CN113408969B - 一种分布式系统的维修方案生成方法及系统 - Google Patents

Abstract

本发明涉及一种分布式系统的维修方案生成方法及系统，包括：获取维修事件信号；分析当前事件的属性；生成退化/故障事件的保留情况；分析是否有累积维修事件；分析后续是否有定时维修事件的计划；分析维修事件的数量；生成维修方案。上述方法和系统在充分考虑分布式系统的结构特点和维修管理要求的基础上，分析分布式系统可能有的维修事件，有助于针对性地提高分布式系统的维修管理水平；将生成维修方案的过程流程化，有助于全面考虑维修决策中的所有因素，使得维修决策结果更科学合理；在获取维修信号、判断维修事件是否保留和是否有积累维修事件时，充分利用了健康状态的信息，有助于提高分布式系统的预知维修水平。

Description

一种分布式系统的维修方案生成方法及系统

技术领域

本发明涉及分布式维修系统管理领域，特别是涉及一种分布式系统的维修方案生成方法及系统。

背景技术

分布式系统是一种由多个具有独立功能的子系统组成的任务系统，可分为执行任务系统和支援辅助系统。其中，执行任务系统包括任务系统、执行系统、控制系统、通信系统、供电系统，支援辅助系统包括运输系统、维护测试系统、系统标定系统、训练系统。分布式系统具有“分散部署-协同工作”的结构特点，因此需要更多的技术支撑，如高精度组网技术、统一的控制方式、先进的任务规划技术等。由于分布式系统的要素复杂，精度要求极高，结构特殊，因此其维修的难度更高，对维修管理的要求也更高。

一方面，分布式系统组成复杂，不同任务系统的维修管理要求不同。整体上，由于分布式系统具有多个任务系统和执行系统，因此若其中某个任务系统或执行系统发生故障或退化，系统仍可以降级使用完成任务。但是，对于分布式系统中没有冗余的子系统，如指挥中心、控制系统、通信系统、供电系统等，则需对其中的关键组成或关键设备做好维修资源储备工作，并对操作人员进行关键设备的维修技术培训，从而保障分布式系统的完好运行。

另一方面，由于分布式系统执行任务时具有分散部署、工作空间大的特点，所以分布式系统维修管理很大程度上受到了地域空间的限制。因此，在维修管理中需要重点考虑通信链路中断这一故障引发的问题。在不同状态下，由于通信链路中断引发的维修管理要求不同。若分布式系统在检查训练、行军状态发生通信链路中断，在不影响系统当前或下一任务执行的前提下，可通过保留当前状态等待下一次预防性维修时间成组维修；若影响当前任务，在有维修资源和维修技术能力等的前提下可通过故障定位、设备分解、拆卸、更换或修复对设备进行修复性维修活动；若影响当前任务，但没有维修资源和维修技术能力等，则保持当前状态直至返回营地维修。但在作战状态下，通信链路中断将直接影响分布式系统能否准确完成作战任务，为了保障通信保证完成任务则需抢修，在有维修资源和维修技术能力等的前提下可通过故障定位、设备分解、拆卸、更换或修复对设备进行修复性维修活动，若没有维修资源和维修技术能力则需通过连接有线链路等方式保障通讯。

基于“分散部署-协同工作”的结构特点，分布式系统对于降级使用和通信链路都有较为严苛的维修管理要求，需要有针对性的维修技术支持。但是目前，针对如何生成分布式系统的维修方案还缺乏研究。因此，一套科学合理的维修方案生成方法和系统对提高分布式系统的维修管理水平、提高分布式系统在全寿命周期内的可靠性有着重要意义。

发明内容

本发明的目的是提供一种分布式系统的维修方案生成方法及系统，分析分布式系统可能有的维修事件，在考虑分布式系统的维修决策影响因素的基础上，依次确定维修事件的属性、维修事件的保留情况、是否有积累维修事件、是否有定时维修计划、维修事件的数量、维修事件的类型（单事件、多事件）和可能的事件组成，根据事件类型得到不同的方法途径，从而生成维修方案。

为实现上述目的，本发明提供了如下方案：

一种分布式系统的维修方案生成方法，所述方法包括：

S1：获取维修事件信号；所述维修事件信号包括：基础信息、控制信息以及决策信息；所述基础信息包括：基础数据、任务数据、监测数据以及检测数据；所述控制信息包括：维修费用、维修能力、安全要求以及标准规范；所述决策信息包括：故障诊断、资源配置、决策模型、待维修项目以及定时维修计划；

S2：按照维修对象的不同健康状况程度，分析当前事件的属性；所述事件的属性包括：定时事件、故障事件以及退化事件；

S3：若所述当前事件的属性为定时事件，则计入步骤S1中的定时维修计划；

S4：构建健康度阈值表；

S5：基于所述健康度阈值表确定退化/故障事件是否可保留；

S6：若为可保留事件，则计入所述决策信息中的待维修项目；

S7：若为不可保留事件，则计入维修事件；

S8：查找所有可保留事件和不可保留事件中是否存在待维修事件；

S9：若存在，则计入维修事件；

S9：分析后续是否有定时维修事件的计划；

S10：若有，则计入维修事件；

S11：分析所有维修事件的数量；

S12：基于所述维修事件的数量和属性生成维修方案。

可选的，所述按照维修对象的不同健康状况程度，分析当前事件的属性具体包括：

若事件为计划事件，则事件属性为定时事件，若事件为突发事件，则事件属性为故障事件或退化事件。

可选的，基于所述健康度阈值表确定退化/故障事件是否可保留具体包括：

当退化/故障事件导致产品健康度低于期望维修限的情况时，则为不可保留事件，否则为可保留事件。

可选的，所述分析所有维修事件的数量具体包括：

若维修事件数量为1，则确定为单维修事件；

若维修事件数量大于1，则确定为多维修事件。

可选的，基于所述维修事件的数量和属性生成维修方案具体包括：

对于单维修事件，直接查找步骤S1中获取的所述决策模型，匹配合适的维修模型，生成维修方案；

对于多维修事件，首先确定维修事件之间是否存在相关性；

若故障事件间存在相似的维修工步或故障设备之间存在相似功能，则认为存在相关性，对于存在相关性的维修事件，进行成组维修，查找决策模型并匹配，生成共同的维修方案；

对于不存在相关性的维修事件，则不进行成组维修，依次查找所述决策模型并匹配，生成各自的维修方案。

本发明另外提供一种分布式系统的维修方案生成系统，所述系统包括：

维修事件信号获取模块，用于获取维修事件信号；所述维修事件信号包括：基础信息、控制信息以及决策信息；所述基础信息包括：基础数据、任务数据、监测数据以及检测数据；所述控制信息包括：维修费用、维修能力、安全要求以及标准规范；所述决策信息包括：故障诊断、资源配置、决策模型、待维修项目以及定时维修计划；

事件属性分析模块，用于按照维修对象的不同健康状况程度，分析当前事件的属性；所述事件的属性包括：定时事件、故障事件以及退化事件；

若所述当前事件的属性为定时事件，则计入维修事件信号获取模块中的定时维修计划；

健康度阈值表分析模块，用于构建健康度阈值表；

第一判断模块，用于基于所述健康度阈值表确定退化/故障事件是否可保留；

若为可保留事件，则计入所述决策信息中的待维修项目；

若为不可保留事件，则计入维修事件；

查找模块，用于查找所有可保留事件和不可保留事件中是否存在待维修事件；

若存在，则计入维修事件；

第一分析模块，用于分析后续是否有定时维修事件的计划；

若有，则计入维修事件；

第二分析模块，用于分析所有维修事件的数量；

维修方案生成模块，用于基于所述维修事件的数量和属性生成维修方案。

可选的，所述事件属性分析模块具体包括：

若事件为计划事件，则事件属性为定时事件，若事件为突发事件，则事件属性为故障事件或退化事件。

可选的，所述第一判断模块具体包括：

当退化/故障事件导致产品健康度低于期望维修限的情况时，则为不可保留事件，否则为可保留事件。

可选的，所述第二分析模块具体包括：

若维修事件数量为1，则确定为单维修事件；

若维修事件数量大于1，则确定为多维修事件。

可选的，所述维修方案生成模块具体包括：

对于单维修事件，直接查找所述维修事件信号获取模块中获取的所述决策模型，匹配合适的维修模型，生成维修方案；

对于多维修事件，首先确定维修事件之间是否存在相关性；

若故障事件间存在相似的维修工步或故障设备之间存在相似功能，则认为存在相关性，对于存在相关性的维修事件，进行成组维修，查找决策模型并匹配，生成共同的维修方案；

对于不存在相关性的维修事件，则不进行成组维修，依次查找所述决策模型并匹配，生成各自的维修方案。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明中的上述方法和系统在充分考虑分布式系统的结构特点和维修管理要求的基础上，分析分布式系统可能有的维修事件，有助于针对性地提高分布式系统的维修管理水平；

将生成维修方案的过程流程化，有助于全面考虑维修决策中的所有因素，使得维修决策结果更科学合理；

在获取维修信号、判断维修事件是否保留和是否有积累维修事件时，充分利用了健康状态的信息，有助于提高分布式系统的预知维修水平。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种分布式系统的维修方案生成方法流程图；

图2为本发明实施例事件属性与工作状态的逻辑关系示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，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做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。

本发明的目的是提供一种分布式系统的维修方案生成方法及系统，分析分布式系统可能有的维修事件，在考虑分布式系统的维修决策影响因素的基础上，依次确定维修事件的属性、维修事件的保留情况、是否有积累维修事件、是否有定时维修计划、维修事件的数量、维修事件的类型（单事件、多事件）和可能的事件组成，根据事件类型得到不同的方法途径，从而生成维修方案

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例一种分布式系统的维修方案生成方法流程图，如图1所示，所述方法包括：

S1：获取维修事件信号；所述维修事件信号包括：基础信息、控制信息以及决策信息；所述基础信息包括：基础数据、任务数据、监测数据以及检测数据；所述控制信息包括：维修费用、维修能力、安全要求以及标准规范；所述决策信息包括：故障诊断、资源配置、决策模型、待维修项目以及定时维修计划；

其中，基础数据包括：系统/子系统资料（结构功能等）、运行参数、人员技术资料（人员的组织架构、使用资料等）、标准数据；

任务数据包括：任务要求、任务开始/结束时间；

监测数据包括：实时采集的系统数据；

检测数据包括：根据维修任务的管理诊断通过某种手段获取的有效数据，即分布式系统的日检、月检、年检等。

其中，控制信息，即维修活动受到的限制和约束，主要包括：

维修费用：间接维修费用、直接维修费用；

维修能力：现有维修技术、维修设备、维修人员的状态；

安全要求：维修人员安全保证、系统设备安全保护；

标准规范：标准、规程等。

其中，决策信息主要包括：

故障诊断：系统故障诊断的评判结果；

资源配置：可对资源进行重组再分配；

决策模型：以时间为目标的维修决策模型、以费用为目标的维修决策模型、以可用度为目标的维修决策模型、多目标维修决策模型；

待维修项目：系统之前保留的维修项目；

定时维修计划：系统之前确定的定时维修计划。

S2：按照维修对象的不同健康状况程度，分析当前事件的属性；所述事件的属性包括：定时事件、故障事件以及退化事件；

按照维修对象的不同健康状况程度，分析当前事件的属性，主要分为三种。

对于系统由于技术要求或管理制度规定，存在预先规定的计划维修要求的事件，则定义为定时事件，计入步骤一获取的维修事件信号中的“定时维修计划”；

对于分布式系统/子系统出现故障情况，存在事后维修要求的事件，则定义为故障事件；

对于系统出现性能劣化情况，即系统性能参数低于规定健康值时，存在预测性维修要求的事件，则定义为退化事件。

S3：若所述当前事件的属性为定时事件，则计入步骤S1中的定时维修计划。

S4：构建健康度阈值表。

S5：基于所述健康度阈值表确定退化/故障事件是否可保留。

S6：若为可保留事件，则计入所述决策信息中的待维修项目。

S7：若为不可保留事件，则计入维修事件。

S8：查找所有可保留事件和不可保留事件中是否存在待维修事件。

S9：若存在，则计入维修事件。

对于可以保留的故障事件，随着故障后保留时间的增长会使维修过程更加困难，从而产生额外的维修费用、维修资源，并可能使维修时间增加。因此，需要提前通过历史数据统计得出产品状态与健康度的对应值，构建健康度阈值判断表，如表1。

表1 健康度阈值判断表

构建方法如下：

产品健康度反映产品的健康状态，取值范围为[0,1]。当产品状态满足所有规定能力要求（如功能完好性、环境适应性与时间持续性要求）时，健康度为1，说明产品处于完全健康状态；当产品状态达不到所有的规定能力要求时，则健康度为0，表示产品处于完全故障状态；而当健康度处于(0,1)之间时，产品可以根据不同范围的健康度阈值划分为危险、亚健康等（表1以一共分为4个等级为示例）。

因此，产品健康度其实是反映某一时刻的产品状态与完全健康状态的偏差，由可以反映产品状态的参数（如设备的温度、压力、流量等）在该时刻的参数数据和完全健康状态下的参数数据求出。

假设有产品有n个维度的参数可以反映产品的状态，在t时刻，这些参数数据为

，则t时刻下的产品状态与完全健康状态的偏差程度的度量值

可以表示为

其中，

表示t时刻的n个维度的参数数据；

表示完全健康状态下的n个维度的参数数据；

为健康偏差程度的度量函数；

因此，根据产品历史状态的参数数据，即可求得产品在某一历史状态下的健康度，得到产品状态与健康度的对应关系。

由于某些产品允许降级使用或即使出现性能退化也不影响系统实现规定功能，因此，根据历史数据，确定产品在必须维修时对应的健康度，从而确定产品的期望维修限。

然后，根据健康度阈值判断表，确定退化/故障事件是否可以保留。对于该退化/故障事件导致产品健康度低于期望维修限的情况，则必须立即维修，定义为不可保留事件；反之，则可以不立即维修，定义为可保留事件。

对于当前的不可保留事件，则需要计入步骤五的维修事件，进行分析；对于当前的可保留事件，则计入步骤一获取的维修事件信号中的“待维修事件项目”中，但不在当前进行分析。

S9：分析后续是否有定时维修事件的计划。

S10：若有，则计入维修事件。

故障事件和退化事件是动态事件，是无法预计的，但是定时事件是静态事件，是预先计划好的。因此，两者结合的结果要么打乱定时维修的计划性，要么需要将部件的故障状态保留一定的时间。但是如果将故障/退化同临近的定时事件组合，形成系统维修方案，则可以有效地降低维修费用。

因此，根据步骤S1获取的维修事件信号中的“定时事件计划”，及步骤S2可能确定的定时事件，确定后续是否有定时维修事件的计划。对于后续有定时维修的计划的情况，则将该定时维修也计入步骤五的维修事件，反之则不计入。无论后续是否有定时维修事件的计划，均进行下一步分析。

S11：分析所有维修事件的数量。

分析维修事件的数量，对于维修事件数量为“1”的情况，则确定为单维修事件；对于维修事件数量大于“1”的情况，则确定为多维修事件。

由于不同的事件对分布式系统工作状态的影响不同，定时事件、退化事件和故障事件相对应的子系统不影响使用时，不会导致停机；定时事件、退化事件和非关键故障影响使用时，可导致延误性停机；而发生关键故障时，会影响使用，导致停机。事件属性与工作状态的逻辑关系如图2。

因此，对于多维修事件，还需进一步确定为哪几种维修事件的组合。

S12：基于所述维修事件的数量和属性生成维修方案。

决策模型根据决策目标分为四类。决策目标包括可靠性目标、维修性目标、可用性目标、经济性目标、技术性目标等。由于不同的维修决策目标对优化结果产生的影响差别较大，因此分布式系统重点关注维修性目标、经济性目标和可用性目标。

其中，维修性目标最直接关注的是维修导致的停机时间，包括系统后勤供应时间、系统修复时间和测试时间和实际维修中的初始延误时间。由于分布式系统对维修停机时间有严格的要求，因此维修决策需要满足快修的目标。

经济性目标主要关注直接维修费用，故障损失费用和停机损失费用。由于实际维修费用与分布式系统的实时状态有关，故不能简单通过费用多少来判断是否达到经济性目标。因此，定义维修费用率来计算决策期望费用和期望时间的比值，从而衡量维修的经济性。

可用性目标用可用度来度量，反映分布式系统在一段时间内正常工作的时间与整个时间之比。

根据上一步骤判断的事件数量，选择不同的决策模型，生成维修方案。

对于单维修事件，则直接查找步骤S1获取的维修事件信号——“决策模型”，匹配合适的维修模型，生成维修方案。

对于多维修事件，则首先确定维修事件之间是否存在相关性。具体包括：故障事件间存在相似的维修工步或故障设备之间存在相似功能。对于存在相关性的维修事件，则进行成组维修，查找“决策模型”并匹配，生成共同的维修方案；

对于不存在相关性的维修事件，则不进行成组维修，依次查找“决策模型”并匹配，生成各自的维修方案。

本发明另外提供一种分布式系统的维修方案生成系统，其特征在于，所述系统包括：

维修事件信号获取模块，用于获取维修事件信号；所述维修事件信号包括：基础信息、控制信息以及决策信息；所述基础信息包括：基础数据、任务数据、监测数据以及检测数据；所述控制信息包括：维修费用、维修能力、安全要求以及标准规范；所述决策信息包括：故障诊断、资源配置、决策模型、待维修项目以及定时维修计划；

事件属性分析模块，用于按照维修对象的不同健康状况程度，分析当前事件的属性；所述事件的属性包括：定时事件、故障事件以及退化事件；

若所述当前事件的属性为定时事件，则计入维修事件信号获取模块中的定时维修计划；

健康度阈值表分析模块，用于构建健康度阈值表；

第一判断模块，用于基于所述健康度阈值表确定退化/故障事件是否可保留；

若为可保留事件，则计入所述决策信息中的待维修项目；

若为不可保留事件，则计入维修事件；

查找模块，用于查找所有可保留事件和不可保留事件中是否存在待维修事件；

若存在，则计入维修事件；

第一分析模块，用于分析后续是否有定时维修事件的计划；

若有，则计入维修事件；

第二分析模块，用于分析所有维修事件的数量；

维修方案生成模块，用于基于所述维修事件的数量和属性生成维修方案。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种分布式系统的维修方案生成方法，其特征在于，所述方法包括：

S1：获取维修事件信号；所述维修事件信号包括：基础信息、控制信息以及决策信息；所述基础信息包括：基础数据、任务数据、监测数据以及检测数据；所述控制信息包括：维修费用、维修能力、安全要求以及标准规范；所述决策信息包括：故障诊断、资源配置、决策模型、待维修项目以及定时维修计划；

S2：按照维修对象的不同健康状况程度，分析当前事件的属性；所述事件的属性包括：定时事件、故障事件以及退化事件；

S3：若所述当前事件的属性为定时事件，则计入步骤S1中的定时维修计划；

S4：构建健康度阈值表；

S5：基于所述健康度阈值表确定退化/故障事件是否可保留，具体包括：当退化/故障事件导致产品健康度低于期望维修限的情况时，则为不可保留事件，否则为可保留事件；

S6：若为可保留事件，则计入所述决策信息中的待维修项目；

S7：若为不可保留事件，则计入维修事件；

S8：查找所有可保留事件和不可保留事件中是否存在待维修事件；

S9：若存在，则计入维修事件；

S9：分析后续是否有定时维修事件的计划；

S10：若有，则计入维修事件；

S11：分析所有维修事件的数量；

S12：基于所述维修事件的数量和属性生成维修方案。

2.根据权利要求1所述的分布式系统的维修方案生成方法，其特征在于，所述按照维修对象的不同健康状况程度，分析当前事件的属性具体包括：

若事件为计划事件，则事件属性为定时事件，若事件为突发事件，则事件属性为故障事件或退化事件。

3.根据权利要求1所述的分布式系统的维修方案生成方法，其特征在于，所述分析所有维修事件的数量具体包括：

若维修事件数量为1，则确定为单维修事件；

若维修事件数量大于1，则确定为多维修事件。

4.根据权利要求3所述的分布式系统的维修方案生成方法，其特征在于，基于所述维修事件的数量和属性生成维修方案具体包括：

对于单维修事件，直接查找步骤S1中获取的所述决策模型，匹配合适的维修模型，生成维修方案；

对于多维修事件，首先确定维修事件之间是否存在相关性；

若故障事件间存在相似的维修工步或故障设备之间存在相似功能，则认为存在相关性，对于存在相关性的维修事件，进行成组维修，查找决策模型并匹配，生成共同的维修方案；

对于不存在相关性的维修事件，则不进行成组维修，依次查找所述决策模型并匹配，生成各自的维修方案。

5.一种分布式系统的维修方案生成系统，其特征在于，所述系统包括：

维修事件信号获取模块，用于获取维修事件信号；所述维修事件信号包括：基础信息、控制信息以及决策信息；所述基础信息包括：基础数据、任务数据、监测数据以及检测数据；所述控制信息包括：维修费用、维修能力、安全要求以及标准规范；所述决策信息包括：故障诊断、资源配置、决策模型、待维修项目以及定时维修计划；

事件属性分析模块，用于按照维修对象的不同健康状况程度，分析当前事件的属性；所述事件的属性包括：定时事件、故障事件以及退化事件；

若所述当前事件的属性为定时事件，则计入维修事件信号获取模块中的定时维修计划；

健康度阈值表分析模块，用于构建健康度阈值表；

第一判断模块，用于基于所述健康度阈值表确定退化/故障事件是否可保留，具体包括：当退化/故障事件导致产品健康度低于期望维修限的情况时，则为不可保留事件，否则为可保留事件；

若为可保留事件，则计入所述决策信息中的待维修项目；

若为不可保留事件，则计入维修事件；

查找模块，用于查找所有可保留事件和不可保留事件中是否存在待维修事件；

若存在，则计入维修事件；

第一分析模块，用于分析后续是否有定时维修事件的计划；

若有，则计入维修事件；

第二分析模块，用于分析所有维修事件的数量；

维修方案生成模块，用于基于所述维修事件的数量和属性生成维修方案。

6.根据权利要求5所述的分布式系统的维修方案生成系统，其特征在于，所述事件属性分析模块具体包括：

若事件为计划事件，则事件属性为定时事件，若事件为突发事件，则事件属性为故障事件或退化事件。

7.根据权利要求5所述的分布式系统的维修方案生成系统，其特征在于，所述第二分析模块具体包括：

若维修事件数量为1，则确定为单维修事件；

若维修事件数量大于1，则确定为多维修事件。

8.根据权利要求7所述的分布式系统的维修方案生成系统，其特征在于，所述维修方案生成模块具体包括：

对于单维修事件，直接查找所述维修事件信号获取模块中获取的所述决策模型，匹配合适的维修模型，生成维修方案；

对于多维修事件，首先确定维修事件之间是否存在相关性；

若故障事件间存在相似的维修工步或故障设备之间存在相似功能，则认为存在相关性，对于存在相关性的维修事件，进行成组维修，查找决策模型并匹配，生成共同的维修方案；

对于不存在相关性的维修事件，则不进行成组维修，依次查找所述决策模型并匹配，生成各自的维修方案。

Images