CN112686397A - 空调器故障率计算方法、装置、计算机设备及存储介质 - Google Patents
空调器故障率计算方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112686397A CN112686397A CN202011506018.0A CN202011506018A CN112686397A CN 112686397 A CN112686397 A CN 112686397A CN 202011506018 A CN202011506018 A CN 202011506018A CN 112686397 A CN112686397 A CN 112686397A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- distribution function
- fault rate
- time
- given
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000005315 distribution function Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims description 36
- 238000010438 heat treatment Methods 0.000 claims description 19
- 238000001816 cooling Methods 0.000 claims description 14
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000009434 installation Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调器故障率计算方法、系统、计算机设备及存储介质,所述方法包括:获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。本发明不但使得空调器故障率预测精度大大提高,而且计算方法简单,同时记入了售后维修人员误记入的故障率数据,完全考虑了空调器产品使用率的对实际运行时间的影响因素。
Description
技术领域
本发明涉及一种空调器故障率计算方法、装置、计算机设备及存储介质,用于空调器或其他制冷设备的故障率的计算及预测,属于空调器技术领域。
背景技术
中国现在已经是制造大国,企业的产品也已远销全球,虽然中国的空调器产品的质量已经有很大的提高,但是和国际先进水平比还有一定的差距,空调器产品一般都保修三年,三年内的维修费用都要承担,三年以后的关键部件同样保修,维修费用的增加,不但大大增加了产品的单位成本,而且极大地损害了产品声誉,大大降低了产品在全球的竞争力。
如果能在空调器大批量生产前预估出空调器的故障率,对于故障率超过一定极限的空调器采取停产整顿或整改后再批量生产,可以大大降低产品的维修成本,进而降低产品的单位成本,提高产品的品牌声誉,提升产品的全球竞争力。
电子产品的故障率分布函数大多是高斯分布,国际上一般通过正态分布函数来计算电子产品的故障率。空调器控制器是微电子控制器,但是它又有压缩机和多台电机,属于机电一体化产品。空调器故障率计算是一个非常复杂工作,国内企业尚未有报道进行预计的。国际上日本有报道通过正态分布函数来进行计算的,但是,计算的误差非常大,参考价值不大。其它家用电器产品的故障率计算也有使用威布尔分布函数,由于威布尔分布函数计算比较复杂,一般都采用单变量简化威布尔分布函数预测故障率(失效率),其计算精度不高,实用性不强。
发明内容
有鉴于此,本发明提供了一种空调器故障率计算方法、装置、计算机设备及存储介质,其不但使得空调器故障率预测精度大大提高,而且计算方法简单,同时记入了售后维修人员误记入的故障率数据,完全考虑了空调器产品使用率的对实际运行时间的影响因素。
本发明的第一个目的在于提供一种空调器故障率计算方法。
本发明的第二个目的在于提供一种空调器故障率计算装置。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种空调器故障率计算方法,所述方法包括:
获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;
针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;
将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
进一步的,所述获取多台给定型号空调器试制产品在使用预设时间后的故障率数据之后,还包括:
获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间;其中,空调器为单冷空调器时,使用时间为制冷季节的制冷时间,空调器为冷暖空调器时,使用时间包括制冷季节的制冷时间以及制热季节的制热时间;
根据所述平均使用时间,制定修正系数表;
将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间。
进一步的,所述获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间之后,还包括:
按照空调器使用地区的月份平均气温修订平均使用时间。
进一步的,所述针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数,具体包括:
针对所述故障率数据,根据给定型号空调器试制产品的累计运行时间和累计故障数,采用数据处理系统中的数学模型分析,进行连续数学模型模拟,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数。
进一步的,所述通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数,如下式:
其中,λ为故障率;t为累计运行时间;c为常数;m为形状参数;γ为尺度参数;η为特征寿命。
进一步的,所述通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数之后,还包括:
通过规划求解,进一步优化常数、形状参数、尺度参数和特征寿命,得到常数、形状参数、尺度参数和特征寿命的最佳值;
根据常数、形状参数、尺度参数和特征寿命的最佳值,对给定型号空调器故障率分布函数进行修正。
本发明的第二个目的可以通过采取如下技术方案达到:
一种空调器故障率计算装置,所述装置包括:
数据获取模块,用于获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;
数据处理模块,用于针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;
故障率计算模块,用于将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
进一步的,所述数据获取模块之后,还包括:
平均使用时间获取模块,用于获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间;其中,空调器为单冷空调器时,使用时间为制冷季节的制冷时间,空调器为冷暖空调器时,使用时间包括制冷季节的制冷时间以及制热季节的制热时间;
修正系数制定模块,用于根据所述平均使用时间,制定修正系数表;
累计运行时间计算模块,用于将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的空调器故障率计算方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的空调器故障率计算方法。
本发明相对于现有技术具有如下的有益效果:
1、本发明针对多台给定型号空调器试制产品在使用预设时间后的故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数,整个方法简单快捷,修改简便易行,通过故障率分布函数计算空调器的故障率,其精度远远高于用正态分布函数或单参数威布尔分布函数计算空调器故障率的精度。
2、本发明可以根据不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间,制定修正系数表,将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间,进一步提高计算空调器故障率的精度。
3、本发明在拟合出给定型号空调器故障率分布函数之后,通过规划求解,进一步优化常数、形状参数、尺度参数和特征寿命,得到常数、形状参数、尺度参数和特征寿命的最佳值,从而对给定型号空调器故障率分布函数进行修正,进一步提高计算空调器故障率的精度。
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,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的空调器故障率计算方法的流程图。
图2为本发明实施例1的修正累计运行时间的流程图。
图3为本发明实施例2的空调器故障率计算装置的结构框图。
图4为本发明实施例2的平均使用时间获取模块、修正系数制定模块和累计运行时间计算模块连接的结构框图。
图5为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中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,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本实施例提供了一种空调器故障率计算方法,该方法包括以下步骤:
S101、获取多台给定型号空调器试制产品在使用预设时间后的故障率数据。
本实施例需要计算某种给定型号空调器的故障率,先得到该给定型号500台到1000台左右的中批量空调器试制产品(以1.4万套某种型号空调器的一部分视为给定型号空调器试制产品),并且获取该给定型号空调器试制产品使用预设时间后的故障率数据,本实施例的预设时间为12个月,但实际应用中可以为3个月。
由于家用空调器是一种比较特殊的机电一体化产品,天气较热时使用时间长,天气不是很热时使用时间较短,销售安装后使用时间不同,比如4月份安装的空调,9月出现故障其累计使用时间就是5个月左右,如果是7月份安装的空调,来年12月出现故障其累计使用时间就不能用5个月来计算了,这期间实际使用时间不同;为了获得高准确率的故障率计算威布尔分布函数,在进行故障率数据处理之前,即步骤S101之后,引入了累计运行时间的修正系数,具体包括:
S201、获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间。
其中,空调器需要区分单冷空调器和冷暖空调器,空调器为单冷空调器时,使用时间为制冷季节的制冷时间,空调器为冷暖空调器时,使用时间包括制冷季节的制冷时间以及制热季节的制热时间;在得到平均使用时间之后,还可按照空调器使用地区的月份平均气温修订平均使用时间。
S202、根据所述平均使用时间,制定修正系数表。
S203、将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间。
表1所示为12个月的修正系数,第1列为“安装月份”,“经历月份”为从给定型号空调器试制产品安装到出现故障所经历的月份;第2列为安装当月修正系数,该列修正系数是根据不同地区、不同气候类型以及不同型号空调器在市场上的月平均使用时间来制定,平均使用时间还可以参照空调器使用地区的月份平均气温来调整,例如:7月安装的空调,8月出现了故障,当月修正系数就可以大约定为0.9,即认为该空调器从7月到8月实际使用率是90%;9月安装的空调,10月出现了故障,当月修正系数就可以大约定为0.4,即认为该空调器从9月到10月实际使用率是40%。从第3列开始的修正系数通过计算得来,从安装月份开始,对所经历的每个月份的当月修正系数平均得来,例如:7月安装的空调,10月出现了故障,经历了3个月,那么修正系数就是7、8、9这3个月第1列当月修正系数取平均,为可以大约定为0.43,即认为该空调器从7月到10月实际使用率是43%,有52%的时间是停机不用的。如果是5月安装的空调,8月出现了故障,也用了3个月,那么修正系数就为0.73。即认为该空调器从5月到8月实际使用率是73%,有27%的时间是停机不用的。
通过给定型号空调器试制产品安装后的经历时间(累计运行时间)乘以修正系数,作为修正后的累计运行时间,即为实际使用时间,使其达到最准确的累计运行时间,使故障率预测更精确。
表1修正系数表
S102、针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数。
表2为12个月经历月份的故障率数据统计表,“反馈日期”为该给定型号空调器试制产品出现故障的时间;“安装日期”为该给定型号空调器试制产品的安装时间;“相差日期”为该给定型号空调器试制产品从安装到出现故障经历的天数;“经历月份”为经历的天数/30.4,30.4为每个月平均天数;“辅助数组”是为了借助Excel统计功能自动计算经历月份(取整数)。最后1列为经历月份修正系数;借助表2得到与安装月份和所经历月份对应的修正系数,统计得到每个所经历月份里出现的故障总数。
由附表2中每个故障的经历月份乘以其所对应的修正系数,得到修正后的经历月份,统计修正后的每个经历月份里出现的故障总数,整理得到附表3,作为DSP计算用数据表。“单月故障数”为经修正后的经历月份单月故障数,“修正后的经历月份”为实际经历月份乘以修正系数。“单月故障率”为经修正后的单月故障数除以该型号空调器总数。“累计故障率”为该月份之前所有修正后的经历月份故障率累计,例如:经修正后的经历月份为8月时的累计故障率就是从经历1个月到经历8个月的单月故障率之和。累计故障数×100是为了数据处理系统(DSP)拟合函数方便。
表2故障数统计表
表3为数据处理系统计算用数据表,由表2统计整理得到;根据表3修正后的经历月份和累计故障数×100两列数据,以修正后的经历月份为横坐标,累计故障数×100为纵坐标,采用数据处理系统中的数学模型分析,进行连续数学模型模拟,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数,如下式:
其中,λ为故障率;t为累计运行时间;c为常数;m为形状参数;γ为尺度参数;η为特征寿命;拟合出给定型号空调器故障率分布函数后,便获得了该给定型号空调器的所有参数,便可以进行故障率的计算,λ为使用累计运行时间t后该给定型号空调器的故障率。
表3数据处理系统计算用数据表
在通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数之后,还可以通过Excel的规划求解功能,进一步优化常数c、形状参数m、尺度参数γ、特征寿命η。
表4为规划求解用表,已经用拟合得到的给定型号空调器故障率分布函数计算出12个月内不同月份的故障率数据,即计算故障率,如第3列所示;从实际使用或试验中得到的实际故障率,如第2列所示;计算实际故障率与用给定型号空调器故障率分布函数计算的故障率的方差,如第4列所示;然后,在第6列计算出总方差,总方差为所有方差之和,以总方差作为规划求解“设置目标”,对其最小值进行求解,优化常数c、形状参数m、尺度参数γ、特征寿命η,得到常数c、形状参数m、尺度参数γ、特征寿命η的最佳值,这四个最佳值作为给定型号空调器故障率分布函数的最终参数,实现对给定型号空调器故障率分布函数的修正。表4中的实际故障率,也可以通过企业售后数据获得,以此修正优给定型号空调器故障率分布函数的四个常数,进一步提高故障率预测的精度。
表4规划求解用表
S103、将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
本实施例的给定型号空调器需要预测的累计运行时间为三年(36个月),即t=36,将t=36代入上式(1),计算得到三年后该给定型号空调器的预测故障率。
本领域技术人员可以理解,实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2:
如图3所示,本实施例提供了一种空调器故障率计算装置,该装置包括数据获取模块301、数据处理模块302和故障率计算模块303,各个模块的具体功能如下:
数据获取模块301,用于获取多台给定型号空调器试制产品在使用预设时间后的故障率数据。
数据处理模块302,用于针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数。
故障率计算模块303,用于将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
如图4所示,本实施例的数据获取模块301之后,还可包括:
平均使用时间获取模块401,用于获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间;其中,空调器为单冷空调器时,使用时间为制冷季节的制冷时间,空调器为冷暖空调器时,使用时间包括制冷季节的制冷时间以及制热季节的制热时间。
修正系数制定模块402,用于根据所述平均使用时间,制定修正系数表。
累计运行时间计算模块403,用于将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间。
进一步地,本实施例的平均使用时间获取模块401之后,还可包括:
修订模块,用于按照空调器使用地区的月份平均气温修订平均使用时间。
本实施例中各个单元的具体实现可以参见上述实施例1,在此不再一一赘述;需要说明的是,本实施例提供的系统仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
实施例3:
本实施例提供了一种计算机设备,该计算机设备可以为计算机,如图5所示,其通过系统总线501连接的处理器502、存储器、输入装置503、显示器504和网络接口505,该处理器用于提供计算和控制能力,该存储器包括非易失性存储介质506和内存储器507,该非易失性存储介质506存储有操作系统、计算机程序和数据库,该内存储器507为非易失性存储介质中的操作系统和计算机程序的运行提供环境,处理器502执行存储器存储的计算机程序时,实现上述实施例1的空调器故障率计算方法,如下:
获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;
针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;
将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
实施例4:
本实施例提供了一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时,实现上述实施例1的空调器故障率计算方法,如下:
获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;
针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;
将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
需要说明的是,本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述,本发明针对多台给定型号空调器试制产品在使用预设时间后的故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数,整个方法简单快捷,修改简便易行,通过故障率分布函数计算空调器的故障率,其精度远远高于用正态分布函数或单参数威布尔分布函数计算空调器故障率的精度。
以上所述,仅为本发明专利较佳的实施例,但本发明专利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发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (10)
1.一种空调器故障率计算方法,其特征在于,所述方法包括:
获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;
针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;
将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
2.根据权利要求1所述的空调器故障率计算方法,其特征在于,所述获取多台给定型号空调器试制产品在使用预设时间后的故障率数据之后,还包括:
获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间;其中,空调器为单冷空调器时,使用时间为制冷季节的制冷时间,空调器为冷暖空调器时,使用时间包括制冷季节的制冷时间以及制热季节的制热时间;
根据所述平均使用时间,制定修正系数表;
将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间。
3.根据权利要求2所述的空调器故障率计算方法,其特征在于,所述获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间之后,还包括:
按照空调器使用地区的月份平均气温修订平均使用时间。
4.根据权利要求1-3任一项所述的空调器故障率计算方法,其特征在于,所述针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数,具体包括:
针对所述故障率数据,根据给定型号空调器试制产品的累计运行时间和累计故障数,采用数据处理系统中的数学模型分析,进行连续数学模型模拟,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数。
6.根据权利要求5所述的空调器故障率计算方法,其特征在于,所述通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数之后,还包括:
通过规划求解,进一步优化常数、形状参数、尺度参数和特征寿命,得到常数、形状参数、尺度参数和特征寿命的最佳值;
根据常数、形状参数、尺度参数和特征寿命的最佳值,对给定型号空调器故障率分布函数进行修正。
7.一种空调器故障率计算装置,其特征在于,所述装置包括:
数据获取模块,用于获取多台给定型号空调器试制产品在使用预设时间后的故障率数据;
数据处理模块,用于针对所述故障率数据,采用数据处理系统进行处理,通过四变量威布尔分布函数拟合出给定型号空调器故障率分布函数;
故障率计算模块,用于将给定型号空调器需要预测的累计运行时间代入给定型号空调器故障率分布函数,计算得到该给定型号空调器的预测故障率。
8.根据权利要求7所述的空调器故障率计算装置,其特征在于,所述获取模块之后,还包括:
平均使用时间获取模块,用于获取不同地区、不同气候类型以及不同型号空调器在市场上的平均使用时间;其中,空调器为单冷空调器时,使用时间为制冷季节的制冷时间,空调器为冷暖空调器时,使用时间包括制冷季节的制冷时间以及制热季节的制热时间;
修正系数制定模块,用于根据所述平均使用时间,制定修正系数表;
累计运行时间计算模块,用于将每台给定型号空调器试制产品的累计运行时间乘以对应的修正系数,作为修正后的累计运行时间。
9.一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1-6任一项所述的空调器故障率计算方法。
10.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-6任一项所述的空调器故障率计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011506018.0A CN112686397B (zh) | 2020-12-18 | 2020-12-18 | 空调器故障率计算方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011506018.0A CN112686397B (zh) | 2020-12-18 | 2020-12-18 | 空调器故障率计算方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686397A true CN112686397A (zh) | 2021-04-20 |
CN112686397B CN112686397B (zh) | 2024-06-11 |
Family
ID=75449853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011506018.0A Active CN112686397B (zh) | 2020-12-18 | 2020-12-18 | 空调器故障率计算方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686397B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134917A (zh) * | 2024-05-07 | 2024-06-04 | 国网山东省电力公司嘉祥县供电公司 | 一种电力电缆运行预警方法及系统 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003075565A (ja) * | 2001-09-04 | 2003-03-12 | Fujitsu Ltd | 寿命管理方式 |
CN1414359A (zh) * | 2001-10-23 | 2003-04-30 | 广东科龙电器股份有限公司 | 缩短冷暖空调器可靠性试验时间的方法 |
JP2004020378A (ja) * | 2002-06-17 | 2004-01-22 | Nsk Ltd | 軸受の寿命予測方法及び軸受の寿命予測装置 |
JP2005243089A (ja) * | 2004-02-24 | 2005-09-08 | Sony Corp | 寿命提示回路および寿命提示方法ならびに記録再生装置 |
EP1734392A2 (en) * | 2002-05-20 | 2006-12-20 | Finisar Corporation | Laser production and product qualification via accelerated life testing based on statistical modeling |
US20070185683A1 (en) * | 2006-02-09 | 2007-08-09 | Foo Eu G G | Method and system for deriving time-dependent dielectric breakdown lifetime |
JP2007323148A (ja) * | 2006-05-30 | 2007-12-13 | Hitachi Ltd | 管理支援装置、プログラム及び管理支援方法 |
US20080232828A1 (en) * | 2007-03-23 | 2008-09-25 | Xerox Corporation | Adaptive toner gas gauge |
CN102121760A (zh) * | 2011-04-12 | 2011-07-13 | 广东机电职业技术学院 | 一种平行流冷暖空调器及其处理方法 |
CN202056969U (zh) * | 2011-04-06 | 2011-11-30 | 广东机电职业技术学院 | 提高低温制热性能的空调器结构 |
CN103268279A (zh) * | 2013-02-27 | 2013-08-28 | 中国信息安全测评中心 | 基于复合泊松过程的软件可靠性预测方法 |
KR20140111822A (ko) * | 2013-03-12 | 2014-09-22 | 세종대학교산학협력단 | 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법 |
CN104766247A (zh) * | 2015-04-14 | 2015-07-08 | 国家电网公司 | 一种全电压等级电网可靠性的计算方法 |
CN105938183A (zh) * | 2016-05-06 | 2016-09-14 | 思创数码科技股份有限公司 | 一种预测ups电池寿命的智能监测系统 |
CN107358017A (zh) * | 2017-05-24 | 2017-11-17 | 国网北京市电力公司 | 数据处理方法和装置 |
CN107545111A (zh) * | 2017-09-05 | 2018-01-05 | 北京锦鸿希电信息技术股份有限公司 | 基于威布尔分布的城轨车辆可靠性分析方法及装置 |
CN107606742A (zh) * | 2017-08-31 | 2018-01-19 | 广东美的环境电器制造有限公司 | 滤网使用寿命的确定方法及装置、净化器、存储介质 |
CN107702905A (zh) * | 2017-09-28 | 2018-02-16 | 电子科技大学 | 一种基于威布尔分布的橡胶圈可靠寿命预测方法 |
CN108108542A (zh) * | 2017-12-14 | 2018-06-01 | 河北工业大学 | 低压成套开关设备的寿命预测方法 |
CN110739710A (zh) * | 2018-07-20 | 2020-01-31 | 中国农业大学 | 基于优化算法的多种能源类型协调调度方法及装置 |
CN110874502A (zh) * | 2019-11-11 | 2020-03-10 | 中国人民解放军国防科技大学 | 基于多阶段试验数据折合的航天产品可靠性评估方法 |
CN110886641A (zh) * | 2019-11-28 | 2020-03-17 | 安徽江淮汽车集团股份有限公司 | 压差值的校正方法、终端设备及存储介质 |
CN111259338A (zh) * | 2020-01-16 | 2020-06-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 元器件失效率修正方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-18 CN CN202011506018.0A patent/CN112686397B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003075565A (ja) * | 2001-09-04 | 2003-03-12 | Fujitsu Ltd | 寿命管理方式 |
CN1414359A (zh) * | 2001-10-23 | 2003-04-30 | 广东科龙电器股份有限公司 | 缩短冷暖空调器可靠性试验时间的方法 |
EP1734392A2 (en) * | 2002-05-20 | 2006-12-20 | Finisar Corporation | Laser production and product qualification via accelerated life testing based on statistical modeling |
JP2004020378A (ja) * | 2002-06-17 | 2004-01-22 | Nsk Ltd | 軸受の寿命予測方法及び軸受の寿命予測装置 |
JP2005243089A (ja) * | 2004-02-24 | 2005-09-08 | Sony Corp | 寿命提示回路および寿命提示方法ならびに記録再生装置 |
US20070185683A1 (en) * | 2006-02-09 | 2007-08-09 | Foo Eu G G | Method and system for deriving time-dependent dielectric breakdown lifetime |
JP2007323148A (ja) * | 2006-05-30 | 2007-12-13 | Hitachi Ltd | 管理支援装置、プログラム及び管理支援方法 |
US20080232828A1 (en) * | 2007-03-23 | 2008-09-25 | Xerox Corporation | Adaptive toner gas gauge |
CN202056969U (zh) * | 2011-04-06 | 2011-11-30 | 广东机电职业技术学院 | 提高低温制热性能的空调器结构 |
CN102121760A (zh) * | 2011-04-12 | 2011-07-13 | 广东机电职业技术学院 | 一种平行流冷暖空调器及其处理方法 |
CN103268279A (zh) * | 2013-02-27 | 2013-08-28 | 中国信息安全测评中心 | 基于复合泊松过程的软件可靠性预测方法 |
KR20140111822A (ko) * | 2013-03-12 | 2014-09-22 | 세종대학교산학협력단 | 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법 |
CN104766247A (zh) * | 2015-04-14 | 2015-07-08 | 国家电网公司 | 一种全电压等级电网可靠性的计算方法 |
CN105938183A (zh) * | 2016-05-06 | 2016-09-14 | 思创数码科技股份有限公司 | 一种预测ups电池寿命的智能监测系统 |
CN107358017A (zh) * | 2017-05-24 | 2017-11-17 | 国网北京市电力公司 | 数据处理方法和装置 |
CN107606742A (zh) * | 2017-08-31 | 2018-01-19 | 广东美的环境电器制造有限公司 | 滤网使用寿命的确定方法及装置、净化器、存储介质 |
CN107545111A (zh) * | 2017-09-05 | 2018-01-05 | 北京锦鸿希电信息技术股份有限公司 | 基于威布尔分布的城轨车辆可靠性分析方法及装置 |
CN107702905A (zh) * | 2017-09-28 | 2018-02-16 | 电子科技大学 | 一种基于威布尔分布的橡胶圈可靠寿命预测方法 |
CN108108542A (zh) * | 2017-12-14 | 2018-06-01 | 河北工业大学 | 低压成套开关设备的寿命预测方法 |
CN110739710A (zh) * | 2018-07-20 | 2020-01-31 | 中国农业大学 | 基于优化算法的多种能源类型协调调度方法及装置 |
CN110874502A (zh) * | 2019-11-11 | 2020-03-10 | 中国人民解放军国防科技大学 | 基于多阶段试验数据折合的航天产品可靠性评估方法 |
CN110886641A (zh) * | 2019-11-28 | 2020-03-17 | 安徽江淮汽车集团股份有限公司 | 压差值的校正方法、终端设备及存储介质 |
CN111259338A (zh) * | 2020-01-16 | 2020-06-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 元器件失效率修正方法、装置、计算机设备及存储介质 |
Non-Patent Citations (9)
Title |
---|
GONZALO SÁNCHEZ-BARROSO 等: "Application of Predictive Maintenance in Hospital Heating, Ventilation and Air Conditioning Facilities", 《EMERGING SCIENCE JOURNAL》, vol. 3, no. 5, pages 1 - 7 * |
何剑 等: "计及天气预测的电力系统运行可靠性短期评估", 电力系统保护与控制, vol. 38, no. 10, pages 31 - 38 * |
张洪才 等: "基于小子样机械零件全寿命试验数据的处理方法", 机械科学与技术, vol. 2003, no. 06, pages 942 - 944 * |
张路朋: "基于状态的变压器动态优化维修模型", 电工电气, no. 11, pages 18 - 21 * |
张锡清: "威布尔分布的最优参数估计", 电机与控制学报, no. 04, pages 5 * |
王家海 等: "基于故障率的机床预防性维修周期模型应用", 组合机床与自动化加工技术, vol. 2010, no. 03, pages 43 - 46 * |
王彤: "空调器寿命的可靠性分析探讨", 家电科技, vol. 2005, no. 06, pages 49 - 51 * |
贾现召 等: "截尾时间下数控机床可靠性分析的灰色模型法", 河南科技大学学报(自然科学版), vol. 34, no. 04, pages 12 - 16 * |
陈影: "可靠性分析的简捷方法", 组合机床与自动化加工技术, vol. 1985, no. 01, pages 8 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134917A (zh) * | 2024-05-07 | 2024-06-04 | 国网山东省电力公司嘉祥县供电公司 | 一种电力电缆运行预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112686397B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10325331B2 (en) | Systems and methods for measuring and verifying energy usage in a building | |
EP2556416B1 (en) | Energy-saving measurement, adjustment and monetization system and method | |
US8532808B2 (en) | Systems and methods for measuring and verifying energy savings in buildings | |
US6134511A (en) | Method and apparatus for improving building energy simulations | |
CN112904266B (zh) | 一种电能表寿命预测方法及装置 | |
US11585549B1 (en) | Thermal modeling technology | |
KR20150123540A (ko) | 전력 소비 최적화를 위한 스마트 시스템의 동작방법 및 장치 | |
CN110365059B (zh) | 一种光功率预测方法及装置 | |
JP6094369B2 (ja) | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム | |
JP7053152B2 (ja) | 推奨点検間隔を最適化するシステム及び方法 | |
CN110442170B (zh) | 设备运行及监测方法、装置、设备及介质 | |
CN116187549A (zh) | 能耗预测方法、计算设备及计算机存储介质 | |
CN111008727A (zh) | 一种配电台区负荷预测方法及装置 | |
JP2017151980A5 (zh) | ||
CN112686397B (zh) | 空调器故障率计算方法、装置、计算机设备及存储介质 | |
CN112926798A (zh) | 预测灰尘导致的光伏发电损失的方法、装置、设备及介质 | |
CN111553529A (zh) | 负荷预测方法、装置、计算机可读存储介质及电子设备 | |
KR102085219B1 (ko) | 집합 발전기 입찰 처리 장치 및 방법 | |
Mao et al. | Towards fast energy performance evaluation: A pilot study for office buildings | |
US20150186906A1 (en) | Contract capacity optimizing system and optimizing method for using the same | |
JP2016220494A (ja) | 太陽光発電における発電量推定学習の支援システム | |
CN112213681A (zh) | 一种电能表寿命预测方法及装置 | |
CN109960778B (zh) | 计算风电场理论功率的方法和装置 | |
Antoja et al. | Automated short-term load forecasting using modified stochastic hour ahead proportion (SHAP) analysis | |
CN111461496A (zh) | 一种中长期负荷数据的季节性调整方法 |
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 |