CN113379179A - 基于后勤保障的采煤机故障模式影响及危害性分析方法 - Google Patents
基于后勤保障的采煤机故障模式影响及危害性分析方法 Download PDFInfo
- Publication number
- CN113379179A CN113379179A CN202110330440.3A CN202110330440A CN113379179A CN 113379179 A CN113379179 A CN 113379179A CN 202110330440 A CN202110330440 A CN 202110330440A CN 113379179 A CN113379179 A CN 113379179A
- Authority
- CN
- China
- Prior art keywords
- lsa
- fmea
- fault
- coal mining
- mining machine
- 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
- G06Q10/06—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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于采煤机故障检测技术领域,公开了一种基于后勤保障的采煤机故障模式影响及危害性分析方法,包括:S1、确定LSAFMEA分析候选项;S2、建立LSAFMEA候选项的FMEA报告;S3、将每个LSAFMEA候选项的FMEA报告的故障模式进行分组合并,形成新的LSA故障模式,并将对应数据并入新的LSA故障模式;S4、确定LSAFMEA候选项的每个LSA故障模式的故障检测方法;S5、根据所述LSA故障模式的故障检测方法,确定故障定位能力;S6、确定维修任务分析需求;S7、编写LSAFMEA分析报告。本发明能够找到采煤机整个产品全生命周期阶段的薄弱环节,可以作为产品质量评价和改进的重要决策依据,以及采取适当措施消除或减轻这些影响,从而提高采煤机系统的可靠性和安全性,满足运行要求。
Description
技术领域
本发明涉及采煤机故障检测技术领域,尤其涉及基于后勤保障的采煤机故障模式影响及危害性分析方法。
背景技术
采煤机系统故障模式和影响分析(Failure Mode and Effect Analysis, FMEA),是分析系统中每一个可能的故障模式并确定其对该产品及上层产品所产生的影响,以及把每一个故障模式按其影响的严重程度予以分类的一种分析技术,但是,FMEA需要分析和量化每个系统的单个部件,如此详细的级别对于维护来说,成本很高且其分析不够全面有效,不能提供纠正性维修任务所应用的方法和决策逻辑,故障模式的检测能力等级、定位能力等级和故障模式等级缺少联系,无法准确的提出生产、使用和维修方面的改进措施,保证采煤机的可靠性和安全性。
发明内容
本发明意在提供基于后勤保障的采煤机故障模式影响及危害性分析方法,以解决现有的分析系统成本高且分析不够全面有效,不能提供纠正性维修任务所应用的方法和决策逻辑,并且故障模式的检测能力等级、定位能力等级和故障模式等级缺少联系,无法准确的提出生产、使用和维修方面的改进措施,保证采煤机的可靠性和安全性的问题。
为达到上述目的,本发明提供如下技术方案,基于后勤保障的采煤机故障模式影响及危害性分析方法,包括:
S1、通过对采煤机按约定层次划分的零部件进行筛选,确定LSA FMEA分析候选项;
S2、基于采煤机设计的FMEA报告,建立LSA FMEA候选项的FMEA报告;
S3、将每个LSA FMEA候选项的FMEA报告的故障模式进行分组合并,形成新的LSA故障模式,并将对应数据并入新的LSA故障模式;
S4、确定LSA FMEA候选项的每个LSA故障模式的故障检测方法;
S5、根据所述LSA故障模式的故障检测方法,确定故障定位能力;
S6、确定维修任务分析需求;
S7、编写LSA FMEA分析报告。
进一步,所述步骤S1中,筛选标准为当前维修级别下的可更换单元和软件。
进一步,所述步骤S2中,先将采煤机设计的FMEA报告统一至与LSA FMEA 候选项相同的约定层次,再基于采煤机设计的FMEA报告,建立LSA FMEA候选项的FMEA报告。
进一步,所述步骤S3中,将每个LSA FMEA候选项的故障模式进行分组合并,具体为:在同一LSA FMEA候选项的故障模式中,将会导致相同的维修工作的故障模式合并成一组。
进一步,所述维修工作包括维修程序和故障检测程序。
进一步,所述步骤S4中,确定LSA FMEA候选项的每个LSA故障模式的故障检测方法,包括:
步骤1:核对是否可以采用BIT检测,所述BIT包括I-BIT、C-BIT和P-BIT;若可以,则评估该BIT的故障检测率和虚警率;
步骤2:核对故障是否可以触发FDE;
步骤3:核对是否可以通过人工测试或检查进行识别;
步骤4:核对是否具有有助于维修员识别故障的相应功能/物理征兆;
步骤5:对应记录以上适用的故障检测方法,标注通过上述检测方法不能检测到的LSA故障模式。
采用上述技术方案,本发明具有如下有益技术效果:
本发明提供的基于后勤保障的采煤机故障模式影响及危害性分析方法,可以确定每个故障对采煤机系统安全、任务成功、系统性能、维修性要求等潜在的影响,找到采煤机整个产品全生命周期阶段的薄弱环节,可以作为产品质量评价和改进的重要决策依据,以及采取适当措施消除或减轻这些影响,从而提高采煤机系统的可靠性和安全性,满足运行要求。
附图说明
图1为本发明实施例提供的基于后勤保障的采煤机故障模式影响及危害性分析方法的流程图;
图2本发明实施例提供的LSA FMEA候选项的故障模式分组合并示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步的详细说明:
本实施例的分析流程如图1所示,基于后勤保障的采煤机故障模式影响及危害性分析方法,包括:
S1、通过对采煤机按约定层次划分的零部件进行筛选,确定LSA FMEA分析候选项;
进一步,所述步骤S1中,筛选标准为当前维修级别下的可更换单元和软件。
具体的,在开展分析前,需要确定进行LSA FMEA分析的候选项,候选项的选择是在采煤机的完整的产品约定层次划分上进行的,约定层次既可以按产品的功能层次关系定义,又可按产品的硬件结构层次关系定义。候选项的选择需要结合当前的维修级别进行,通过对产品约定层次划分中的零部件进行逐一筛选,确定需要进行LSA FMEA分析的候选项,选择的标准主要为:
(1)当前维修级别主要针对整体维修级别还是部件维修级别;
(2)该零部件在当前维修级别下是否为可更换单元;
(3)当前维修级别下软件是否可执行加载、卸载等工作;
该项工作的主要目的是通过上述选择标准,将当前维修级别下的可更换单元和软件全部筛选出来,作为后续LSA FMEA分析的候选项。
S2、基于采煤机设计的FMEA报告,建立LSA FMEA候选项的FMEA报告;
进一步,所述步骤S2中,先将采煤机设计的FMEA报告统一至与LSA FMEA 候选项相同的约定层次,再基于采煤机设计的FMEA报告,建立LSA FMEA候选项的FMEA报告。
具体的,LSA FMEA分析是在产品FMEA分析报告的基础上进行的,在为LSA FMEA分析候选项建立FMEA报告时,需要确定LSA FMEA分析候选项的部件识别号、部件功能、故障模式、故障模式编码、故障原因、故障影响、故障率和严酷度等级,上述数据均可以从采煤机设计的FMEA报告中得到。需建立的LSA FMEA 候选项的FMEA报告需要与LSA FMEA分析候选项保持相同的约定层次,包括以下三种情况:
若现有的采煤机设计的FMEA报告的分析层级与LSA FMEA分析候选项相同,则可以直接使用;
若现有的采煤机设计的FMEA报告的分析层级低于LSA FMEA分析候选项,则需要对现有的采煤机设计的FMEA报告进行归纳汇总至与侯选项相同的约定层次;
若现有的采煤机设计的FMEA报告的最低约定层次高于LSA FMEA分析候选项,则现有的采煤机设计的FMEA报告不具备进行LSA FMEA分析的条件,需要采煤机设计团队开展与LSA FMEA分析候选项相同约定层次的的FMEA分析。
S3、将每个LSA FMEA候选项的FMEA报告的故障模式进行分组合并,形成新的LSA故障模式,并将对应数据并入新的LSA故障模式;
进一步,所述步骤S3中,将每个LSA FMEA候选项的故障模式进行分组合并,具体为:在同一LSA FMEA候选项的故障模式中,将会导致相同的维修工作的故障模式合并成一组。
进一步,所述维修工作包括维修程序和故障检测程序。
具体的,参考图2,在LSA FMEA分析候选项完成了FMEA报告整合之后,对于每个分析候选项,需要从维修工作的角度对故障模式进行分组合并,形成新的 LSA故障模式。LSAFMEA分析的最终目的是确定修复性维修需求,因此从维修工作的角度上对故障模式进行分组整合从而形成新的LSA故障模式,可以最大限度地减少后续分析的工作量。FMEA报告中的故障模式是否可以分组合并的标准为:
故障模式是否属于同一个LSA FMEA分析候选项;
故障模式是否会导致一个或者一系列相同的维修工作。其中,维修工作包括维修/修理程序和故障检测/定位程序。
LSA FMEA候选项的FMEA报告的故障模式分组合并可参考表1。
表1故障模式分组示例
在故障模式分组合并之后,原有候选项的FMEA报告中的故障原因、故障影响、故障率、严酷度类别、故障检测率、虚警率等数据也要合并进入新的LSA 故障模式中。
如果没有故障率、故障检测率、虚警率的可用定量数据,可以基于工程判断使用定性的评估方法。表2、表3、表4分别为为推荐的故障率、故障检测率和虚警率等级判断标准。其中,虚警率为在规定的期间内发生的虚警数与同一期间内故障指示总数之比,用百分数表示;故障检测率为用规定的方法正确检测到的故障数与故障总数之比,用百分数表示;故障率为在规定的条件下和规定的期间内,产品的故障总数与寿命单位总数之比。
表2故障率等级表
注:故障率比例是指产品单个故障模式的故障率与产品全部故障模式的故障率总和之比。
表3故障检测率等级表
等级 | 可能性 | 可能性描述 | 故障检测率 |
1 | 可能性高 | 故障检测的有效性高 | 高于80% |
2 | 可能性较高 | 故障检测的有效性较高 | 80%和60%之间 |
3 | 可能性中等 | 故障检测的有效性中等 | 60%和40%之间 |
4 | 可能较较低 | 故障检测的有效性较低 | 40%和20%之间 |
5 | 可能性低 | 故障检测的有效性低 | 低于20% |
表4虚警率等级表
等级 | 可能性 | 可能性描述 | 故障检测的虚警率 |
1 | 可能性高 | 故障检测发生虚警的可能性高 | 虚警率≥10% |
2 | 可能性中等 | 故障检测发生虚警的可能性中等 | 2%≤虚警率<10% |
3 | 可能性低 | 故障检测发生虚警的可能性低 | 虚警率<2% |
S4、确定LSA FMEA候选项的每个LSA故障模式的故障检测方法;
进一步,所述步骤S4中,确定LSA FMEA候选项的每个LSA故障模式的故障检测方法,包括:
步骤1:核对是否可以采用BIT检测,所述BIT包括I-BIT、C-BIT和P-BIT;若可以,则评估该BIT的故障检测率和虚警率;
步骤2:核对故障是否可以触发FDE,以便对维修人员进行故障告警,典型的FDE告警包括故障灯、故障告警语音、故障旗、CAS信息等;
步骤3:核对是否可以通过人工测试或检查进行识别;
步骤4:核对是否具有有助于维修员识别故障的相应功能/物理征兆,可将 FMEA报告中的故障影响和相似型号使用经验作为主要依据;
步骤5:对应记录以上适用的故障检测方法,标注通过上述检测方法不能检测到的LSA故障模式。
S5、根据所述LSA故障模式的故障检测方法,确定故障定位能力;
具体的,该步骤的主要目的是确定故障检测方法对故障隔离/定位的模糊度和能够降低模糊度的测试/检查方法。
模糊度是指故障检测方法可以将故障模式隔离到可更换单元的个数或者被隔离到系统、子系统的情况,上述一组可更换单元或系统/子系统被定义为故障隔离/定位的模糊组。如果故障可以通过确定的故障检测方法被准确的定位到1 个可更换单元,则模糊度为1;如果被定位到2个及以上的可更换单元或系统、子系统上,则模糊度等于模糊组中包含的可更换单元个数。
如果模糊度无法从FMEA报告或测试性分析报告中直接获得,可以通过工程判断故障定位能力等级,表5为推荐的故障定位能力等级判断标准,或者根据故障检测方法开展故障树分析FTA确定模糊组中包含的可更换单元个数。
表5故障定位能力等级
等级 | 故障定位的可能性 | 描述 | 定位率 |
1 | 可能性高 | 故障检测方法的模糊度低 | >0.9 |
2 | 可能性较高 | 故障检测方法的模糊度较低 | 0.8-0.9 |
2 | 可能性中等 | 故障检测方法的模糊度中等 | 0.6-0.8 |
3 | 可能性较低 | 故障检测方法的模糊度较高 | 0.4-0.6 |
3 | 可能性低 | 故障检测方法的模糊度高 | <0.4 |
在确定模糊度或故障定位能力等级时,还需要确定降低模糊度的测试/检查方法,包括:交叉测试、目视检查、测量物理值。
S6、确定维修任务分析需求;
具体的,根据上述LSAFMEA分析涉及到的故障模式检测、定位和修复,利用面向多输入的DEA模型优化LSA故障模式,提高其有效性,为维修工作人员制定合理的纠正性维修任务提供依据,从而确定维修任务分析需求,LSA FMEA得到的维修任务任务需求主要包括维修/修理需求、人工检查需求和测试需求。即:
采用如下面向多输入的DEA模型,其中:x、y分别表示输入、输出;i、j 分别是k个决策单元(decision making units,DMU)的输入、输出;u、v分别表示输出、输入的重要程度;DMU即LSA故障模式;下标0表示被评价的LSA故障模式。如果h0=1,则认为LSA故障模式是DEA有效,若h0<1,则LSA故障模式是非DEA有效。
将DEA模型用于LSA故障模式评价指标的优化研究应将LSA故障模式视为DMU,将故障模式等级(FMR)、探测能力等级(DR)以及定位能力等级(LR)3个指标作为有效性评估的输入属性。DEA模型的核心是找出非有效的故障模式,即不在生产前沿面上的故障模式,利用模型得到的DEA值对3 个指标进行优化,使这些故障模式处在生产前沿面上。
S7、编写LSA FMEA分析报告。
以上所述的仅是本发明的实施例,方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明技术方案的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.基于后勤保障的采煤机故障模式影响及危害性分析方法,其特征在于,包括:
S1、通过对采煤机按约定层次划分的零部件进行筛选,确定LSAFMEA分析候选项;
S2、基于采煤机设计的FMEA报告,建立LSAFMEA候选项的FMEA报告;
S3、将每个LSAFMEA候选项的FMEA报告的故障模式进行分组合并,形成新的LSA故障模式,并将对应数据并入新的LSA故障模式;
S4、确定LSA FMEA候选项的每个LSA故障模式的故障检测方法;
S5、根据所述LSA故障模式的故障检测方法,确定故障定位能力;
S6、确定维修任务分析需求;
S7、编写LSA FMEA分析报告。
2.根据权利要求1所述的基于后勤保障的采煤机故障模式影响及危害性分析方法,其特征在于,所述步骤S1中,筛选标准为当前维修级别下的可更换单元和软件。
3.根据权利要求1所述的基于后勤保障的采煤机故障模式影响及危害性分析方法,其特征在于,所述步骤S2中,先将采煤机设计的FMEA报告统一至与LSAFMEA候选项相同的约定层次,再基于采煤机设计的FMEA报告,建立LSA FMEA候选项的FMEA报告。
4.根据权利要求1所述的基于后勤保障的采煤机故障模式影响及危害性分析方法,其特征在于,所述步骤S3中,将每个LSA FMEA候选项的故障模式进行分组合并,具体为:在同一LSA FMEA候选项的故障模式中,将会导致相同的维修工作的故障模式合并成一组。
5.根据权利要求4所述的基于后勤保障的采煤机故障模式影响及危害性分析方法,其特征在于,所述维修工作包括维修程序和故障检测程序。
6.根据权利要求5所述的于后勤保障的采煤机故障模式影响及危害性分析方法,其特征在于,所述步骤S4中,确定LSA FMEA候选项的每个LSA故障模式的故障检测方法,包括:
步骤1:核对是否可以采用BIT检测,所述BIT包括I-BIT、C-BIT和P-BIT;
若可以,则评估该BIT的故障检测率和虚警率;
步骤2:核对故障是否可以触发FDE;
步骤3:核对是否可以通过人工测试或检查进行识别;
步骤4:核对是否具有有助于维修员识别故障的相应功能/物理征兆;
步骤5:对应记录以上适用的故障检测方法,标注通过上述检测方法不能检测到的LSA故障模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330440.3A CN113379179A (zh) | 2021-03-24 | 2021-03-24 | 基于后勤保障的采煤机故障模式影响及危害性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330440.3A CN113379179A (zh) | 2021-03-24 | 2021-03-24 | 基于后勤保障的采煤机故障模式影响及危害性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113379179A true CN113379179A (zh) | 2021-09-10 |
Family
ID=77569783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110330440.3A Pending CN113379179A (zh) | 2021-03-24 | 2021-03-24 | 基于后勤保障的采煤机故障模式影响及危害性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379179A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186708A (zh) * | 2011-12-31 | 2013-07-03 | 电子科技大学 | 一种采用两个rpn数的故障模式影响及危害性分析方法 |
CN106508031B (zh) * | 2011-09-09 | 2014-04-02 | 北京京航计算通讯研究所 | 一种基于fmeca的fpga安全性需求分析方法 |
CN104777827A (zh) * | 2015-01-21 | 2015-07-15 | 中国铁路总公司 | 高速铁路信号系统车载设备故障诊断方法 |
CN107437116A (zh) * | 2017-08-02 | 2017-12-05 | 中国航空工业集团公司西安飞机设计研究所 | 一种面向使用和维修任务的装备保障性分析方法 |
CN108356827A (zh) * | 2018-05-10 | 2018-08-03 | 北京航空航天大学 | 一种基于软件故障注入的机器人可靠性的测试方法 |
CN108536878A (zh) * | 2017-03-01 | 2018-09-14 | 北京电子工程总体研究所 | 一种基于扩展式fmeca的rms一体化分析方法 |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
-
2021
- 2021-03-24 CN CN202110330440.3A patent/CN113379179A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106508031B (zh) * | 2011-09-09 | 2014-04-02 | 北京京航计算通讯研究所 | 一种基于fmeca的fpga安全性需求分析方法 |
CN103186708A (zh) * | 2011-12-31 | 2013-07-03 | 电子科技大学 | 一种采用两个rpn数的故障模式影响及危害性分析方法 |
CN104777827A (zh) * | 2015-01-21 | 2015-07-15 | 中国铁路总公司 | 高速铁路信号系统车载设备故障诊断方法 |
CN108536878A (zh) * | 2017-03-01 | 2018-09-14 | 北京电子工程总体研究所 | 一种基于扩展式fmeca的rms一体化分析方法 |
CN107437116A (zh) * | 2017-08-02 | 2017-12-05 | 中国航空工业集团公司西安飞机设计研究所 | 一种面向使用和维修任务的装备保障性分析方法 |
CN108356827A (zh) * | 2018-05-10 | 2018-08-03 | 北京航空航天大学 | 一种基于软件故障注入的机器人可靠性的测试方法 |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
Non-Patent Citations (3)
Title |
---|
贾宝惠 等: ""基于DEA模型的LSA故障模式评价指标优化研究"", 《中国民航大学学报》, vol. 33, no. 5, pages 25 - 28 * |
赵千惠 等: ""民用直升机维修保障相关故障模式及影响分析研究"", 《机电信息》, 25 March 2020 (2020-03-25), pages 108 - 109 * |
赵千惠 等: ""民用直升机维修保障相关故障模式及影响分析研究"", 《机电信息》, no. 9, pages 108 - 109 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Herzig et al. | Empirically detecting false test alarms using association rules | |
Lee et al. | Reducing mold changing time by implementing Lean Six Sigma | |
CN111209131A (zh) | 一种基于机器学习确定异构系统的故障的方法和系统 | |
Ten Wolde et al. | Optimizing inspection intervals—Reliability and availability in terms of a cost model: A case study on railway carriers | |
KR101073092B1 (ko) | 설비 고장 정비 시스템 및 설비 고장 정비 방법 | |
CN100530016C (zh) | 基于因果网络模型的机电系统安全分析装置及方法 | |
US20100070237A1 (en) | Statistical analysis for maintenance optimization | |
CN102360335B (zh) | 定量评估核电厂安全级dcs系统应用软件缺陷价值的方法 | |
CN102530027B (zh) | 高速铁路风险分析控制方法及系统 | |
CN104731664A (zh) | 用于故障处理的方法和装置 | |
CN112036704B (zh) | 电力设备故障管理系统 | |
CN111539493A (zh) | 一种告警预测方法、装置、电子设备及存储介质 | |
JP2015164005A (ja) | 監視装置、監視方法及びプログラム | |
Mortada et al. | Rogue components: their effect and control using logical analysis of data | |
CN102663542A (zh) | 一种基于逻辑决断的故障模式消减闭合方法 | |
CN111598467A (zh) | 一种对集输联合站以及关键设备的可靠性评价方法及系统 | |
Shen et al. | System failure analysis based on DEMATEL-ISM and FMECA | |
CN108122061A (zh) | 基于危险指标索引矩阵的航空装备软件重要度分级方法 | |
Li et al. | Application and improvement study on FMEA in the process of military equipment maintenance | |
CN113379179A (zh) | 基于后勤保障的采煤机故障模式影响及危害性分析方法 | |
Samhouri | An intelligent opportunistic maintenance (OM) system: a genetic algorithm approach | |
CN107347086B (zh) | 一种基于备件身份标识的自检系统 | |
Haase et al. | Assessment of reliability implementation in manufacturing enterprises | |
Barraza-Barraza et al. | Opportunities and challenges in Condition-Based Maintenance research | |
CN207851599U (zh) | 一种光伏组件生产监控系统 |
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 |