CN114862275B - 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 - Google Patents
基于数字孪生模型的仓储物流系统可靠性评估方法及系统 Download PDFInfo
- Publication number
- CN114862275B CN114862275B CN202210686997.5A CN202210686997A CN114862275B CN 114862275 B CN114862275 B CN 114862275B CN 202210686997 A CN202210686997 A CN 202210686997A CN 114862275 B CN114862275 B CN 114862275B
- Authority
- CN
- China
- Prior art keywords
- warehouse logistics
- logistics system
- tree
- reliability
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 44
- 238000013210 evaluation model Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 30
- 230000006378 damage Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06—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
- G06Q10/04—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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于数字孪生模型的仓储物流系统可靠性评估方法，包括：获取仓储物流系统的属性参数，以建立该仓储物流系统的数字孪生模型；建立该数字孪生模型与该仓储物流系统的实时数据连接，形成该仓储物流系统与该数字孪生模型的等价映射；构建故障预测模型，通过该数字孪生模型对该仓储物流系统进行故障预测；构建可靠性评估模型，对该仓储物流系统的运行状态进行可靠性状态评估。本发明还提出一种基于数字孪生模型的仓储物流系统可靠性评估系统，以及一种用于仓储物流系统可靠性状态评估的数据处理装置。
Description
技术领域
本发明属于仓储物流技术领域，具体涉及一种仓储物流系统的可靠性评估方法及系统。
背景技术
对于仓储物流行业来说，为满足客户的不同需求，车间中的设备如堆垛机、悬挂落丝机、智能四向穿梭车、自动导引运输车(AGV)等长期处于满负载、连续无缝运行状态。当这些设备中某一个或某几个设备出现故障时就会给上下运输环节造成堵塞，严重影响运行产能及运行效率，因此保障各设备的运行状态及可靠性不仅可以延长设备的使用寿命也可以降低维修成本，所以及时掌握设备的运行状态和可靠性就尤为必要。
传统的设备维护主要分为两大类分别是事前维护(预防性维护)与事后维护(停工维护)两种，其中预测性维护又分为基于时间的预测性维护和基于可靠性的预测性维护。基于时间的预测维护是通过设备的运行时间来衡量何时进行维护，常规方法是设定一个的维修周期，然后再进行周期性维护。基于可靠性的预防维护主要是基于设备现在的健康状态得出结论，是一种基于部件退化的累积过程。一般是通过设备历史运行状态得到其可靠性。
目前在对设备建立可靠性分析模型时最常用的方法是FTA和FMECA分析法。故障树分析系法(FTA)是一种展示系统结构和故障间逻辑关系的模型。由顶事件以树状结构不断细分故障类型，一直细分至叶子节点(基本事件)为止。故障模式影响及危害性分析法(FMECA)是针对设备所有可能出现的故障，并根据对故障模式的分析，确定每种故障模式对设备工作的影响找出单点故障，根据故障模式的严重度及其发生概率确定其危害性。
传统设备维护方法中的事后维护顾名思义是设备发生故障后再进行维护，这会造成设备长时间停机，扰乱生产计划。基于时间的预测维护多采用周期性维护方法，但这种方法仅适用于设备损坏时呈现出明显的周期变化，但由于设备中的各个部件使用周期并不相同，如果都采用周期维护会造成资源浪费。
所以基于设备可靠性维护的方法可以合理且可靠的完成设备维护，但由于传统的设备可靠性评价方法(FTA和FMECA)只考虑单个故障对系统的危害程度影响，对复杂系统，由于存在多个组件故障的可能性，传统的方法并不适用。
而且传统的可靠性分析需要对设备搭建数据库，从数据库进行数据交互，并且需要故障处理结束后在人为输入故障信息及处理方法，然后再根据这些历史数据评估设备的可靠性，并不能做到实时的对设备进行可靠性分析，仅能做到一段时间内的可靠性评估。而对于没有搭建数据库的设备只能人为的进行数据采集与记录，这种方法既费时费力又存在不准确性。
发明内容
为解决上述问题，本发明基于数字孪生模型，提出一种仓储物流系统可靠性评估方法，包括：获取仓储物流系统的属性参数，以建立该仓储物流系统的数字孪生模型；建立该数字孪生模型与该仓储物流系统的实时数据连接，形成该仓储物流系统与该数字孪生模型的等价映射；构建故障预测模型，通过该数字孪生模型对该仓储物流系统进行故障预测；构建可靠性评估模型，对该仓储物流系统的运行状态进行可靠性状态评估。
本发明所述的仓储物流系统可靠性评估方法，其中构建可靠性评估模型的步骤包括：对该仓储物流系统的所有设备进行系统树划分，以该设备的组件和/或零部件为该系统树的叶子节点，以该设备构成的功能子系统为该系统树的中间节点，以该仓储物流系统为该系统树的根节点，对该系统树进行故障预测及分析，构建该系统树的故障树；基于该故障树通过三角模糊函数构建该系统树的模糊故障树，得到的模糊重要度；根据该故障树各节点发生故障时对该系统树影响的严重程度，确定该故障树各节点的危害度；以该设备因故障产生的停工时间和维修时间Ei，及该设备在其所在的功能子系统中可能发生故障的概率Pi，获得该功能子系统和该设备的风险系数等级RPNi＝Pi·Ei；对该模糊重要度、该危害度和该风险系数等级进行归一化、标准化并进行综合指数评价分析，建立该可靠性评估模型；通过该可靠性评估模型获得该仓储物流系统的可靠性状态评估信息。
本发明所述的仓储物流系统可靠性状态评估方法，于该可靠性评估模型中，根据各功能子系统和各设备的故障易发程度，分别设定各功能子系统和各设备的综合可靠性维修评估指数。
本发明所述的仓储物流系统可靠性状态评估方法，通过分析该仓储物流系统的历史故障数据以及该数字孪生模型的模拟故障数据，进行对该仓储物流系统的故障预测。
本发明还提出一种基于数字孪生模型的仓储物流系统可靠性状态评估系统，包括：数字孪生模型构建模块，用于获取仓储物流系统的属性参数，以建立该仓储物流系统的数字孪生模型；建立该数字孪生模型与该仓储物流系统的实时数据连接，形成该仓储物流系统与该数字孪生模型的等价映射；故障预测模型构建模块，用于构建故障预测模型，通过该数字孪生模型对该仓储物流系统进行故障预测；可靠性评估模型构建模块，用于构建可靠性评估模型，对该仓储物流系统的运行状态进行可靠性状态评估。
本发明所述的仓储物流系统可靠性状态评估系统，其中该可靠性评估模型构建模块包括：模糊重要度分析模块，用于对该仓储物流系统的所有设备进行系统树划分，以该设备的组件和/或零部件为该系统树的叶子节点，以该设备构成的功能子系统为该系统树的中间节点，以该仓储物流系统为该系统树的根节点，对该系统树进行故障预测及分析，构建该系统树的故障树；基于该故障树通过三角模糊函数构建该系统树的模糊故障树，得到的模糊重要度；危害度分析模块，用于根据该故障树各节点发生故障时对该系统树影响的严重程度，确定该故障树各节点的危害度；风险等级分析模块，用于以该设备因故障产生的停工时间和维修时间Ei，及该设备在其所在的功能子系统中可能发生故障的概率Pi，获得该功能子系统和该设备的风险系数等级RPNi＝Pi·Ei；模型构建模块，用于对该模糊重要度、该危害度和该风险系数等级进行归一化、标准化并进行综合指数评价分析，建立该可靠性评估模型；可靠性分析模块，用于通过该可靠性评估模型获得该仓储物流系统的可靠性状态评估信息。
本发明所述的仓储物流系统可靠性状态评估系统，于该可靠性评估模型中，根据各功能子系统和各设备的故障易发程度，分别设定各功能子系统和各设备的综合可靠性维修评估指数。
本发明所述的仓储物流系统可靠性状态评估系统，通过分析该仓储物流系统的历史故障数据以及该数字孪生模型的模拟故障数据，进行对该仓储物流系统的故障预测。
本发明还提出一种计算机可读存储介质，存储有可执行指令，该可执行指令用于执行如前所述的仓储物流系统可靠性状态评估方法。
本发明还提出一种数据处理装置，包括如前所述的计算机可读存储介质，当该数据处理装置的处理器调取并执行该计算机可读存储介质中的计算机可执行指令时，实现对仓储物流系统的可靠性状态评估。
附图说明
图1是本发明的仓储物流系统可靠性评估方法流程图。
图2是本发明的数据处理装置示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做出进一步的详细说明，所描述的实施例仅仅是本发明的一种实施例，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付出创造性劳动前提下所获得的所有其它实施例，都属于本发明的保护范围。
数字孪生具有高保真建模与仿真、虚实映射、全生命周期数据有效管理等典型特征。同时，可预测系统对危及安全事件的响应，通过比较预测结果与真实响应，及时发现未知问题，进而激活自修复机制或任务重规划，以减缓系统损伤和退化。基于数字孪生的仓储物流车间是通过高保真的物理模型、历史数据以及传感器实时更新数据构建的完整映射的虚拟模型，可以刻画和反映物理系统的全生命周期，实现对仓储物流系统的健康状态监测及剩余使用寿命的预测。
本发明的仓储物流系统可靠性状态评估方法，首先对车间所有设备进行1：1等比例建模，反应设备的基础几何信息，搭建车间数字孪生模型，对工厂所有设备的物理特性进行建模，并输入历史数据，实现数字孪生模型和实际厂房设备之间的联通，实现两者之间的信息交互，从而可以通过数字孪生模型实时对厂房设备进行在线监测和故障预警。
在构建完成数字孪生模型后，在数字孪生模型的技术上，针对不同设备充分分析历史故障数据并模拟预测可能发生的故障，建立不同设备的可靠性分析模型。
图1是本发明的仓储物流设备可靠性评估方法流程图。如图1所示，可靠性分析模型建立过程包括：
(1)针对仓储物流系统(即仓储物流车间所有设备)中不同设备进行系统划分(系统级、子系统级(设备级)、组件(零部件)级)，形成仓储物流系统的系统树，总结系统树各个节点中可能出现的故障模式，分析故障原因，得到故障分析结果。据此对设备进行故障树分析，可以得到最小割集，然后在最小割集的基础上进行危害性分析，为解决多种故障同时出现的现象，引入模糊集合理论，应用三角模糊函数构建设备模糊故障树，通过三角模糊函数的引入解决了实际应用中难于精确赋值的缺陷。既反映了概率本身的模糊性,又允许概率赋值存在一定程度的误差。通过计算得到各个设备子系统及零部件的模糊重要度。
(2)根据历史数据以及数字孪生模型中记录下的各设备故障数据进行各设备及零部件的FMECA分析，基于故障模式和故障原因对设备造成的影响进行量化处理，包含各个设备当前级别及下一级别的故障模式、故障模式失效率、故障原因、维护措施和对当前级设备的影响结果。通过分析故障模式和故障原因对各级子系统影响的严重程度，从而确定各个子系统对整体的危害度。
(3)引入风险优先数进行分析，通过风险优先系数可以判断设备的故障危害程度，对于传统的风险优先系数法来说，首先就要清晰了解各级子系统的故障模式与故障原因，然后确定故障模式在该子系统中可能发生的概率(P)、严酷度(S)和可探测度(D)利用下式进行求解RPN＝(P)(S)(D)，但因为P、S、D三个参数的取值主要是听取相关专业的专家意见或打分来获取，受主观影响因素较大，不能客观公正地评价每个子系统的危险性。因此可使用设备的因故障产生的停工时间和维修时间Ei来代替S、D两个参数得到子系统和设备的风险系数等级RPNi，RPNi＝Pi·Ei。
(4)为防止单一参数权重过大影响最后可靠性评价结果和维修策略，需将得到的三个参数归一化、标准化然后在进行综合指数评价分析。并针对不同功能子系统、设备及组件(零部件)的故障易发程度，设定不同的综合可靠性维修评估指数，完成可靠性评估模型的建立。
3、将建立好的可靠性评估模型嵌入到数字孪生模型中，通过车间的整体数字孪生系统对车间仓储设备进行实时监控与记录。在后续的监控过程中，数字孪生系统主要分为两种情况进行分析；
情况1:对于设备中经常易出现故障的零部件，其综合评价指数相对较高，随着设备的持续工作，设备的可靠性性能降低，综合评价指数增加。当通过数字孪生系统得到的设备及其零部件的综合评价指数接近或者大于其所设定的阈值，数字孪生系统会提前对其部位进行提示与报警，提醒相关维修人员，并根据历史记录给出相应维修建议。而当设备及其零部件的综合评价指数小于其所设定的阈值时，数字孪生系统会继续进行监控并重复进行上述步骤计算综合评价指数。
情况2：当车间中的可靠性较高、综合评价指数较低的仓储设备出现突发性故障时，数字孪生系统会对该设备进行报警处理，借由故障结果分析可能出现的故障原因，并给出对应的解决方案，当现场操作人员解决完故障后，数字孪生系统自动统计由故障造成的相关影响及停工时间。
本发明还提出一种计算机可读存储介质，以及一种数据处理装置，如图2所示。本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令被数据处理装置的处理器执行时，实现上述仓储物流系统可靠性状态评估。本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器、FPGA、ASIC等)完成，所述程序可以存储于可读存储介质中，如只读存储器、磁盘或光盘等。上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块可以采用硬件的形式实现，例如通过集成电路来实现其相应功能，也可以采用软件功能模块的形式实现，例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明实施例不限制于任何特定形式的硬件和软件的结合。
通过本发明的仓储物流系统可靠性状态评估方法，将可靠性评估模型与仓储物流系统的数字孪生模型相结合，实时评估仓储物流系统各设备的可靠性，结合设备的可靠性实时给出相应的维修意见和/或维修方案。
此外，还通过引入模糊函数、改进风险优先系数法和综合评价指数，解决了多故障模式下可靠性评估模型的建立；同时也在一定程度上解决了可靠性模型建立过程中人为选取相关参数所造成的不确定性影响。
本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于数字孪生模型的仓储物流系统可靠性评估方法，其特征在于，包括：
获取仓储物流系统的属性参数，以建立该仓储物流系统的数字孪生模型；建立该数字孪生模型与该仓储物流系统的实时数据连接，形成该仓储物流系统与该数字孪生模型的等价映射；
构建故障预测模型，通过该数字孪生模型对该仓储物流系统进行故障预测；
构建可靠性评估模型，对该仓储物流系统的所有设备进行系统树划分，以该设备的组件和/或零部件为该系统树的叶子节点，以该设备构成的功能子系统为该系统树的中间节点，以该仓储物流系统为该系统树的根节点，对该系统树进行故障预测及分析，构建该系统树的故障树；基于该故障树通过三角模糊函数构建该系统树的模糊故障树，得到的模糊重要度；根据该故障树各节点发生故障时对该系统树影响的严重程度，确定该故障树各节点的危害度；以该设备因故障产生的停工时间和维修时间Ei，及该设备在其所在的功能子系统中可能发生故障的概率Pi，获得该功能子系统和该设备的风险系数等级RPNi＝Pi·Ei；对该模糊重要度、该危害度和该风险系数等级进行归一化、标准化并进行综合指数评价分析，建立该可靠性评估模型；通过该可靠性评估模型获得该仓储物流系统的可靠性状态评估信息，以对该仓储物流系统的运行状态进行可靠性状态评估。
2.如权利要求1所述的仓储物流系统可靠性评估方法，其特征在于，于该可靠性评估模型中，根据各功能子系统和各设备的故障易发程度，分别设定各功能子系统和各设备的综合可靠性维修评估指数。
3.如权利要求1所述的仓储物流系统可靠性评估方法，其特征在于，通过分析该仓储物流系统的历史故障数据以及该数字孪生模型的模拟故障数据，进行对该仓储物流系统的故障预测。
4.一种基于数字孪生模型的仓储物流系统可靠性评估系统，其特征在于，包括：
数字孪生模型构建模块，用于获取仓储物流系统的属性参数，以建立该仓储物流系统的数字孪生模型；建立该数字孪生模型与该仓储物流系统的实时数据连接，形成该仓储物流系统与该数字孪生模型的等价映射；
故障预测模型构建模块，用于构建故障预测模型，通过该数字孪生模型对该仓储物流系统进行故障预测；
可靠性评估模型构建模块，用于构建可靠性评估模型，对该仓储物流系统的运行状态进行可靠性状态评估；其中，该可靠性评估模型构建模块具体包括：
模糊重要度分析模块，用于对该仓储物流系统的所有设备进行系统树划分，以该设备的组件和/或零部件为该系统树的叶子节点，以该设备构成的功能子系统为该系统树的中间节点，以该仓储物流系统为该系统树的根节点，对该系统树进行故障预测及分析，构建该系统树的故障树；基于该故障树通过三角模糊函数构建该系统树的模糊故障树，得到的模糊重要度；
危害度分析模块，用于根据该故障树各节点发生故障时对该系统树影响的严重程度，确定该故障树各节点的危害度；
风险等级分析模块，用于以该设备因故障产生的停工时间和维修时间Ei，及该设备在其所在的功能子系统中可能发生故障的概率Pi，获得该功能子系统和该设备的风险系数等级RPNi＝Pi·Ei；
模型构建模块，用于对该模糊重要度、该危害度和该风险系数等级进行归一化、标准化并进行综合指数评价分析，建立该可靠性评估模型；
可靠性分析模块，用于通过该可靠性评估模型获得该仓储物流系统的可靠性状态评估信息。
5.如权利要求4所述的仓储物流系统可靠性评估系统，其特征在于，于该可靠性评估模型中，根据各功能子系统和各设备的故障易发程度，分别设定各功能子系统和各设备的综合可靠性维修评估指数。
6.如权利要求4所述的仓储物流系统可靠性评估系统，其特征在于，通过分析该仓储物流系统的历史故障数据以及该数字孪生模型的模拟故障数据，进行对该仓储物流系统的故障预测。
7.一种计算机可读存储介质，存储有可执行指令，该可执行指令用于执行如权利要求1-3任一项所述的仓储物流系统可靠性评估方法。
8.一种数据处理装置，包括如权利要求7所述的计算机可读存储介质，当该数据处理装置的处理器调取并执行该计算机可读存储介质中的计算机可执行指令时，实现对仓储物流系统的可靠性状态评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210686997.5A CN114862275B (zh) | 2022-06-16 | 2022-06-16 | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210686997.5A CN114862275B (zh) | 2022-06-16 | 2022-06-16 | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114862275A CN114862275A (zh) | 2022-08-05 |
| CN114862275B true CN114862275B (zh) | 2023-03-28 |
Family
ID=82623654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210686997.5A Active CN114862275B (zh) | 2022-06-16 | 2022-06-16 | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114862275B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204751B (zh) * | 2022-09-13 | 2022-12-09 | 东方电子股份有限公司 | 一种基于区块链的智慧综合能源管控系统 |
| CN115311027B (zh) * | 2022-10-11 | 2022-12-27 | 工业云制造(四川)创新中心有限公司 | 一种基于数字孪生的供应链管理方法及系统 |
| CN116545110B (zh) * | 2023-05-06 | 2024-06-18 | 国网河南省电力公司信息通信分公司 | 一种基于数字孪生的智能运维管理系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9881339B2 (en) * | 2012-12-18 | 2018-01-30 | Johnathan Mun | Project economics analysis tool |
| CN104217104A (zh) * | 2014-08-19 | 2014-12-17 | 上海交通大学 | 一种基于风险评估的电力变压器寿命分析方法及系统 |
| CN105825342A (zh) * | 2016-03-22 | 2016-08-03 | 中国特种设备检测研究院 | 一种管道失效可能性评价方法及系统 |
| CN114239864A (zh) * | 2021-10-27 | 2022-03-25 | 国网福建省电力有限公司检修分公司 | 一种基于数字孪生的换流阀故障检修方法及终端 |
-
2022
- 2022-06-16 CN CN202210686997.5A patent/CN114862275B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114862275A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
| CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
| CN103617110B (zh) | 服务器设备状态检修系统 | |
| CN112561736A (zh) | 智能变电站继电器保护装置故障诊断系统和方法 | |
| CN110334728B (zh) | 一种面向工业互联网的故障预警方法及装置 | |
| CN111994137B (zh) | 一种基于铁路信号集中监测的报警分析方法 | |
| CN117114454B (zh) | 一种基于Apriori算法的直流套管状态评估方法及系统 | |
| CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
| CN117689214B (zh) | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 | |
| KR100960939B1 (ko) | 최소 절단 집합과 퍼지 전문가 시스템을 이용한 시스템의고장 모드 및 임계 분석 장치 및 그 방법 | |
| CN114707401A (zh) | 信号系统设备的故障预警方法及装置 | |
| CN110262460B (zh) | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 | |
| CN111427330A (zh) | 一种基于设备维护数据的设备故障模式及规律分析方法 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
| CN115081647A (zh) | 基于贝叶斯网络模型的工业智能仪表故障预诊断方法 | |
| CN113723827A (zh) | 地铁机电设备运行风险诊断及运维管控方法与系统 | |
| CN116380496B (zh) | 一种汽车车门疲劳耐久测试方法、系统及介质 | |
| CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
| CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
| CN113313365A (zh) | 一种一次风机的劣化预警方法及设备 | |
| CN117221145A (zh) | 基于物联网平台的设备故障预测性维护系统 | |
| CN116363843A (zh) | 试验室设备预警系统 | |
| CN117591949A (zh) | 一种设备异常识别方法、设备及介质 | |
| CN117473394A (zh) | 变电站二次设备可靠性评估方法、系统、设备及存储介质 | |
| CN116773238B (zh) | 一种基于工业数据的故障监测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |