CN112036694B - 一种高速公路机电设备生命周期预测方法及系统 - Google Patents
一种高速公路机电设备生命周期预测方法及系统 Download PDFInfo
- Publication number
- CN112036694B CN112036694B CN202010738745.3A CN202010738745A CN112036694B CN 112036694 B CN112036694 B CN 112036694B CN 202010738745 A CN202010738745 A CN 202010738745A CN 112036694 B CN112036694 B CN 112036694B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- highway
- score
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012423 maintenance Methods 0.000 claims abstract description 79
- 230000036541 health Effects 0.000 claims abstract description 68
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 230000008439 repair process Effects 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 50
- 238000007689 inspection Methods 0.000 claims description 49
- 238000004140 cleaning Methods 0.000 claims description 30
- 238000009434 installation Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 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
- G06Q10/06—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种高速公路机电设备生命周期预测方法,包括以下步骤:步骤一,采集高速公路机电设备的数据,并分类筛选得到设备的基础数据、维护数据、维修数据、运行数据;步骤二,将采集筛选得到的数据进行多维数据融合;步骤三,根据多维融合数据计算高速公路机电设备的健康值;步骤四,对计算得到的健康值进行评估判定,进而得到高速公路机电设备的生命周期状态。本发明通过计算分析设备的基础数据以及设备运行过程中的状态稳定程度和对设备的维护、维修情况,通过健康值分数离散对应到不同的生命周期状态,从而实现预测性的机电维护,并科学的指导机电运维及管理人员进行决策。
Description
技术领域
本发明涉及医疗器械领域,特别涉及一种高速公路机电设备生命周期预测方法及系统。
背景技术
2019年全国取消省界站后,中国高速公路迈进了自由流收费时代,与传统的封闭式收费模式相比其最大特点就是无人值守,考虑到高速公路系统的不间断性、高效性和高速性,一旦高速公路的机电设备发生故障,会严重影响高速公路的运行,尤其是收费交易的成功与否完全依赖于收费设备与监控设备是否正常运行,因此,如何保障高速公路机电设备的正常运行成为高速公路机电和收费管理的关键任务,特别地,对高速公路机电设备的生命周期的研究显得尤为重要。
相比对高速公路机电设备进行合理的日常养护和维修,及时的对设备进行报废和配件更新将更能保证高速公路整体系统的正常运行。目前对高速公路机电设备的配件更新和报废管理大多是依据机电运营和管理人员的经验,并没有统一确定的技术方法或标准制度,无法合理且有效的预测设备的运行状态,对设备进行必要的更新和报废,这些都严重制约着我国高速公路事业的发展。
发明内容
有鉴于此,本发明提供了一种高速公路机电设备生命周期预测方法,通过融合机电设备基础信息、维护巡检数据、维修数据、运行监控数据,计算和分析出设备所处的生命周期状态,并配套提供一种高速公路机电设备生命周期预测系统,实现对机电设备健康度评估并分析设备的生命周期状态,最终实现从事后维护转变为预防性维护,从而提高维护效率,提高设备完好率,保障高速公路监控、收费等各项业务的正常运行。
本发明的目的是通过以下技术方案来实现的:
一种高速公路机电设备生命周期预测方法,所述预测方法包括以下步骤:
步骤一,采集高速公路机电设备的数据,并对数据作分类筛选,筛选得到高速公路机电设备的基础数据、维护数据、维修数据、运行数据,其中所述的基础数据按设备进行汇总,所述的维护数据、维修数据、运行数据按月按设备进行汇总;
步骤二,将步骤一采集并筛选得到的数据进行多维数据融合,融合以设备、时间为标签,得到以按月按设备形式融合后的高速公路机电的多维数据;
步骤三,根据步骤二得到的多维数据计算高速公路机电设备的健康值;
步骤四,对步骤三得到的健康值进行评估判定,由此得到高速公路机电设备的生命周期状态。
进一步,所述高速公路机电设备是指一般意义上的用于高速公路领域的机械、电器及电气自动化设备,至少包括监控设备、收费设备、通信设备、供配电及照明设备。
进一步,所述高速公路机电设备的生命周期包括所述高速公路机电设备的采购、安装、运行、报废。
进一步,所述高速公路机电设备的基础数据包括以下数据项:出厂时间、安装时间、报废年限。
进一步,所述高速公路机电设备的维护数据包括以下数据项:巡检次数、巡检异常次数、日常保洁次数。
进一步,所述高速公路机电设备的维修数据包括以下数据项:维修次数、换件次数、维修关键配件次数、更换关键配件次数。
进一步,所述高速公路机电设备的运行数据包括以下数据项:运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数。
进一步,所述步骤二中经数据融合后得到的高速公路机电设备的多维数据包括以下数据项:设备编号、当前时间、出厂时间、安装时间、报废年限、巡检次数、巡检异常次数、日常保洁次数、维修次数、换件次数、维修关键配件次数、更换关键配件次数、运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数。
进一步,所述步骤三计算高速公路机电设备的健康值的具体计算方法为:
1)高速公路机电设备依据报废年限的健康值默认是100分,设备只要出厂就应该每年减少寿命,但是如果没有安装使用则其可使用年限时间肯定大于预期报废年限的时间,因此设定从设备出厂开始算分值占比50%,从安装使用开始算分值占比50%,则得到:
其中,X1表示当前时间,X2表示设备的出厂时间,X3表示设备的安装时间,X4为设备的报废年限,X1-X2表示当前时间与设备出厂时间相差的天数,X1-X3表示当前时间与设备安装时间相差的天数;
基于所述出厂时间分值和安装时间分值,进而得到高速公路机电设备可使用年限的年限分值为:
年限分值=出厂时间分值+安装时间分值
其中,0≦年限分值≦100;
2)高速公路机电设备在运行阶段,根据高速公路机电运行管理原则会对设备进行日常的巡检和保洁,以保障设备的稳定运行,这些日常的巡检和保洁行为会增加高速公路机电设备的可使用年限,延缓设备的报废,因此设定,巡检每次加2分,巡检异常则以总分10分按巡检异常比例进行扣分,日常保洁每次加1分,每月内巡检次数不大于4,每月日常保洁次数不大于4,则得到:
其中,N为纳入计算的月数,X5表示每个月内巡检次数,X6表示每个月内巡检异常次数,X7表示每个月内日常保洁次数,0≦巡检频次分值≦8,0≦巡检异常比例分值≦10,0≦日常保洁频次分值≦4;
3)高速公路机电设备如果发生维修,则设定普通维修每次扣1分,关键配件维修每次扣2分,关键配件更换每次加3分,更换关键配件10分按比例扣分,则得到:
其中,X8表示每个月内维修次数,包含普通维修和关键配件维修次数,X9表示每个月内更换配件次数,X10表示每个月内维修关键配件次数,X8-X10表示普通维修次数,X11表示每个月内更换关键配件次数;
4)对高速公路机电设备的运行状态进行监测,设定基本运行状态异常分值占比以总分5分按比例进行扣分,关键运行状态异常分值占比以总分10分按比例进行扣分,则得到:
其中,X12表示每个月内运行状态监测次数,X13表示每个月内基本运行状态异常次数,X14表示每个月内关键运行状态异常次数,0≦运行状态异常频次分值≦15;
5)将上述基于高速公路机电设备的基础数据、维护数据、维修数据、运行数据计算得到的年限分值、巡检频次分值、巡检异常比例分值、日常保洁频次分值、维修分值、运行状态异常频次分值代入下式,计算得到高速公路机电设备的健康值:
健康值=年限分值+巡检频次分值-巡检异常比例分值+日常保洁频次分值-维修分值-运行状态异常频次分值。
进一步,所述步骤四对健康值进行评估判定,具体方法为:
1)设定一个健康值离散区间,特别的,可以设定为:
健康值在90-100之间,对应离散值为优秀;
健康值在75-90之间,对应离散值为良好;
健康值在60-75之间,对应离散值为合格;
健康值在20-60之间,对应离散值为建议更换配件;
健康值在0-20之间,对应离散值为建议报废;
2)将计算得到的高速公路机电设备的健康值输入到设定的健康值离散区间,进而输出得到对应离散值,通过离散值对高速公路机电设备的生命周期状态进行评估判定。
进一步,所述健康值离散区间的设定可以根据历史数据来初步设定,并通过运行高速公路机电设备生命周期预测方法的系统结果反馈,根据实际情况不断优化调整。
本发明还提供了一种基于权利要求1-11任意一项所述的高速公路机电设备生命周期预测系统,所述预测系统包括:数据采集模块、数据传输模块、多维数据融合模块、计算模块、智能展示模块,所述数据采集模块通过所述数据传输模块连接所述多维数据融合模块,所述多维数据融合模块连接所述计算模块,所述计算模块连接所述智能展示模块;
所述数据采集模块用于采集高速公路机电设备的数据,并把数据筛选分类为基础数据、维护数据、维修数据、运行数据;
所述数据传输模块用于将所述数据采集模块采集到的数据传递给多维数据融合模块;
所述多维数据融合模块用于将所述数据传输模块传递来的数据进行多维数据融合,融合以设备、时间为标签,得到以按月按设备形式融合后的高速公路机电的多维融合数据;
所述计算模块用于运行权利要求1-11所述的预测方法,根据所述多维融合数据计算高速公路机电设备的健康值、离散值、生命周期状态;
所述智能展示模块用于将所述计算模块的计算结果以文字、图表、曲线、文件、邮件、微信、短信中的任一形式进行展示。
由于采用了上述技术方案,本发明具有如下的有益效果:
1)本发明计算复杂度低、方法原理清晰、涉及数据全面、智能化程度高,能够对高速公路机电设备进行实时数据采集和分析计算,从而直观地、科学地帮助机电运维管理人员进行设备预测性管理,从而提高设备运行效率,减少设备维护成本,提高管理效能。
2)本发明通过设备的基础数据以及运行过程的状态稳定程度和对设备的维护、维修情况,客观反映设备的实际生命周期,从而实现预测性的机电维护并指导机电工程预算编制(通过专项工程更换那些到报废阶段的设备),实现科学、合理、客观的数据决策的机电管理。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究,对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明高速公路机电设备全生命周期示意图;
图2为本发明高速公路机电设备生命周期预测方法流程示意图;
图3为本发明多维数据融合流程示意图;
图4为本发明某设备2019年12月份多维融合数据示意图;
图5为本发明健康值离散区间示意图;
图6为本发明高速公路机电设备生命周期预测系统构成示意图。
具体实施方式
为使本发明的技术方案、优点和目的更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本申请的保护范围。
下面结合附图和实施例对本发明作进一步说明。
如图1所示,在本发明全文中使用的术语“生命周期”,可以指或包括高速公路机电设备的采购、安装、运行、报废,其中“运行”状态又可以分为:优秀、良好、合格、建议更换配件、建议报废。
针对某一高速公路机电设备,其从采购、安装后会形成基于设备本身的基础数据,在运行过程中又会产生维护数据、维修数据、运行数据,其中基础数据包括包括以下数据项:出厂时间、安装时间、报废年限;维护数据包括以下数据项:巡检次数、巡检异常次数、日常保洁次数;维修数据包括以下数据项:维修次数、换件次数、维修关键配件次数、更换关键配件次数;运行数据包括以下数据项:运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数。
实施例一:
如图2所示,本发明实施例提供一种高速公路机电设备生命周期预测方法,具体实施步骤为:
201,采集高速公路机电设备的数据,并对数据作分类筛选,筛选得到高速公路机电设备的基础数据、维护数据、维修数据、运行数据,其中所述的基础数据按设备进行汇总,所述的维护数据、维修数据、运行数据按月按设备进行汇总;
202,将步骤201采集并筛选得到的数据进行多维数据融合,多维数据融合流程参考图3所示,融合以设备、时间为标签,维护数据、维修数据、运行数据按月按设备与基础数据进行融合,得到以按月按设备形式融合后的高速公路机电的多维数据如图4所示,包括以下数据项:设备编号、当前时间、出厂时间、安装时间、报废年限、巡检次数、巡检异常次数、日常保洁次数、维修次数、换件次数、维修关键配件次数、更换关键配件次数、运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数;
203,根据步骤202得到的多维数据计算高速公路机电设备的健康值,健康值的具体计算步骤为:
1)高速公路机电设备依据报废年限的健康值默认是100分,设备只要出厂就应该每年减少寿命,但是如果没有安装使用则其可使用年限时间肯定大于预期报废年限的时间,因此设定从设备出厂开始算分值占比50%,从安装使用开始算分值占比50%,则得到:
其中,X1表示当前时间,X2表示设备的出厂时间,X3表示设备的安装时间,X4为设备的报废年限,X1-X2表示当前时间与设备出厂时间相差的天数,X1-X3表示当前时间与设备安装时间相差的天数;
根据上式子(1)、(2)算得出厂时间分值和安装时间分值,进而可以得到高速公路机电设备基于可使用年限的年限分值为:
年限分值=出厂时间分值+安装时间分值 (3)
其中,0≦年限分值≦100;
2)高速公路机电设备在运行阶段,根据高速公路机电运行管理原则会对设备进行日常的巡检和保洁,以保障设备的稳定运行,这些日常的巡检和保洁行为会增加高速公路机电设备的可使用年限,延缓设备的报废,因此设定,巡检每次加2分,巡检异常则以总分10分按巡检异常比例进行扣分,日常保洁每次加1分,每月内巡检次数不大于4,日常保洁次数不大于4,则可以得到:
其中,N为纳入计算的月数,X5表示每个月内巡检次数,X6表示每个月内巡检异常次数,X7表示每个月内日常保洁次数,0≦巡检频次分值≦8,0≦巡检异常比例分值≦10,0≦巡检频次分值≦4;
3)高速公路机电设备如果发生维修,则设定普通维修每次扣1分,关键配件维修每次扣2分,关键配件更换每次加3分,更换关键配件10分按比例扣分,则得到:
其中,X8表示每个月内维修次数,包含普通维修和关键配件维修次数,X9表示每个月内更换配件次数,X10表示每个月内维修关键配件次数,X8-X10表示普通维修次数,X11表示每个月内更换关键配件次数;
4)对高速公路机电设备的运行状态进行监测,设定基本运行状态异常分值占比以总分5分按比例进行扣分,关键运行状态异常分值占比以总分10分按比例进行扣分,则得到:
其中,X12表示运行状态监测次数,X13表示基本运行状态异常次数,X14表示关键运行状态异常次数,0≦运行状态异常频次分值≦15;
5)将上述基于高速公路机电设备的基础数据、维护数据、维修数据、运行数据计算得到的年限分值、巡检频次分值、巡检异常比例分值、日常保洁频次分值、维修分值、运行状态异常频次分值代入下式,计算得到高速公路机电设备的健康值:
健康值=年限分值+巡检频次分值-巡检异常比例分值+日常保洁频次分值-维修分值-运行状态异常频次分值(9)
204,对步骤203得到的健康值进行评估判定,如图5所示健康值离散区间,由此得到高速公路机电设备的生命周期状态,具体方法为:
1)设定健康值离散区间为:
健康值在90-100之间,对应离散值为优秀;
健康值在75-90之间,对应离散值为良好;
健康值在60-75之间,对应离散值为合格;
健康值在20-60之间,对应离散值为建议更换配件;
健康值在0-20之间,对应离散值为建议报废;
2)将计算得到的高速公路机电设备的健康值输入到设定的健康值离散区间,进而输出得到对应离散值,通过离散值对高速公路机电设备的生命周期状态进行评估,判定其是否可以继续正常运行或者是否需要更换配件或者是否报废。
实施例二:
如图6所示,本发明实施例提供一种高速公路机电设备生命周期预测系统,系统包括:数据采集模块601、数据传输模块602、多维数据融合模块603、计算模块604、智能展示模块605,数据采集模块601通过数据传输模块602连接多维数据融合模块603,多维数据融合模块603连接计算模块604,计算模块604连接智能展示模块605。
601,数据采集模块具有数据采集功能和数据筛选分类功能,采集高速公路机电设备的数据,并把数据筛选分类为基础数据、维护数据、维修数据、运行数据,其中基础数据按设备号进行采集归类,包括出厂时间、安装时间、报废年限;所述的维护数据、维修数据、运行数据按月按设备进行汇总,维护数据包括巡检次数、巡检异常次数、日常保洁次数;维修数据包括维修次数、换件次数、维修关键配件次数、更换关键配件次数;运行数据包括运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数;
602,数据传输模块基于有线或无线传输协议,具有数据传递功能,用于将所述数据采集模块601采集到的数据传递给多维数据融合模块603;
603,多维数据融合模块具有数据分类处理和重组功能,用于将所述数据传输模块602传递来的数据进行多维数据融合,融合以设备、时间为标签,得到以按月按设备形式融合后的高速公路机电的多维融合数据;
604,计算模块上运行本发明所述的预测方法的相关程序,根据603多维融合数据计算高速公路机电设备的健康值、离散值、生命周期状态;
605,智能展示模块具有展示功能,将604计算模块的计算结果以文字、图表、曲线、文件、邮件、微信、短信中的任一形式进行展示,方便机电运维及管理人员直观地了解机电设备的生命周期状态,科学地指导管理人员进行决策。
实施例三:
本实施例中,提供一例设备2017年1月出厂,2018年12月安装使用,报废年限5年,以下按照基于相同的基础数据,但根据不同的维护数据、维修数据、运行数据计算出来的设备健康值如下:
1)设备正常运行,无任何故障,选取其N=4个月的融合数据:
根据本发明所述的预测方法,由实施例一中的公式(1)-(9)计算,得到该设备在2020年1月健康值为62.15068,若是根据图5所示健康值离散区间评估,则判定该设备健康状态为合格;
2)设备运行期间每个月都有故障,选取其N=4个月的融合数据:
根据本发明所述的预测方法,由公式(1)-(9)计算,得到该设备在2020年1月健康值为58.15068,若是根据图5所示健康值离散区间评估,则判定该设备健康状态为建议更换配件;
3)设备运行期间每个月都有故障,且更换了关键配件,选取其N=4个月的融合数据:
根据本发明所述的预测方法,由公式(1)-(9)计算,得到该设备在2020年1月健康值为56.15068,若是根据图5所示健康值离散区间评估,则判定该设备健康状态为建议更换配件。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (11)
1.一种高速公路机电设备生命周期预测方法,其特征在于,所述预测方法包括以下步骤:
步骤一,采集高速公路机电设备的数据,并对数据作分类筛选,筛选得到高速公路机电设备的基础数据、维护数据、维修数据、运行数据,其中所述的基础数据按设备进行汇总,所述的维护数据、维修数据、运行数据按月按设备进行汇总;
步骤二,将步骤一采集并筛选得到的数据进行多维数据融合,融合以设备、时间为标签,得到以按月按设备形式融合后的高速公路机电的多维数据;
步骤三,根据步骤二得到的多维数据计算高速公路机电设备的健康值;
所述步骤三计算高速公路机电设备的健康值的具体计算方法为:
1)高速公路机电设备依据报废年限的健康值默认是100分,设备只要出厂就应该每年减少寿命,但是如果没有安装使用则其可使用年限时间肯定大于预期报废年限的时间,因此设定从设备出厂开始算分值占比50%,从安装使用开始算分值占比50%,则得到:
其中,X1表示当前时间,X2表示设备的出厂时间,X3表示设备的安装时间,X4为设备的报废年限,X1-X2表示当前时间与设备出厂时间相差的天数,X1-X3表示当前时间与设备安装时间相差的天数;
基于所述出厂时间分值和安装时间分值,进而得到高速公路机电设备可使用年限的年限分值为:
年限分值=出厂时间分值+安装时间分值
其中,0≦年限分值≦100;
2)高速公路机电设备在运行阶段,根据高速公路机电运行管理原则会对设备进行日常的巡检和保洁,以保障设备的稳定运行,这些日常的巡检和保洁行为会增加高速公路机电设备的可使用年限,延缓设备的报废,因此设定,巡检每次加2分,巡检异常则以总分10分按巡检异常比例进行扣分,日常保洁每次加1分,每月内巡检次数不大于4,每月日常保洁次数不大于4,则得到:
其中,N为纳入计算的月数,X5表示每个月内巡检次数,X6表示每个月内巡检异常次数,X7表示每个月内日常保洁次数,0≦巡检频次分值≦8,0≦巡检异常比例分值≦10,0≦日常保洁频次分值≦4;
3)高速公路机电设备如果发生维修,则设定普通维修每次扣1分,关键配件维修每次扣2分,关键配件更换每次加3分,更换关键配件10分按比例扣分,则得到:
其中,X8表示每个月内维修次数,包含普通维修和关键配件维修次数,X9表示每个月内更换配件次数,X10表示每个月内维修关键配件次数,X8-X10表示普通维修次数,X11表示每个月内更换关键配件次数;
4)对高速公路机电设备的运行状态进行监测,设定基本运行状态异常分值占比以总分5分按比例进行扣分,关键运行状态异常分值占比以总分10分按比例进行扣分,则得到:
其中,X12表示每个月内运行状态监测次数,X13表示每个月内基本运行状态异常次数,X14表示每个月内关键运行状态异常次数,0≦运行状态异常频次分值≦15;
5)将基于高速公路机电设备的基础数据、维护数据、维修数据、运行数据计算得到的年限分值、巡检频次分值、巡检异常比例分值、日常保洁频次分值、维修分值、运行状态异常频次分值代入下式,计算得到高速公路机电设备的健康值:
健康值=年限分值+巡检频次分值-巡检异常比例分值+日常保洁频次分值-维修分值-运行状态异常频次分值;
步骤四,对步骤三得到的健康值进行评估判定,由此得到高速公路机电设备的生命周期状态。
2.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述高速公路机电设备是指一般意义上的用于高速公路领域的机械、电器及电气自动化设备,至少包括监控设备、收费设备、通信设备、供配电及照明设备。
3.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述高速公路机电设备的生命周期包括所述高速公路机电设备的采购、安装、运行、报废。
4.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述高速公路机电设备的基础数据包括以下数据项:出厂时间、安装时间、报废年限。
5.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述高速公路机电设备的维护数据包括以下数据项:巡检次数、巡检异常次数、日常保洁次数。
6.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述高速公路机电设备的维修数据包括以下数据项:维修次数、换件次数、维修关键配件次数、更换关键配件次数。
7.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述高速公路机电设备的运行数据包括以下数据项:运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数。
8.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述步骤二中经数据融合后得到的高速公路机电设备的多维数据包括以下数据项:设备编号、当前时间、出厂时间、安装时间、报废年限、巡检次数、巡检异常次数、日常保洁次数、维修次数、换件次数、维修关键配件次数、更换关键配件次数、运行状态监测次数、基本运行状态异常次数、关键运行状态异常次数。
9.根据权利要求1所述的高速公路机电设备生命周期预测方法,其特征在于,所述步骤四对健康值进行评估判定,具体方法为:
1)设定一个健康值离散区间,特别的,可以设定为:
健康值在90-100之间,对应离散值为优秀;
健康值在75-90之间,对应离散值为良好;
健康值在60-75之间,对应离散值为合格;
健康值在20-60之间,对应离散值为建议更换配件;
健康值在0-20之间,对应离散值为建议报废;
2)将计算得到的高速公路机电设备的健康值输入到设定的健康值离散区间,进而输出得到对应离散值,通过离散值对高速公路机电设备的生命周期状态进行评估判定。
10.根据权利要求9所述的高速公路机电设备生命周期预测方法,其特征在于,所述健康值离散区间的设定可以根据历史数据来初步设定,并通过运行高速公路机电设备生命周期预测方法的系统结果反馈,根据实际情况不断优化调整。
11.一种高速公路机电设备生命周期预测系统,其特征在于,所述预测系统包括:数据采集模块、数据传输模块、多维数据融合模块、计算模块、智能展示模块,所述数据采集模块通过所述数据传输模块连接所述多维数据融合模块,所述多维数据融合模块连接所述计算模块,所述计算模块连接所述智能展示模块;
所述数据采集模块用于采集高速公路机电设备的数据,并把数据筛选分类为基础数据、维护数据、维修数据、运行数据;
所述数据传输模块用于将所述数据采集模块采集到的数据传递给多维数据融合模块;
所述多维数据融合模块用于将所述数据传输模块传递来的数据进行多维数据融合,融合以设备、时间为标签,得到以按月按设备形式融合后的高速公路机电的多维融合数据;
所述计算模块用于运行权利要求1-10任一项所述的预测方法,根据所述多维融合数据计算高速公路机电设备的健康值、离散值、生命周期状态;
所述智能展示模块用于将所述计算模块的计算结果以文字、图表、曲线、文件、邮件、微信、短信中的任一形式进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010738745.3A CN112036694B (zh) | 2020-10-27 | 2020-10-27 | 一种高速公路机电设备生命周期预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010738745.3A CN112036694B (zh) | 2020-10-27 | 2020-10-27 | 一种高速公路机电设备生命周期预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036694A CN112036694A (zh) | 2020-12-04 |
CN112036694B true CN112036694B (zh) | 2024-02-23 |
Family
ID=73583364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010738745.3A Active CN112036694B (zh) | 2020-10-27 | 2020-10-27 | 一种高速公路机电设备生命周期预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036694B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052340B (zh) * | 2021-03-31 | 2023-04-25 | 广东电网有限责任公司 | 聚合多源数据的预警方法、系统及存储介质 |
CN117371984A (zh) * | 2023-10-17 | 2024-01-09 | 杭州众诚咨询监理有限公司 | 一种设备生命周期判定方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446426A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种基于健康指数的电力变压器评估方法 |
CN107025345A (zh) * | 2017-03-31 | 2017-08-08 | 柳州顺联科技有限公司 | 一种工程机械车辆报废时间的预测方法 |
CN107194149A (zh) * | 2017-04-19 | 2017-09-22 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
CN108763644A (zh) * | 2018-04-24 | 2018-11-06 | 招商新智科技有限公司 | 一种高速公路机电设备寿命分析的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6871160B2 (en) * | 2001-09-08 | 2005-03-22 | Scientific Monitoring Inc. | Intelligent condition-based engine/equipment management system |
-
2020
- 2020-10-27 CN CN202010738745.3A patent/CN112036694B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446426A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种基于健康指数的电力变压器评估方法 |
CN107025345A (zh) * | 2017-03-31 | 2017-08-08 | 柳州顺联科技有限公司 | 一种工程机械车辆报废时间的预测方法 |
CN107194149A (zh) * | 2017-04-19 | 2017-09-22 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
CN108763644A (zh) * | 2018-04-24 | 2018-11-06 | 招商新智科技有限公司 | 一种高速公路机电设备寿命分析的方法和装置 |
Non-Patent Citations (3)
Title |
---|
"一种基于健康指数模型的设备远程智能健康管理系统";冯帆 等;《工业控制计算机》;第31卷(第6期);全文 * |
"矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估";游雄雄;《中国优秀硕士学位论文全文数据库(经济与管理科学辑)》;全文 * |
"高速公路机电设备智能管理技术研究 ";林中质;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112036694A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8751421B2 (en) | Machine learning for power grid | |
EP2697699B1 (en) | Dynamic assessment system for high-voltage electrical components | |
CN112036694B (zh) | 一种高速公路机电设备生命周期预测方法及系统 | |
CN110309981A (zh) | 一种基于工业大数据的水电站状态检修决策系统 | |
CN102032115A (zh) | 用于分析报告数据的系统和方法 | |
CN102931625B (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN116720752A (zh) | 基于大数据的装配式建筑质量信息监管系统 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN113537523A (zh) | 一种变电设备状态检修及辅助决策方法 | |
Tichý et al. | Predictive diagnostics usage for telematic systems maintenance | |
Ghaleb et al. | Assessing the impact of maintenance practices on asset's sustainability | |
CN114969370A (zh) | 基于大数据的图谱分析修正系统 | |
CN113468022B (zh) | 一种对产品集中监控的自动化运维方法 | |
CN114493238A (zh) | 供电服务风险预测方法、系统、存储介质及计算机设备 | |
CN104880690A (zh) | 一种电能表运行的评价方法 | |
CN112215526A (zh) | 一种计量系统评估方法、装置及可读存储介质 | |
KR102411915B1 (ko) | 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법 | |
CN115965266A (zh) | 一种基于大数据的智能分析系统 | |
CN113887861A (zh) | 一种输变电主设备准实时数据监测系统 | |
CN112001561A (zh) | 一种电力行业风险预测方法及系统 | |
CN116596512B (zh) | 一种基于信息系统的电力运维安全强化方法和系统 | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
CN216347109U (zh) | 一种电力供暖锅炉故障预警系统 | |
Nwadinobi et al. | Development of Simulation for Condition Monitoring and Evaluation of Manufacturing Systems | |
Ding et al. | Data Normalization Analysis for Electirc Energy Meter |
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 |