CN113822459A - 计划装置、计划方法以及程序 - Google Patents
计划装置、计划方法以及程序 Download PDFInfo
- Publication number
- CN113822459A CN113822459A CN202110554997.5A CN202110554997A CN113822459A CN 113822459 A CN113822459 A CN 113822459A CN 202110554997 A CN202110554997 A CN 202110554997A CN 113822459 A CN113822459 A CN 113822459A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- maintenance
- plan
- emphasis
- evaluation index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 163
- 238000011156 evaluation Methods 0.000 claims abstract description 110
- 230000008859 change Effects 0.000 claims abstract description 34
- 238000013178 mathematical model Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims description 51
- 238000003860 storage Methods 0.000 claims description 25
- 239000012530 fluid Substances 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 14
- 230000035945 sensitivity Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 39
- 238000007726 management method Methods 0.000 description 37
- 238000012502 risk assessment Methods 0.000 description 29
- 238000011058 failure modes and effects analysis Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 238000013179 statistical model Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 230000007797 corrosion Effects 0.000 description 9
- 238000005260 corrosion Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000003449 preventive effect Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- OITYTGLRWMEVSQ-XDBMOVBSSA-N C([C@@]12C)CC(=O)C=C1[C@@H](C)C[C@@H]1[C@]2(F)CC[C@]2(C)[C@@](OC(C)=O)(C(C)=O)CC[C@H]21 Chemical compound C([C@@]12C)CC(=O)C=C1[C@@H](C)C[C@@H]1[C@]2(F)CC[C@]2(C)[C@@](OC(C)=O)(C(C)=O)CC[C@H]21 OITYTGLRWMEVSQ-XDBMOVBSSA-N 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229960005543 fluoromedroxyprogesterone acetate Drugs 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/22—Yield analysis or yield optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种计划装置、计划方法以及程序。针对由运转计划或保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统,以最优化的方式高效地生成计划。重点确定部基于模拟构成对象系统的多个子系统的举动的数理模型确定重点子系统,在多个子系统之中,确定对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统。计划生成部针对重点子系统,以使评价指标最优化的方式,生成运转计划和保养计划的至少一方。
Description
技术领域
本申请涉及到计划装置、计划方法以及程序。
背景技术
在专利文献1中,公开了针对工厂设备等具有许多子系统的复杂的系统,提取成为工厂设备的整体的生产损失的原因的部位的技术。
现有技术文献
专利文献
专利文献1:美国专利申请公开第2019/0121334号说明书
发明内容
发明所要解决的问题
然而,对象系统的运转和保养处于互相折衷的关系,难以进行双方的最优化。专利文献1所公开的技术通过对象系统的传感器数据和该系统的数字模型的比较,提取成为生产损失的原因的子系统。然而,根据子系统的不同,有时即使重点进行保养也无助于其生产率的提高。例如,即使对无论保养的条件如何故障发生的频率都不变的子系统研究保养计划,也难以提高生产率。
本公开的目的在于提供一种计划装置、计划方法以及程序,其针对由运转计划或保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统能以最优化的方式高效地生成计划。
技术方案
根据本发明的第一方案,计划装置具备:重点确定部,基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统;以及计划生成部,针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方。
根据本发明的第二方案,计划方法具备:基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统的步骤;以及针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方的步骤。
根据本发明的第三方案,程序使计算机执行:基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统的步骤;以及针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方的步骤。
发明效果
根据上述方案之中至少一个方案,对于由运转计划或保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统能以最优化的方式高效地生成计划。
附图说明
图1是表示第一实施方式的管理装置的构成的概略框图。
图2是表示第一实施方式的计划的生成方法的流程图。
图3是表示第一实施方式中的对象系统的故障概率的时序的推测结果的例子的图。
图4是表示第一实施方式的事前维护成本和事后维护成本的关系的示例的图。
图5是表示第一实施方式的运转范围的输出的例子的第一图。
图6是表示第一实施方式的运转范围的输出的例子的第二图。
图7是表示按每个运转计划的破损概率的比较信息的图。
图8是表示第一实施方式的重点子系统的状态的图的一个例子。
图9是表示扼流阀的开度和配管的腐蚀率的关系的图表数据的例子。
图10是基于配管厚度的寿命预测数据的例子。
图11是表示管理装置的功能的概略框图。
图12是表示FMEA模块的输入输出关系的图。
图13是表示故障评价模块的输入输出关系的图。
图14是表示保养评价模块的输入输出关系的图。
图15是表示RAM分析模块的输入输出关系的图。
图16是表示设备风险评价模块的输入输出关系的图。
图17是表示至少一个实施方式的计算机的构成的概略框图。
附图标记说明
1 管理装置
11 存储部
12 故障评价部
13 保养评价部
14 RAM分析部
15 输入部
16 风险分析部
17 状态监视部
18 输出部
具体实施方式
<第一实施方式>
《管理装置1的构成》
以下,参照附图对实施方式进行详细的说明。
图1是表示第一实施方式的管理装置1的构成的概略框图。
第一实施方式的管理装置1生成包括多个子系统的对象系统的运转计划和保养计划。管理装置1是计划装置的一个例子。作为对象系统的例子,可举出发电设备、石油生产设备等工业设备。
管理装置1具备存储部11、故障评价部12、保养评价部13、RAM分析部14(RAM:Reliability(可靠性),Availability(可用性),and Maintainability(以及可维护性))、输入部15、风险分析部16、状态监视部17以及输出部18。
存储部11存储由在对象系统的设计时实施的FMEA(失效模式和影响分析(FailureMode and Effect Analysis))而求出的有关对象系统的故障风险的数据。具体而言,存储部11存储故障模式列表、可靠性框图、故障率数据库以及子系统的数理模型。
故障模式列表是将对象系统具备的有可能故障的子系统、该子系统的故障模式以及因该故障模式造成的影响(危险优先指数)建立关联的列表。
可靠性框图是表示子系统彼此的故障的联系的数据。可靠性框图也可以不是图像数据,只要是能由计算机确定子系统彼此的关系的数据即可。用可靠性框图表示的各子系统以维护(Maintenance)管理单位进行划分。
故障率数据库是储存关于各子系统的故障率的数据的数据库。故障率数据库储存的数据不限于通过FMEA得到的数据,也可以是从公开可靠性数据库、独立准备的私人数据库、将公开数据和私人数据加权结合的数据库等得到的数据。
子系统的数理模型是用于模拟关于子系统的故障的举动的模型。数理模型例如通过根据故障率数据库的数据生成的统计模型(数据驱动模型(data-driven model))、物理模型或两者的混合模型来实现。需要说明的是,一般在物理模型的构筑中,需要子系统的详细的设计信息,与统计模型相比需要劳动力。因此,在管理装置1的初始状态中,存储部11也可以仅储存统计模型作为数理模型。
故障评价部12基于存储部11存储的数理模型对各子系统的故障进行评价。具体而言,故障评价部12基于存储部11存储的数理模型,计算出各子系统的统计故障率(statistical failure rate)。故障评价部12通过模拟来对各子系统确定用于将故障的风险抑制为规定的阈值以下的标准运转范围(Standard Operation Window),以及在超过的情况下立即发生故障的临界运转范围(Critical Operation Window)。例如,故障评价部12使用统计模型,通过蒙特-卡罗模拟来模拟子系统的故障,由此,计算出统计故障率以及标准运转范围和临界运转范围。此外故障评价部12基于运转计划和保养计划,以及存储部11所存储的数理模型,求出故障概率(probability of failure)的时序。
保养评价部13以使成本或保养所需时间为最小的方式生成保养条件。保养条件包括各子系统的按故障模式分类的事后维护的条件以及各子系统的事前维护的条件。例如,保养评价部13使用基于具有与对象系统类似的子系统的其他系统的保养实际效果数据的统计模型,根据对象的子系统的种类、统计故障率、劳动力以及重型设备的使用等单位成本来决定对象的子系统的保养所花费的时间以及劳动力。此外,保养评价部13基于子系统的保养条件、劳动力以及重型设备的使用等单位成本,计算出保养所花费的时间和成本。
RAM分析部14基于存储部11存储的可靠性框图、故障评价部12计算出的各子系统的统计故障率、保养评价部13计算出的保养所花费的时间和成本以及保养调度,计算出各子系统的可靠性、可用性以及收益性。RAM分析部14例如通过蒙特-卡罗模拟计算出各子系统的可靠性、可用性以及影响度。影响度通过金额等定量地表示用于因子系统的故障产生的保养成本、伴随系统的运转的停止的损失、人员损害、环境损害、丧失信用、未达到保证运转率的补偿等。RAM分析部14将可靠性、可用性以及影响度相对于运转条件和保养条件的变化而发生的变化大的子系统确定为重点子系统。
输入部15接收由RAM分析部14确定的重点子系统的物理模型的输入。输入的物理模型记录于存储部11。
风险分析部16通过由RAM分析部14确定的重点子系统的基于物理模型的模拟,对该重点子系统确定从系统的运转利润减去保养成本和故障的影响后的金额最多的适当运转范围(Optimal Operation Window)。适当运转范围包含于标准运转范围。
风险分析部16生成从系统的运转利润减去保养成本和故障的影响后的金额最多的运转计划。风险分析部16在运转计划的搜索中,为了降低计算量,将重点子系统的运转范围限定于适当运转范围内而搜索。风险分析部16基于生成的运转计划,以降低保养成本或故障概率的方式来决定保养调度。
状态监视部17基于风险分析部16生成的运转计划和保养计划以及设于现实的系统的传感器的计测值来评价重点子系统的状态。例如,状态监视部17预测重点子系统中的劣化的发展程度、距故障发生的剩余时间等。
输出部18将风险分析部16决定的运转计划和保养计划、适当运转范围、标准运转范围以及临界运转范围以及状态监视部17的状态评价输出到显示器等。
《管理装置1的动作》
接着,对使用管理装置1生成对象系统的运转计划和保养计划的方法进行说明。图2是表示第一实施方式的计划的生成方法的流程图。
将通过在对象系统的设计时实施的FMEA得到的故障模式列表、可靠性框图以及故障率数据库预先存储于存储部11。此外,基于存储于存储部11的故障率数据库,管理者生成可能发生故障的各子系统的统计模型,记录于存储部11。统计模型的生成也可以是管理装置1基于故障率数据库自动生成。
当管理装置1开始计划的生成处理时,故障评价部12基于存储部11存储的统计模型,计算出各子系统的统计故障率以及标准运转范围和临界运转范围(步骤S1)。
接着,保养评价部13以使成本或保养所需的时间为最小的方式,生成存储部11存储的各子系统的按故障模式分类的事后维护的保养条件和各子系统的事前维护的保养条件(步骤S2)。保养评价部13可以通过变更预先设定的初始保养条件来生成适当的保养条件,也可以生成新的保养条件。保养评价部13对生成的各保养条件确定需要的成本和时间(步骤S3)。
RAM分析部14基于在步骤S3中计算出的保养所花费的时间和成本以及存储部11存储的统计模型,计算出因各子系统的故障造成的影响度的大小(步骤S4)。此外,RAM分析部14基于存储部11存储的可靠性框图,以及在步骤S1中计算出的各子系统的统计故障率和在步骤S4计算出的因故障造成的影响度,计算出在某运转期间的各子系统的故障风险作为重要度(步骤S5)。需要说明的是,将影响度与故障概率相乘,表示风险的大小,相当于第一实施方式中的评价指标。RAM分析部14将在步骤S5中计算出的重要度大于规定的阈值的子系统确定为重点子系统(步骤S6)。需要说明的是,在另一实施方式中,RAM分析部14也可以将重要度大的上层规定数量的子系统确定为重点子系统。RAM分析部14使确定的重点子系统的识别信息(产品编号、名称、设置部位等)显示于显示器等(步骤S7)。由此,管理者能识别物理模型的制作所需要的重点子系统。
管理者对于在步骤S7所显示的重点子系统,特别是对于由保养、运转条件的差异引起故障概率可能变动的子系统,生成模拟故障的物理模型。这时,优选的是,管理者对一个重点子系统生成模拟不同的物理现象的多个模拟模型。例如,在重点子系统是输送包括固体物质的流体的配管的情况下,能生成基于流体解析的模拟模型和模拟磨耗的模拟模型。
输入部15从管理者接收重点子系统的物理模型的输入(步骤S8)。输入部15将物理模型和重点子系统的识别信息建立关联地记录于存储部11(步骤S9)。
风险分析部16使用存储部11存储的重点子系统的物理模型和其他子系统的统计模型,模拟对象系统的举动(步骤S10)。风险分析部16基于模拟的结果,针对重点子系统,确定从系统的运转利润减去保养成本和故障的影响后的金额最多的适当运转范围(步骤S11)。适当运转范围包含于标准运转范围,因此风险分析部16通过模拟在标准运转范围内的运转,搜索适当运转范围。
接着,风险分析部16将获取重点子系统的控制参数的范围限定于在步骤S11中确定的适当运转范围来模拟对象系统的举动,生成从对象系统的运转利润减去保养成本和故障的影响后的金额最多的运转计划(步骤S12)。这时,风险分析部16以概率或在预先设定的定时(timing)发生不稳定振动等损伤发展事件的方式进行模拟。
故障评价部12基于在步骤S12生成的运转计划,进行使用各重点子系统的物理模型的模拟,基于事前维护的调度,推定到对象系统的寿命为止的故障概率的时序(步骤S13)。图3是表示第一实施方式中的对象系统的故障概率的时序的推测结果的例子的图。这时,如图3所示,故障评价部12将对于重点子系统中产生的劣化的发展度而假定的从最坏情况到最好情况的不确实性设定为概率分布来进行模拟。作为不确实性的例子,可举出配管腐蚀的发展程度、从井(well)产出的油气中所占的泥沙量、性状、材料强度的偏差等。
风险分析部16针对各重点子系统,判定在步骤S13中推定的故障概率和在步骤S13确定的保养成本这二者是否低于预先设定的故障概率阈值和成本阈值(步骤S14)。
在故障概率和保养成本的至少一个在阈值以上的情况下(步骤S14:否),对于至少一个重点子系统,风险分析部16基于在步骤S12生成的运转计划,以使保养成本和故障概率最小化的方式决定保养计划(步骤S15)。例如,风险分析部16变更事前维护的调度,并且使保养评价部13基于在步骤S12中生成的运转计划分别求出事前维护成本和事后维护成本,以其合计为最小的方式决定事前维护的调度。图4是表示第一实施方式的事前维护成本和事后维护成本的关系的例子的图。如图4所示,执行事前维护的间隔越长,事前维护成本越变低。另一方面,事前维护的间隔越长,则故障概率增加,因此产生事后维护的可能性变越高,事后维护成本增加。事后维护成本是通过实际的事后维护所需的成本与故障概率相乘而作为期待值求出的。风险分析部16以事前维护成本和事后维护成本的和为最小的方式决定事前维护的调度。
风险分析部16判定是否满足运转计划和保养计划的搜索结束条件(步骤S16)。作为搜索结束条件的例子,可举出将从步骤S11到步骤S16的处理重复规定次数,以及从在步骤S12求出的运转利润减去保养成本和故障的影响后的金额的变化率低于规定值等。在未满足搜索结束条件的情况下(步骤S16:否),风险分析部16返回步骤S10,基于在步骤S15决定的事前维护调度,模拟对象系统的举动。这是因为,伴随着事前维护调度的变更,故障概率变化,因此对象系统的运转利润、保养成本和故障的影响变化。
另一方面,在步骤S14中,针对全部重点子系统,在故障概率以及保养成本都小于阈值的情况下(步骤S14:是),或在步骤S16中满足搜索结束条件的情况下(步骤S16:是),输出部18输出生成的运转计划和保养计划以及适当运转范围(步骤S17)。
例如,输出部18从利用者接收在重点子系统的控制参数中的一个或两个的选择,输出以选择的控制参数为轴的运转范围的图表。
图5是表示第一实施方式的运转范围的输出的例子的第一图。
如图5所示,当接收重点子系统的一个控制参数的选择时,输出部18输出表示选择的控制参数的临界运转范围、标准运转范围以及适当运转范围的一维的图表。
图6是表示第一实施方式的运转范围的输出的示例的第二图。如图6所示,当接收重点子系统的两个控制参数的选择时,输出部18以选择的两个控制参数为轴,以热图表示利润的大小,输出具有表示临界运转范围、标准运转范围以及适当运转范围的框线的二维的图表。
此外,输出部18输出运转计划和保养计划时,可以一并基于初始条件的计划和最优化的计划的模拟结果,输出经济性的比较信息。例如图7所示,输出部18可以输出对管理装置1在基于生成的运转计划和保养计划运转的情况下的破损概率的时序与在基于初始条件的计划运转的情况下的破损概率的时序进行比较的图表。图7是表示按每个运转计划的破损概率的比较信息的图。该信息例如使用步骤S13的模拟结果来生成。即,在该模拟结果中,包括不稳定振动等损伤发展事件的发生。
当对象系统开始运转时,管理装置1的状态监视部17从对象系统的传感器收集计测值。状态监视部17基于获取的计测值和风险分析部16生成的运转计划和保养计划,评价重点子系统的状态。具体而言,状态监视部17使用存储部11存储的重点子系统的物理模型,进行基于获取的计测值的模拟,推定重点子系统的当前的状态。然后,状态监视部17基于风险分析部16生成的运转计划和保养计划,预测将来的故障概率的时序。
输出部18输出由状态监视部17评价的重点子系统的状态。图8是表示第一实施方式的重点子系统的状态的图的一个例子。例如图8所示,输出部18输出表示将重点子系统的部位投影于二维的映射图时的对应关系的图、表示基于过去的运转数据而评价的状态的映射图以及表示基于将来的运转预测的寿命的预测结果的映射图,上述将来的运转预测基于运转计划和保养计划。需要说明的是,在图8所示的图中重点子系统为L字配管,劣化主要原因为腐蚀。
《作用、效果》
如此,根据第一实施方式,管理装置1基于模拟构成对象系统的多个子系统的举动的数理模型,从多个子系统确定重点子系统,对于重点子系统以评价指标最优化的方式生成运转计划和保养计划。由此,管理装置1对于运转计划和保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统,能以最优化的方式高效地生成计划。
此外,根据第一实施方式,管理装置1基于构成对象系统的有可能故障的子系统的数理模型,通过进行RAM分析确定重点子系统。由此,基于故障时的损害、子系统的可靠性,能确定运转计划和保养计划的变更带来的利润、可靠性、风险的灵敏度高的子系统。
根据第一实施方式,管理装置1使用子系统的统计模型进行对象系统的整体的RAM分析,对于重点子系统使用物理模型进行风险分析。如此,根据第一实施方式,管理装置1将需要知识和劳动力的物理模型的生成限定于需要详细的故障风险的评价的设备,由此能高效地生成计划。
《应用例》
发明者为了管线系统的运转计划和保养计划的研究而应用上述的管理装置1。按上述顺序得到的RAM分析的结果是,在该管线系统中,发生因腐蚀引起的故障模式的确定的配管被提取为重点子系统。因此,发明者针对该配管,生成对由粒子引起的配管的腐蚀进行模拟的流体力学模型和对磨耗进行模拟的磨耗物理模型。如此,针对一个子系统生成多个基于不同的视角的模拟模型,由此能适当地模拟故障的复杂的现象。在该流体力学模型和磨耗物理模型中,作为变量具有粒子的直径和组成、流体的流量、配管的材质和表面状态、混相流的状态。
具体而言,按照以下的顺序进行模型的生成。首先,在重点子系统中,决定作为建立模型(modeling)的对象的区域和维度。接着,生成重点子系统的三维模型。该三维模型中包括配管、装置、阀等。接着,决定流体的变量的获得的范围。作为变量的例子,可举出流体中的GFR(Glenn Flux Reconstruction:格伦通量重构)、浓度、粘度、压力、温度、速度、砂粒的硬度和大小等。接着,在模型中设定重点子系统的各部位的组成。在模型中设定腐蚀率的函数。接着,设定控制参数的范围。接着,生成流体力学的状态和流体力学分析中使用的矩阵。
管理装置1的风险分析部16基于上述的模型来搜索调整流体的流量的阀开度的运转条件,基于运转条件生成包括损伤发展事件的运转计划。风险分析部16基于生成的运转计划来预测重点子系统的受配管的磨耗影响的寿命。输出部18输出表示重点子系统的配管的阀开度和磨耗率的关系的图表数据、包括损伤发展事件的运转解析结果(图7)以及基于配管厚度的寿命预测数据作为仪表板数据。
图9是表示扼流阀的开度和配管的腐蚀率的关系的图表数据的例子。如图9所示,风险分析部16通过流体力学模型,生成表示腐蚀率相对于阀开度和粒子径的组合的等值线图(Contour map)C01。风险分析部16基于生成的等值线图,决定阀开度和破损风险以及维护费用的关系。即,等值线图中的腐蚀率越高,破损风险以及维护费用越高。风险分析部16确定从系统的运转利润减去保养成本和故障的影响后的金额最多的适当运转范围。并且,当利用者将重点子系统的阀开度选择为显示对象时,如图9所示,输出部18输出表示阀开度的临界运转范围、标准运转范围以及适当运转范围的一维的图表C02。
图10是基于配管厚度的寿命预测数据的例子。
此外,输出部18输出表示基于运转数据评价的当前的状态的等值线图C11。管理装置1从利用者接收对所显示的等值线图C11中的重点子系统的任意的部位的指定。当利用者指定一个部位时,输出部18将等值线图C11的被指定的部位C111强调显示。输出部18输出该部位的厚度减少量的时序的图表C12。输出部18基于过去的运转数据,生成从初始时间点到当前时刻为止的厚度减少量的图表。此外输出部18基于以将来的运转预测为基础的寿命的预测结果生成从当前时刻到故障时期为止的厚度减少量的图表,上述将来的运转预测基于运转计划和保养计划。需要说明的是,输出部18也可以在接收到由利用者指定图表C12的任意的时刻的情况下,使等值线图C11显示的时刻变化。
如此,发明者能在管线系统中证实上述的管理装置1的有用性。
<其他实施方式>
以上,参照附图对一个实施方式进行了详细说明,但是具体的构成并不限于上述构成,也可以进行各种设计变更等。即,在其他实施方式中,也可以适当地变更上述处理的顺序。此外,一部分处理也可以并行地执行。
上述的实施方式的管理装置1可以是由独立的计算机构成,也可以将管理装置1的构成分为多个计算机而配置,通过多个计算机互相协作而作为管理装置1而发挥功能。
<管理装置1的概要>
工业系统可以分离为子系统、要素。例如,在石油气平台的最上侧(topside)扼流阀周围,存在阀体、阀轴、入口配管、出口配管等,这些可以考虑为要素。针对一般的运转条件,定义对应于各部位的损伤机理,但对于预测损伤量,大多需要CFD(computationalfluid dynamics:计算流体力学)、FEA(finite element analysis:有限元分析)等模拟物理现象的高保真度的模型。
但是,对于构筑这些高保真度的模型,不仅需要计算机成本(金额、时间),还需要全面的域知识、各种设计信息,在信息收集、计算安装上花费成本。因此,从安全性、运转率、收益性等观点出发,对于高保真度的模型,存在想要集中于判断为高风险的设备而安装的期望。
RAM分析是用于高效地改良大规模的机械系统的技术风险管理和通过关于措施的资源最优化而得到的系统运转率、收益性的概率性风险评价工具。在RAM分析中,通常使用作为数据驱动模型的一种的统计故障率,因此能应用于大规模的工业系统的要素。
即,在工业系统的O&M(operations and maintenance:运营和维护)的最优化中,首先,通过FMEA确定主要的故障模式和对象部位,接着,通过使用了统计性故障率的RAM分析,从提取在安全性、运转率、可靠性、收益性等观点出发的重要设备开始。然后,从重要设备中提取故障机理明确且通过O&M的改善而使风险、收益性变动的设备,使用FEM(finiteelement method:有限元方法)、CFD(computational fluid dynamics:计算流体力学)等模拟物理现象的高保真度的模型,预测在各种运转条件、保养条件的组合下,损伤量、破损风险、收益性如何变动,由此,谋求O&M的优化。
图11是表示管理装置1的主要的功能的概略框图。
管理装置1具备FMPA模块M1、故障评价模块M2、保养评价模块M3、RAM分析模块M4以及设备风险评价模块M5。
如图1所示,管理装置1的处理的大致流程如下。
首先,管理装置1通过FMEA和RAM分析提取高风险设备,在提取出的设备之中,进一步提取由O&M带来的有损伤风险的变动的设备,构筑该设备的模型(Individual RiskEvaluation:个别风险评估)。管理装置1通过FEM、CFD等物理模型事前进行完成了根据许多O&M条件的损伤预测、破损概率评价的模型,由此降低运营分析(Operation Analysis)、维护分析(Maintenance Analysis)的计算负荷。管理装置1将O&M解析的结果反映在维护性、运转条件中,再次进行个别设备的故障风险评价(Individual Risk Evaluation)。
图12是表示FMEA模块M1的输入输出关系的图。
FMEA模块M1按每个设备评价与主要的零件/故障模式、故障机理对应的故障的影响度。作为影响度的例子,可举出恢复时间、事后维护费用、人员损害、对环境的影响等。从设计数据库输入设备的详细图纸和设计计算书至FMEA模块M1。此外,从P&ID(Piping andinstrumentation diagram:管道仪表流程图)输入设备以及零件的列表。FMEA模块M1将可靠性框图输出至RAM分析模块M4,将故障模式和影响度的列表输出至故障评价模块M2、保养评价模块M3和设备风险评价模块M5。
图13是表示故障评价模块的输入输出关系的图。
故障评价模块M2使用设备的物理模型、数据驱动模型、组合这些而成的混合模型,进行设备的健全性诊断、寿命预测。作为物理模型的例子,可举出计算流体力学(CFD)、多体动力学(Multi-Body Dynamics)(MBD)、有限元分析(FEA)、材料强度模型(若为疲劳,则有帕里斯(paris)定律、疲劳曲线等)。作为数据驱动模型的例子,可举出生存分析(累积危险法等)、指数分布模型(偶发故障、统计故障率)、异常预兆感测(马田法(Maharanobis-TaguchiMethod))等。
在故障评价模块M2中,从FMEA模块M1输入有每个设备的故障模式和影响度列表。在故障评价模块M2中,从个别设备设计数据库输入有详细图纸和设计计算书。在故障评价模块M2中,从试验数据库输入有实际构造试验结果、子系统组件试验结果、要素试验结果。在故障评价模块M2中,从制造数据库输入有制作后形状计测结果、热处理、加工履历。在故障评价模块M2中,从可靠性数据库输入有公开数据库(OREDA(Offshore ReliabilityData:离岸可靠性数据)、NPRD(Nonelectronic Parts Reliability Data:非电子产品可靠性数据库)等)、公司内类似机械设备的可靠性数据、字段数据、评价对象机械设备固有的可靠性数据、字段数据。在故障评价模块M2中,从RAM分析模块M4输入有RAM分析实施后的重要设备列表。
故障评价模块M2向设备风险评价模块M5输出将运转条件、维护条件设为变量的破损概率预测。故障评价模块M2向RAM分析模块M4输出统计故障率(指数分布模型)。
图14是表示保养评价模块M3的输入输出关系的图。
保养评价模块M3具有:预防维护调度器功能,研究使希望维护的成本和时间为最小化的调度;以及事后维护评价功能,根据故障时的假定作业内容预测费用和所需要时间。在保养评价模块M3中,从FMEA模块M1输入有每个设备的故障模式和影响度列表。在保养评价模块M3中,作为检查菜单,输入有对于各部位、损伤模式的检查内容(目视检查、超声波检查等)。在保养评价模块M3中,作为预防维护、事后维护计划的变量,输入有预防维护的工序、中长期调度、故障时的预想恢复工序。在保养评价模块M3中,作为成本,输入有调度信息、人事费、重型设备和消耗品的单价、作业员能力(焊接作业、重型设备操作)、人数等资源以及工作分析结构(Work Breakdown Structure)(WBS)。在保养评价模块M3中,从可靠性数据库,输入有公开数据库(OREDA等)、公司内类似机械设备的可靠性数据、字段数据、评价对象机械设备固有的可靠性数据、字段数据。在保养评价模块M3中,设备风险评价模块M5输入有与重要设备组有关的各保养条件下的设备风险评价。
保养评价模块M3向设备风险评价模块M5和RAM分析模块M4输出故障时的恢复时间、预防维护费用以及事后维护费用。保养评价模块M3向RAM分析模块M4进一步输出预防维护计划。
图15是表示RAM分析模块的输入输出关系的图。
RAM分析模块M4通过RAM分析,将设备等级、系统等级的可靠性、运转率、风险(重要度)定量化,进行存在O&M改善的余地的设备(重要设备)的提取。,重要度通常利用破损概率和影响度的积来评价。影响度利用对系统可靠性、运转率、收益性的影响度等来评价。RAM分析模块M4使用巴利托图等,通过使重要设备(高风险设备)可见化,进行重要设备的提取。此外RAM分析模块M4求出系统可靠性、运转率、收益性的概率分布。
在RAM分析模块M4中,从FMEA模块M1输入有可靠性框图。在RAM分析模块M4中,从故障评价模块M2输入有统计故障率。在RAM分析模块M4中,从保养评价模块M3输入有预防维护计划、故障时的恢复时间、事后维护费用以及预防维护费用。在RAM分析模块M4中,作为市场信息输入油价等。
RAM分析模块M4向故障评价模块M2输出提取出的重要设备。
图16是表示设备风险评价模块的输入输出关系的图。
设备风险评价模块M5利用得到的响应计测、检查计测数据,对设备故障预测进行修正(校准)。此外设备风险评价模块M5使用设备的破损概率评价(运转条件,保养条件的函数),对运转性、保养性进行分析。
设备风险评价模块M5中,从FMEA模块M1输入重要设备的故障模式和影响度。设备风险评价模块M5中,从故障评价模块M2输入重要设备的故障概率(运转、保养条件的函数)。设备风险评价模块M5中,从保养评价模块M3输入恢复时间、事后维护费用、预防维护费用。设备风险评价模块M5中,从RAM分析模块M4输入重要设备的故障影响度。设备风险评价模块M5中,作为运转状态/监控信息输入运转信息、响应计测(应变、温度)、损伤计测(厚度减少量等)。
设备风险评价模块M5为了运转性的分析,进行在任意的保养计划中的、最优运转条件的制定。设备风险评价模块M5为了保养性分析,进行在任意的运转计划中的、最优保养条件的制定。
<计算机构成>
图17是表示至少一个实施方式的计算机的构成的概略框图。
计算机90具备:处理器91、主存储器93、存储器95以及接口97。
将上述的管理装置1安装于计算机90。然后,上述的各处理部的动作以程序的形式存储于存储器95。处理器91从存储器95读出程序,并在主存储器93中展开,依据该程序执行上述处理。此外,处理器91依据程序在主存储器93中确保与上述的各存储部对应的存储区域。作为处理器91的示例,可举出CPU(CentralProcessingUnit:中央处理器)、GPU(GraphicProcessing Unit:图形处理器)、微型处理器等。
程序也可以用于实现使计算机90发挥的功能的一部分。例如,程序也可以通过与已经在存储器中存储的其他程序的组合,或者与其他装置所安装的其他程序的组合来发挥功能。需要说明的是,在其他实施方式中,计算机90可以在除了上述构成之外或者代替上述构成而具备PLD(Programmable Logic Device:可编程逻辑器件)等自定义LSI(LargeScale Integrated Circuit:大规模集成电路)。作为PLD的例子,可举出PAL(ProgrammableArray Logic:可编程阵列逻辑)、GAL(Generic Array Logic:通用阵列逻辑)、CPLD(Complex Programmable Logic Device:复杂可编程逻辑器件)、FPGA(FieldProgrammable Gate Array:现场可编程门阵列)。在该情况下,通过处理器91实现的功能的一部分或者全部可以通过该集成电路实现。这样的集积电路也包括在处理器的一个例子中。
作为存储器95的例子,可以可举出HDD(Hard Disk Drive:硬盘驱动器)、SSD(Solid State Drive:固态硬盘)、磁盘、光磁盘、CD-ROM(Compact Disc Read OnlyMemory:只读存储型光盘)、DVD-ROM(Digital Versatile Disc Read Only Memory:高密度只读光盘)以及半导体存储器等。存储器95可以是与计算机90的总线直接连接的内部介质,也可以是经由接口97或通信线路与计算机90连接的外部介质。此外,可以在通过通信线路向计算机90分发该程序的情况下,接受到分发的计算机90将该程序在主存储器93中展开,执行上述处理。在至少一种实施方式中,存储器95为非暂时的有形的存储介质。
此外,该程序也可以是用于实现上述的功能的一部分的程序。而且,该程序也可以是通过与已存储于存储器95的其他程序的组合来实现上述的功能的所谓的差分文件(差分程序)。
<附记>
例如像以下这样可以掌握各实施方式所记载的计划装置、计划方法以及程序。
(1)根据第一方案,计划装置(1)具备:重点确定部(14),基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统;以及计划生成部(16),对于所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方。“确定”是指使用第一值确定能获得多个值的第二值。例如,“确定”包括如下情况:从第一值计算出第二值;参照表读出对应于第一值的第二值;查询第一值来检索第二值;基于第一值从多个候补中选择第二值等。子系统包括零件和组件。
由此,计划装置(1)对于由运转计划和保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统能以最优化的方式高效地生成计划。
(2)根据第二方案,在第一方案的计划装置(1)中,所述重点确定部(14)也可以基于构成所述对象系统的有可能故障的子系统的数理模型,确定所述重点子系统。
由此,计划装置(1)基于故障时的损害、子系统的可靠性能确定由运转计划和保养计划的变更带来的利润、可靠性、风险的灵敏度高的子系统。
(3)根据第三方案,在第一或第二方案的计划装置(1)中,也可以是,所述计划生成部(16)针对所述重点子系统,以使所述评价指标最优化的方式来生成所述运转计划,在基于该运转计划的所述重点子系统的所述评价指标不满足允许条件的情况下,在以使所述评价指标最优化的方式变更了所述保养计划后,所述计划生成部(16)针对所述重点子系统以所述评价指标最优化的方式变更所述运转计划。
由此,计划装置(1)对于无法同时最优化的运转计划和保养计划,可以尝试适当地最优化。
(4)根据第4方案,在第1至3的任一的方案的计划装置(1)中,所述计划生成部(16)也可以在所述重点子系统的运转范围内,搜索使所述评价指标最优化的所述运转条件。
由此,计划装置(1)能缩小运转条件的搜索范围,降低计算量。
(5)根据第5方案,在第4方案的计划装置(1)中,所述运转条件也可以是基于所述重点子系统的数理模型而被确定。
由此,计划装置(1)能在有可能实际使用的参数的范围中搜索运转条件。
(6)根据第6方案,第4或第5方案的计划装置(1)也可以具备:的范围输出部(18),输出表示所述重点子系统的所述运转条件的数据。
由此,利用者能基于计划装置(1)输出的数据适当地运转对象系统。
(7)根据第7方案,在第4到第6的任一的方案的计划装置(1),所述范围输出部(18)也可以输出表示所述重点子系统的控制参数之中一个或两个、所述评价指标、所述运转条件的关系的图表数据。
由此,利用者基于视觉直观地识别运转条件。
(8)根据第8方案,在第6或第7方案的计划装置(1)中,所述数理模型是对所述重点子系统的由流体造成的磨耗进行模拟的流体力学模型,所述计划生成部基于所述数理模型搜索对所述流体的流量进行调整的阀开度的运转条件,基于所述运转条件生成包括损伤发展事件的运转计划,基于所述运转计划预测所述重点子系统的受磨耗影响的寿命,所述范围输出部也可以输出表示所述重点子系统的阀开度和磨耗率的关系的图表数据。
由此,计划装置(1)能对流体流动的重点子系统适当地评价磨耗的风险。
(9)根据第9方案,第1至第8的任一的方案的计划装置(1)也可以具备状态输出部(18),该状态输出部(18)基于所述重点子系统的所述数理模型和从所述重点子系统计测到的状态量的计测值,输出表示所述重点子系统的状态的数据。
由此,利用者能识别重点子系统的当前的状态。
(10)根据第10方案,在第1至第9的任一的方案的计划装置(1)中,所述重点子系统的所述数理模型也可以包括模拟不同的物理现象的多个模拟模型。
由此,计划装置(1)能适当地模拟故障的复杂的现象。
(11)根据第11方案,在第10方案的计划装置(1)中,所述重点子系统的所述数理模型也可以包括基于流体解析的模拟模型和模拟磨耗的模拟模型。
由此,计划装置(1)能对流体流动的重点子系统适当地模拟故障的复杂的现象。
(12)根据第12方案,计划方法具备:基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统的步骤;以及针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方的步骤。
由此,根据该计划方法,针对由运转计划和保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统,能以最优化的方式高效地生成计划。
(13)根据第13方案,程序使计算机执行:基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统步骤;以及针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方的步骤。
由此,执行程序的计算机(90)针对由运转计划和保养计划的变更带来的利润、可靠性、风险的灵敏度特别高的子系统,能以最优化的方式高效地生成计划。
Claims (13)
1.一种计划装置,具备:
重点确定部,基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统;以及
计划生成部,针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方。
2.根据权利要求1所述的计划装置,其中,
所述重点确定部基于构成所述对象系统的有可能故障的子系统的数理模型,确定所述重点子系统。
3.根据权利要求1或2所述的计划装置,其中,
所述计划生成部针对所述重点子系统,以使所述评价指标最优化的方式来生成所述运转计划,
在基于该运转计划的所述重点子系统的所述评价指标不满足允许条件的情况下,在以使所述评价指标最优化的方式变更了所述保养计划后,所述计划生成部针对所述重点子系统,以使所述评价指标最优化的方式变更所述运转计划。
4.根据权利要求1至3的任意一项所述的计划装置,其中,
所述计划生成部在所述重点子系统的运转范围内,搜索使所述评价指标最优化的所述运转条件。
5.根据权利要求4所述的计划装置,其中,
所述运转条件基于所述重点子系统的数理模型而被确定。
6.根据权利要求4或5所述的计划装置,其中,具备:
范围输出部,输出表示所述重点子系统的所述运转条件的数据。
7.根据权利要求6所述的计划装置,其中,
所述范围输出部输出表示所述重点子系统的控制参数之中的一个或两个、所述评价指标、所述运转条件的关系的图表数据。
8.根据权利要求6或7所述的计划装置,其中,
所述数理模型是对由流体造成的所述重点子系统的磨耗进行模拟的流体力学模型,
所述计划生成部基于所述数理模型搜索对所述流体的流量进行调整的阀开度的运转条件,基于所述运转条件生成包括损伤发展事件的运转计划,基于所述运转计划预测所述重点子系统的受磨耗影响的寿命,
所述范围输出部输出表示所述重点子系统的阀开度和磨耗率的关系的图表数据。
9.根据权利要求1至8的任意一项所述的计划装置,其中,具备:
状态输出部,基于所述重点子系统的所述数理模型和从所述重点子系统计测到的状态量的计测值,输出表示所述重点子系统的状态的数据。
10.根据权利要求1至9的任意一项所述的计划装置,其中,
所述重点子系统的所述数理模型包括模拟不同的物理现象的多个模拟模型。
11.根据权利要求10所述的计划装置,其中,
所述重点子系统的所述数理模型包括基于流体解析的模拟模型和模拟磨耗的模拟模型。
12.一种计划方法,具备:基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统的步骤;以及
针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方的步骤。
13.一种存储介质,该存储介质是计算机可读存储介质,存储有程序,所述程序使计算机执行:
基于模拟构成对象系统的多个子系统的举动的数理模型,在所述多个子系统之中,确定所述对象系统的评价指标相对于运转条件和保养条件的至少一方的变化而发生的变化大的重点子系统的步骤;以及
针对所述重点子系统,以使所述评价指标最优化的方式生成运转计划和保养计划的至少一方的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-104272 | 2020-06-17 | ||
JP2020104272A JP2021196989A (ja) | 2020-06-17 | 2020-06-17 | 計画装置、計画方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113822459A true CN113822459A (zh) | 2021-12-21 |
Family
ID=78923743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110554997.5A Pending CN113822459A (zh) | 2020-06-17 | 2021-05-20 | 计划装置、计划方法以及程序 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210398087A1 (zh) |
JP (1) | JP2021196989A (zh) |
CN (1) | CN113822459A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023167775A (ja) * | 2022-05-13 | 2023-11-24 | 三菱造船株式会社 | 監視装置、表示方法及びプログラム |
JP2023170003A (ja) * | 2022-05-18 | 2023-12-01 | 株式会社日立製作所 | 保守計画立案システム及び保守計画立案方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002123314A (ja) * | 2000-10-12 | 2002-04-26 | Chiyoda Corp | 設備保全の最適化システム |
CN101968864A (zh) * | 2010-11-17 | 2011-02-09 | 山东电力研究院 | 以电力系统运行可靠性为中心的设备重要性评价方法 |
WO2013038785A1 (ja) * | 2011-09-14 | 2013-03-21 | 株式会社日立製作所 | 保守計画システム、保守計画システムサーバ、及び保守計画システムクライアント端末 |
CN108416526A (zh) * | 2018-03-15 | 2018-08-17 | 哈尔滨工程大学 | 一种核电站生产计划的在线时间相关风险监测系统及方法 |
CN108492203A (zh) * | 2018-02-27 | 2018-09-04 | 西南石油大学 | 一种石油钻修机设备完整性管理方法及系统 |
WO2018198450A1 (ja) * | 2017-04-26 | 2018-11-01 | 株式会社日立製作所 | 車両保守計画装置、及び車両保守計画評価方法 |
CN110462648A (zh) * | 2017-03-29 | 2019-11-15 | 三菱重工业株式会社 | 运行维护管理方法、程序以及运行维护管理系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0411873A3 (en) * | 1989-08-02 | 1993-11-18 | Westinghouse Electric Corp | Improved plant operating system employing a deterministic, probabilistic and subjective modeling system |
US8660875B2 (en) * | 2009-11-02 | 2014-02-25 | Applied Materials, Inc. | Automated corrective and predictive maintenance system |
US9563198B2 (en) * | 2012-03-08 | 2017-02-07 | General Electric Company | Method and system to model risk of unplanned outages of power generation machine |
US9569397B2 (en) * | 2012-07-12 | 2017-02-14 | General Electric Company | Methods and systems for maintenance of turbomachinery |
US20150324759A1 (en) * | 2014-05-09 | 2015-11-12 | International Business Machines Corporation | Equipment preventive maintenance scheduling |
DE102016218278A1 (de) * | 2016-09-22 | 2018-03-22 | Robert Bosch Gmbh | Funktionsüberwachung von Magnetventilen für Kraftstoffeinspritzsysteme |
-
2020
- 2020-06-17 JP JP2020104272A patent/JP2021196989A/ja not_active Withdrawn
-
2021
- 2021-05-20 CN CN202110554997.5A patent/CN113822459A/zh active Pending
- 2021-05-25 US US17/329,400 patent/US20210398087A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002123314A (ja) * | 2000-10-12 | 2002-04-26 | Chiyoda Corp | 設備保全の最適化システム |
CN101968864A (zh) * | 2010-11-17 | 2011-02-09 | 山东电力研究院 | 以电力系统运行可靠性为中心的设备重要性评价方法 |
WO2013038785A1 (ja) * | 2011-09-14 | 2013-03-21 | 株式会社日立製作所 | 保守計画システム、保守計画システムサーバ、及び保守計画システムクライアント端末 |
CN110462648A (zh) * | 2017-03-29 | 2019-11-15 | 三菱重工业株式会社 | 运行维护管理方法、程序以及运行维护管理系统 |
WO2018198450A1 (ja) * | 2017-04-26 | 2018-11-01 | 株式会社日立製作所 | 車両保守計画装置、及び車両保守計画評価方法 |
CN108492203A (zh) * | 2018-02-27 | 2018-09-04 | 西南石油大学 | 一种石油钻修机设备完整性管理方法及系统 |
CN108416526A (zh) * | 2018-03-15 | 2018-08-17 | 哈尔滨工程大学 | 一种核电站生产计划的在线时间相关风险监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210398087A1 (en) | 2021-12-23 |
JP2021196989A (ja) | 2021-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Asadzadeh et al. | An integrated systemic model for optimization of condition-based maintenance with human error | |
Stapelberg | Availability and maintainability in engineering design | |
JP6926008B2 (ja) | 保守計画装置、及び保守計画方法 | |
Ambekar et al. | A review: implementation of failure mode and effect analysis | |
JP2008267382A (ja) | 自動エンジンデータ診断解析 | |
US10963797B2 (en) | System for analyzing machine data | |
CN113822459A (zh) | 计划装置、计划方法以及程序 | |
Zhou et al. | A dynamic reliability-centered maintenance analysis method for natural gas compressor station based on diagnostic and prognostic technology | |
Xing et al. | Dynamic business continuity assessment using condition monitoring data | |
KR101282244B1 (ko) | 원자력발전소 설비의 예방/고장 정비정보 관리 시스템 및 그 방법 | |
Barabady | Improvement of system availability using reliability and maintainability analysis | |
Li et al. | Reliability-informed life cycle warranty cost and life cycle analysis of newly manufactured and remanufactured units | |
Irshad et al. | Introducing likelihood of occurrence and expected cost to human error and functional failure reasoning framework | |
CN116955955A (zh) | 一种管道缺陷模型预测方法、系统、终端设备及存储介质 | |
Akhmedjanov | Reliability databases: State-of-the-art and perspectives | |
Makinde et al. | A maintenance system model for optimal reconfigurable vibrating screen management | |
CN112819262A (zh) | 存储器、工艺管道检维修决策方法、装置和设备 | |
JP2020177571A (ja) | 異常予兆診断装置、異常予兆診断方法及び異常予兆診断プログラム | |
Bitanov | Reliability study of subsea control module with focus on statistical methods | |
O’Halloran et al. | Early design stage reliability analysis using function-flow failure rates | |
Barabady | Production Assurance: Concept, implementation and improvement | |
Keller et al. | A process and tool for determining the cost/benefit of prognostic applications | |
Hodkiewicz et al. | Data fitness for purpose: assessing the quality of industrial data for use in mathematical models | |
Khan et al. | Risk-based inspection and maintenance (RBIM) of power plants | |
Rabah et al. | Optimization of safety instrumented system performance and maintenance costs in Algerian oil and gas facilities |
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 |