CN115755837A - 一种设备缺陷预测方法和系统 - Google Patents

Abstract

本发明属于设备管理领域，尤其涉及一种设备缺陷预测方法和系统，方法包括：采集异常设备的缺陷数据，解析得到缺陷原因；根据所述缺陷原因建立与设备属性之间的匹配关系；根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。采集异常设备的缺陷数据，解析得到缺陷原因，能够正确判断设备的状态，防止误判；根据所述缺陷原因建立与设备属性之间的匹配关系，能够将单一异常设备的缺陷信息与特定的设备属性匹配，提高对设备状态的理解，便于后续对其他设备进行分析；根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，可以提高对设备全体的故障预判能力，降低运行风险。

Description

一种设备缺陷预测方法和系统

技术领域

本发明属于设备管理领域，尤其涉及一种设备缺陷预测方法和系统。

背景技术

工业设施包括很多设备，特别是一些大型的工业设施，不仅设备数量多且设备类型以及设备分布都区别极大。设备功能的好坏能够影响工业系统的运作，因此需要确保选用的设备能够满足工作的需求。

工业设施出于降低硬件成本和维护成本的目的，一般都会使用相似的设备，这样可以在出现问题时进行替换，同时也降低维护人员的培训成本。但是如果设备出现问题，那么需要排除其他设备也会出现同样问题的风险。

另外设备由对应的供应商提供，根据法律的要求，供应商需要保证设备的规格，并确保设备在合理的条件下的工作稳定性。如果供应商不合格，会给工业设施带来效率损失，甚至是安全隐患；因此确保设备供应商的安全是降低大范围事故风险的关键。

发明内容

为了解决或者改善上述问题，本发明提供了一种设备缺陷预测方法和系统，具体技术方案如下：

本发明提供一种设备缺陷预测方法，包括：采集异常设备的缺陷数据，解析得到缺陷原因；根据所述缺陷原因建立与设备属性之间的匹配关系；根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。

优选的，所述缺陷原因包括工艺参数、环境参数和结构参数；所述设备属性包括功能参数、结构属性和厂家属性。

优选的，所述关联设备为所述异常设备的同一型号或同一类型或者同一供应商的设备；对应的，所述根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，包括：根据所述缺陷原因，得到异常预测信息；根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。

优选的，所述缺陷数据属于所述异常设备的历史工作参数；对应的，所述根据所述缺陷原因，得到异常预测信息，包括：基于所述历史工作参数的变化设置曲线模型，根据所述缺陷数据产生的时间，确定所述异常预测信息。

优选的，所述根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息，包括：根据所述关联类型选择对应的修正值，通过所述修正值修改所述异常预测信息对应的异常时间和异常类型，得到所述预测缺陷信息。

本发明提供一种设备缺陷预测系统，包括：第一单元，用于采集异常设备的缺陷数据，解析得到缺陷原因；第二单元，用于根据所述缺陷原因建立与设备属性之间的匹配关系；第三单元，用于根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。

优选的，所述缺陷原因包括工艺参数、环境参数和结构参数；所述设备属性包括功能参数、结构属性和厂家属性。

优选的，所述关联设备为所述异常设备的同一型号或同一类型或者同一供应商的设备；对应的，所述根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，包括：根据所述缺陷原因，得到异常预测信息；根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。

优选的，所述缺陷数据属于所述异常设备的历史工作参数；对应的，所述根据所述缺陷原因，得到异常预测信息，包括：基于所述历史工作参数的变化设置曲线模型，根据所述缺陷数据产生的时间，确定所述异常预测信息。

优选的，所述根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息，包括：根据所述关联类型选择对应的修正值，通过所述修正值修改所述异常预测信息对应的异常时间和异常类型，得到所述预测缺陷信息。

本发明的有益效果为：采集异常设备的缺陷数据，解析得到缺陷原因，能够正确判断设备的状态，防止误判；根据所述缺陷原因建立与设备属性之间的匹配关系，能够将单一异常设备的缺陷信息与特定的设备属性匹配，提高对设备状态的理解，便于后续对其他设备进行分析；根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，可以提高对设备全体的故障预判能力，降低运行风险。

附图说明

图1是根据本发明的设备缺陷预测方法的示意图；

图2是根据本发明的设备缺陷预测系统的示意图。

主要附图标记说明：

1-第一单元，2-第二单元，3-第三单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

为了解决或者改善对背景所提出的问题，本发明提供如图1所示的一种设备缺陷预测方法，包括：S1、采集异常设备的缺陷数据，解析得到缺陷原因；S2、根据所述缺陷原因建立与设备属性之间的匹配关系；S3、根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。

异常用于描述设备的状态，即设备的工作参数或者输出结果与设备的规格不符合。设备的工作参数或者输出结果不符合设备的规格时的数据则为缺陷数据；以缺陷数据作为原因，以设备发生异常的现象作为结果，解析其相关性得到引起异常的现象的缺陷数据的发生原因，能够正确判断设备的状态，防止误判。

设备是具有工程结构以及电路控制的结合体，其实现设备的功能需要借助工程结构和电路控制实现，不会仅靠单一部件就能实现。因此，工程结构和电路本身的状态以及两者之间的配合会影响设备的正常工作；具体来说，不同的部件本身的状态以及相互之间的配合状态，会导致设备出现异常。根据缺陷原因建立与设备属性之间的匹配关系，能够明确设备的哪一个部件或者部件之间出现问题。设备属性用于描述设备的部件、连接关系、功能关系和其他的外部属性。

工业设施一般都具有大量的设备，这些设备会出现和异常设备类似的异常或者受到异常设备的影响导致也发生异常。根据异常设备与其他设备在结构上的相似性，或者根据异常设备与其他设备的在工艺上的相关程度，可以知道两者之间的相互影响的范围和程度。根据范围和程度解析关联设备，得到所述关联设备的预测缺陷信息，能够将单一异常设备的缺陷信息与特定的设备属性匹配，提高对设备状态的理解，便于后续对其他设备进行分析。

所述缺陷原因包括工艺参数、环境参数和结构参数；所述设备属性包括功能参数、结构属性和厂家属性。

工艺参数并不是设备本身的数据，而是控制设备工作时的参数，用于描述设备工作状态下的工作参数和输出数据；同一个设备在不同的工业设施，所起到的作用不一样，对应的工艺参数不一样，对设备本身的影响也不一样；通过工艺参数可以判断设备是否合适在本设施工作。

环境参数并不是设备本身的数据，而是描述设备的工作地点以及设备工作所需能源的数据；同一个设备在不同的工作环境下，效率不一样，例如一些设备需要低温环境，在高温环境下则会故障，或者需要高于220v的电才能正常工作，否则输出效率会降低等。通过环境参数可以判断设备是否合适在当前环境下工作。

结构参数是设备本身的硬件属性，用于描述那些结构、电路出现什么问题等细节。功能参数是设备本身的软件属性，用于描述设备所具备的功能。结构属性是设备的本身的设计属性，用于描述其具备的结构、电路的设计。厂家属性是设备的外部属性，用于描述设备的供应商，包括制作者和销售者。

通过记录和分析缺陷原因包括工艺参数、环境参数和结构参数；设备属性包括功能参数、结构属性和厂家属性，可以合理推测其他具备类似属性的设备的状态。

所述关联设备为所述异常设备的同一型号或同一类型或者同一供应商的设备；对应的，所述根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，包括：根据所述缺陷原因，得到异常预测信息；根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。

设备的制造属于标准制作，因此，如果出现问题，有可能是因为存在潜在的缺陷（同一型号时）。或者因为环境参数导致设备异常，因为功能类似（即同一类型）的设备其原理一般不会相差太远，因此对环境的敏感程度类似，出现问题也类似。在现实中，有一些不良商贩会出售不良品，可能是一个批次的不良品或者将不良品混入良品，为了降低风险，需要对整个批次的设备进行监测以防止意外。

具体来说，根据缺陷原因，得到异常设备的异常预测信息，此时的异常预测信息并非对已经异常的设备进行再一次异常的预测。而是基于异常设备的历史数据，以某一个该异常设备仍然正常的时间点作为起点，预测在多久之后，设备会出现异常。因为设备在异常之前表现出来的仍然是正常状态，通过异常预测信息，可以判断其他设备提供经验。

根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。其原理在于与异常设备的关联程度越高，则出现同一个问题的可能性就越大；对应的，其工作参数的变化和异常设备的历史数据的变化类似或者一致的可能性也越大。

所述缺陷数据属于所述异常设备的历史工作参数；对应的，所述根据所述缺陷原因，得到异常预测信息，包括：基于所述历史工作参数的变化设置曲线模型，根据所述缺陷数据产生的时间，确定所述异常预测信息。

异常设备在出现异常之前，其表现出来的也是正常设备，因此其相关的工作参数即历史工作数据会包括正常工作数据、已经有一些不正常的工作数据和异常的工作数据；其中，已经有一些不正常的工作数据和异常的工作数据则为缺陷数据。根据历史工作参数的变化设置曲线模型，然后根据对应数据产生的时间，可以确定异常预测信息。

所述根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息，包括：根据所述关联类型选择对应的修正值，通过所述修正值修改所述异常预测信息对应的异常时间和异常类型，得到所述预测缺陷信息。

关联类型包括：同型号、同类型和同供应商。其中，同一个工业设施中的同型号设备，如果出现问题，那么其他同型号的设备出现问题的可能性也一样，需要重点关注，对应的工作数据的变化和异常设备的工作数据相似的可能性很大，则出现异常的时间也会比较接近，对应的修正值可以很小，可以是小时，对应出现的异常类型也一样。同类型设备异常的可能性会低一些，对应的修正值可以是数天、星期和月，对应出现的异常类型也近似。同供应商的情况比较复杂，具体可以根据实际情况设置。

本发明提供如图2所示一种设备缺陷预测系统，包括：第一单元1，用于采集异常设备的缺陷数据，解析得到缺陷原因；第二单元2，用于根据所述缺陷原因建立与设备属性之间的匹配关系；第三单元3，用于根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。

所述缺陷原因包括工艺参数、环境参数和结构参数；所述设备属性包括功能参数、结构属性和厂家属性。

所述关联设备为所述异常设备的同一型号或同一类型或者同一供应商的设备；对应的，所述根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，包括：根据所述缺陷原因，得到异常预测信息；根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。

所述缺陷数据属于所述异常设备的历史工作参数；对应的，所述根据所述缺陷原因，得到异常预测信息，包括：基于所述历史工作参数的变化设置曲线模型，根据所述缺陷数据产生的时间，确定所述异常预测信息。

所述根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息，包括：根据所述关联类型选择对应的修正值，通过所述修正值修改所述异常预测信息对应的异常时间和异常类型，得到所述预测缺陷信息。

本领域普通技术人员可以意识到，结合本实施例中所公开的实施例描述的各示例的单元，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。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发明的范围。

在本申请所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种设备缺陷预测方法，其特征在于，包括：

采集异常设备的缺陷数据，解析得到缺陷原因；

根据所述缺陷原因建立与设备属性之间的匹配关系；

根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。

2.根据权利要求1所述设备缺陷预测方法，其特征在于，所述缺陷原因包括工艺参数、环境参数和结构参数；

所述设备属性包括功能参数、结构属性和厂家属性。

3.根据权利要求2所述设备缺陷预测方法，其特征在于，所述关联设备为所述异常设备的同一型号或同一类型或者同一供应商的设备；

对应的，所述根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，包括：

根据所述缺陷原因，得到异常预测信息；

根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。

4.根据权利要求3所述设备缺陷预测方法，其特征在于，所述缺陷数据属于所述异常设备的历史工作参数；

对应的，所述根据所述缺陷原因，得到异常预测信息，包括：

基于所述历史工作参数的变化设置曲线模型，根据所述缺陷数据产生的时间，确定所述异常预测信息。

5.根据权利要求4所述设备缺陷预测方法，其特征在于，所述根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息，包括：

根据所述关联类型选择对应的修正值，通过所述修正值修改所述异常预测信息对应的异常时间和异常类型，得到所述预测缺陷信息。

6.一种设备缺陷预测系统，其特征在于，包括：

第一单元，用于采集异常设备的缺陷数据，解析得到缺陷原因；

第二单元，用于根据所述缺陷原因建立与设备属性之间的匹配关系；

第三单元，用于根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息。

7.根据权利要求6所述设备缺陷预测系统，其特征在于，所述缺陷原因包括工艺参数、环境参数和结构参数；

所述设备属性包括功能参数、结构属性和厂家属性。

8.根据权利要求7所述设备缺陷预测系统，其特征在于，所述关联设备为所述异常设备的同一型号或同一类型或者同一供应商的设备；

对应的，所述根据所述匹配关系解析关联设备，得到所述关联设备的预测缺陷信息，包括：

根据所述缺陷原因，得到异常预测信息；

根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息。

9.根据权利要求8所述设备缺陷预测系统，其特征在于，所述缺陷数据属于所述异常设备的历史工作参数；

对应的，所述根据所述缺陷原因，得到异常预测信息，包括：

基于所述历史工作参数的变化设置曲线模型，根据所述缺陷数据产生的时间，确定所述异常预测信息。

10.根据权利要求9所述设备缺陷预测系统，其特征在于，所述根据所述关联设备与所述异常设备的关联类型和所述异常预测信息，得到所述预测缺陷信息，包括：

根据所述关联类型选择对应的修正值，通过所述修正值修改所述异常预测信息对应的异常时间和异常类型，得到所述预测缺陷信息。

Images