意图。相反,如以下权利要求书所反映的,发明性方面在于少于单个前述公开实施方案的所有特征。因此,具体实施方式后的权利要求书据此明确并入本具体实施方式中,其中每项权利要求自身作为本发明的单独实施方案。
此外,正如本领域技术人员将会理解的那样,虽然本文所述的一些实施方案包括其他实施方案中所包括的一些特征但不包括其他特征,但不同的实施方案的特征的组合也在本发明的范围内,并形成不同的实施方案。例如,在以下权利要求书中,任何要求保护的实施方案可以任何组合使用。
此外,实施方案中的一些在本文中被描述为可由计算机系统的处理器或由执行功能的其他装置来实现的方法或方法的元件的组合。因此,具有用于执行这种方法或方法的元件的必要指令的处理器形成用于执行该方法或方法的元件的装置。此外,装置实施方案的本文所述的元件是用于执行由该元件执行的功能以便实施本发明的装置的示例。
在本文提供的描述中,列出了许多特定细节。然而,应当理解,本发明的实施方案可在没有这些特定细节的情况下实践。在其他情况下,未详细示出熟知的方法、结构和技术,以免使对本说明书的理解模糊不清。
相似地,应当注意,当在权利要求书中使用时,术语“耦接”不应被理解为仅限于直接连接。可使用术语“耦接”和“连接”及其派生词。应当理解,这些术语不旨在作为彼此的同义词。因此,表达“耦接到设备B的设备A”的范围不应限于其中设备A的输出端直接连接到设备B的输入端的设备或系统。这意味着在A的输出端和B的输入端之间存在路径,该路径可以是包括其他设备或装置的路径。“耦接”可指两个或更多个元件直接物理接触或电接触,或者两个或更多个元件彼此不直接接触,而是彼此协作或交互。
因此,虽然已经描述了被认为是本发明的优选实施方案的内容,但本领域的技术人员将认识到,在不脱离本发明的实质的情况下可以对其进行其他和进一步修改,并且旨在要求所有此类改变或修改均落在本发明的范围内。例如,上面给出的任何公式仅代表可使用的程序。可在框图中添加或删除功能,并且可在功能框之间交换操作。可在本发明的范围内描述的方法中添加或删除步骤。
上述公开的主题应被视为例示性的而非限制性的,并且所附权利要求书旨在覆盖落入本公开的真实实质和范围内的所有此类修改、增强和其他具体实施。因此,在法律允许的最大范围内,本公开的范围将由以下权利要求书及其等同物的最宽可允许解释来确定,并且不应受前述具体实施方式的约束或限制。虽然已经描述了本公开的各种具体实施,但对于本领域的普通技术人员将显而易见的是,在本公开的范围内可能有更多的实施方案和具体实施。因此,除了根据所附权利要求书及其等同物之外,本公开不受限制。
Claims (3)
1.一种预测部件的剩余使用寿命的计算机实现的方法,包括:
由部件寿命预测系统接收与移动对象的一个或多个部件相关联的一个或多个部件数据集;
对于所述一个或多个部件中的每个失效部件,由所述部件寿命预测系统汇总在所述失效部件的寿命期间经历的环境条件和操作条件;
由所述部件寿命预测系统使用加速失效时间模型以及所汇总的环境条件和操作条件来确定所述环境条件和所述操作条件对感兴趣部件的寿命的影响;以及
由所述部件寿命预测系统基于所述加速失效时间模型来确定所述感兴趣部件的剩余使用寿命。
2.根据权利要求1所述的计算机实现的方法,其中所述一个或多个部件数据集中的每一个部件数据集包括:行进计划、环境数据、操作数据、安装日期、失效日期和/或失效的根本原因。
3.根据权利要求1所述的计算机实现的方法,其中由所述部件寿命预测系统确定所述环境条件和所述操作条件对感兴趣部件的所述寿命的影响包括:
使用所汇总的环境条件和操作条件来训练所述加速失效时间模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/149,668 US11681929B2 (en) | 2018-10-02 | 2018-10-02 | Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model |
US16/149,668 | 2018-10-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992515A true CN110992515A (zh) | 2020-04-10 |
CN110992515B CN110992515B (zh) | 2023-08-04 |
Family
ID=68084714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910830835.2A Active CN110992515B (zh) | 2018-10-02 | 2019-09-04 | 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11681929B2 (zh) |
EP (1) | EP3633564A1 (zh) |
CN (1) | CN110992515B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115249418A (zh) * | 2021-04-26 | 2022-10-28 | 通用电气航空系统有限公司 | 用于更新飞行计划的方法和系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113614652A (zh) * | 2019-03-29 | 2021-11-05 | 三菱电机株式会社 | 模型预测控制装置、模型预测控制程序、模型预测控制系统及模型预测控制方法 |
WO2022240906A1 (en) * | 2021-05-11 | 2022-11-17 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for edge-distributed storage and querying in value chain networks |
US11635753B1 (en) * | 2022-08-15 | 2023-04-25 | Dimaag-Ai, Inc. | Remaining useful life prediction for machine components |
CN117252040B (zh) * | 2023-11-16 | 2024-02-06 | 杭州中安电子股份有限公司 | 多应力加速试验分析方法、电子设备和可读存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490543B1 (en) * | 1999-07-13 | 2002-12-03 | Scientific Monitoring Inc | Lifeometer for measuring and displaying life systems/parts |
US20060243055A1 (en) * | 2005-04-28 | 2006-11-02 | Sundermeyer Jeffry N | Systems and methods for determining fatigue life |
TW200741565A (en) * | 2006-04-19 | 2007-11-01 | Chih-Chen Wu | Prediction system and method for automobile warning information and parts lifespan |
CN101963937A (zh) * | 2010-09-29 | 2011-02-02 | 南京航空航天大学 | 飞控计算机系统剩余寿命预测方法 |
CN102597734A (zh) * | 2009-08-27 | 2012-07-18 | Skf公司 | 轴承生命周期预测学 |
CN104049628A (zh) * | 2013-03-14 | 2014-09-17 | 费希尔控制国际公司 | 基于实验测试的阀预测 |
CN104537133A (zh) * | 2014-05-12 | 2015-04-22 | 中国人民解放军空军工程大学 | 一种基于飞机结构寿命包线理论的单机剩余寿命预测方法 |
CN104637021A (zh) * | 2013-11-08 | 2015-05-20 | 广州市地下铁道总公司 | 一种状态修模式的城轨车辆辅助维修系统 |
CN106951695A (zh) * | 2017-03-09 | 2017-07-14 | 杭州安脉盛智能技术有限公司 | 多工况下的机械设备剩余使用寿命计算方法及系统 |
CN108053079A (zh) * | 2017-12-29 | 2018-05-18 | 山东超越数控电子股份有限公司 | 一种用于机务外场的备件数量预测方法和系统 |
CN108327721A (zh) * | 2017-01-18 | 2018-07-27 | 福特环球技术公司 | 用于监测部件寿命的方法 |
CN108549951A (zh) * | 2018-03-09 | 2018-09-18 | 璇飞(武汉)科技有限公司 | 一种基于关键器件的船用电气设备寿命预测方法及装置 |
CN108549943A (zh) * | 2018-01-05 | 2018-09-18 | 南京知行新能源汽车技术开发有限公司 | 用于车辆部件的基于云的实时预测性维护 |
CN108600954A (zh) * | 2017-02-21 | 2018-09-28 | 福特全球技术公司 | 用于车辆元件故障统计分析的方法和设备 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050192727A1 (en) * | 1994-05-09 | 2005-09-01 | Automotive Technologies International Inc. | Sensor Assemblies |
US8024084B2 (en) * | 1995-06-07 | 2011-09-20 | Automotive Technologies International, Inc. | Vehicle diagnostic techniques |
WO2002003152A2 (en) | 2000-06-29 | 2002-01-10 | Aspen Technology, Inc. | Computer method and apparatus for constraining a non-linear approximator of an empirical process |
US20050114088A1 (en) * | 2003-11-24 | 2005-05-26 | Gorden Ellis E. | Methods and systems for component wear prediction |
US20050273277A1 (en) * | 2004-01-14 | 2005-12-08 | University Of Tennessee Research Foundation, Inc. | Vehicle fatigue life and durability monitoring system and methodology |
US8275642B2 (en) | 2007-01-19 | 2012-09-25 | International Business Machines Corporation | System to improve predictive maintenance and warranty cost/price estimation |
US7945427B2 (en) | 2008-04-18 | 2011-05-17 | The Boeing Company | Methods and systems for providing unanticipated demand predictions for maintenance |
US7996338B2 (en) * | 2008-06-27 | 2011-08-09 | Mircrosoft Corporation | Combining predictive models of forgetting, relevance, and cost of interruption to guide automated reminding |
US8452475B1 (en) | 2009-10-02 | 2013-05-28 | Rockwell Collins, Inc. | Systems and methods for dynamic aircraft maintenance scheduling |
US8843571B2 (en) * | 2010-01-15 | 2014-09-23 | Endurance International Group, Inc. | Web hosting service based on a common service architecture and third party services |
JP2013538543A (ja) * | 2010-07-16 | 2013-10-10 | ザ トラスティーズ オブ コロンビア ユニバーシティ イン ザ シティー オブ ニューヨーク | 送電網用の機械学習 |
US9459018B2 (en) * | 2010-11-19 | 2016-10-04 | Google Inc. | Systems and methods for energy-efficient control of an energy-consuming system |
US20120173299A1 (en) | 2011-01-04 | 2012-07-05 | Mcmullin Dale Robert | Systems and methods for use in correcting a predicted failure in a production process |
US8880962B2 (en) * | 2012-04-24 | 2014-11-04 | International Business Machines Corporation | Maintenance planning and failure prediction from data observed within a time window |
US20150198492A1 (en) | 2014-01-13 | 2015-07-16 | Simmonds Precision Products, Inc. | Remaining useful life forecasting system |
US10547990B2 (en) * | 2014-01-24 | 2020-01-28 | Schneider Electric Buildings, Llc | Dynamic adaptable environment resource management controller apparatuses, methods and systems |
CN105184404B (zh) * | 2015-08-31 | 2018-12-18 | 中国科学院广州能源研究所 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
CN107305742A (zh) * | 2016-04-18 | 2017-10-31 | 滴滴(中国)科技有限公司 | 用于确定预计到达时间的方法和设备 |
US20180284758A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection for equipment analysis in an upstream oil and gas environment |
US20200348662A1 (en) * | 2016-05-09 | 2020-11-05 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
US20200301408A1 (en) * | 2017-05-25 | 2020-09-24 | Johnson Controls Technology Company | Model predictive maintenance system with degradation impact model |
US20200356087A1 (en) * | 2017-05-25 | 2020-11-12 | Johnson Controls Technology Company | Model predictive maintenance system with event or condition based performance |
US10580228B2 (en) * | 2017-07-07 | 2020-03-03 | The Boeing Company | Fault detection system and method for vehicle system prognosis |
US11442445B2 (en) * | 2017-08-02 | 2022-09-13 | Strong Force Iot Portfolio 2016, Llc | Data collection systems and methods with alternate routing of input channels |
CN112074940A (zh) * | 2018-03-20 | 2020-12-11 | 东京毅力科创株式会社 | 结合有集成半导体加工模块的自感知校正异构平台及其使用方法 |
CN112106182A (zh) * | 2018-03-20 | 2020-12-18 | 东京毅力科创株式会社 | 结合有集成半导体加工模块的自感知校正异构平台及其使用方法 |
CN112703457A (zh) * | 2018-05-07 | 2021-04-23 | 强力物联网投资组合2016有限公司 | 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统 |
DK201870700A1 (en) * | 2018-06-20 | 2020-01-14 | Aptiv Technologies Limited | OVER-THE-AIR (OTA) MOBILITY SERVICES PLATFORM |
US11535122B2 (en) * | 2018-08-14 | 2022-12-27 | Batterycheck S.R.O. | Power cell tracking and optimization system |
US11221617B2 (en) * | 2018-10-22 | 2022-01-11 | Nec Corporation | Graph-based predictive maintenance |
US10991217B2 (en) * | 2019-02-02 | 2021-04-27 | Delta Thermal, Inc. | System and methods for computerized safety and security |
-
2018
- 2018-10-02 US US16/149,668 patent/US11681929B2/en active Active
-
2019
- 2019-09-04 CN CN201910830835.2A patent/CN110992515B/zh active Active
- 2019-09-27 EP EP19200307.7A patent/EP3633564A1/en not_active Withdrawn
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490543B1 (en) * | 1999-07-13 | 2002-12-03 | Scientific Monitoring Inc | Lifeometer for measuring and displaying life systems/parts |
US20060243055A1 (en) * | 2005-04-28 | 2006-11-02 | Sundermeyer Jeffry N | Systems and methods for determining fatigue life |
TW200741565A (en) * | 2006-04-19 | 2007-11-01 | Chih-Chen Wu | Prediction system and method for automobile warning information and parts lifespan |
CN102597734A (zh) * | 2009-08-27 | 2012-07-18 | Skf公司 | 轴承生命周期预测学 |
CN101963937A (zh) * | 2010-09-29 | 2011-02-02 | 南京航空航天大学 | 飞控计算机系统剩余寿命预测方法 |
CN104049628A (zh) * | 2013-03-14 | 2014-09-17 | 费希尔控制国际公司 | 基于实验测试的阀预测 |
CN104637021A (zh) * | 2013-11-08 | 2015-05-20 | 广州市地下铁道总公司 | 一种状态修模式的城轨车辆辅助维修系统 |
CN104537133A (zh) * | 2014-05-12 | 2015-04-22 | 中国人民解放军空军工程大学 | 一种基于飞机结构寿命包线理论的单机剩余寿命预测方法 |
CN108327721A (zh) * | 2017-01-18 | 2018-07-27 | 福特环球技术公司 | 用于监测部件寿命的方法 |
CN108600954A (zh) * | 2017-02-21 | 2018-09-28 | 福特全球技术公司 | 用于车辆元件故障统计分析的方法和设备 |
CN106951695A (zh) * | 2017-03-09 | 2017-07-14 | 杭州安脉盛智能技术有限公司 | 多工况下的机械设备剩余使用寿命计算方法及系统 |
CN108053079A (zh) * | 2017-12-29 | 2018-05-18 | 山东超越数控电子股份有限公司 | 一种用于机务外场的备件数量预测方法和系统 |
CN108549943A (zh) * | 2018-01-05 | 2018-09-18 | 南京知行新能源汽车技术开发有限公司 | 用于车辆部件的基于云的实时预测性维护 |
CN108549951A (zh) * | 2018-03-09 | 2018-09-18 | 璇飞(武汉)科技有限公司 | 一种基于关键器件的船用电气设备寿命预测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115249418A (zh) * | 2021-04-26 | 2022-10-28 | 通用电气航空系统有限公司 | 用于更新飞行计划的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20200104730A1 (en) | 2020-04-02 |
CN110992515B (zh) | 2023-08-04 |
EP3633564A1 (en) | 2020-04-08 |
US11681929B2 (en) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992515B (zh) | 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统 | |
EP3457243B1 (en) | On-component tracking of maintenance, usage and remaining useful life | |
EP2489014B1 (en) | Platform health monitoring apparatus and method | |
US7209814B2 (en) | Diagnostic system and method for enabling multistage decision optimization for aircraft preflight dispatch | |
US20170286572A1 (en) | Digital twin of twinned physical system | |
US9286735B1 (en) | Generating cumulative wear-based indicators for vehicular components | |
WO2018038902A1 (en) | Internet of things associate | |
JP2018524704A (ja) | 予測モデルの動的な実行 | |
WO2020223249A1 (en) | Vehicle service center dispatch system | |
US20200089208A1 (en) | Sensing and computing control system for shaping precise temporal physical states | |
Xue et al. | An instance-based method for remaining useful life estimation for aircraft engines | |
US10423886B2 (en) | Electronic logs with compliance support and prediction | |
EP4287091A1 (en) | Vehicle health management using a counterfactual machine learning model | |
US10379982B2 (en) | Computer system and method for performing a virtual load test | |
US20190080259A1 (en) | Method of learning robust regression models from limited training data | |
Zaliskyi et al. | Statistical Data Processing for Condition-based Maintenance | |
Zuiev | Ground Radio Navigation Systems Maintenance Processes Improvement | |
US20230394889A1 (en) | Vehicle Health Management Using a Counterfactual Machine Learning Model To Optimize Maintenance Parameters | |
US20230401899A1 (en) | Component maintenance prediction system with behavior modeling | |
US20240104199A1 (en) | Systems and methods for robust scan and upload cyber security patch to edge node | |
Nicchiotti | Health monitoring requirements elicitation via House of Quality | |
Jackson et al. | Diagnostics and Prognostics on the Grid: the Distributed Aircraft Maintenance Environment project (DAME) | |
Arnaiz et al. | Condition Based Operational Risk Assessment for Improved Aircraft Operability |
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 |