CN115062804A - 一种纺织设备的维护方法及相关装置 - Google Patents
一种纺织设备的维护方法及相关装置 Download PDFInfo
- Publication number
- CN115062804A CN115062804A CN202210753353.3A CN202210753353A CN115062804A CN 115062804 A CN115062804 A CN 115062804A CN 202210753353 A CN202210753353 A CN 202210753353A CN 115062804 A CN115062804 A CN 115062804A
- Authority
- CN
- China
- Prior art keywords
- equipment
- degradation degree
- textile
- degree
- maintenance
- 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
- 239000004753 textile Substances 0.000 title claims abstract description 109
- 238000012423 maintenance Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000015556 catabolic process Effects 0.000 claims abstract description 178
- 238000006731 degradation reaction Methods 0.000 claims abstract description 178
- 230000006866 deterioration Effects 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 80
- 230000036541 health Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009987 spinning Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 7
- 238000009941 weaving Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013024 troubleshooting 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
- G06Q10/20—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
- 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
- G06Q10/0639—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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
Abstract
本申请公开了一种纺织设备的维护方法,包括:计算纺织设备的设备劣化度;根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;根据所述设备劣化度时间序列创建设备劣化度预测模型;通过所述设备劣化度预测模型预测设备劣化度;根据预测的设备劣化度,确定所述纺织设备的维护方案。该维护方法采取预测性维护策略,能够在保障设备安全可靠运行的同时,减少人力物力投入,提高运维效率,降低运维成本。本申请还公开了一种纺织设备的维护装置、设备以及计算机可读存储介质,均具有上述技术效果。
Description
技术领域
本申请涉及纺织技术领域,特别涉及一种纺织设备的维护方法;还涉及一种纺织设备的维护装置、设备以及计算机可读存储介质。
背景技术
纺织设备是纺织企业生产经营的重要组成部分,纺织设备的运行状态直接影响生产加工效率、产品质量等诸多方面。针对纺织设备的维护,传统的维护策略是定期维护或者修复性维护,这样不仅需要投入大量的人力物力进行排查与检修,而且运维效率低、成本高。因此,如何减少人力物力投入,提高运维效率,降低运维成本已成为本领域技术人员亟待解决的技术问题。
发明内容
本申请的目的是提供一种纺织设备的维护方法,能够减少人力物力投入,提高运维效率,降低运维成本。本申请的另一个目的是提供一种纺织设备的维护装置、设备以及计算机可读存储介质,均具有上述技术效果。
为解决上述技术问题,本申请提供了一种纺织设备的维护方法,包括:
计算纺织设备的设备劣化度;
根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;
根据所述设备劣化度时间序列创建设备劣化度预测模型;
通过所述设备劣化度预测模型预测设备劣化度;
根据预测的设备劣化度,确定所述纺织设备的维护方案。
可选的,所述计算纺织设备的设备劣化度包括:
分别计算所述纺织设备的各评价指标的指标劣化度与权重系数;
根据各所述评价指标的所述指标劣化度与对应的所述权重系数,计算所述纺织设备的设备劣化度。
可选的,分别计算所述纺织设备的各评价指标的权重系数包括:
分别计算各所述评价指标对于设备健康状态的重要度;
根据所述重要度,计算所述纺织设备的所述评价指标的权重系数。
可选的,所述分别计算各所述评价指标对于设备健康状态的重要度包括:
采用马氏距离法分别计算各所述评价指标对于设备健康状态的重要度。
可选的,所述根据各所述重要度,计算所述纺织设备的各所述评价指标的权重系数包括:
求取各所述重要度的和值;
分别计算所述重要度与所述和值的比值,得到各所述评价指标的权重系数。
可选的,所述根据所述设备劣化度时间序列创建设备劣化度预测模型包括:
基于所述设备劣化度时间序列与差分自回归移动模型,创建所述设备劣化度预测模型。
可选的,还包括:
记录所述纺织设备的各运行时间段的设备劣化度,以根据记录的所述设备劣化度优化所述设备劣化度预测模型。
为解决上述技术问题,本申请还提供了一种纺织设备的维护装置,包括:
设备劣化度计算模块,用于计算纺织设备的设备劣化度;
设备劣化度时间序列构建模块,用于根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;
设备劣化度预测模型创建模块,用于根据所述设备劣化度时间序列创建设备劣化度预测模型;
设备劣化度预测模块,用于通过所述设备劣化度预测模型预测设备劣化度;
维护方案确定模块,用于根据预测的设备劣化度,确定所述纺织设备的维护方案。
为解决上述技术问题,本申请还提供了一种纺织设备的维护设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述的纺织设备的维护方法的步骤。
为解决上述技术问题,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的纺织设备的维护方法的步骤。
本申请所提供的纺织设备的维护方法,包括:计算纺织设备的设备劣化度;根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;根据所述设备劣化度时间序列创建设备劣化度预测模型;通过所述设备劣化度预测模型预测设备劣化度;根据预测的设备劣化度,确定所述纺织设备的维护方案。
可见,相较于定期维护或修复性维护,本申请所提供的纺织设备的维护方法,采取预测性维护策略,以设备劣化度作为纺织设备健康状态的衡量指标,在计算设备劣化度,构建设备劣化度时间序列的基础上,根据设备劣化度时间序列创建设备劣化度预测模型,并利用此设备劣化度预测模型预测设备劣化度,进而根据预测的设备劣化度发生态势,制定预测性维护方案,可以对潜在的故障设备进行识别与预警,在保障设备安全可靠运行的同时,能够减少人力物力投入,提高运维效率,降低运维成本。
本申请所提供的纺织设备的维护装置、设备以及计算机可读存储介质均具有上述技术效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对现有技术和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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种纺织设备的维护方法的流程示意图;
图2为本申请实施例所提供的一种同类型设备多维评价指标矩阵数据分布示意图;
图3为本申请实施例所提供的另一种纺织设备的维护方法的示意图;
图4为本申请实施例所提供的一种纺织设备的维护装置的示意图;
图5为本申请实施例所提供的一种纺织设备的维护设备的示意图。
具体实施方式
本申请的核心是提供一种纺织设备的维护方法,能够减少人力物力投入,提高运维效率,降低运维成本。本申请的另一个核心是提供一种纺织设备的维护装置、设备以及计算机可读存储介质,均具有上述技术效果。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种纺织设备的维护方法的流程示意图,参考图1所示,该方法包括:
S101:计算纺织设备的设备劣化度;
本实施例所提供的纺织设备的维护方法以设备劣化度作为衡量纺织设备的健康状态的指标,并以设备劣化度的发展态势作为制定维护方案的依据。
其中,在一些实施例中,所述计算纺织设备的设备劣化度包括:
分别计算所述纺织设备的各评价指标的指标劣化度与权重系数;
根据所述评价指标的所述指标劣化度与对应的所述权重系数,计算所述纺织设备的设备劣化度。
本实施例基于纺织设备的各评价指标的指标劣化度与权重系数求取纺织设备的设备劣化度。
分别计算所述纺织设备的各评价指标的权重系数可以包括:
分别计算各所述评价指标对于设备健康状态的重要度;
根据所述重要度,计算所述纺织设备的所述评价指标的权重系数。
传统的设备健康评估方案中往往采取专家打分制确定各个评价指标的权重,在一定程度上依赖于专家定性或定量的描述,然而这种主观评价可能会导致评价结果与实际情况不符,并且随着评价指标越来越多,专家打分的方式变得愈发困难。为此,本实施例采取了计算评价指标对于设备健康状态的重要度,并根据评价指标对于设备健康状态的重要度计算评价指标的权重系数的方式,可以有效降低对专家经验的依赖,计算所得评价指标的权重系数更加客观合理,符合实际。
其中,所述分别计算各所述评价指标对于设备健康状态的重要度包括:
采用马氏距离法分别计算各所述评价指标对于设备健康状态的重要度。
具体而言,某一个运行时间段内与设备运行状态相关的评价指标主要包括:异常次数、平均异常持续时间、越限报警次数、更换零件的频率、维修频率等。多个同类型的纺织设备的多维评价指标数据可由矩阵X表示为:X={X1,X2,...,Xi,...,Xn}T。其中,Xi={xi 1,xi 2,...,xi j,...,xi m},i=1,2,...,n;j=1,2,...,k,...,m;n为纺织设备的数量;m为纺织设备的评价指标的数量;Xi表示第i个纺织设备所对应的多维评价指标;xi j表示第i个纺织设备所对应的多维评价指标中的第j个评价指标的实测值。同类型的纺织设备的多维评价指标矩阵X分布可参考图2所示。
对矩阵X进行归一化处理之后,根据如下公式分别计算各评价指标对于纺织设备的设备健康状态的重要度:
上式中,Ck表示第k个评价指标对于设备健康状态的重要度;di表示第i个纺织设备所对应的多维评价指标数据相对于数据整体分布的马氏距离;di j≠k表示去除当前计算的第k个评价指标对应数据后,求得的第i个纺织设备的多维评价指标数据相对于数据整体分布的马氏距离。马氏距离的求解公式如下:
上式中,u∈R1×m,表示由m个评价指标组成的均值矩阵;Cov-1∈Rm×m,表示数据矩阵X的协方差矩阵的逆矩阵,R表示自然数。
如果删除某一个评价指标对应的数据后,计算出的Ck值越大,则表明该评价指标对数据矩阵整体分布影响越大,可以认为该评价指标在多维评价指标体系中对于设备健康状态评估越重要。也就是说,评价指标对于纺织设备的设备健康状态的重要度与评价指标的权重系数成正比。
另外,所述根据各所述重要度,计算所述纺织设备的各所述评价指标的权重系数包括:
求取各所述重要度的和值;
分别计算所述重要度与所述和值的比值,得到各所述评价指标的权重系数。
上式中,wk表示第k个评价指标的权重系数。
纺织设备的设备健康状态是一个性能逐渐退化的过程,一旦性能退化超出允许偏差,纺织设备将表现为故障状态。因此将劣化度定义为从良好状态逐渐偏离到极限状态的程度,各个纺织设备的指标劣化度可表示为:L={L1,L2,...,Ln}T,其中,Li=[li 1,li 2,...,li j,...,li m];j=1,2,...,k,...,m;li j为第i个设备的多维评价指标中的第j个评价指标的指标劣化度。
某一纺织设备的某个评价指标的指标劣化度的计算公式可以为:
式中,xi,ref k为第i个纺织设备的多维评价指标中第k个评价指标的参考值(良好状态下的值);xi,lim k为第i个纺织设备的多维评价指标中第k个评价指标的极限值(阈值)。
上述计算指标劣化度的方式,既考虑了评价指标的数据与良好状态下的偏离程度,又考虑了评价指标的数据与极限状态下的接近程度。
从计算公式可以看出,指标劣化度范围为从0到1,当评价指标的实测值接近参考值时,其劣化度接近0,此时纺织设备处于良好状态。综合考虑各个评价指标的指标劣化度,从参考值到极限值的变化范围内,评价指标的实测值通常介于两值之间,此时纺织设备处于中间状态。
基于各个评价指标的指标劣化度结合相对应的权重系数,计算得到某一个运行时间段内的设备健康综合评估值即设备劣化度,计算公式为:
式中,li *为第i个纺织设备的设备劣化度。
S102:根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;
S103:根据所述设备劣化度时间序列创建设备劣化度预测模型;
具体而言,采用上文所述的马氏距离法与劣化度计算方法,对纺织设备历史阶段和现阶段进行健康评估,获得连续多个运行时间段的设备劣化度,构建设备劣化度时间序列Li *=[li *(1),li *(2),...,li *(t)],其中,li *(t)表示纺织设备i的第t个运行时间段的设备劣化度。在构建设备劣化度时间序列的基础上,根据所述设备劣化度时间序列创建设备劣化度预测模型。
其中,在一些实施例中,所述根据所述设备劣化度时间序列创建设备劣化度预测模型包括:
基于所述设备劣化度时间序列与差分自回归移动模型,创建所述设备劣化度预测模型。
具体而言,本实施例采用ARIMA(Autoregressive Integrated Moving AverageModel,差分自回归移动模型)建立各纺织设备的劣化度预测模型。
参考图3所示,建模前,首先对设备劣化度时间序列进行单位根检验,以判断设备劣化度时间序列是否平稳。一般情况下,纺织设备处于正常运行状态时,设备劣化度时间序列趋于平稳。
如果设备劣化度时间序列为非平稳序列,可通过差分法转化为平稳序列。
例如,一阶差分法可以表示为:
li *(t)'=li *(t)-li *(t-1);
二阶差分法可表示为:
li *(t)”=li *(t)'+li *(t-1)'
=(li *(t)-li *(t-1))-(li *(t-1)-li *(t-2));
=li *(t)-2li *(t-1)+li *(t-2)
式中,li *(t-1)为设备劣化度时间序列中的第t-1个设备劣化度,即li *(t)滞后一个单位时段的设备劣化度;li *(t-2)为li *(t)滞后两个单位时段的设备劣化度;li *(t)'为一阶差分后的差分序列中的第t-1个观测值;li *(t)”为二阶差分后的差分序列中的第t-2个观测值。
为了简化表示形式,可利用延迟算子B表示时间序列的延迟。延迟算子B表征时间滞后一个单位时段,具体可表示为:
li *(t-1)=Bli *(t)
li *(t-2)=B2li *(t)
…
li *(t-d)=Bdli *(t)。
利用延迟算子B表示一阶差分为:
li *(t)'=li *(t)-Bli *(t)=(1-B)li *(t);
利用延迟算子B表示二阶差分为:
li *(t)”=li *(t)-2Bli *(t)+B2li *(t)=(1-B)2li *(t);
利用延迟算子B表示d阶差分为:
li *(t)d=(1-B)dli *(t)。
ARIMA模型可以表示为:
li *(t)d=μ+φ1li *(t-1)d+...+φpli *(t-p)d+θ1εt-1+...+θqεt-q+εt;
利用延迟算子B可以表示为:
对ARIMA模型进行模型识别与定阶。模型识别是指从已知的模型中选择与时序序列过程相吻合的模型。
对于模型识别,当d=q=0时,模型转变为ARIMA模型的特例之一:自回归模型;当p=d=0时,模型转变为ARIMA模型的特例之二:移动平均模型。当参数为其他值时,模型相应的转变为ARIMA模型的其他特例模型。
对于模型定阶,为了确定模型的阶数,可利用信息准则函数法来确定p、q的取值,即采取最小化AIC准则来确定p、q的取值。AIC计算公式为:
AIC=2k-2ln(L);
式中,k为模型参数个数;L为模型的似然函数。
修正过后的AIC值可以表示为:
式中,n表示样本数量。
确定模型阶数p、d、q后,进一步可采用极大似然估计、最小二乘估计等方法估计参数φi和θi。
经过模型识别、定阶以及参数估计后,最后检验所拟合的模型是否合理,主要包括参数估计的显著性检验和残差序列的独立性检验。
S104:通过所述设备劣化度预测模型预测设备劣化度;
S105:根据预测的设备劣化度,确定所述纺织设备的维护方案。
创建设备劣化度预测模型后,利用该设备劣化度预测模型,预测设备劣化度的发展态势,进而根据预测的设备劣化度发展态势,预先制定维护方案。
假设当前运行时间段为t,则设备劣化度时间序列已知的观测值长度为t,由ARIMA模型表示为:
li *(t)d=μ+φ1li *(t-1)d+...+φpli *(t-p)d+θ1εt-1+...+θqεt-q+εt;
那么预测下一个单位时段即t+1的设备劣化度公式可表示为:
li *(t+1|t)d=μ+φ1li *(t)d+...+φpli *(t-p+1)d+θ1εt+...+θqεt-q+1+εt+1;
上式中,右侧的εt+1是未知的预测误差,可替换为0,其他项皆为已知。
设备劣化度的预测值差分还原后可以观察到未来运行时间段纺织设备的设备劣化度,进而据此制定维护方案。
例如,未来几个运行时间段,纺织设备的设备劣化度急剧下降,此时,可以制定紧急维护方案,对该纺织设备进行紧急维护。
需要说明的是,对于维护方案本身,本申请不做唯一限定,可以根据需要设置合适的维护方案。
进一步,在一些实施例中,还包括:记录所述纺织设备的各运行时间段的设备劣化度,以便根据记录的所述设备劣化度持续优化所述设备劣化度预测模型。
综上所述,本申请所提供的纺织设备的维护方法,采取预测性维护策略,以设备劣化度作为纺织设备健康状态的衡量指标,在计算设备劣化度,构建设备劣化度时间序列的基础上,根据设备劣化度时间序列创建设备劣化度预测模型,并利用此设备劣化度预测模型预测设备劣化度,进而根据预测的设备劣化度发生态势,制定预测性维护方案,可以对潜在的故障设备进行识别与预警,在保障设备安全可靠运行的同时,能够减少人力物力投入,提高运维效率,降低运维成本。
本申请还提供了一种纺织设备的维护装置,下文描述的该装置可以与上文描述的方法相互对应参照。请参考图4,图4为本申请实施例所提供的一种纺织设备的维护装置的示意图,结合图4所示,该装置包括:
设备劣化度计算模块10,用于计算纺织设备的设备劣化度;
设备劣化度时间序列构建模块20,用于根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;
设备劣化度预测模型创建模块30,用于根据所述设备劣化度时间序列创建设备劣化度预测模型;
设备劣化度预测模块40,用于通过所述设备劣化度预测模型预测设备劣化度;
维护方案确定模块50,用于根据预测的设备劣化度,确定所述纺织设备的维护方案。
在上述实施例的基础上,作为一种具体的实施方式,设备劣化度计算模块10包括:
指标劣化度与权重系数计算单元,用于分别计算所述纺织设备的各评价指标的指标劣化度与权重系数;
设备劣化度计算单元,用于根据各所述评价指标的所述指标劣化度与对应的所述权重系数,计算所述纺织设备的设备劣化度。
在上述实施例的基础上,作为一种具体的实施方式,指标劣化度与权重系数计算单元包括:
重要度计算子单元,用于分别计算各所述评价指标对于设备健康状态的重要度;
权重系数计算子单元,用于根据所述重要度,计算所述纺织设备的所述评价指标的权重系数。
在上述实施例的基础上,作为一种具体的实施方式,重要度计算子单元具体用于:
采用马氏距离法分别计算各所述评价指标对于设备健康状态的重要度。
在上述实施例的基础上,作为一种具体的实施方式,权重系数计算子单元包括:
和值计算子单元,用于求取各所述重要度的和值;
比值计算子单元,用于分别计算所述重要度与所述和值的比值,得到各所述评价指标的权重系数。
在上述实施例的基础上,作为一种具体的实施方式,所述设备劣化度预测模型创建模块30具体用于:
基于所述设备劣化度时间序列与差分自回归移动模型,创建所述设备劣化度预测模型。
在上述实施例的基础上,作为一种具体的实施方式,还包括:
健康状态记录模块,用于记录所述纺织设备的各运行时间段的设备劣化度,以根据记录的所述设备劣化度优化所述设备劣化度预测模型。
本申请所提供的纺织设备的维护装置,采取预测性维护策略,以设备劣化度作为纺织设备健康状态的衡量指标,在计算设备劣化度,构建设备劣化度时间序列的基础上,根据设备劣化度时间序列创建设备劣化度预测模型,并利用此设备劣化度预测模型预测设备劣化度,进而根据预测的设备劣化度发生态势,制定预测性维护方案,可以对潜在的故障设备进行识别与预警,在保障设备安全可靠运行的同时,能够减少人力物力投入,提高运维效率,降低运维成本。
本申请还提供了一种纺织设备的维护设备,参考图5所示,该设备包括存储器1和处理器2。
存储器1,用于存储计算机程序;
处理器2,用于执行计算机程序实现如下的步骤:
计算纺织设备的设备劣化度;根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;根据所述设备劣化度时间序列创建设备劣化度预测模型;通过所述设备劣化度预测模型预测设备劣化度;根据预测的设备劣化度,确定所述纺织设备的维护方案。
对于本申请所提供的设备的介绍请参照上述方法实施例,本申请在此不做赘述。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下的步骤:
计算纺织设备的设备劣化度;根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;根据所述设备劣化度时间序列创建设备劣化度预测模型;通过所述设备劣化度预测模型预测设备劣化度;根据预测的设备劣化度,确定所述纺织设备的维护方案。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请所提供的计算机可读存储介质的介绍请参照上述方法实施例,本申请在此不做赘述。
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。对于实施例公开的装置、设备以及计算机可读存储介质而言,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。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的纺织设备的维护方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请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申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围。
Claims (10)
1.一种纺织设备的维护方法,其特征在于,包括:
计算纺织设备的设备劣化度;
根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;
根据所述设备劣化度时间序列创建设备劣化度预测模型;
通过所述设备劣化度预测模型预测设备劣化度;
根据预测的设备劣化度,确定所述纺织设备的维护方案。
2.根据权利要求1所述的纺织设备的维护方法,其特征在于,所述计算纺织设备的设备劣化度包括:
分别计算所述纺织设备的各评价指标的指标劣化度与权重系数;
根据各所述评价指标的所述指标劣化度与对应的所述权重系数,计算所述纺织设备的设备劣化度。
3.根据权利要求2所述的纺织设备的维护方法,其特征在于,分别计算所述纺织设备的各评价指标的权重系数包括:
分别计算各所述评价指标对于设备健康状态的重要度;
根据所述重要度,计算所述纺织设备的所述评价指标的权重系数。
4.根据权利要求3所述的纺织设备的维护方法,其特征在于,所述分别计算各所述评价指标对于设备健康状态的重要度包括:
采用马氏距离法分别计算各所述评价指标对于设备健康状态的重要度。
5.根据权利要求3所述的纺织设备的维护方法,其特征在于,所述根据各所述重要度,计算所述纺织设备的各所述评价指标的权重系数包括:
求取各所述重要度的和值;
分别计算所述重要度与所述和值的比值,得到各所述评价指标的权重系数。
6.根据权利要求1所述的纺织设备的维护方法,其特征在于,所述根据所述设备劣化度时间序列创建设备劣化度预测模型包括:
基于所述设备劣化度时间序列与差分自回归移动模型,创建所述设备劣化度预测模型。
7.根据权利要求1所述的纺织设备的维护方法,其特征在于,还包括:
记录所述纺织设备的各运行时间段的设备劣化度,以根据记录的所述设备劣化度优化所述设备劣化度预测模型。
8.一种纺织设备的维护装置,其特征在于,包括:
设备劣化度计算模块,用于计算纺织设备的设备劣化度;
设备劣化度时间序列构建模块,用于根据不同运行时间段的所述设备劣化度,构建设备劣化度时间序列;
设备劣化度预测模型创建模块,用于根据所述设备劣化度时间序列创建设备劣化度预测模型;
设备劣化度预测模块,用于通过所述设备劣化度预测模型预测设备劣化度;
维护方案确定模块,用于根据预测的设备劣化度,确定所述纺织设备的维护方案。
9.一种纺织设备的维护设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的纺织设备的维护方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的纺织设备的维护方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210753353.3A CN115062804A (zh) | 2022-06-29 | 2022-06-29 | 一种纺织设备的维护方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210753353.3A CN115062804A (zh) | 2022-06-29 | 2022-06-29 | 一种纺织设备的维护方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115062804A true CN115062804A (zh) | 2022-09-16 |
Family
ID=83203600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210753353.3A Pending CN115062804A (zh) | 2022-06-29 | 2022-06-29 | 一种纺织设备的维护方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062804A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170003667A1 (en) * | 2015-07-03 | 2017-01-05 | Yokogawa Electric Corporation | Equipment maintenance management system and equipment maintenance management method |
CN108181556A (zh) * | 2017-12-18 | 2018-06-19 | 国网浙江省电力有限公司检修分公司 | 基于铁帽温差时间序列分析的瓷质绝缘子零值检测方法 |
CN109637636A (zh) * | 2018-12-28 | 2019-04-16 | 上海奥普生物医药有限公司 | 数据处理方法及装置 |
CN110516941A (zh) * | 2019-08-16 | 2019-11-29 | 北京慧辰资道资讯股份有限公司 | 一种基于大数据分析企业生产隐患方法及装置 |
CN113422690A (zh) * | 2020-03-02 | 2021-09-21 | 烽火通信科技股份有限公司 | 一种业务质量劣化预测方法及系统 |
CN114118553A (zh) * | 2021-11-17 | 2022-03-01 | 龙源电力集团(上海)风力发电有限公司 | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 |
-
2022
- 2022-06-29 CN CN202210753353.3A patent/CN115062804A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170003667A1 (en) * | 2015-07-03 | 2017-01-05 | Yokogawa Electric Corporation | Equipment maintenance management system and equipment maintenance management method |
CN108181556A (zh) * | 2017-12-18 | 2018-06-19 | 国网浙江省电力有限公司检修分公司 | 基于铁帽温差时间序列分析的瓷质绝缘子零值检测方法 |
CN109637636A (zh) * | 2018-12-28 | 2019-04-16 | 上海奥普生物医药有限公司 | 数据处理方法及装置 |
CN110516941A (zh) * | 2019-08-16 | 2019-11-29 | 北京慧辰资道资讯股份有限公司 | 一种基于大数据分析企业生产隐患方法及装置 |
CN113422690A (zh) * | 2020-03-02 | 2021-09-21 | 烽火通信科技股份有限公司 | 一种业务质量劣化预测方法及系统 |
CN114118553A (zh) * | 2021-11-17 | 2022-03-01 | 龙源电力集团(上海)风力发电有限公司 | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 |
Non-Patent Citations (1)
Title |
---|
熊庆来: "高等算数分析", 31 May 2021, 哈尔滨工业大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113779496B (zh) | 一种基于设备全景数据的电力设备状态评估方法及系统 | |
CN108280543B (zh) | 基于分类回归模式的工况自适应的设备健康度评估方法 | |
CN109359894B (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
US20210374634A1 (en) | Work efficiency evaluation method, work efficiency evaluation apparatus, and program | |
CN114978956A (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
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 | |
CN113033011A (zh) | 一种船舶机械健康状态评估方法及系统 | |
CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
CN117111568B (zh) | 基于物联网的设备监测方法、装置、设备及存储介质 | |
CN111523727A (zh) | 基于不确定过程的考虑恢复效应的电池剩余寿命预测方法 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及系统 | |
CN117114454A (zh) | 一种基于Apriori算法的直流套管状态评估方法及系统 | |
CN115062804A (zh) | 一种纺织设备的维护方法及相关装置 | |
CN117422447A (zh) | 变压器维护策略生成方法、系统、电子设备及存储介质 | |
CN115616470B (zh) | 电流互感器计量误差状态预测方法、系统、设备及介质 | |
CN112016800A (zh) | 一种基于有效性指标的特征选择方法与系统 | |
CN116384876A (zh) | 基于维纳过程的备件动态库存-生产控制方法、系统及介质 | |
US20230297095A1 (en) | Monitoring device and method for detecting anomalies | |
EP3869286A1 (en) | System and method for detecting turbine underperformance and operation anomaly | |
CN114201825A (zh) | 基于组合特征的设备性能退化状态的评估方法及系统 | |
JP6579163B2 (ja) | プロセスの状態診断方法及び状態診断装置 | |
CN113283157A (zh) | 智能冲压压力机部件生命周期预测系统、方法、终端、介质 | |
CN111723342B (zh) | 一种基于弹性网络回归模型的变压器顶层油温预测方法 | |
CN117574303B (zh) | 施工状况的监测预警方法、装置、设备及存储介质 |
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 |