CN113177653A - 用于资产的预测分析的系统和方法 - Google Patents

Abstract

提供用于资产预测分析的系统和方法。例如，提供一种用于监测资产的部件的可靠性的系统。该系统包括处理器和包括指令的存储器，该指令在由处理器执行时，使处理器执行某些操作。这些操作可以包括接收输入数据，该输入数据可以包括与部件有关的性能数据、与部件有关的配置数据以及与多种资产有关的统计数据。该操作可以进一步包括基于输入数据为该部件提供抢先推荐。

Description

用于资产的预测分析的系统和方法

技术领域

本公开涉及工作范围系统。特别地，本公开涉及用于生成和提供资产的预测分析的系统和方法。

背景技术

许多企业应用利用可靠性监测系统以基于使用来预测零件寿命；因此，管理人员能够安排维护甚至零件的退役以及及其更换。在典型的可靠性监测系统中，通常使用基于机队的性能数据以及基于机队的统计模型来执行此预测。换句话说，这些典型的系统需要大量资产的数据，以根据这些数据估计出的综合统计参数来提供预测工作范围信息。

此外，尽管在某些行业中，重点放在确定需要维修的零件上，以便通过服务合同使供应商利润最大化，而在其他行业中，重点是通过执行预防性零件更换来延长资产在现场的使用寿命。例如，后一种范式在军事应用中很普遍，在军事应用中，重点是保持作战准备就绪。例如，军用喷气发动机的后勤限制是要延长发动机的使用寿命，同时最大程度地减少停机时间。因此，零件必须尽早更换，以确保准备就绪。

典型的监测系统在针对单个零件优化这些约束时表现不佳，因为它们基于机队范围的统计信息运行，而当考虑单个部件时，这可能是不够的。因此，对于军事应用，或任何其他企业应用，单个部件的可靠性要求是实现操作目标的关键，需要可靠性监测系统，在单个部件级别提供预测性和先发性工作范围信息。

发明内容

本公开示例性实施例有助于解决或减轻前述问题。例如，为了延长现场使用时间，提供了一种系统和方法，用于预测地和抢先地识别现有技术维修数据之外的零件替换候选件。例如，示例性系统和方法可以预测地和抢先地将喷气发动机机队中的特定喷气发动机零件识别为替换候选件，以便延长特定喷气发动机的在翼时间。该示例性方法和系统可以利用各个发动机数据来表征周期和小时并进行比较统计分析。此外，示例性方法和系统可以利用相对严重性因子来改变基于单个发动机的机队的威布尔(Weibull)分布。这样，示例性实施例允许进行预测分析以帮助发动机翻新。

在一个实施例中，提供了一种用于监测资产的部件的可靠性的系统。该系统包括处理器和存储器，该存储器包括指令，该指令在由处理器执行时使它执行某些操作。这些操作可以包括接收输入数据，该输入数据可以包括与部件有关的性能数据、与部件有关的配置数据以及与多个资产有关的统计数据。该操作可以进一步包括基于输入数据为该部件提供抢先推荐。

在另一个实施例中，提供一种用于监测资产机队的资产子集的可靠性的系统。该系统包括处理器和存储器，该存储器包括指令，该指令在由处理器执行时使它执行某些操作。这些操作可以包括接收输入数据，该输入数据可以包括与来自资产子集中的资产的一组部件有关的性能数据和与该组部件有关的配置数据。此外，输入数据可以包括与一组资产有关的统计数据。该操作可以进一步包括基于输入数据为该组部件提供抢先推荐。

在又一个实施例中，提供一种用于监测资产机队的可靠性的系统。该系统包括处理器和存储器，该存储器包括指令，该指令在由处理器执行时使它执行某些操作。这些操作可以包括接收输入数据、与资产机队有关的性能数据、与资产机队有关的配置数据以及与资产机队有关的统计数据。此外，操作可以包括基于输入数据为资产机队提供抢先推荐。

下面参考附图描述各种实施例的附加特征、操作模式、优点和其他方面。值得注意的是，本公开不限于本文描述的特定实施例。提供这些实施例是为了说明性目的。基于所提供的教导，其他实施例或所公开的实施例的修改对于相关领域的技术人员将是显而易见的。

附图说明

说明性实施例可以以各种部件和部件的排列形式出现。附图中显示了说明性实施例，在整个实施例中，类似的参考数字可表示各种附图中相应的或类似的零件。附图仅出于说明实施例的目的，并且不应被解释为限制本公开。给定以下对附图的描述，本公开的新颖方面对于相关领域的普通技术人员将变得显而易见。

图1示出了根据示例性实施例的子系统。

图2示出了根据一个实施例的子系统。

图3示出了根据一个实施例的用例。

图4示出了根据一个实施例的系统。

具体实施方式

在详细讨论本公开的附图之前，为了便于对附图中所描述的示例性实施例的详细描述，涉及了几个术语和概念。然而，应注意，这些术语和概念不限制本公开，并且相关领域的普通技术人员将容易认识到适用于以下不限制本教导的范围的辅助系统和/或概念的修改和改变。

可以与示例性实施例一起使用的一个系统是发动机跟踪数据库系统(ETDS)。该系统用作给定发动机的时间、周期、配置和维护历史记录的正式记录。将它提供给客户，然后客户通过定期更新记录来维护其流通。该系统会将单个部件上的配置、时间和周期的重要数据提供给主分析核心系统。

可以在本文所讨论的示例性实施例的上下文中使用的一个度量是计划外发动机拆卸(UER)，它通常以速率来跟踪，该速率可以是例如每单位飞行小时的拆卸次数。UER率通常用作给定预测系统的价值指标。该速率与机翼上的时间相似，后者是发动机计划内和计划外的拆卸之间的时间量度。值得注意的是，UER几乎始终是在翼时间度量的驱动因素。

另一个度量是TAC/EFH比，用于帮助确定任务的长度和严重性。分子TAC是总累积周期，它是衡量发动机寿命内全部和部分瞬变的量度。分母EFH是发动机使用寿命内的发动机飞行小时数。在固定的飞行时间内累积许多周期的发动机通常对扩展的高功率运行有较低的净暴露，这反过来又会降低飞行的严重性并降低发动机流路中的累积困扰。相反，低的TAC/EFH比通常与使用发动机的操作员相关，操作员的使用方式与在部件上累积更多的热时间和困扰有关。因此，使用该比率对于确定威布尔分布偏移的严重因素、操作人员的次偏移以及给定工作范围工具内安装硬件的适当老化至关重要。

可以与示例性实施例一起使用的一个指示符是发动机序列号(ESN)。每个发动机都有唯一的序列号，可用于个性化单个资产并指向其配置和使用的历史记录。在不脱离本公开的范围的情况下，也可以使用其他发动机标识符。

累积损坏模型(CDM)也可以与示例性实施例一起使用。这些是将各种遇险模式与使用相关联的部件级别模型。这样的例子是随着一定数量的热循环的通过或超过一定温度的累积暴露而发生的预期的涂层散裂量。除了部件的威布尔曲线外，还可以使用累积损坏模型来增加失效预测的保真度。威布尔曲线通常包括所有遇险模式，其中CDM可以调整为单一模式。单个部件可以存在多个CDM，并且可以结合使用或代替整个部件的威布尔曲线使用。

图1示出了可以是根据实施例的预测分析系统的一部分的示例性子系统100。子系统100包括单独部件预测系统110，其被配置为提供预测部件故障和/或更换和/或维护需求的信息。例如但不限于，该部件可以是发动机，例如飞行器喷气发动机。子系统100包括输入/输出模块(I/O模块114)，该输入/输出模块被配置为获取和摄取各种各样的输入数据。例如，输入数据可以包括机队数据104和单个发动机数据120；后者可以包括单个发动机性能数据106和单个发动机配置数据108。一旦被摄取，就可以利用位于处理器102的预测模块112中的专用指令来分析单个发动机数据120和机队数据104。指令可以由处理器102的核心116从预测模块112获取，该预测模块112将处理器102配置为专用计算设备，该专用计算设备能够执提供与单个发动机有关的预测分析信息。该信息可以由单独部件预测系统110作为推荐118输出。

在一个实施例中，机队数据104可以包括与诸如单个发动机之类的发动机机队有关的统计参数，发动机机队的单个发动机数据120被提供给单独部件预测系统110。例如，在一个实施例中，机队数据104可能包括与发动机机队可靠性有关的威布尔分布。机队数据104可以包括与多个发动机有关的性能数据和配置数据。本文的对于单个发动机或发动机机队的性能数据可以包括但不限于循环数据、运行小时数、运行温度。此外，配置数据可以包括但不限于电压或电流参数或与发动机相关联的任何其他配置参数。

图2示出了可以是根据实施例的预测分析系统的一部分的另一示例性子系统200。子系统200包括子机队部件预测系统216，该子机队部件预测系统216被配置为提供预测与子机队相关联的多个部件的故障和/或替换和/或维护需求的信息，该子机队在本文可以是形成部件的机队的一组部件中的部件的子集。例如但不限于，子机队可包括多个喷气发动机，其形成了更多喷气发动机的子集。在一些实现中，在不失一般性的前提下，子机队可以是整个发动机机队，而不是其较小的子集。

子系统200包括输入/输出模块(I/O模块210)，其被配置为获取和摄取各种各样的输入数据。例如，输入数据可以包括机队数据204和子机队发动机数据206；后者可以包括子机队发动机性能数据208和子机队发动机配置数据212。一旦被摄取，就可以利用位于处理器202的预测模块218中的专用指令来分析子机队发动机数据206和机队数据204。指令可以由处理器202的核心214从预测模块218获取，该预测模块将处理器202配置为能够提供与多个发动机有关的预测分析信息的专用计算设备。该信息可以由子机队部件预测系统216作为推荐220输出。

在一个实施例中，机队数据204可以包括与发动机机队有关的统计参数。例如，在一个实施例中，机队数据204可以包括关于发动机机队的可靠性的威布尔分布。此外，机队数据204可以包括与多个发动机有关的性能数据和配置数据。类似地，子机队发动机数据206可以包括与形成机队的多个发动机的子集有关(即，与子机队有关)的性能和配置数据。

子系统100和子系统200一起可以是预测系统的一部分，其能够提供分别与单个发动机和发动机子机队有关的先占和预测分析。在一个示例性实施例中，子系统100和子系统200可以共处一地或共同集成到单个平台上。在又一示例性实施例中，子系统100和子系统200可以彼此远离，但是仍然是更大的预测系统的一部分。

图3示出了预测系统302的用例300。在一个示例性实施例中，预测系统302可以包括子系统100和子系统200。后者可以被配置为执行子机队分析和如上所述的机队分析。在用例300中，预测系统302可以接收与单个发动机有关的发动机构建配置304。此外，预测系统302可以接收利用率历史306，其通常可以是指示发动机利用率的数据。此外，取决于其被配置为以单个发动机模式、机队模式还是子机队模式运行，预测系统302可以接收与单个发动机或发动机的机队或子机队有关的概率模型和趋势分析308。

预测系统302还可以接收输入310和输入312。输入310可以包括遵循预定概率分布的因子形式的可允许的坠落风险。输入312可以包括目标时间或下次访问车间的计划时间。

当以单个发动机模式配置时，预测系统302输出资产314的单个发动机工作范围推荐，该推荐可以包括标记为需要维护或更换的发动机部件的列表(图3中标有“X”)和标记为不需要维护或更换的发动机部件的列表。值得注意的是，标记的部件在分析时可能表现良好，并且该推荐仅基于在预测系统302中输入的各种数据来预测预期的故障。类似地，当配置为子机队模式时，预测系统302可以输出子机队模式推荐316，其可以包括机队中的飞行器的子集的即将部署的概率坠落视图。最后，在机队模式的配置下，预测系统302输出包括对整个机队的部分需求预测的机队工作范围推荐318。

图4描绘了预测系统400，该预测系统400包括专用处理器414，该处理器414被配置为执行特定于工业或军事资产的可靠性监测的任务，其中该任务包括为单个部件、部件的子机队和部件机队中的至少一个生成抢先推荐。处理器414具有由存储在存储器402中的指令和/或可以由处理器414从存储装置420获取的指令418赋予的特定结构。存储装置420可以与处理器414位于同一地点，或者它可以位于其他地方，并且例如经由通信接口416通信地联接到处理器414。

系统400可以是独立的可编程系统，或者可以是位于更大系统中的可编程模块。例如，系统400可以是分布式可靠性监测系统的一部分，该分布式可靠性监测系统被配置为管理工业或军事资产的多个机队。处理器414可以包括被配置为获取、解码、执行、存储、分析、分发、评估和/或分类信息的一个或多个硬件和/或软件部件。此外，处理器414可以包括输入/输出模块(I/O模块412)，该输入/输出模块可以被配置为摄取与单个资产或资产机队有关的数据。处理器414可以包括一个或多个处理设备或核(未示出)。在一些实施例中，处理器414可以是多个处理器，每个处理器具有一个或多个核。处理器414可以被配置为执行从存储器402，即从存储器块404、存储器块406、存储器块408和存储器块410之一获取的指令。

此外，在不失一般性的前提下，存储装置420和/或存储器402可包括易失性或非易失性、磁性、半导体、带、光学、可移动、不可移动、只读、随机访问或任何类型的非暂时性计算机可读计算机介质。存储装置420和/或存储器402可以包括程序和/或处理器414可以用来执行与本文所描述的任务一致的任务的其他信息。例如，处理器414可以由来自存储块406、存储块408和存储块410的指令来配置，以执行操作，分别产生抢先的单发动机工作范围推荐、子机队工作范围推荐和机队工作范围推荐。此外，存储装置420可以被配置为记录在处理器414的操作期间被处理、记录或收集的数据。数据可以按照与数据存储实践一致的各种方式进行时间戳记、位置标记、编目、索引或组织。

通常，本文描述的示例性实施例可以利用机队的ETDS数据馈送来确定ESN的使用和配置。在一个示例性实施例中，实施例可以包括驻留在地面站上的软件和硬件部件，该地面站可以与ETDS系统和发动机数据下载设备进行通信。此外，实施例可以包括被配置为从其他远程通信联接的系统获取附加信息的硬件和软件装置。例如，实施例可以获取与关键零件有关的威布尔数据分布。这些数据是根据发动机的运行小时数和周期来定义的，可以从发动机制造商的服务器获取。在一个示例用例中，一旦将发动机引入车间，可以使用实施例来针对该ESN的机队威布尔数据运行该ESN的最新使用数据。。

此外，当前的技术数据围绕着拆卸或UER驱动程序的主要原因来控制工作范围。这样，在示例性实施例中，将可获得修改后的技术数据，由此借助于实施例，可以针对给定范围的客户输入来定义附加的抢先零件推荐。这些输入可能包括飞行小时时间的预测时间段和置信度水平，以避免在发动机检修之前出现另一个UER。

示例性实施例对于军用发动机是有利的，该军用发动机在间隔大修之前可以进行几次车间访问，但它们也可以在相同的约束存在的商业企业应用中使用。此外，根据使用情况通过竞争性的威布尔分布抢先更换零件将有助于延长在翼时间或下一次计划外发动机拆卸的时间间隔。实施例可以被配置为根据遇险驱动器或故障模式来比较同一零件的几个威布尔分布。当创建累积损伤模型形式的附加数字孪生模型时，它们也可以被添加到实施例中，作为比较和对比附加故障场景的输入。

当在“机队模式”下运行时，实施例可以被设置为假设机队中的每个都具有UER来运行每个发动机，并且该实施例可以在输入终端上投影在限定的间隔内将需要哪些零件。例如，如果客户希望进行一年的零件预测，则可以在机队模式下定义该间隔。在子机队模式中，该实施例可以被配置为确定一组发动机成功完成指定持续时间的部署的可能性。当在部署之前运行时，可以在部署之前识别并更换极有可能造成不按计划的发动机拆卸而造成困扰的发动机。

这样，实施例使客户能够通过更好的工作范围延长在翼时间来更好地管理他们的发动机机队，并基于资产使用来管理抢先的零件更换。该实施例可用于预测零件需求并提供最适合部署的机队资产的概率视图。在具有与之相关联的多个威布尔或CDM的零件内，实施例可以执行最少的选择以推荐零件以进行抢先移除。

对于发动机的热区段流动路径中的部件，基于飞行的任务类型，任务严重性分析因子用于借记或贷记威布尔曲线。当总累积循环数与发动机飞行小时数之比较低时，分配热时间借方。在TAC/EFH比低的情况下累积的飞行时间将被视为更严重，并将威布尔曲线向左移动。可以将用于移位威布尔曲线并确定相对严重性的阈值连同上述其他输入一起输入示例性预测系统。

通常，本文所述的示例性系统可以被编程为包括喷气发动机的物料清单的个性化老化模型。个性化是基于发动机的使用和维护方式。在单发动机工作范围模式下运行时，系统输出的推荐可能包括零件的列表。该零件的列表可以考虑基于概率威布尔曲线和这些部件的任何常驻CDM进行抢先的移除。此外，示例性系统可以被配置为容纳一百多个不同的威布尔曲线和CDM，其可以随着模型的完善或发现新的遇险模式而更新，并为其开发模型。

推荐抢先拆除列表可以基于顾客输入而定制。客户可以输入可接受的风险水平，在这种情况下是概率曲线和目标构建质量。例如，客户可以说他们想要进行一次可持续400飞行小时或可能持续1200飞行小时的大修。这样，示例性系统将指示相对于400小时的时间框架，将建议在1200小时的间隔内移除更多的零件。

当客户计划部署预定数量的资产时，可以使用上述子机队模式。世界各地的许多军队将部署子资产，以在短时间内从远程位置执行任务。通常，发生这种情况时，部署的持续时间是已知的，例如，可能提前知道200个飞行小时的部署将需要4个月。当飞机部署在远离基地的地方时，客户通常不希望出现与重大维护演进相关的后勤问题。这样，在子机队模式下，该示例性系统旨在在用户定义的子发动机上“向前飞”用户定义的一些小时数，以确定在部署过程中UER的可能性。因此，示例性系统帮助客户确定要发送的最佳发动机是什么。

此外，机队模式可以用于零件预测。具体地，可以设置示例性系统，以假定每种资产都在给定时间进行大修。例如，假设所有资产都被安排为“向前飞”400小时，则可以输出每个发动机所需零件的初步清单。然后，该零件清单可用作预测。

本领域技术人员将意识到以上描述的各种实施例的修改和更改可以在不脱离本公开的范围和精神的情况下进行配置。因此，应当理解，在所附权利要求的范围内，可以以不同于本文具体描述的方式来实践本文所表征的教导。

本发明的进一步方面通过以下条项的主题提供：

1.一种用于监测资产的部件的可靠性的系统，所述系统包括：处理器；存储器，所述存储器包含指令，当所述指令由所述处理器执行时，使所述处理器执行以下操作：接收输入数据，所述输入数据包括：(i)与所述部件有关的性能数据；(ii)与所述部件有关的配置数据；(iii)与多个资产有关的统计数据；基于所述输入数据为所述部件提供抢先推荐。

2.根据任何在前条项所述的系统，所述推荐包括建议更换的子部件的列表。

3.根据任何在前条项所述的系统，所述部件是发动机。

4.根据任何在前条项所述的系统，所述统计数据包括威布尔分布。

5.根据任何在前条项所述的系统，所述统计数据包括概率模型。

6.根据任何在前条项所述的系统，所述统计数据包括趋势分析。

7.根据任何在前条项所述的系统，所述输入数据包括发动机构建配置。

8.根据任何在前条项所述的系统，所述输入数据包括使用历史。

9.根据任何在前条项所述的系统，所述输入数据包括可允许坠机风险。

10.一种用于监测一批资产的资产子集的可靠性的系统，所述系统包括：处理器；存储器，所述存储器包括指令，当所述指令由所述处理器执行时，使所述处理器执行以下操作：接收输入数据，所述输入数据包括：(i)与来自所述资产子集中的资产的一组部件相关的性能数据；(ii)与所述一组部件相关的配置数据；(iii)与所述一批资产相关的统计数据；基于所述输入数据为所述一组部件提供抢先推荐。

11.根据任何在前条项所述的系统，所述一组部件是一组发动机。

12.根据任何在前条项所述的系统，所述统计数据包括威布尔分布。

13.根据任何在前条项所述的系统，所述统计数据包括概率模型。

14.根据任何在前条项所述的系统，所述统计数据包括趋势分析。

15.根据任何在前条项所述的系统，所述推荐包括指示一组发动机是否能够成功完成指定持续时间的部署。

16.根据任何在前条项所述的系统，所述输入数据还包括部署的持续时间。

17.一种用于监测一批资产的可靠性的系统，所述系统包括：处理器；存储器，所述存储器包括指令，当所述指令由所述处理器执行时，使所述处理器执行以下操作：接收输入数据，所述输入数据包括：(i)与所述一批资产相关的性能数据；(ii)与所述一批资产相关的配置数据；(iii)与所述一批资产相关的统计数据；基于所述输入数据为所述一批资产提供抢先推荐。

18.根据任何在前条项所述的系统，所述一批资产是发动机。

19.根据任何在前条项所述的系统，所述抢先推荐包括对所述一批资产的零件需求。

20.根据任何在前条项所述的系统，所述抢先推荐包括指示所述一批资产中最适合部署的资产。

Claims (10)

1.一种用于监测资产的部件的可靠性的系统，其特征在于，所述系统包括：

处理器；

存储器，所述存储器包含指令，当所述指令由所述处理器执行时，使所述处理器执行以下操作：

接收输入数据，所述输入数据包括：

(i)与所述部件有关的性能数据；

(ii)与所述部件有关的配置数据；

(iii)与多个资产有关的统计数据；

基于所述输入数据为所述部件提供抢先推荐。

2.根据权利要求1所述的系统，其特征在于，所述推荐包括建议更换的子部件的列表。

3.根据权利要求1所述的系统，其特征在于，所述部件是发动机。

4.根据权利要求1所述的系统，其特征在于，所述统计数据包括威布尔分布。

5.根据权利要求1所述的系统，其特征在于，所述统计数据包括概率模型。

6.根据权利要求1所述的系统，其特征在于，所述统计数据包括趋势分析。

7.根据权利要求2所述的系统，其特征在于，所述输入数据包括发动机构建配置。

8.根据权利要求1所述的系统，其特征在于，所述输入数据包括使用历史。

9.根据权利要求1所述的系统，其特征在于，所述输入数据包括可允许坠机风险。

10.一种用于监测一批资产的资产子集的可靠性的系统，其特征在于，所述系统包括：

处理器；

存储器，所述存储器包括指令，当所述指令由所述处理器执行时，使所述处理器执行以下操作：

接收输入数据，所述输入数据包括：

(i)与来自所述资产子集中的资产的一组部件相关的性能数据；

(ii)与所述一组部件相关的配置数据；

(iii)与所述一批资产相关的统计数据；

基于所述输入数据为所述一组部件提供抢先推荐。

Images