CN112101596A - 设备运维方法、装置、电子设备和计算机可读存储介质 - Google Patents
设备运维方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112101596A CN112101596A CN202011036454.6A CN202011036454A CN112101596A CN 112101596 A CN112101596 A CN 112101596A CN 202011036454 A CN202011036454 A CN 202011036454A CN 112101596 A CN112101596 A CN 112101596A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- diagnosis
- target
- resource
- 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.)
- Pending
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Abstract
本申请提供了一种设备运维方法、装置、电子设备和计算机可读存储介质,其中,该方法包括:获取数据采集系统传输的目标设备系统的监控数据,监控数据包括:设备状态数据、和设备初诊数据;对设备状态数据进行计算,以得到目标设备系统的设备复诊数据;根据设备初诊数据和设备复诊数据,输出提示信息。
Description
技术领域
本申请涉及设备控制技术领域,具体而言,涉及一种设备运维方法、装置、电子设备和计算机可读存储介质。
背景技术
目前针对需要维护的设备的运维,可以通过相关工作人员定期在现场进行巡视检查的方式实现,也可以通过一些检测设备进行初步的状态检测。但是这两种方式已经不能满足很多更大型的设备系统的监控。
发明内容
本申请的目的在于提供一种设备运维方法、装置、电子设备和计算机可读存储介质,能够解决车间中的各个设备的维护的问题。
第一方面,本发明实施例提供一种设备运维方法,包括:
获取数据采集系统传输的目标设备系统的监控数据,所述监控数据包括:设备状态数据、和设备初诊数据;
对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据;
根据所述设备初诊数据和所述设备复诊数据,输出提示信息。
在可选的实施方式中,所述设备复诊数据包括:第一设备复诊数据和第二设备复诊数据;所述对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据,包括:
对所述设备状态数据中的设备消耗数据进行计算,以得到所述目标设备系统的所述第一设备复诊数据;
对所述设备状态数据中的设备运行数据进行计算,以得到所述目标设备系统的所述第二设备复诊数据。
在本申请实施例中,将设备消耗数据和设备运行数据分别进行计算处理,得到设备复诊数据,从而可以更全面地展示目标设备系统的状态,从而可以使复诊得到的设备复诊数据能够更好地表示目标设备系统的状态。
在可选的实施方式中,所述设备消耗数据包括:环境调控设备运行数据、资源数据;所述第一设备复诊数据包括:环境诊断数据、资源诊断结果;所述对所述设备状态数据中的设备消耗数据进行计算,以得到所述目标设备系统的所述第一设备复诊数据,包括:
对所述环境调控设备运行数据的当前值进行检测,以得到所述环境诊断数据;
对所述资源数据进行分析,以得到所述资源诊断结果。
在本申请实施例中,在进行目标设备系统的复诊时,结合环境调控设备运行数据和资源数据,从而考虑了目标设备系统的工作环境情况,和工作所使用的能源,从而可以更好地体现出目标设备系统的工作环境状况,从而更全面地确定出目标设备系统的工作环境。
在可选的实施方式中,所述对所述环境调控设备运行数据的当前值进行检测,以得到环境诊断数据,包括:
根据所述目标设备系统的历史运行数据,构建出所述目标设备系统的工作环境的历史变化趋势数据;
将所述环境调控设备运行数据的当前值与所述历史变化趋势数据进行匹配,以确定所述目标设备系统的工作环境是否存在异常,以得到环境诊断数据;
其中,当所述环境调控设备运行数据的当前值比所述历史变化趋势数据中的最小端点值更小,或比所述历史变化趋势数据中的最大端点值更大,则表征所述目标设备系统的工作环境存在异常,则得到环境诊断异常的环境诊断数据。
在本申请实施例中,结合历史运行数据能够实现适应历史运行数据的对目标设备系统进行复诊,从而可以使确定出的设备复诊数据未脱离目标设备系统本身的历史工作环境的情况,从而可以使确定出的环境诊断数据符合该目标设备系统的检测状况。
在可选的实施方式中,所述对所述资源数据进行分析,以得到资源诊断结果,包括:
对所述资源数据进行分析,以得到所述目标设备系统当前使用的资源的水分数据及浓度数据;
根据所述目标设备系统的历史资源数据构建所述目标设备系统使用资源的历史使用趋势数据;
将所述水分数据和所述浓度数据与所述历史使用趋势数据进行匹配,以确定所述资源数据是否满足目标设备系统的工作需求,以得到资源诊断结果。
在本申请实施例中,对资源的水分数据及浓度数据进行检测,以确定资源是否符合目标设备的运行需求,从而可以提高目标设备系统的运行安全检测需求,提高目标设备系统的安全性。
在可选的实施方式中,所述设备运行数据包括:所述目标设备系统中的各个功能设备的运行速度数据;所述对所述设备状态数据中的设备运行数据进行计算,以得到所述目标设备系统的第二设备复诊数据,包括:
根据所述各个功能设备的运行速度数据进行计算,以确定出所述各个功能设备是否出现元件失衡状态;
若所述各个功能设备中任一功能设备出现元件失衡状态,则输出诊断异常的第二设备复诊数据。
在本申请实施例中,对元件失衡状态也进行检测,可以提高目标设备系统的安全性。
在可选的实施方式中,所述根据所述设备初诊数据和所述设备复诊数据,输出提示信息,包括:
当所述设备初诊数据表征诊断异常,则向所述目标设备系统关联的指定维护设备发送维护异常提示信息;
当所述设备复诊数据表征诊断异常,则向所述目标设备系统关联的监测设备输出异常提示信息;
当所述设备初诊数据和所述设备复诊数据均表征诊断正常,则向所述监测设备输出工作状态提示信息。
在本申请实施例中,针对不同的情况输出不同的提示,从而能更准确地实现提醒,从而提高目标设备系统运行环境的安全性。
第二方面,本发明实施例提供一种设备运维装置,包括:
获取模块,用于获取数据采集系统传输的目标设备系统的监控数据,所述监控数据包括:设备状态数据、和设备初诊数据;
计算模块,用于对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据;
输出模块,用于根据所述设备初诊数据和所述设备复诊数据,输出提示信息。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述机器可读指令被所述处理器执行时执行如前述实施方式任一所述的方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如前述实施方式任一所述的方法的步骤。
本申请实施例提供的设备运维方法、装置、电子设备和计算机可读存储介质,能够实现对需要监控或运维的设备进行初诊和复诊,双重诊断的实现,可以提高对目标设备系统监控或运维的准确性。另外,对于复诊则是通过设备状态数据进行计算,可以使确定出的设备复诊数据更符合目标设备系统的状态。进一步地,结合设备初诊数据和设备复诊数据输出提示信息,能够提高对目标设备系统的维护的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的设备运维系统的结构示意图。
图2为本申请实施例提供的设备运维方法的流程图。
图3为本申请实施例提供的设备运维装置的功能模块示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
为便于对本实施例进行理解,首先对执行本申请实施例所公开的一种设备运维方法的运行环境进行详细介绍。
如图1所示,是本申请实施例提供的设备运维系统的结构示意图。
本申请实施例提供的设备运维系统包括:数据采集层100、数据分析层200和管控应用层300。
本实施例中,该数据采集层100可以布局在目标设备系统所在现场。该数据采集层100可以用于实现目标设备系统所在现场的数据采集、监测数据存储、实时诊断设备状态、智能预警、状态报警、监测数据的传输和监测数据的推送。
示例性地,该数据采集层100可以包括用于采集目标设备系统的相关数据的采集组件。该采集组件可以包括采集仪表、通讯接口、数据采集软件等。本实施例中,该采集组件可以用于采集目标设备系统中的设备状态数据。可选地,该采集组件中的控制设备还可以采集组件进行自检,从而实现采集组件的稳定工作。
可选地,针对采集到的设备状态数据可以包括:日常点检、离线数据、PLC(Programmable Logic Controller,中文称:可编程逻辑控制器)/DCS(DistributedControl System,中文称:集散控制系统)工艺过程、振动、温度、局部放电、油液等数据。可选地,还可以通过控制设备对设备状态数据进行过滤和清洗等预处理。
可选地,部分监控数据可以根据配置的预警模型进行数值状态预警,之后将实时状态、预警信息、诊断结果和采集设备自检信息将被打包发送给、数据分析层200中的服务器进行后续数据处理。
本实施例中,该数据采集层100可以包括区域前置服务器110、采集组件120、控制系统130。
该区域前置服务器110可以用于根据接收到的设备状态数据,进行状态判定,形成设备状态预警信息和状态数据。例如,根据接收到的设备状态数据,确定目标设备系统中的设备的配置的备件的劣化的趋势,输出相关的提示消息,以方便相关技术人员根据提示消息进行检修等。
示例性地,该采集组件120还可以包括一采集装置。该采集装置用于实现与所述采集组件120及用于控制目标设备系统中的设备的生产过程的控制系统130之间的数据通讯。可选地,该设备状态数据采集装置可以根据配置策略控制采集组件120进行数据采集,实现采集数据的接收与数据解析的管理与调度。
示例性地,该配置策略可以包括采集时隙。示例性地,该采集时隙可以理解为采集数据的时间间隔。可选地,根据需要采集的数据的不同,设置的采集时隙也可以不同。可选地,本实施例提供的采集时隙可以不是实时的,从而可以免数据量过多产生数据堆积导致处理速度缓慢的问题。
本实施例中,该数据分析层200可以用户对数据采集层100传输的设备状态数据进行收集、分析、存储以及诊断、运维业务管控等。
该数据分析出可以根据预先配置的数据收集管理策略,维护与数据采集层100中数据链路的连通关系,从而实现接收的数据采集层100传输的设备状态数据、设备初诊数据和采集设备自检信息等。
进一步地,该数据分析层200可以按照预设配置的,将接收的设备状态数据进行解析、处理和存储。
示例性地,该数据分析层200包括数据分析处理中心210、设备智能运维应用系统220、设备智能运维远程诊断平台230和管控业务管理系统240。
本实施例中,该数据分析层200中所包括的各个系统可以包括一个服务器,也可以包括一个服务器集群。该数据分析层200中的各个服务器中可以运行有一些应用程序,该应用程序用于实现各个系统所需要实现的功能。
可选地,该数据分析处理中心210可以包括一个服务器,也可以是服务器集群。该数据分析处理中心210可以用于对数据采集层100中得到的数据进行处理。
所述数据分析处理中心210用于维护与数据采集层100的数据链路的连通关系,对接收的数据进行解析、处理和存储,并与设备智能运维应用系统220和管控业务管理系统240进行信息交互。具体来说,所述数据分析处理中心210包括:数据通讯管理模块、数据收集管理模块、数据存储管理模块、数据分析诊断模块和参数设备模块。
上述的数据通讯管理模块用于通过配置实现外部数据的上送接收与数据解析的管理与调度。该数据通讯管理模块用于对配置的通讯链路进行数据通路的实时监控,对各通讯链路进行通讯过程状态跟踪。例如,对出现的异常进行自动进行恢复,长期无应答通路会形成通讯故障预警并上报。该数据通讯管理模块用于实现展示与分析系统数据接口的稳定与安全。
上述的数据收集管理模块用于实现不同类型数据的解析功能。示例性地,通过预先的配置实现对不同类型的数据的解析。可选地,还可以按照预先存储的数据存储配置规则将各类型数据存储至对应的设备的指定测点下,从而实现测点与数据之间的关联。可选地,该数据收集管理模块还可以用于对需要进行进一步加工的数据按照配置完成各类数值计算,实现各种分析需要的特征量提取。
上述的数据存储管理模块可以用于根据数据类型进行数据存储、临时存储及持久化存储管理。示例性地,针对该临时存储用于存放需要存储不超过一个月的数据。示例性地,对需要高频次使用的数据可以存储在redis等实时数据库中。示例性地,对各类诊断结果、采集定量值等关联数据信息存储在Postgresql、Mysql等系统关系型数据库中。示例性地,针对各类采集状态数据,如振动特征值、振动信号等数据存储在Hbase数据库中。
上述的数据分析诊断模块可以基于预警模型和诊断模型,对设备状态进行综合分析诊断,形成设备状态的二次诊断,保证设备状态智能诊断的有效性,同时针对不同的诊断结论触发相对应的业务流程。
上述的参数设备模块可以用于实现产线管理、设备管理和测点管理等功能,完成监控产线、设备和测点的基本信息配置。
上述的设备智能运维应用系统220用于实现综合诊断、设备运维方案管理、信息智能匹配和数据推送等功能。示例性地,智能设备运维应用系统接收数据分析处理中心210发送的工艺过程、管理过程数据,并从数据分析处理中心210获得诊断分析结果,并根据分析结果根据设定规则和模型自动生成运维方案。
可选地,该设备智能运维应用系统220包括设备基础信息管理模块、数据整合模块、生产线状态展示模块、分析工具库、多专业综合诊断模块、状态判断规则设置模块、报警事件管理模块、诊断报告管理模块、诊断结论设置模块、检修运维方案自动推送模块、分类查询及报表统计平台、诊断知识库、用户及权限管理模块。
示例性地,该设备基础信息管理模块用于实现设备层级管理、设备属性管理、设备测点管理、检测参数管理、设备文档管理。
示例性地,该数据整合模块用于获取各类数据进行预处理和数据运算。
示例性地,该生产线状态展示模块用于展示被监控的设备状态、数量统计和预警信息等。可选地,该生产线状态展示模块可以采用集中展示的方式对数据进行显示。可选地,该生产线状态展示模块可以按照设定的层级分层展示。例如,可以按照公司级、厂部级、产线、机组、关键设备等不同层级的显示监控画面。从而可以显示公司级、厂部级和产线的示意图,直观地展现当前的设备状态。可选地,还可以显示预警预处理列表、待办事项列表。
示例性地,该分析工具库用于根据配置提供相应的诊断、检测数据统计,以及多专业数据分析。
示例性地,该多专业综合诊断模块根据所配置的综合诊断的规则和流程,提供综合诊断的环境及流程控制,制定权限,相关人员能够完成综合诊断过程的实施。
示例性地,该状态判断规则设置模块用于提供各类诊断标准及规则的维护环境,进行标准和规则的设置、验证、编辑和统计。
示例性地,该报警事件管理模块用于提供报警设置工具,设置报警的设备归属和统计规则,使报警生成后的传送、显示、推送和最终评估流程形成一个完整生命周期回路;
示例性地,该诊断报告管理模块为各专业技术工程师、技术专家提供诊断报告编制功能模块,主要操作功能为报告编制及报告审核;
示例性地,该诊断结论设置模块提供规范诊断结论类型定义,维护不同类型设备、部件故障种类进行定义,明确故障现场、故障原因等故障相关数据信息;
示例性地,该检修运维方案自动推送模块对基于在线状态驱动的维护标准、基于周期维护标准和故障事后的设备,根据三者数据、信息结论,按照数字化的检修维护标准进行自动收寻、自动匹配、自动生成和自动推送检修运维方案;
示例性地,该分类查询及报表统计平台用于提供定义多种报表和查询功能。例如,可以包含但不限于监测诊断结果类报表与查询、诊断工作情况类报表与查询、诊断技术人员工作类报表与查询、设备信息类报表与查询、系统自检类报表与查询、设备点检执行情况报表、设备检修信息情况报表、备件物料消耗及库存情况报表。
示例性地,该诊断知识库用于对诊断履历等信息进行汇总成诊断条目信息,以建立诊断知识库。该诊断知识库可以用于为后续诊断分析提供参考。
示例性地,该用户及权限管理模块用于按不同检测需求分配用户和权限。不同账号可以对应不同的用户权限,不同的用户权限可以实现不同的管理功能。示例性地,不同的用户账号可以攻不同的用户使用,例如,用户可以包括:点检员、设备技术人员、现场工程师、诊断工程师、专家和系统管理员等。示例性地,该用户及权限管理模块可以包括添加、修改和删除等基本管理功能。
上述的设备智能运维远程诊断平台230与所述设备智能运维应用系统220同步可视,用于提供远程诊断技术支持。示例性地,针对不能识别的故障可以发送给关联的诊断服务器,由该诊断服务器进行分析,确定设备最终状态及诊断结论。对诊断出的异常,则可以关联检修方案,并将最终状态、诊断结论及检修方案通过发送给关联的用户账号。示例性地,该设备智能运维远程诊断平台230可以包括数据通讯接口、分析功能配置、分析页面配置。
上述的管控业务管理系统240用于对接收到的数据分析处理中心210传输的备件信息、预警结果、库存信息、协同信息、采购周期和诊断报告等信息,生成异常、故障、检修履历、评价反馈信息。
本实施例中,该管控应用层用于通过网络与所述数据采集层100通讯,对设备的导常进行处理或协同诊断、运维业务的发布和业务处理信息的同步。
示例性地,该管控应用层300可以包括监控终端310。
该监控终端310可以是个人电脑(personal computer,PC)、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等。
该监控终端310是个人电脑时,该监控终端中可以运行由于PC应用程序。
示例性地,该监控终端310可以是平板电脑、智能手机、个人数字助理等移动终端时,则该监控终端310中可以安装由于移动APP(Application,中文称:应用程序)。
本实施例中,相关用户可以通过监控终端310获得将各类预警、诊断及运维方案信息等数据。
可选地,上述的移动APP可以包括基础管理应用程序、异常管理应用程序、设备状态管控应用程序、检修管理应用程序、点检管理应用程序和工作任务提示应用程序等。
示例性地,该基础管理应用程序用于获取所述设备智能运维应用系统相关数据库相关数据。该基础管理应用程序可以同步设备基本资料、设备标准等信息。
示例性地,该异常管理应用程序用于获取所述设备运维智能运维应用系统中的异常部分相关数据库中的相关数据。该异常管理应用程序可以同步异常联络单信息,对设备异常进行现场工作记录并与异常联络单相关联。
示例性地,该设备状态管控应用程序用于获取设备智能运维应用系统中的状态异常信息、故障信息等相关数据库中的相关数据,从而实现设备状态的实时查看及反馈处理。
示例性地,该检修管理应用程序用于获取设备智能运维应用系统中的设备检修方案及计划信息等数据库中的相关数据,从而实现检修运维方案的推送。
示例性地,该点检管理应用程序用于实现设备管理人员、设备点检员及现场工程师提供点检计划实绩的录入的数据。该点检管理应用程序还用于实现实绩查询及点检路线查询。
示例性地,工作任务提示应用程序用于为设备管理人员、设备点检员及现场工程师提供点检、设备状态确认、检修等工作任务提示,查询工作日程。
可选地,上述的基础管理应用程序、异常管理应用程序、设备状态管控应用程序、检修管理应用程序、点检管理应用程序和工作任务提示应用程序可以集成在一个应用程序中,也可以为多个独立的应用程序。
示例性地,上述的模块可以为运行在电子设备中的应用程序,或者应用程序中的功能模块。示例性地,该电子设备可以是服务器、个人电脑(personal computer,PC)、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等。
示例性地,数据分析层中涉及的各个模块可以是运行在服务器中的功能模块。
示例性地,管控应用层中的各个模块可以是运行在包括显示屏的电子设备中的功能模块。
本实施例中的设备运维系统可以用于执行本申请实施例提供的各个方法中的各个步骤。下面通过几个实施例详细描述设备运维方法的实现过程。
实施例二
请参阅图2,是本申请实施例提供的设备运维方法的流程图。下面将对图2所示的具体流程进行详细阐述。
可选地,本实施例中的方法可以应用于图1所示的数据分析层中的设备。可选地,本实施例中的方法也可以应用于图1所示的数据分析层中的数据分析处理中心。
步骤401,获取数据采集系统传输的目标设备系统的监控数据。
其中,该监控数据包括:设备状态数据和设备初诊数据。
示例性地,该设备状态数据包括:日常点检、离线数据、PLC/DCS工艺过程、振动、各个控制设备的温度、局部放电、油液参数。
示例性地,根据目标设备系统的不同,所需获得的设备状态数据也可以不同。
该设备初诊数据可以是由与目标设备系统连接的区域前置服务器根据上述的设备状态数据进行初始检测得到的设备初诊数据。该设备初诊数据可以包括目标设备系统的环境数据是否正常、目标设备系统的各个设备运行是否正常等。
步骤402,对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据。
在一种实施方式中,该设备复诊数据包括:第一设备复诊数据和第二设备复诊数据。
可选地,步骤402可以包括以下步骤。
步骤4021,对所述设备状态数据中的设备消耗数据进行计算,以得到所述目标设备系统的所述第一设备复诊数据。
示例性地,设备消耗数据包括:环境调控设备运行数据、资源数据;所述第一设备复诊数据包括:环境诊断数据、资源诊断结果。步骤4021可以包括:对所述环境调控设备运行数据的当前值进行检测,以得到所述环境诊断数据;对所述资源数据进行分析,以得到所述资源诊断结果。
在一种实施方式中,上述对所述环境调控设备运行数据的当前值进行检测,以得到环境诊断数据,包括:根据所述目标设备系统的历史运行数据,构建出所述目标设备系统的工作环境的历史变化趋势数据;将所述环境调控设备运行数据的当前值与所述历史变化趋势数据进行匹配,以确定所述目标设备系统的工作环境是否存在异常,以得到环境诊断数据;其中,当所述环境调控设备运行数据的当前值比所述历史变化趋势数据中的最小端点值更小,或比所述历史变化趋势数据中的最大端点值更大,则表征所述目标设备系统的工作环境存在异常,则得到环境诊断异常的环境诊断数据。
示例性地,上述的历史变化趋势数据可以包括各项环境数据对应的数值变化区间。
可选地,针对任意一项环境调控设备的任意一项环境数据对应的历史运行数据,可以通过数据拟合的方式确定出历史运行数据对应的数值变化曲线,然后根据该数值变化曲线确定出数值变化区间。
示例性地,针对不同的环境数据对应的数值变化区间可以不同。例如,环境数据可以是各个环境调控设备的温度数据、各个环境调控设备的振动数据等。
示例性地,环境调控设备可以包括:辊箱齿轮箱、滚动轴承、泵、风机等设备。
示例性地,辊箱齿轮箱的温度量对应一个数值变化区间,滚动轴承的温度量对应一个数值变化区间,泵的温度量对应一个数值变化区间,风机的温度量对应一个数值变化区间。
示例性地,上述对所述资源数据进行分析,以得到资源诊断结果,可以包括:对所述资源数据进行分析,以得到所述目标设备系统当前使用的资源的水分数据及浓度数据;根据所述目标设备系统的历史资源数据构建所述目标设备系统使用资源的历史使用趋势数据;将所述水分数据和所述浓度数据与所述历史使用趋势数据进行匹配,以确定所述资源数据是否满足目标设备系统的工作需求,以得到资源诊断结果。
示例性地,上述的资源数据可以是目标设备系统中的设备使用到的油液数据。
可选地,上述的历史使用趋势数据可以是根据历史数据计算得到的平均值。示例性地,当历史使用趋势数据是根据历史数据计算得到的平均值时,则历史使用趋势数据包括水分历史平均值和浓度历史平均值。例如,若上述的水分数据与所述历史使用趋势数据中的水分历史平均值的差值小于第一阈值时,则表示资源数据中的水分数据满足目标设备系统的工作需求;若水分数据与所述历史使用趋势数据中的水分历史平均值的差值不小于第一阈值时,则表示资源数据中的水分数据不能满足目标设备系统的工作需求。再例如,若上述的浓度数据与所述历史使用趋势数据中的浓度历史平均值的差值小于第二阈值时,则表示资源数据中的浓度数据满足目标设备系统的工作需求;若浓度数据与所述历史使用趋势数据中的浓度历史平均值的差值不小于第二阈值时,则表示资源数据中的浓度数据不能满足目标设备系统的工作需求。
上述的第一阈值与第二阈值可以按照实际需求取值,本申请实施例并不以上述的第一阈值和第二阈值的取值为限。
可选地,上述的历史使用趋势数据可以是根据历史数据计算得到的数值波动区间。
可选地,上述的历史使用趋势数据可以是根据历史数据计算得到的数值波动区间。示例性地,当历史使用趋势数据是根据历史数据计算得到的数值波动区间时,则历史使用趋势数据包括水分历史区间和浓度历史区间。例如,若上述的水分数据在所述历史使用趋势数据中的水分历史区间内时,则表示资源数据中的水分数据满足目标设备系统的工作需求;若水分数据未在所述历史使用趋势数据中的水分历史区间内时,则表示资源数据中的水分数据不能满足目标设备系统的工作需求。再例如,若上述的浓度数据在所述历史使用趋势数据中的浓度历史区间内时,则表示资源数据中的浓度数据满足目标设备系统的工作需求;若浓度数据未在所述历史使用趋势数据中的浓度历史区间内时,则表示资源数据中的浓度数据不能满足目标设备系统的工作需求。
可选地,该资源数据也可以包括油液水分以及油液浓度。则可以通过解析该资源数据,得到水分数据及浓度数据。
可选地,上述的步骤4021可以使用预先设置的预警模型实现得到第一设备复诊数据。
示例性地,上述的预警模型可以包括:振动温度预警模型、油液理化预警模型、润滑系统水分、磨粒浓度预警模型、典型故障特征提取工具集模型、设备状态跟踪及趋势预测模型。
示例性地,上述的振动温度预警模型可以实现:针对辊箱齿轮箱、滚动轴承、泵、风机等设备的振动量、温度量等参数确定的自适应监测预警模型。
示例性地,该自适应监测预警模型可以用于连续估计监测参数在特征空间中的分布区域,对监测参数与特征空间的相对距离设置报警阈值,判断是否出现异常,透过众多特征值历史趋势,观察振动讯号的多元变化,基于统计算法或专家经验,以设备行为相关的诊断法则,建立多维的诊断基准(Baseline)与警报设定。
油液理化预警模型的可以用于:通过检测的油液检测数据,对比国际标准,建立预警模型。润滑系统水分、磨粒浓度预警的可以用于:通过水分、浓度在线数据,透过历史趋势,基于统计算法或专家经验,以设备行为相关的诊断法则,建立多维的预警基准(Baseline)与警报设定。
典型故障特征提取工具集模型的可以用于:波形指标、脉冲指标、峭度指标、裕度指标等无量纲指标计算方法;精确FFT计算、各种故障通过频率计算、频带能量与幅值计算等频域分析方法;包络解调、循环谱、倒谱、短时傅里叶转换、连续小波转换、离散小波转换、双谱等数字信号分析方法,解析平稳或非平稳信号等各类特征量计算工具。设备状态跟踪及趋势预测模型的可以用于:通过对监测参数序列进行回归外推,预测状态的发展趋势,实现设备的早期故障诊断。
自适应预警模型的技术原理是采用基于统计学习理论的一类支持向量机技术,开发了自适应监测预警模型,连续估计监测参量在特征空间中的分布区域,对监测参数与特征空间的相对距离设置报警阈值,判断是否出现异常。这种在高维、动态的特征空间中建立的相对报警阈值,等价于原始数据空间中的非线性自适应阈值,报警阈值设置问题的复杂性被大大降低。从而在个性化的设备运行过程中进行动态报警,作为动态监测诊断模型实现的关键技术支持。模型原理如下图所示:
通过上述方式确定出第一设备复诊数据,与工况参数(转速、负载等)结合,基于设备自身运行数据,动态适应设备的状态变化,使用支持向量数据描述一个高维特征空间,尽可能包含被描述的状态数据对象,通过判断状态参数与超球体中心的对数相对距离作为异常指标,判断是否出现异常,预警设备状态有没有异常,减少误报警。
步骤4022,对所述设备状态数据中的设备运行数据进行计算,以得到所述目标设备系统的所述第二设备复诊数据。
示例性地,设备运行数据包括:所述目标设备系统中的各个功能设备的运行速度数据。步骤4022可以被实施为:根据所述各个功能设备的运行速度数据进行计算,以确定出所述各个功能设备是否出现元件失衡状态;若所述各个功能设备中任一功能设备出现元件失衡状态,则输出诊断异常的第二设备复诊数据。
可选地,上述的步骤4022得到的第二设备复诊数据可以通过诊断模型实现。
示例性地,该诊断模型可以包括:高线辊箱滚动轴承诊断模型、高线齿轮箱齿轮故障诊断模型、水泵故障诊断模型、风机故障诊断模型、电机机械故障诊断模型。
示例性地,高线辊箱滚动轴承诊断模型、高线齿轮箱齿轮故障诊断模型、水泵故障诊断模型、风机故障诊断模型以及电机机械故障诊断模型可以是基于加速度确定诊断结果的模型。
本实施例中,上述诊断模型可以是针对通用风机、泵、减速机的诊断确定的模型。
示例性地,该诊断模型能够用于诊断转子失衡、不对中、机械松动、滚动轴承(内圈、外圈、保持架、滚动体)异常、齿面不良(间隙、磨损、剥落等)、断齿等故障。
可选地,该诊断模型的技术原理可以是:基于领域知识机理的故障判断技术,利用从时域、频域及时频域中提取故障特征频率,结合冲击脉冲、峭度分析、小波分解及Hilbert包络谱分析提取低频的调制频率成分,包络特征、无量纲指标等特征参数,考虑到不同工况(转速、负载等),开发通用风机、泵、减速机典型故障识别、分类和规则匹配诊断算法,实现自动故障诊断。关键在于特征频率自动提取技术及实现,典型故障特征提取与选择。利用型基础工具算法工具集中的各种特征提取方法,针对常规机械零部件,整合其典型特征提取和特征选择工具,形成适用于诊断服务的方法集合。而通过特征的选择,在满足一定分类精度要求的前提下,用较少原始特征完成原始特征矩阵的数据分析处理,节约监测和识别计算成本。
步骤403,根据所述设备初诊数据和所述设备复诊数据,输出提示信息。
可选地,步骤403可以包括:当所述设备初诊数据表征诊断异常,则向所述目标设备系统关联的指定维护设备发送维护异常提示信息。
示例性地,该指定维护设备可以是相关维护人员所持的移动终端。可选地,该指定维护设备可以通过用户账号获取上述的异常提示信息。
示例性地,该指定维护设备可以是设置在目标设备系统所处环境中的监控设备,以供相关技术人员或维护人员能够通过该指定维护设备获知异常提示消息。
可选地,步骤403可以包括:当所述设备复诊数据表征诊断异常,则向所述目标设备系统关联的监测设备输出异常提示信息。
可选地,该监测设备可以是目标设备系统关联的一设备。
可选地,步骤403可以包括:当所述设备初诊数据和所述设备复诊数据均表征诊断正常,则向所述监测设备输出工作状态提示信息。
可选地,该监测设备可以通过显示屏显示该目标设备系统中的各个功能设备的当前状态,以及目标设备系统中的历史数据等。其中,该当前状态可以是正常的工作状态,也可以是设备可能存在的异常情况等。
本申请实施例提供的设备运维方法,能够实现对需要监控或运维的设备进行初诊和复诊,双重诊断的实现,可以提高对目标设备系统监控或运维的准确性。另外,对于复诊则是通过设备状态数据进行计算,可以使确定出的设备复诊数据更符合目标设备系统的状态。进一步地,结合设备初诊数据和设备复诊数据输出提示信息,能够提高对目标设备系统的维护的准确性。
实施例三
基于同一申请构思,本申请实施例中还提供了与设备运维方法对应的设备运维装置,由于本申请实施例中的装置解决问题的原理与前述的设备运维方法实施例相似,因此本实施例中的装置的实施可以参见上述方法的实施例中的描述,重复之处不再赘述。
请参阅图3,是本申请实施例提供的设备运维装置的功能模块示意图。本实施例中的设备运维装置中的各个模块用于执行上述方法实施例中的各个步骤。设备运维装置包括:获取模块501、计算模块502以及输出模块503;其中,
获取模块501,用于获取数据采集系统传输的目标设备系统的监控数据,所述监控数据包括:设备状态数据、和设备初诊数据;
计算模块502,用于对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据;
输出模块503,用于根据所述设备初诊数据和所述设备复诊数据,输出提示信息。
一种可能的实施方式中,所述计算模块502,包括第一计算单元和第二计算单元,其中,
第一计算单元,用于对所述设备状态数据中的设备消耗数据进行计算,以得到所述目标设备系统的所述第一设备复诊数据;
第二计算单元,用于对所述设备状态数据中的设备运行数据进行计算,以得到所述目标设备系统的所述第二设备复诊数据。
一种可能的实施方式中,所述设备消耗数据包括:环境调控设备运行数据、资源数据;所述第一设备复诊数据包括:环境诊断数据、资源诊断结果;第一计算单元,用于:
对所述环境调控设备运行数据的当前值进行检测,以得到所述环境诊断数据;
对所述资源数据进行分析,以得到所述资源诊断结果。
一种可能的实施方式中,第一计算单元,用于:
根据所述目标设备系统的历史运行数据,构建出所述目标设备系统的工作环境的历史变化趋势数据;
将所述环境调控设备运行数据的当前值与所述历史变化趋势数据进行匹配,以确定所述目标设备系统的工作环境是否存在异常,以得到环境诊断数据;
其中,当所述环境调控设备运行数据的当前值比所述历史变化趋势数据中的最小端点值更小,或比所述历史变化趋势数据中的最大端点值更大,则表征所述目标设备系统的工作环境存在异常,则得到环境诊断异常的环境诊断数据。
一种可能的实施方式中,第一计算单元,用于:
对所述资源数据进行分析,以得到所述目标设备系统当前使用的资源的水分数据及浓度数据;
根据所述目标设备系统的历史资源数据构建所述目标设备系统使用资源的历史使用趋势数据;
将所述水分数据和所述浓度数据与所述历史使用趋势数据进行匹配,以确定所述资源数据是否满足目标设备系统的工作需求,以得到资源诊断结果。
一种可能的实施方式中,所述设备运行数据包括:所述目标设备系统中的各个功能设备的运行速度数据;第二计算单元,用于:
根据所述各个功能设备的运行速度数据进行计算,以确定出所述各个功能设备是否出现元件失衡状态;
若所述各个功能设备中任一功能设备出现元件失衡状态,则输出诊断异常的第二设备复诊数据。
一种可能的实施方式中,输出模块503,用于:
当所述设备初诊数据表征诊断异常,则向所述目标设备系统关联的指定维护设备发送维护异常提示信息;
当所述设备复诊数据表征诊断异常,则向所述目标设备系统关联的监测设备输出异常提示信息;
当所述设备初诊数据和所述设备复诊数据均表征诊断正常,则向所述监测设备输出工作状态提示信息。
此外,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的设备运维方法的步骤。
本申请实施例所提供的设备运维方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的设备运维方法的步骤,具体可参见上述方法实施例,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种设备运维方法,其特征在于,包括:
获取数据采集系统传输的目标设备系统的监控数据,所述监控数据包括:设备状态数据、和设备初诊数据;
对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据;
根据所述设备初诊数据和所述设备复诊数据,输出提示信息。
2.根据权利要求1所述的方法,其特征在于,所述设备复诊数据包括:第一设备复诊数据和第二设备复诊数据;所述对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据,包括:
对所述设备状态数据中的设备消耗数据进行计算,以得到所述目标设备系统的所述第一设备复诊数据;
对所述设备状态数据中的设备运行数据进行计算,以得到所述目标设备系统的所述第二设备复诊数据。
3.根据权利要求2所述的方法,其特征在于,所述设备消耗数据包括:环境调控设备运行数据、资源数据;所述第一设备复诊数据包括:环境诊断数据、资源诊断结果;所述对所述设备状态数据中的设备消耗数据进行计算,以得到所述目标设备系统的所述第一设备复诊数据,包括:
对所述环境调控设备运行数据的当前值进行检测,以得到所述环境诊断数据;
对所述资源数据进行分析,以得到所述资源诊断结果。
4.根据权利要求3所述的方法,其特征在于,所述对所述环境调控设备运行数据的当前值进行检测,以得到环境诊断数据,包括:
根据所述目标设备系统的历史运行数据,构建出所述目标设备系统的工作环境的历史变化趋势数据;
将所述环境调控设备运行数据的当前值与所述历史变化趋势数据进行匹配,以确定所述目标设备系统的工作环境是否存在异常,以得到环境诊断数据;
其中,当所述环境调控设备运行数据的当前值比所述历史变化趋势数据中的最小端点值更小,或比所述历史变化趋势数据中的最大端点值更大,则表征所述目标设备系统的工作环境存在异常,则得到环境诊断异常的环境诊断数据。
5.根据权利要求3所述的方法,其特征在于,所述对所述资源数据进行分析,以得到资源诊断结果,包括:
对所述资源数据进行分析,以得到所述目标设备系统当前使用的资源的水分数据及浓度数据;
根据所述目标设备系统的历史资源数据构建所述目标设备系统使用资源的历史使用趋势数据;
将所述水分数据和所述浓度数据与所述历史使用趋势数据进行匹配,以确定所述资源数据是否满足目标设备系统的工作需求,以得到资源诊断结果。
6.根据权利要求2所述的方法,其特征在于,所述设备运行数据包括:所述目标设备系统中的各个功能设备的运行速度数据;所述对所述设备状态数据中的设备运行数据进行计算,以得到所述目标设备系统的第二设备复诊数据,包括:
根据所述各个功能设备的运行速度数据进行计算,以确定出所述各个功能设备是否出现元件失衡状态;
若所述各个功能设备中任一功能设备出现元件失衡状态,则输出诊断异常的第二设备复诊数据。
7.根据权利要求1所述的方法,其特征在于,所述根据所述设备初诊数据和所述设备复诊数据,输出提示信息,包括:
当所述设备初诊数据表征诊断异常,则向所述目标设备系统关联的指定维护设备发送维护异常提示信息;
当所述设备复诊数据表征诊断异常,则向所述目标设备系统关联的监测设备输出异常提示信息;
当所述设备初诊数据和所述设备复诊数据均表征诊断正常,则向所述监测设备输出工作状态提示信息。
8.一种设备运维装置,其特征在于,包括:
获取模块,用于获取数据采集系统传输的目标设备系统的监控数据,所述监控数据包括:设备状态数据、和设备初诊数据;
计算模块,用于对所述设备状态数据进行计算,以得到所述目标设备系统的设备复诊数据;
输出模块,用于根据所述设备初诊数据和所述设备复诊数据,输出提示信息。
9.一种电子设备,其特征在于,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011036454.6A CN112101596A (zh) | 2020-09-27 | 2020-09-27 | 设备运维方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011036454.6A CN112101596A (zh) | 2020-09-27 | 2020-09-27 | 设备运维方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112101596A true CN112101596A (zh) | 2020-12-18 |
Family
ID=73782399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011036454.6A Pending CN112101596A (zh) | 2020-09-27 | 2020-09-27 | 设备运维方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101596A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010569A (zh) * | 2021-03-10 | 2021-06-22 | 深圳市兴海物联科技有限公司 | 一种设备管理方法、装置及存储介质 |
CN113472881A (zh) * | 2021-06-30 | 2021-10-01 | 四川虹美智能科技有限公司 | 在线终端设备的统计方法和装置 |
-
2020
- 2020-09-27 CN CN202011036454.6A patent/CN112101596A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010569A (zh) * | 2021-03-10 | 2021-06-22 | 深圳市兴海物联科技有限公司 | 一种设备管理方法、装置及存储介质 |
CN113472881A (zh) * | 2021-06-30 | 2021-10-01 | 四川虹美智能科技有限公司 | 在线终端设备的统计方法和装置 |
CN113472881B (zh) * | 2021-06-30 | 2023-08-15 | 四川虹美智能科技有限公司 | 在线终端设备的统计方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paolanti et al. | Machine learning approach for predictive maintenance in industry 4.0 | |
Compare et al. | Challenges to IoT-enabled predictive maintenance for industry 4.0 | |
CN109947088B (zh) | 基于模型全生命周期管理的设备故障预警系统 | |
CN109240244B (zh) | 基于数据驱动的设备运行状态健康度分析方法及系统 | |
EP2697699B1 (en) | Dynamic assessment system for high-voltage electrical components | |
Van Horenbeek et al. | Quantifying the added value of an imperfectly performing condition monitoring system—Application to a wind turbine gearbox | |
US20040176929A1 (en) | Monitoring and maintaining equipment and machinery | |
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 | |
Kolokas et al. | A generic fault prognostics algorithm for manufacturing industries using unsupervised machine learning classifiers | |
CN104246636A (zh) | 用于离心式压缩机的实时性能降级报告的方法和系统 | |
CN103576641A (zh) | 用于监视操作过程单元中的资产的系统和方法 | |
US10963797B2 (en) | System for analyzing machine data | |
Elforjani | Diagnosis and prognosis of real world wind turbine gears | |
CN112101596A (zh) | 设备运维方法、装置、电子设备和计算机可读存储介质 | |
CN107403279B (zh) | 一种输油泵工况自适应状态预警系统及方法 | |
Kirchen et al. | Metrics for the evaluation of data quality of signal data in industrial processes | |
CN116720752A (zh) | 基于大数据的装配式建筑质量信息监管系统 | |
Calabrese et al. | An event based machine learning framework for predictive maintenance in industry 4.0 | |
CN111427330A (zh) | 一种基于设备维护数据的设备故障模式及规律分析方法 | |
Filios et al. | An agnostic data-driven approach to predict stoppages of industrial packing machine in near future | |
WO2020157927A1 (ja) | 診断システムおよび診断方法 | |
EP3187950A1 (en) | A method for managing alarms in a control system | |
Al‐Najjar et al. | A conceptual model for fault detection and decision making for rolling element bearings in paper mills | |
CN113537681A (zh) | 用于炼化企业设备管理信息化的方法及系统 | |
Lukens et al. | Data-driven application of PHM to asset strategies |
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 |