CN115271685B - 一种用于铁路行业高精度设备维修周期的监控方法及装置 - Google Patents
一种用于铁路行业高精度设备维修周期的监控方法及装置 Download PDFInfo
- Publication number
- CN115271685B CN115271685B CN202211177689.6A CN202211177689A CN115271685B CN 115271685 B CN115271685 B CN 115271685B CN 202211177689 A CN202211177689 A CN 202211177689A CN 115271685 B CN115271685 B CN 115271685B
- Authority
- CN
- China
- Prior art keywords
- equipment
- maintained
- time
- board card
- data
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 191
- 238000004519 manufacturing process Methods 0.000 claims abstract description 139
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 52
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008439 repair process Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 230000002950 deficient Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005476 soldering Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 101000879675 Streptomyces lavendulae Subtilisin inhibitor-like protein 4 Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种用于铁路行业高精度设备维修周期的监控方法及装置,涉及轨道交通技术领域,主要目的在于实现通过预测铁路行业高精度设备的维修时间,根据维修时间提前安排生产相应设备,可以合理统筹资源,使利益最大化。本发明主要的技术方案为:通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期。本发明用于监控铁路行业高精度设备的维修周期。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种用于铁路行业高精度设备维修周期的监控方法及装置。
背景技术
VCU系统全称为Vital Control Unit,是一个可广泛应用的通用组件级的安全平台,通过搭配不同的应用软件和应用硬件产品,在地铁和铁路系统可作为安全设备使用,包括电子执行单元、屏蔽门等。VCU系统的硬件构成包括VCU扣板上包含两个CPU及配套硬件,而双CPU通道基于组合故障安全策略实现二取二安全架构。VCU系统硬件的各器件的功能和性能是否达标至关重要。目前通过测试平台测试VCU系统硬件的各器件的功能和性能,以保证VCU系统硬件的各器件的功能和性能均达标才可以应用于正常工作场景。
VCU系统硬件的各器件的功能和性能是否达标取决于生产设备和测试设备的运行状态,当生产设备出现故障时会导致生产的VCU系统硬件出现瑕疵;当测试平台设备出现故障时会导致没有瑕疵的VCU系统硬件被误判导致产品不合格率上升;不论是生产设备还是测试平台设备出现故障均会造成巨大的经济损失;而对于设备维修方面,目前采用的解决方法是在设备发生故障后,进行后置的故障维修管理和故障原因分析。
但是,由于铁路行业高精度设备存在生产周期长、不易储存、价格昂贵等特点,现有的后置处理方式会导致不能及时维修好故障设备,不能及时恢复生产,使VCU系统硬件的生产造成巨大的经济损失。
发明内容
鉴于上述问题,本发明提供一种用于铁路行业高精度设备维修周期的监控方法及装置,主要目的是为了实现通过预测铁路行业高精度设备的维修时间,根据维修时间提前安排生产相应设备,可以合理统筹资源,使利益最大化。
为解决上述技术问题,本发明提出以下方案:
第一方面,本发明提供一种用于铁路行业高精度设备维修周期的监控方法,所述方法包括:
通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;
基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;
基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间。
优选地,所述目标数据为预设时间周期的板卡测试数据和板卡故障数据;所述待维修设备为预维修板卡生产设备;
所述基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间,包括:
基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线;
根据所述板卡不合格率预测曲线获得达到预设阈值的目标板卡不合格率;
基于所述目标板卡不合格率对应的所述板卡故障数据获得目标不合格板卡的标识;
根据所述目标不合格板卡的标识获得所述目标不合格板卡的辅助测试底板和不合格数据类型;
判断所述辅助测试底板的使用状态是否异常;
若否,则根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间。
优选地,所述根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间,包括:
根据所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备;
根据所述板卡不合格率预测曲线的预设故障阈值确定所述预维修板卡生产设备的维修时间。
优选地,所述基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线,包括:
基于所述预设时间周期的板卡测试数据,分别通过中心限预设算法、上限预设算法、下限预设算法和不合格率算法得到所述中心限数据、所述上限数据、所述下限数据和所述不合格率;
基于所述中心限数据、所述上限数据、所述下限数据和所述不合格率得到所述板卡不合格率预测曲线。
优选地,所述待维修设备为辅助测试底板;所述目标数据为所述辅助测试底板的剩余使用次数和使用频率;
所述基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间,包括:
基于所述辅助测试底板对应的所述剩余使用次数和所述使用频率计算得到所述辅助测试底板的剩余使用时间;
根据所述剩余使用时间和当前时间计算得到所述辅助测试底板的维修时间。
优选地,所述基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,包括:
根据预设时间周期获取当前时间和所述待维修设备对应的所述维修时间;
判断所述当前时间与所述维修时间的时间差是否大于预设阈值,所述预设阈值不小于所述待维修设备的生产周期;
若否,则对所述待维修设备进行预警。
优选地,在所述基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期之后,所述方法还包括:
获取所述预警对应的所述待维修设备的剩余使用时间;
根据所述待维修设备的剩余使用时间调取预设生产方案。
第二方面,本发明提供一种用于铁路行业高精度设备维修周期的监控装置,所述装置包括:
第一获取单元,用于通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;
计算单元,用于基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;
预警单元,用于基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间。
优选地,所述目标数据为预设时间周期的板卡测试数据和板卡故障数据;所述待维修设备为预维修板卡生产设备;所述计算单元,包括:
计算模块,用于基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线;
第一获取模块,用于根据所述板卡不合格率预测曲线获得达到预设阈值的目标板卡不合格率;
第二获取模块,用于基于所述目标板卡不合格率对应的所述板卡故障数据获得目标不合格板卡的标识;
第三获取模块,用于根据所述目标不合格板卡的标识获得所述目标不合格板卡的辅助测试底板和不合格数据类型;
判断模块,用于判断所述辅助测试底板的使用状态是否异常;
确定模块,用于若所述辅助测试底板的使用状态不异常,则根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间。
优选地,所述确定模块,包括:
还用于根据所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备;
还用于根据所述板卡不合格率预测曲线的预设故障阈值确定所述预维修板卡生产设备的维修时间。
优选地,所述计算模块,包括:
还用于基于所述预设时间周期的板卡测试数据,分别通过中心限预设算法、上限预设算法、下限预设算法和不合格率算法得到所述中心限数据、所述上限数据、所述下限数据和所述不合格率;
还用于基于所述中心限数据、所述上限数据、所述下限数据和所述不合格率得到所述板卡不合格率预测曲线。
优选地,所述待维修设备为辅助测试底板;所述目标数据为所述辅助测试底板的剩余使用次数和使用频率;所述第一获取单元,包括:
第一计算模块,用于基于所述辅助测试底板对应的所述剩余使用次数和所述使用频率计算得到所述辅助测试底板的剩余使用时间;
第二计算模块,用于根据所述剩余使用时间和当前时间计算得到所述辅助测试底板的维修时间。
优选地,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,所述预警单元,包括:
获取模块,用于根据预设时间周期获取当前时间和所述待维修设备对应的所述维修时间;
判断模块,用于判断所述当前时间与所述维修时间的时间差是否大于预设阈值,所述预设阈值不小于所述待维修设备的生产周期;
预警模块,用于若所述当前时间与所述维修时间的时间差不大于预设阈值,则对所述待维修设备进行预警。
优选地,所述装置还包括:
第二获取单元,用于获取所述预警对应的所述待维修设备的剩余使用时间;
调取单元,用于根据所述待维修设备的剩余使用时间调取预设生产方案。为了实现上述目的,根据本发明的第三方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述第一方面所述用于铁路行业高精度设备维修周期的监控方法。
为了实现上述目的,根据本发明的第四方面,提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如第二方面所述用于铁路行业高精度设备维修周期的监控装置的全部或部分步骤。
借由上述技术方案,本发明提供的用于铁路行业高精度设备维修周期的监控方法及装置,是目前对于设备维修方面采用的解决方法是在设备发生故障后,进行后置的故障维修管理和故障原因分析。由于铁路行业高精度设备存在生产周期长、不易储存、价格昂贵等特点,现有的后置处理方式会导致不能及时维修好故障设备,不能及时恢复生产,使VCU系统硬件的生产造成巨大的经济损失。为此,本发明通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间。本发明通过抓取前端数据进行整合,提取出有效数据,结合远程控制和大数据处理的能力对铁路行业高精度设备维修周期进行监控和预测,通过预测铁路行业高精度设备的维修时间,根据维修时间提前安排生产相应设备,可以合理统筹资源,以便及时合理安排生产资源,使维修过程利益最大化。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种用于铁路行业高精度设备维修周期的监控方法流程图;
图2示出了本发明实施例提供的另一种用于铁路行业高精度设备维修周期的监控方法流程图;
图3示出了本发明实施例提供的一种用于铁路行业高精度设备维修周期的监控装置的组成框图;
图4示出了本发明实施例提供的另一种用于铁路行业高精度设备维修周期的监控装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
VCU系统全称为Vital Control Unit,是一个可广泛应用的通用组件级的安全平台,通过搭配不同的应用软件和应用硬件产品,在地铁和铁路系统可作为安全设备使用,包括电子执行单元、屏蔽门等。VCU系统的硬件构成包括VCU扣板上包含两个CPU及配套硬件,而双CPU通道基于组合故障安全策略实现二取二安全架构。VCU系统硬件为SIL4级别的安全组件,上面集成了LASH、CAN总线、网络、串口、GPIO、SPI设备、硬件看门狗等多功能和性能。因此,VCU系统硬件的各器件的功能和性能是否达标至关重要。目前通过测试平台测试VCU系统硬件,保证VCU系统硬件的各器件的功能和性能均达标才可以应用于正常工作场景。但是,生产出的VCU系统硬件的各器件的功能和性能是否达标取决于生产设备和测试设备,当生产设备出现故障时会导致生产的VCU系统硬件出现瑕疵;当测试平台设备出现故障时会导致没有瑕疵的VCU系统硬件被误判导致产品不合格率上升;不论是生产设备还是测试平台设备出现故障均会造成巨大的经济损失。
目前,对于设备维修方面采用的解决方法是在设备发生故障后,进行后置的故障维修管理和故障原因分析;由于铁路行业高精度设备存在生产周期长、不易储存、价格昂贵等特点,现有的后置处理方式会导致不能及时维修好故障设备,恢复生产,造成巨大的经济损失。针对此问题,发明人想到通过抓取前端数据进行整合,提取出有效数据,结合远程控制和大数据处理的能力对铁路行业高精度设备维修周期进行监控和预测,以便及时合理安排生产资源,使维修过程利益最大化。
为此,本发明实施例提供了一种用于铁路行业高精度设备维修周期的监控方法,通过该方法实现通过预测铁路行业高精度设备的维修时间,根据维修时间提前安排生产相应设备,可以合理统筹资源,使利益最大化,其具体执行步骤如图1所示,包括:
101、通过测试平台系统获取待维修设备对应的目标数据。
其中,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;所述二取二安全控制单元的硬件构成包括VCU扣板,所述VCU扣板上设置有两个CPU以及两个CPU对应的配套硬件,而双CPU通道基于组合故障安全策略实现二取二安全架构。所述二取二安全控制单元集成了LASH、CAN总线、网络、串口、GPIO、SPI设备、硬件看门狗等功能,本步骤不做具体限定;所述生产设备包括三防喷涂设备、焊锡炉、光学检测仪、温度测试仪、X-ray检测仪、高温烘烤炉、高低温环境试验箱等,本步骤不做具体限定。
所述测试平台系统是用于测试和储存二取二安全控制单元的硬件的各器件的功能和性能的测试数据,其中,所述测试数据包括CAN通道通信测试、串口通信测试、网口通信测试、NVRAM读写测试、并口FLASH测试、GPIO测试、电压采集测试等,本步骤不做具体限定;其中,测试二取二安全控制单元的硬件的各器件的功能和性能的设备为所述测试设备,所述测试设备包括VCU测试平台、VCU测试机笼、VCU测试底板等,本步骤不做具体限定。
所述目标数据可以为预设时间周期的产品测试数据和产品故障数据,也可以为测试设备的剩余使用次数和使用频率,本步骤不做具体限定。
102、基于待维修设备对应的目标数据,通过预设算法得到待维修设备的维修时间。
由步骤101可知,所述待维修设备可以为二取二安全控制单元的硬件的生产设备,也可以为二取二安全控制单元的硬件的测试设备;当所述待维修设备为二取二安全控制单元的硬件的生产设备时,所述目标数据为预设时间周期的二取二安全控制单元的硬件的测试数据和其故障数据;当所述待维修设备为二取二安全控制单元的硬件的测试设备时,所述目标数据为二取二安全控制单元的硬件的测试设备的剩余使用次数和使用频率。
基于二取二安全控制单元的硬件的生产设备对应的目标数据“预设时间周期的二取二安全控制单元的硬件的测试数据和其故障数据”通过预设算法得到硬件不合格率预测曲线,基于所述硬件不合格率预测曲线得到二取二安全控制单元的硬件的生产设备的维修时间,所述预设算法是基于所述二取二安全控制单元的硬件的测试数据和其故障数据计算得到所述硬件不合格率预测曲线的算法,本步骤不做具体限定。
基于二取二安全控制单元的硬件的测试设备对应的目标数据“二取二安全控制单元的硬件的测试设备的剩余使用次数和使用频率”,计算所述二取二安全控制单元的硬件的测试设备的剩余使用时间,根据所述剩余使用时间与当前时间相加计算得到二取二安全控制单元的硬件的测试设备的维修时间。
103、基于维修时间,通过预设预警规则对待维修设备进行预警。
需要说明的是:预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间。
所述预设预警规则是在维修时间的基础上提前不小于所述待维修设备的生产周期的时长进行预警,可以设置为一级或多级预警时间。
基于上述图1实施例的实现方式可以看出,本发明提供一种用于铁路行业高精度设备维修周期的监控方法,是目前对于设备维修方面采用的解决方法是在设备发生故障后,进行后置的故障维修管理和故障原因分析。由于铁路行业高精度设备存在生产周期长、不易储存、价格昂贵等特点,现有的后置处理方式会导致不能及时维修好故障设备,不能及时恢复生产,使VCU系统硬件的生产造成巨大的经济损失。为此,本发明通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间。本发明通过抓取前端数据进行整合,提取出有效数据,结合远程控制和大数据处理的能力对铁路行业高精度设备维修周期进行监控和预测,通过预测铁路行业高精度设备的维修时间,根据维修时间提前安排生产相应设备,可以合理统筹资源,以便及时合理安排生产资源,使维修过程利益最大化。
进一步的,作为对图1所示实施例的细化及扩展,本发明实施例还提供了另一种用于铁路行业高精度设备维修周期的监控方法,如图2所示,其具体步骤如下:
201、通过测试平台系统获取待维修设备对应的目标数据。
本步骤结合上述方法中101步骤的描述,在此相同的内容不赘述。
所述待维修设备是VCU板卡的各个生产阶段的生产设备和辅助测试底板。所述VCU板卡的生产设备对应的目标数据是为预设时间周期的VCU板卡测试数据和VCU板卡故障数据。所述VCU板卡的辅助测试底板的目标数据是为辅助测试底板的剩余使用次数和使用频率,例如:辅助测试底板A的剩余使用次数为12230次和使用频率300次/天。
VCU板卡的生产设备分布在各个不同地区的不同生产工厂,生产完成的VCU板卡通过辅助测试底板进行性能测试,测试得到的VCU板卡的测试数据储存在测试平台系统中,所述辅助测试底板位于机笼的槽道内。本发明通过远程控制系统获取各个不同地区的不同生产工厂的VCU板卡的测试数据。例如:A地区设置VCU板卡生产工厂A、B地区设置VCU板卡生产工厂B、C地区设置VCU板卡生产工厂C;并且每个生产工厂均设置有测试设备(辅助测试底板),上述三个地区的测试设备均属于测试平台系统X,所述测试平台系统X储存有所述三个地区测试设备测试的VCU板卡相关数据,所述VCU板卡相关数据包括VCU板卡测试数据、VCU板卡故障数据等;通过测试平台系统X可以获取所述VCU板卡生产工厂A生产的VCU板卡的2022年7月1日至2022年8月30日的VCU板卡测试数据和VCU板卡故障数据,也可以获取VCU板卡生产工厂A的测试设备(辅助测试底板)的剩余使用次数为12230次和使用频率300次/每天。
202、基于待维修设备对应的目标数据,通过预设算法得到待维修设备的维修时间。
本步骤结合上述方法中102步骤的描述,在此相同的内容不赘述。
第一种,所述目标数据为预设时间周期的板卡测试数据和板卡故障数据;所述待维修设备为预维修板卡生产设备;所述基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间,包括:基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线;根据所述板卡不合格率预测曲线获得达到预设阈值的目标板卡不合格率;基于所述目标板卡不合格率对应的所述板卡故障数据获得目标不合格板卡的标识;根据所述目标不合格板卡的标识获得所述目标不合格板卡的辅助测试底板和不合格数据类型;判断所述辅助测试底板的使用状态是否异常;若否,则根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间;其中,所述根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间,包括:根据所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备;根据所述板卡不合格率预测曲线的预设故障阈值确定所述预维修板卡生产设备的维修时间;其中,所述基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线,包括:基于所述预设时间周期的板卡测试数据,分别通过中心限预设算法、上限预设算法、下限预设算法和不合格率算法得到所述中心限数据、所述上限数据、所述下限数据和所述不合格率;基于所述中心限数据、所述上限数据、所述下限数据和所述不合格率得到所述板卡不合格率预测曲线。
需要说明的是,所述板卡不合格率预测曲线包括中心限曲线、上限曲线、下限曲线和不合格率曲线,并且每一种曲线包括历史曲线部分和未来预测曲线部分,两者的分界点为当日时间。
进一步说明:所述VCU板卡不合格率预测曲线包括两部分,一部分是根据历史测试数据计算得到的历史曲线部分,所述历史曲线部分的中心限数据、上限数据和下限数据均是根据当日的测试数据计算得出,除了中心限数据固定不变,上限数据和下限数据均会根据对应的当日测试数据情况而变化;另一部分是未来预测曲线部分,所述未来预测曲线部分的中心限数据与所述历史曲线部分的中心限相等;所述未来预测曲线部分的上限数据等于根据历史曲线部分的当日测试数据计算得到上限数据,呈现平直的横线;所述未来预测曲线部分的下限数据等于根据历史曲线部分的当日测试数据计算得到下限数据,呈现平直的横线;所述未来预测曲线部分的不合格率曲线是根据预设时间周期的历史数据计算得到的每日平均增长率a以递增的方式形成的直线y=x+a,或者,根据预设固定增长率b以递增的方式形成的直线y=x+b。
举例说明:已获取VCU板卡的2022年6月1日至2022年6月30日的测试数据和故障数据,采用以下预设算法计算VCU述板卡不合格率预测曲线的历史曲线部分,步骤如下:
中心限公式:,其中,CL 为中心限,为不合格的平均比例,m为子组数,N为2022年6月1日至2022年6月30日的VCU板卡样本量,n为VCU板卡总数;
上限公式:,其中,UCL为上控制限,为不合格的平均比例,n为样本容量;
下限公式:,其中,LCL为下控制限,为不合格的平均比例,n为样本容量;
标准差公式:其中,σ为标准差,为不合格的平均比例,n为样本容量;
不合格率公式:S=N/n,其中,N为当日故障数量,n为当日样本总量;
所述VCU板卡的2022年6月1日至2022年6月30日的测试数据总数为“278”总计6天具备测试数据“2022年6月8日:当日样本总量为87,当日故障数量为12;2022年6月9日:当日样本总量为24,当日故障数量为4;2022年6月19日:当日样本总量为2,当日故障数量为0;2022年6月20日:当日样本总量为9,当日故障数量为5;2022年6月21日:当日样本总量为50,当日故障数量为0;2022年6月29日:当日样本总量为106,当日故障数量为6;”,结合上述计算公式,得出中心限数据为(0.009),上限数据分别为(0.19、0.27、0.72、0.39、0.22、0.18),下限数据分别为(0.0019、0、0、0、0、0.01),不合格率数据分别为(0.13、0.16、0、0.55、0、0.05);根据上限数据(0.19、0.27、0.72、0.39、0.22、0.18)生成历史上限曲线;根据所述中心限数据为(0.009)生成历史中心限直线y=0.009;根据所述下限数据分别为(0.0019、0、0、0、0、0.01)生成历史下限曲线;根据所述不合格率数据分别为(0.13、0.16、0、0.55、0、0.05)生成历史不合格率曲线,根据所述历史上限曲线、所述历史上限曲线、历史下限曲线和历史不合格率曲线得到所述板卡不合格率预测曲线的历史曲线部分。在此例子中,所述未来预测曲线部分的中心限数据等于历史曲线部分的中心限数据,即所述未来预测曲线部分的中心限直线为y=0.009,所述未来预测曲线部分的上限直线为y=0.18,所述未来预测曲线部分的下限直线为y=0.01,假设已设置预设固定每日增长率为1%,则所述未来预测曲线部分的不合格率曲线为y=x+0.01,起点x为0.05。
本发明针对VCU板卡不合格率预测曲线预先设置预设阈值,将所VCU板卡不合格率预测曲线中的中心限数据作为所述预设阈值;将所述VCU板卡不合格率预测曲线中未来预测曲线部分的上限数据作为所述预设故障阈值;当所述未来预测曲线部分的不合格率曲线与所述未来预测曲线部分的上限直线的交点对应的日期即为待维修设备的维修时间。
例如:在所述板卡不合格率预测曲线中,中心限数据为3%,已经将预设阈值设置为3%,假设此刻为2022年9月7日,当日测试VCU板卡得到的测试数据的不合格率为5%,大于所述中心限数据3%,则将获取2022年9月7日的VCU板卡故障数据(共计300个VCU板卡,其中,有15个VCU板卡不合格,编号分别为xxxxx111、xxxxx112、xxxxx123、xxxxx134、xxxxx135、xxxxx142、xxxxx163、xxxxx174、xxxxx121、xxxxx131、xxxxx122、xxxxx125、xxxxx143、xxxxx164、xxxxx184),基于所述2022年9月7日的VCU板卡故障数据获得目标VCU不合格板卡标识(编号分别为xxxxx111、xxxxx112、xxxxx123、xxxxx134、xxxxx135、xxxxx142、xxxxx163、xxxxx174、xxxxx121、xxxxx131、xxxxx122、xxxxx125、xxxxx143、xxxxx164、xxxxx184);
假设VCU板卡编号xxxxx1~ xxxxx100的辅助测试底板为A板;xxxxx101~ xxxxx200的辅助测试底板为B板;xxxxx201~ xxxxx300的辅助测试底板为C板;根据所述目标不合格板卡的标识(编号分别为xxxxx111、xxxxx112、xxxxx123、xxxxx134、xxxxx135、xxxxx142、xxxxx163、xxxxx174、xxxxx121、xxxxx131、xxxxx122、xxxxx125、xxxxx143、xxxxx164、xxxxx184)获得所述目标不合格板卡的辅助测试底板为B板和不合格数据类型(例如:网口测试异常);因为VCU板卡出现故障的原因有两种,一种是生产设备故障导致的VCU板卡本身有缺陷,一种是测试设备使用寿命接近到限导致的误判;所以需要先进行判断是哪种原因导致的VCU板卡出现故障;
进一步判断所述B板的使用状态是否异常(检查所述B板是否发生因使用寿命接近到限导致的误报故障);若否(相当于所述B板没有发生因使用寿命接近到限导致的误报故障),根据所述目标不合格VCU板卡的不合格数据类型(例如:网口测试异常)确定所述预维修VCU板卡生产设备为焊锡炉;需要说明的是:所述目标不合格VCU板卡的不合格数据类型可以为多种,确定的所述预维修VCU板卡生产设备也可以为多种,本实施例不做具体限定;但是,无论确定的所述预维修VCU板卡生产设备是一种还是多种,预警方法相同;
根据所述VCU板卡不合格率预测曲线的未来预测曲线部分的上限数据8%作为预设故障阈值,查看所述VCU板卡不合格率预测曲线的未来预测曲线部分的不合格率曲线的情况,将所述不合格率曲线中达到8%对应的日期(例如:2022年12月3日)确定所述“焊锡炉”的维修时间,即将所述VCU板卡不合格率预测曲线中的VCU板卡不合格率为8%对应的时间点定为维修时间;若是,(检查所述B板是因使用寿命接近到限导致的误报故障)。需要说明的是:得到的结果是生产设备故障异常导致VCU板卡故障,则需要进行生产设备的后续修复。
判断所述B板的使用状态是否异常,若是(相当于所述B板发生因使用寿命接近到限导致的误报故障),则获取所述B板对应的故障率,且进行储存;后续基于所述B板对应的故障率进行修正所述B板的维修时间。例如:通过基于故障统计数据发现所述B板的网口测试异常(具体测试异常为测试丢包率超限),经分析发现,所述B板的网口测试异常是由于所述B板的网口连接部分磨损加速导致的,所述B板导致的VCU板卡故障率已达到3%(既每100个VCU板卡有3个VCU板卡出现由于所述B板异常导致问题),检查测试平台可得所述B板使用次数为1000次,但其设定报废上限为30000次,(已知测试平台使用寿命30000次为前期根据统计数据估算当VCU板卡故障率达到10%时报废),按照使用磨损计算,该所述B板在4000次时故障率为10%,因此需对该所述B板的报废时间进行修正,将原来的报废上限修正为4000次,同时加速预先投产进度,即报废时间等同于维修时间。
需要说明的是:所有辅助测试底板的相关数据会在测试平台系统进行记录保留,所有辅助测试底板的相关数据至少包括报废时间以及报废时间修正数据;当测试平台系统的辅助测试底板更换30次后,根据更换下来的辅助测试底板对应的历史数据,统一核算辅助测试底板报废的平均时间,根据报废的平均时长修正辅助测试底板初始的报废时间、预警时间及预投产时间。
需要说明的是:得到的结果是测试设备故障异常导致VCU板卡故障,则需要进入对对应的测试设备进行使用寿命的修正,修正后的数据在测试平台系统进行记录,按照规定的运行周期,重新汇总数据后,可实现平台的自我学习功能,不断修正/校准测试设备维护、预警、提前投产的时间,达到经济效益最大化。
第二种,所述待维修设备为辅助测试底板;所述目标数据为所述辅助测试底板的剩余使用次数和使用频率;所述基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间,包括:基于所述辅助测试底板对应的所述剩余使用次数和所述使用频率计算得到所述辅助测试底板的剩余使用时间;根据所述剩余使用时间和当前时间计算得到所述辅助测试底板的维修时间。
举例说明:
假设所述待维修设备为辅助测试底板A(剩余使用次数12223次,使用频率300次/天),所述辅助测试底板A的剩余使用时间为12223/300约等于47天;当前时间为2022年7月1日,则所述辅助测试底板A的维修时间为2022年8月17日。203、基于维修时间,通过预设预警规则对待维修设备进行预警。
本步骤结合上述方法中103步骤的描述,在此相同的内容不赘述。
根据预设时间周期获取当前时间和所述待维修设备对应的所述维修时间;判断所述当前时间与所述维修时间的时间差是否大于预设阈值,所述预设阈值不小于所述待维修设备的生产周期;若否,则对所述待维修设备进行预警。
举例说明:预设时间周期为7天,获取当前时间和辅助测试底板A对应的所述维修时间,假设所述辅助测试底板A的正常生产周期(47天),紧急生产周期(36天),所述当前时间为2022年6月24日8点,所述辅助测试底板A的维修时间为2022年8月16日8点,预设阈值设置为辅助测试底板A的正常生产周期(47天)加预设备料周期(5天)为52天,判断所述当前时间与所述维修时间的时间差(2022年8月16日8点与2022年6月24日8点的时间差52天)是否大于预设阈值(52天),结果为否,则对所述辅助测试底板A进行预警;还可以将预设阈值设置为五级,第一级预设阈值为辅助测试底板A的正常生产周期(47天)加5天为52天;第二级预设阈值为辅助测试底板A的正常生产周期(47天)加3天为50天,第三级预设阈值为辅助测试底板A的正常生产周期(47天)加0天为47天,第四级预设阈值为辅助测试底板A的正常生产周期(47天)减1天为46天,第五级预设阈值为辅助测试底板A的紧急生产周期(36天)加预设备料周期(5天)为41天,级数越高预警等级越高,表明事态越紧迫。
204、获取预警对应的待维修设备的剩余使用时间。
205、根据待维修设备的剩余使用时间调取预设生产方案。
其中,所述预设生产方案是根据生产资源设计的生产计划,所述预设生产方案可以有多种,例如:一级预案和二级预案,等级越高生产周期越短,所需资源综合花费越高,因此,尽量采用低等级的预案,这样可以节约资源。所述生产资源包括生产所需的资源,包括生产资金、生产人力、生产设备、生产原料等。
例如:一级预案(生产周期47天,所需花费10万),二级预案(生产周期40天,所需花费15万),根据辅助测试底板A的剩余使用时间(48天)调取预设生产方案(一级预案)。
基于上述图2的实现方式可以看出,本发明提供一种用于铁路行业高精度设备维修周期的监控方法,本发明分别设置不同的算法对生产设备和测试设备进行维修时间的预测,再基于维修时间通过设置预设报警规则对生产设备和测试设备进行多级预警,并且提前设置对应的预设生产预案,来实现提前安排生产相应设备,可以合理统筹资源,以便及时合理安排生产资源,使维修过程利益最大化。
进一步的,作为对上述图1所示方法的实现,本发明实施例还提供了一种用于铁路行业高精度设备维修周期的监控装置,用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示,该装置包括:
第一获取单元31,用于通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;
计算单元32,用于从所述第一获取单元31得到的基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;
预警单元33,用于从所述计算单元32得到的基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间。
进一步的,作为对上述图2所示方法的实现,本发明实施例还提供了另一种用于铁路行业高精度设备维修周期的监控装置,用于对上述图2所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图4所示,该装置包括:
第一获取单元31,用于通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;
计算单元32,用于从所述第一获取单元31得到的基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;
预警单元33,用于从所述计算单元32得到的基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间;
第二获取单元34,用于获取从所述预警单元33得到的所述预警对应的所述待维修设备的剩余使用时间;
调取单元35,用于根据从所述第二获取单元34得到的所述待维修设备的剩余使用时间调取预设生产方案。
进一步的,所述目标数据为预设时间周期的板卡测试数据和板卡故障数据;所述待维修设备为预维修板卡生产设备;所述计算单元32,包括:
计算模块321,用于基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线;
第一获取模块322,用于根据从所述计算模块321得到的所述板卡不合格率预测曲线获得达到预设阈值的目标板卡不合格率;
第二获取模块323,用于基于从所述第一获取模块322得到的所述目标板卡不合格率对应的所述板卡故障数据获得目标不合格板卡的标识;
第三获取模块324,用于根据从所述第二获取模块323得到的所述目标不合格板卡的标识获得所述目标不合格板卡的辅助测试底板和不合格数据类型;
判断模块325,用于判断从所述第三获取模块324得到的所述辅助测试底板的使用状态是否异常;
确定模块326,用于从所述判断模块325得到的若所述辅助测试底板的使用状态不异常,则根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间。
优选地,所述确定模块326,包括:
还用于根据所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备;
还用于根据所述板卡不合格率预测曲线的预设故障阈值确定所述预维修板卡生产设备的维修时间。
优选地,所述计算模块321,包括:
还用于基于所述预设时间周期的板卡测试数据,分别通过中心限预设算法、上限预设算法、下限预设算法和不合格率算法得到所述中心限数据、所述上限数据、所述下限数据和所述不合格率;
还用于基于所述中心限数据、所述上限数据、所述下限数据和所述不合格率得到所述板卡不合格率预测曲线。
进一步的,所述待维修设备为辅助测试底板;所述目标数据为所述辅助测试底板的剩余使用次数和使用频率;所述第一获取单元31,包括:
第一计算模块311,用于基于所述辅助测试底板对应的所述剩余使用次数和所述使用频率计算得到所述辅助测试底板的剩余使用时间;
第二计算模块312,用于根据从所述第一计算模块311得到的所述剩余使用时间和当前时间计算得到所述辅助测试底板的维修时间。
进一步的,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,所述预警单元33,包括:
获取模块331,用于根据预设时间周期获取当前时间和所述待维修设备对应的所述维修时间;
判断模块332,用于判断从所述获取模块331得到的所述当前时间与所述维修时间的时间差是否大于预设阈值,所述预设阈值不小于所述待维修设备的生产周期;
预警模块333,用于从所述判断模块332得到的若所述当前时间与所述维修时间的时间差不大于预设阈值,则对所述待维修设备进行预警。
进一步的,本发明实施例还提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述图1-2中所述的用于铁路行业高精度设备维修周期的监控方法。
进一步的,本发明实施例还提供一种存储介质,所述存储介质用于存储计算机程序,其中,所述计算机程序运行时控制所述存储介质所在设备执行上述图1-2中所述的用于铁路行业高精度设备维修周期的监控方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种用于铁路行业高精度设备维修周期的监控方法,其特征在于,所述方法包括:
通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;
基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;
基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间;所述目标数据为预设时间周期的板卡测试数据和板卡故障数据;所述待维修设备为预维修板卡生产设备;
所述基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间,包括:
基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线;
根据所述板卡不合格率预测曲线获得达到预设阈值的目标板卡不合格率;
基于所述目标板卡不合格率对应的所述板卡故障数据获得目标不合格板卡的标识;
根据所述目标不合格板卡的标识获得所述目标不合格板卡的辅助测试底板和不合格数据类型;
判断所述辅助测试底板的使用状态是否异常;
若否,则根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间。
2.根据权利要求1所述的方法,其特征在于,所述根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间,包括:
根据所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备;
根据所述板卡不合格率预测曲线的预设故障阈值确定所述预维修板卡生产设备的维修时间。
3.根据权利要求2所述的方法,其特征在于,所述基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线,包括:
基于所述预设时间周期的板卡测试数据,分别通过中心限预设算法、上限预设算法、下限预设算法和不合格率算法得到所述中心限数据、所述上限数据、所述下限数据和所述不合格率;
基于所述中心限数据、所述上限数据、所述下限数据和所述不合格率得到所述板卡不合格率预测曲线。
4.根据权利要求1所述的方法,其特征在于,所述待维修设备为辅助测试底板;所述目标数据为所述辅助测试底板的剩余使用次数和使用频率;
所述基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间,包括:
基于所述辅助测试底板对应的所述剩余使用次数和所述使用频率计算得到所述辅助测试底板的剩余使用时间;
根据所述剩余使用时间和当前时间计算得到所述辅助测试底板的维修时间。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,包括:
根据预设时间周期获取当前时间和所述待维修设备对应的所述维修时间;
判断所述当前时间与所述维修时间的时间差是否大于预设阈值,所述预设阈值不小于所述待维修设备的生产周期;
若否,则对所述待维修设备进行预警。
6.根据权利要求1所述的方法,其特征在于,在所述基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期之后,所述方法还包括:
获取所述预警对应的所述待维修设备的剩余使用时间;
根据所述待维修设备的剩余使用时间调取预设生产方案。
7.一种用于铁路行业高精度设备维修周期的监控装置,其特征在于,包括:
第一获取单元,用于通过测试平台系统获取待维修设备对应的目标数据,所述待维修设备包括二取二安全控制单元的硬件的生产设备和测试设备;
计算单元,用于基于所述待维修设备对应的目标数据,通过预设算法得到所述待维修设备的维修时间;
预警单元,用于基于所述维修时间,通过预设预警规则对所述待维修设备进行预警,预警时间与所述维修时间的时间差不小于所述待维修设备的生产周期,其中,所述预警时间是对所述待维修设备进行预警的时间;
所述目标数据为预设时间周期的板卡测试数据和板卡故障数据;所述待维修设备为预维修板卡生产设备;所述计算单元,包括:
计算模块,用于基于所述预设时间周期的板卡测试数据,通过预设算法得到板卡不合格率预测曲线;
第一获取模块,用于根据所述板卡不合格率预测曲线获得达到预设阈值的目标板卡不合格率;
第二获取模块,用于基于所述目标板卡不合格率对应的所述板卡故障数据获得目标不合格板卡的标识;
第三获取模块,用于根据所述目标不合格板卡的标识获得所述目标不合格板卡的辅助测试底板和不合格数据类型;
判断模块,用于判断所述辅助测试底板的使用状态是否异常;
确定模块,用于若所述辅助测试底板的使用状态不异常,则根据所述板卡不合格率预测曲线和所述目标不合格板卡的不合格数据类型确定所述预维修板卡生产设备的维修时间。
8.一种存储介质,所述存储介质包括存储的程序,其特征在于,在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求6中任一项所述用于铁路行业高精度设备维修周期的监控方法。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至权利要求6中任一项所述用于铁路行业高精度设备维修周期的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177689.6A CN115271685B (zh) | 2022-09-27 | 2022-09-27 | 一种用于铁路行业高精度设备维修周期的监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177689.6A CN115271685B (zh) | 2022-09-27 | 2022-09-27 | 一种用于铁路行业高精度设备维修周期的监控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115271685A CN115271685A (zh) | 2022-11-01 |
CN115271685B true CN115271685B (zh) | 2023-04-18 |
Family
ID=83756416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211177689.6A Active CN115271685B (zh) | 2022-09-27 | 2022-09-27 | 一种用于铁路行业高精度设备维修周期的监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271685B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115719221B (zh) * | 2022-11-22 | 2023-09-19 | 北京思维实创科技有限公司 | 一种车辆转向架检修方法、系统、终端设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600072A (zh) * | 2016-12-21 | 2017-04-26 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于故障预测的维修决策优化算法 |
CN106951339A (zh) * | 2017-05-11 | 2017-07-14 | 浪潮软件股份有限公司 | 一种基于数据分析的定时预警工具及方法 |
CN108501958A (zh) * | 2018-04-28 | 2018-09-07 | 北京新能源汽车股份有限公司 | 一种车辆故障的处理方法、装置及电动汽车 |
CN109684179B (zh) * | 2018-09-03 | 2022-05-17 | 平安科技(深圳)有限公司 | 系统故障的预警方法、装置、设备及存储介质 |
CN110738352A (zh) * | 2019-09-12 | 2020-01-31 | 武汉儒松科技有限公司 | 基于故障大数据的维修派单管理方法、装置、设备及介质 |
CN110647539B (zh) * | 2019-09-26 | 2022-06-24 | 汉纳森(厦门)数据股份有限公司 | 一种用于车辆故障的预测方法和系统 |
CN114328118B (zh) * | 2021-12-30 | 2023-11-14 | 苏州浪潮智能科技有限公司 | 一种运维监控数据智能告警方法、装置、设备及介质 |
-
2022
- 2022-09-27 CN CN202211177689.6A patent/CN115271685B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115271685A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109828869B (zh) | 预测硬盘故障发生时间的方法、装置及存储介质 | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN115271685B (zh) | 一种用于铁路行业高精度设备维修周期的监控方法及装置 | |
US20140081442A1 (en) | Product quality improvement feedback method | |
CN109760985B (zh) | 物料循环盘点的方法和装置、电子设备、可读存储介质 | |
CN111340250A (zh) | 设备检修装置、方法及计算机可读存储介质 | |
CN110705849A (zh) | 巡检机器人的实效评估方法、系统、存储介质及机器人 | |
CN104731669A (zh) | 一种电力设备缺陷数据自动校验的方法及系统 | |
CN107239876A (zh) | 一种核电厂i&c设备老化生命周期的管理方法及系统 | |
CN112763963A (zh) | 一种基于深度网络对互感器进行在线监控的系统及方法 | |
Lair et al. | Piecewise deterministic Markov processes and maintenance modeling: application to maintenance of a train air-conditioning system | |
CN110763979A (zh) | 一种基于mes系统的led晶圆点测自动化系统 | |
Wang et al. | A hybrid inspection-replacement policy for multi-stage degradation considering imperfect inspection with variable probabilities | |
CN105447518A (zh) | 一种基于K-means遥测数据判读系统 | |
CN114237098B (zh) | 一种电气产品的智能化数字管理系统 | |
GB2591772A (en) | Asset maintenance management system and method | |
Stevens et al. | Conversion Of Legacy Inspection Data To Bridge Condition Index (BCI) To Establish Baseline Deterioration Condition History For Predictive Maintenance Models. | |
CN114384885B (zh) | 基于异常工况的工艺参数调整方法、装置、设备和介质 | |
CN115796661A (zh) | 设备健康状态估计方法、设备、存储介质 | |
Ciani et al. | System maintainability improvement using allocation procedures | |
CN115156108A (zh) | 一种电池自放电筛选方法和装置 | |
CN104217093B (zh) | 利用不良样本的缺陷地图判定问题设备的方法及其装置 | |
RU2295590C1 (ru) | Способ статистического управления качеством электродной продукции | |
CN112348429A (zh) | 一种提升聚合物材料性能的处理方法和装置 | |
RU162895U1 (ru) | Автоматизированное устройство оценивания рисков |
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 |