CN115759479B - 一种基于综合值的复杂设备故障定位优化方法和系统 - Google Patents
一种基于综合值的复杂设备故障定位优化方法和系统 Download PDFInfo
- Publication number
- CN115759479B CN115759479B CN202211617452.5A CN202211617452A CN115759479B CN 115759479 B CN115759479 B CN 115759479B CN 202211617452 A CN202211617452 A CN 202211617452A CN 115759479 B CN115759479 B CN 115759479B
- Authority
- CN
- China
- Prior art keywords
- unit
- checking
- fault
- time
- units
- 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
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于综合值的复杂设备故障定位优化方法和系统,属于复杂设备故障定位领域。包括:综合各单元在任务时间内发生故障的概率,计算各单元的故障排查权重系数;初始化故障发生后对所有单元的检查次序,比较检查次序中相邻单元的综合值,交换使得综合值较小者前移,重复比较交换,直至得到综合值升序排列的检查次序,单元A的检查耗时与单元B的故障排查权重系数的乘积作为A单元的综合值,单元A和单元B为检查次序中相邻单元。提出将相邻单元的检查耗时和故障排查权重交叉相乘的乘积作为排序的依据,交换使得综合值较小者前移,重复比较交换,直至得到综合值升序排列的检查次序,通过上述方式优化检查次序,缩短故障定位时间。
Description
技术领域
本发明属于复杂设备故障定位领域,更具体地,涉及一种基于综合值的复杂设备故障定位优化方法和系统。
背景技术
装备发生故障后,一般要先进行故障定位,然后开展修复工作。所谓“故障定位”是指找到失效的零部件,该失效件是导致发生故障的原因。随着装备/系统的功能越来越强大、性能越来越先进,装备/系统也变得越来越复杂。当复杂装备/系统出现某个故障现象时,其背后可能的故障原因众多,查找故障单元的工作量极为庞大。维修人员是一种重要的维修资源,为了能在规定时间内尽快找到故障件以便开展后续修理工作,需要配置一定数量的维修人员。在人数相同的情况下,使用不同的检查次序,消耗的时间一般也不相同。
当可能的故障原因较多时,其检查次序的排列数量惊人。例如需要检查10个单元时,其全排列方式超过了360万,难以用遍历的方式来有效优化检查次序。当前,如何合理、有效确定检查次序往往依靠的是维修人员的个人经验,亟需一种最大化维修人员的工作效率,并减小平均故障定位时间的检查次序优化方法。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种基于综合值的复杂设备故障定位优化方法和系统,旨在解决如何最大化维修人员的工作效率,并减小平均故障定位时间的问题。
为实现上述目的,第一方面,本发明提供了一种基于综合值的复杂设备故障定位优化方法,该方法包括:
S1.综合各单元在任务时间内发生故障的概率,计算各单元的故障排查权重系数;
S2.初始化故障发生后对所有单元的检查次序,比较检查次序中相邻单元的综合值,交换使得综合值较小者前移,重复比较交换,直至得到综合值升序排列的检查次序,其中,单元A的检查耗时与单元B的故障排查权重系数的乘积作为A单元的综合值,所述单元A和所述单元B为检查次序中相邻单元。
优选地,步骤S2包括:
S21.初始化数组A,令其保存从1~n的单元编号,数组A的当前元素数量记为nA,初始化编号i=1,n表示待次序优化的单元数量;
S22.当nA≥2时,进入S221,否则,进入S23;
S221.初始化单元编号k=A1,优化的检查次序数组zIndi=A1,中间变量a=tck,b=wk,令j=2;
S222.初始化单元编号k=Aj,中间变量c=tck,d=wk;
S223.若ad≥bc成立,更新zIndi=k,a=c,b=d,进入S224,否则,直接进入S224;
S224.更新j=j+1,若j≤nA,进入S222,否则,进入S225;
S225.将zIndi从A中删除,更新nA=nA-1,更新i=i=+1,进入S22;
S23.令zIndi=A1,数组zInd中保存的是各单元编号。
优选地,该方法适用于多人参与故障排查,且每人负责单元编号已知时,按照维修人员编号次序,对于每个人,分别执行步骤S1-S2,得到各人的检查顺序。
优选地,该方法还包括:S3.按照检查顺序,分别计算各人的平均故障排查时间;累加每人的平均故障排查时间,得到复杂设备的平均排查时间。
优选地,该方法适用于多人参与故障排查,且每人负责单元编号未知时,执行步骤S1-S2,确定出总检查次序后,再划分到各人,并结合总次序得到各人的检查顺序。
优选地,所述再划分到各人的方式为:维修人员检查完毕当前单元后,从当前所有待检查单元中选择在总检查次序中最靠前的单元。
优选地,该方法还包括:S3.加权累计各单元的排查时间,得到复杂设备的平均排查时间。
优选地,所述单元的类型相同或者不同,所述类型包括:电子单元、机械单元或者机电单元。
为实现上述目的,第二方面,本发明提供了一种基于综合值的复杂设备故障定位优化系统,包括:处理器和存储器;所述存储器,用于存储计算机执行指令;所述处理器,用于执行所述计算机执行指令,使得第一方面所述的方法被执行。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下
有益效果:
本发明提出了一种基于综合值的复杂设备故障定位优化方法和系统,提出将相邻单元的检查耗时和故障排查权重交叉相乘的乘积作为排序的依据,交换使得综合值较小者前移,重复比较交换,直至得到综合值升序排列的检查次序,通过上述方式优化检查次序,达到缩短故障定位时间的目的。
附图说明
图1为本发明提供的一种基于综合值的复杂设备故障定位优化方法流程图。
图2为本发明实施例1提供的采用仿真法模拟得到的不同排查次序下的平均故障排查时间。
图3为本发明实施例2提供的100种仿真情况的结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
图1为本发明提供的一种基于综合值的复杂设备故障定位优化方法流程图。如图1所示,该方法包括:
步骤S1.综合各单元在任务时间内发生故障的概率,计算各单元的故障排查权重系数。
优选地,所述单元的类型相同或者不同,所述类型包括:电子单元、机械单元或者机电单元。结合单元的寿命服从分布类型,积分计算各单元发生故障的概率。
步骤S2.初始化故障发生后对所有单元的检查次序,比较检查次序中相邻单元的综合值,交换使得综合值较小者前移,重复比较交换,直至得到综合值升序排列的检查次序,其中,单元A的检查耗时与单元B的故障排查权重系数的乘积作为A单元的综合值,所述单元A和所述单元B为检查次序中相邻单元。
在本发明中,把故障定位时依次检查的单元编号组成的数组,称为检查次序。
优选地,步骤S2包括:
S21.初始化数组A,令其保存从1~n的单元编号,数组A的当前元素数量记为nA,初始化编号i=1,n表示待次序优化的单元数量;
S22.当nA≥2时,进入S221,否则,进入S23;
S221.初始化单元编号k=A1,优化的检查次序数组zIndi=A1,中间变量a=tck,b=wk,令j=2;
S222.初始化单元编号k=Aj,中间变量c=tck,d=wk;
S223.若ad>bc成立,更新zIndi=k,a=c,b=d,进入S224,否则,直接进入S224;
S224.更新j=j+1,若j≤nA,进入S222,否则,进入S225;
S225.将zIndi从A中删除,更新nA=nA-1,更新i=i+1,进入S22;
S23.令zIndi=A1,数组zInd中保存的是各单元编号。
优选地,该方法适用于多人参与故障排查,且每人负责单元编号已知时,按照维修人员编号次序,对于每个人,分别执行步骤S1-S2,得到各人的检查顺序。
优选地,该方法还包括:S3.按照检查顺序,分别计算各人的平均故障排查时间;累加每人的平均故障排查时间,得到复杂设备的平均排查时间。
优选地,该方法适用于多人参与故障排查,且每人负责单元编号未知时,执行步骤S1-S2,确定出总检查次序后,再划分到各人,并结合总次序得到各人的检查顺序。
优选地,所述再划分到各人的方式为:维修人员检查完毕当前单元后,从当前所有待检查单元中选择在总检查次序中最靠前的单元。
优选地,该方法还包括:S3.加权累计各单元的排查时间,得到复杂设备的平均排查时间。
优选地,所述单元的类型相同或者不同,所述类型包括:电子单元、机械单元或者机电单元。
本发明还提供了一种基于综合值的复杂设备故障定位优化系统,包括:处理器和存储器;所述存储器,用于存储计算机执行指令;所述处理器,用于执行所述计算机执行指令,使得上述方法被执行。
实施例1
针对复杂设备的多人故障定位,大多情形下都是事先分组的,即每人负责单元编号已知。事先分组的方式为以下任一种:(1)当单元分布很分散时,可按照就近检查的原则,把附近的单元分成一组;(2)当单元类别较多时,把同类别的单元分成一组。
本实施例约定:(1)某装备由多个电子类单元组成,为便于描述,以时间来描述各单元的寿命。(2)在任意时刻,至多有1个单元发生故障。当某单元发生故障时会影响装备的正常工作,装备会出现某些故障现象,此时需要进行故障排查,找到故障件后进行开展修理工作。(3)在进行故障排查时,对这些单元进行状态检查的次序是独立不相关的,即:不存在“必须先检查单元A、然后再检查单元B”这类对检查次序有特定要求的情况。(4)已知各单元的寿命分布规律、对每个单元进行(正常与否的)状态检查所消耗的时间、即将执行任务的时间和某故障现象发生后各维修人员负责检查的相关单元。(5)每个维修人员都具备检查所有单元的能力,但每人一次只能检查一个单元。(6)所有维修人员同时开始检查;维修人员在完成某个单元检查后若其状态正常则继续检查自己负责的下一个单元;当某人员检查出故障单元时全部停止检查,后续将转入对故障件的修理阶段。
相关变量约定如下:维修人员数量记为m;单元数量记为n;为便于描述,对同一个维修人员负责检查的单元进行连续编号;维修人员负责检测的单元信息数组nPer,例如nPer=[3 2],在本发明中这意味着第1个人负责检测前3个单元(单元1、单元2、单元3),第2个人负责检测随后的2个单元(单元4、单元5);单元i的寿命服从指数分布Exp(ui);对单元i的状态检查所消耗的时间记为tci;任务时间记为Tw。这些变量皆为已知量。
已知某部件由9个电子类单元组成,任务时间为200小时,相关信息如表1。共有3名维修人员进行故障排查,所负责的单元数量分别为3、3、3,采用上述方法,优化各维修人员故障排查的检查顺序,并计算其对应的平均故障排查时间。
表1
1)遍历计算各单元发生故障的概率Pf,结果见表2第2列。
积分计算Pfi:
当k=i时,
当k≠i时,
2)遍历计算故障排查权重系数w,结果见表2第3列。
表2
3)优化各维修人员的检查顺序,各人员的检查顺序结果和各人员的平均故障排查时间见表3。
人员1的平均故障排查时间T1=tc3w3+(tc3+tc2)w2+(tc3+tc2+tc1)w1=8.20min。
人员2的平均故障排查时间T2=tc6w6+(tc6+tc4)w4+(tc6+tc4+tc5)w5=14.43min。
人员3的平均故障排查时间T3=tc7w7+(tc7+tc9)w9+(tc7+tc9+tc8)w8=20.04min。
表3
4)令Tc=T1+T2+T3=42.67min,输出优化后各维修人员故障排查的检查顺序及其平均故障排查时间Tc。
在大量多次模拟后,可统计得到平均故障排查时间。上述算例中,3名维修人员故障排查次序共有216种。图2为本发明实施例1提供的采用仿真法模拟得到的不同排查次序下的平均故障排查时间。模拟出的平均故障排查时间最小值、最大值分别为43.23min、70.81min。该模拟的最小值与本发明方法的优化结果极为吻合,说明本发明的故障排查次序优化方法效果明显。
利用本发明方法,可优化各维修人员的故障排查顺序,充分发挥维修人员分工合作作用,以最少的时间完成故障排查。
实施例2
本实施例支持对待检查的单元自由分组,即每人负责单元编号未知,同样以电子设备为例,单元的寿命服从指数分布。
本实施例约定:(1)某装备由多个电子类单元组成,为便于描述,以时间来描述各单元的寿命。(2)在任意时刻,至多有1个单元发生故障。当某单元发生故障时会影响装备的正常工作,装备会出现某些故障现象,此时需要进行开展修理工作。(3)在进行故障确认时,对这些单元进行状态检查的次序是独立不相关的,即:不存在“必须先检查单元A、然后再检查单元B”这类对检查次序有特定要求的情况。(4)已知各单元的寿命分布规律、对每个单元进行(正常与否的)状态检查所消耗的时间和即将执行任务的时间。(5)每个维修人员都具备检查所有单元的能力,但每人一次只能检查一个单元。(6)所有维修人员同时开始检查;维修人员在完成某个单元检查后若其状态正常则按照检查次序继续检查下一个单元;当某人员检查出故障单元时停止检查,后续转入对故障件的修理阶段。
相关变量约定如下:维修人员数量记为m;单元数量记为n;单元i的寿命服从指数分布Exp(ui);对单元i的状态检查所消耗的时间记为tci;任务时间记为Tw。这些变量皆为已知量。
已知某部件由10个电子类单元组成,任务时间为100小时,有3名维修人员,相关信息如表4。采用上述方法,计算故障定位检查次序和完成故障定位的平均时间。
表4
1)遍历计算各单元发生故障的概率Pf,结果见表5第2列。
积分计算Pfi
当k=i时,
当k≠i时,
2)按照单元编号,遍历计算故障排查权重系数W,结果见表5第3列:
表5
3)优化检查次序,优化结果保存在数组zInd中,结果见表6。
4)维修人员检查完毕当前单元后,从当前所有待检查单元中选择在总检查次序中最靠前的单元。
5)计算检查时间数组T、权重系数v,结果见表6。
5.1)令检查序号j=1;
5.2)单元编号i=zIndj,权重系数vj=wi,判断j≤m是否成立,若成立则令中间时间数组tpj=tci,Tj=tpj;若不成立则在数组tp中找出最小数,其序号记为s,即:tps=min(tp),然后令tps=tps+tci,Tj=tps。
5.3)令j=j+1,若j≤n,则执行5.2),否则执行6)。
表6
6)计算平均故障定位时间输出优化的检查次序zInd及其平均故障定位时间Tc。
图3为本发明实施例2提供的100种仿真情况(有50个单元,3名维修人员,其他参数随机产生)的结果,显示了采用本发明方法优化前后以仿真法和本发明方法的平均故障定位时间结果。从图3可看出,优化后的平均故障定位时间仿真结果和本发明方法结果极为吻合,本发明方法的优化效果显著。
利用本发明方法,可有效减小平均故障定位时间,最大发挥维修人员的工作效率。本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于综合值的复杂设备故障定位优化方法,其特征在于,该方法包括:
S1.综合各单元在任务时间内发生故障的概率,计算各单元的故障排查权重系数;
S2.初始化故障发生后对所有单元的检查次序,比较检查次序中相邻单元的综合值,交换使得综合值较小者前移,重复比较交换,直至得到综合值升序排列的检查次序,其中,单元A的检查耗时与单元B的故障排查权重系数的乘积作为A单元的综合值,所述单元A和所述单元B为检查次序中相邻单元;
步骤S2包括:
S21.初始化数组A,令其保存从的单元编号,数组A的当前元素数量记为/>,初始化编号/>,/>表示待次序优化的单元数量;
S22.当时,进入S221,否则,进入S23;
S221.初始化单元编号,优化的检查次序数组/>,中间变量/>,,/>为对单元/>的状态检查所消耗的时间,/>为单元/>的故障排查权重系数,令;
S222.初始化单元编号,中间变量/>,/>;
S223.若成立,更新/>,/>,/>,进入S224,否则,直接进入S224;
S224.更新,若/>,进入S222,否则,进入S225;
S225.将从A中删除,更新/>,更新/>,进入S22;
S23.令,数组/>中保存的是各单元编号。
2.如权利要求1所述的方法,其特征在于,该方法适用于多人参与故障排查,且每人负责单元编号已知时,按照维修人员编号次序,对于每个人,分别执行步骤S1-S2,得到各人的检查顺序。
3.如权利要求2所述的方法,其特征在于,该方法还包括:S3.按照检查顺序,分别计算各人的平均故障排查时间;累加每人的平均故障排查时间,得到复杂设备的平均排查时间。
4.如权利要求1所述的方法,其特征在于,该方法适用于多人参与故障排查,且每人负责单元编号未知时,执行步骤S1-S2,确定出总检查次序后,再划分到各人,并结合总检查次序得到各人的检查顺序。
5.如权利要求4所述的方法,其特征在于,所述再划分到各人的方式为:维修人员检查完毕当前单元后,从当前所有待检查单元中选择在总检查次序中最靠前的单元。
6.如权利要求4所述的方法,其特征在于,该方法还包括:S3.加权累计各单元的排查时间,得到复杂设备的平均排查时间。
7.如权利要求1所述的方法,其特征在于,所述单元的类型相同或者不同,所述类型包括:电子单元、机械单元或者机电单元。
8.一种基于综合值的复杂设备故障定位优化系统,其特征在于,包括:处理器和存储器;
所述存储器,用于存储计算机执行指令;
所述处理器,用于执行所述计算机执行指令,使得权利要求1至7任一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211617452.5A CN115759479B (zh) | 2022-12-12 | 2022-12-12 | 一种基于综合值的复杂设备故障定位优化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211617452.5A CN115759479B (zh) | 2022-12-12 | 2022-12-12 | 一种基于综合值的复杂设备故障定位优化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115759479A CN115759479A (zh) | 2023-03-07 |
CN115759479B true CN115759479B (zh) | 2023-09-19 |
Family
ID=85346168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211617452.5A Active CN115759479B (zh) | 2022-12-12 | 2022-12-12 | 一种基于综合值的复杂设备故障定位优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759479B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314142B (zh) * | 2023-09-15 | 2024-05-28 | 中国人民解放军海军工程大学 | 一种产品线工序次序优化方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004240642A (ja) * | 2003-02-05 | 2004-08-26 | Hitachi Ltd | プラント機器の保守支援装置 |
CN102426671A (zh) * | 2011-07-29 | 2012-04-25 | 北京航星机器制造公司 | 一种基于综合成本最优的排故方法 |
CN104408247A (zh) * | 2014-11-25 | 2015-03-11 | 中国人民解放军海军工程大学 | 一种用于复杂电气系统故障排查训练的模拟方法 |
WO2017185945A1 (zh) * | 2016-04-29 | 2017-11-02 | 中兴通讯股份有限公司 | 一种故障处理方法及装置 |
CN110221144A (zh) * | 2019-05-30 | 2019-09-10 | 北京博锐尚格节能技术股份有限公司 | 建筑机电故障原因定位方法 |
CN110738007A (zh) * | 2019-09-30 | 2020-01-31 | 中国人民解放军海军工程大学 | 一种电子类通用件的备件保障概率计算方法及装置 |
CN111582702A (zh) * | 2020-04-30 | 2020-08-25 | 广东电网有限责任公司 | 一种基于天气因素的电网风险评估方法 |
CN111860881A (zh) * | 2020-06-04 | 2020-10-30 | 中国人民解放军海军工程大学 | 一种多诱因装备故障维修排查方法及装置 |
WO2021196501A1 (zh) * | 2020-03-31 | 2021-10-07 | 佛山科学技术学院 | 一种基于大数据的工业生产流水线的故障监测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8156377B2 (en) * | 2010-07-02 | 2012-04-10 | Oracle International Corporation | Method and apparatus for determining ranked causal paths for faults in a complex multi-host system with probabilistic inference in a time series |
JP7110991B2 (ja) * | 2019-01-07 | 2022-08-02 | トヨタ自動車株式会社 | 設備点検システム、設備点検方法及びプログラム |
CN110297141A (zh) * | 2019-07-01 | 2019-10-01 | 武汉大学 | 基于多层评估模型的故障定位方法及系统 |
-
2022
- 2022-12-12 CN CN202211617452.5A patent/CN115759479B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004240642A (ja) * | 2003-02-05 | 2004-08-26 | Hitachi Ltd | プラント機器の保守支援装置 |
CN102426671A (zh) * | 2011-07-29 | 2012-04-25 | 北京航星机器制造公司 | 一种基于综合成本最优的排故方法 |
CN104408247A (zh) * | 2014-11-25 | 2015-03-11 | 中国人民解放军海军工程大学 | 一种用于复杂电气系统故障排查训练的模拟方法 |
WO2017185945A1 (zh) * | 2016-04-29 | 2017-11-02 | 中兴通讯股份有限公司 | 一种故障处理方法及装置 |
CN110221144A (zh) * | 2019-05-30 | 2019-09-10 | 北京博锐尚格节能技术股份有限公司 | 建筑机电故障原因定位方法 |
CN110738007A (zh) * | 2019-09-30 | 2020-01-31 | 中国人民解放军海军工程大学 | 一种电子类通用件的备件保障概率计算方法及装置 |
WO2021196501A1 (zh) * | 2020-03-31 | 2021-10-07 | 佛山科学技术学院 | 一种基于大数据的工业生产流水线的故障监测方法及系统 |
CN111582702A (zh) * | 2020-04-30 | 2020-08-25 | 广东电网有限责任公司 | 一种基于天气因素的电网风险评估方法 |
CN111860881A (zh) * | 2020-06-04 | 2020-10-30 | 中国人民解放军海军工程大学 | 一种多诱因装备故障维修排查方法及装置 |
Non-Patent Citations (2)
Title |
---|
Transformer Fault Prediction Method Based on Multiple Linear Regression;Qin Jiafeng等;IOP Conference Series: Materials Science and Engineering;1-8 * |
基于综合集成方法的设备故障诊断及其应用;叶含瑞等;科技促进发展;425-436 * |
Also Published As
Publication number | Publication date |
---|---|
CN115759479A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1970786A2 (en) | Automated engine data diagnostic analysis | |
CN115310048B (zh) | 一种设备在期望时间内完成修复概率的计算方法和系统 | |
CN115759479B (zh) | 一种基于综合值的复杂设备故障定位优化方法和系统 | |
CN115270078B (zh) | 一种机电设备平均修复时间的计算方法和系统 | |
Che et al. | Reliability analysis of load-sharing man-machine systems subject to machine degradation, human errors, and random shocks | |
CN115374658B (zh) | 一种电子设备最少耗时故障排查次序优化方法和系统 | |
CN111782532B (zh) | 一种基于网络异常节点分析的软件故障定位方法及系统 | |
CN112463636B (zh) | 一种测试用例排序管理方法及系统 | |
CN115879720A (zh) | 一种采用通用检测工具检测的检查次序优化方法和系统 | |
CN115879719A (zh) | 一种基于遍历划分的并行故障定位优化方法和系统 | |
Arora et al. | Testing effort based software reliability assessment incorporating FRF and change point | |
CN115688025A (zh) | 一种设备故障修复时间的概率分布的估计方法和系统 | |
CN115600045B (zh) | 采用通用检测工具检测的平均检测时间计算方法和系统 | |
CN113887990A (zh) | 电气设备维修决策优化方法 | |
CN115796838A (zh) | 一种针对多人合作的故障排查时间估计方法和系统 | |
CN115293296B (zh) | 一种机械设备故障定位优化方法和系统 | |
CN115965195A (zh) | 一种基于等效检查时间的多人故障定位优化方法和系统 | |
CN116029692A (zh) | 一种针对复杂设备的平均维修时间估计方法和系统 | |
CN116843231B (zh) | 一种考虑维修耗时的机械设备使用可用度量化方法和系统 | |
CN110263446A (zh) | 一种基于改进fmea的生产线可靠性改进分析方法、系统 | |
CN111625990B (zh) | 电子整机贮存寿命持续评价方法及装置 | |
CN118013767B (zh) | 一种针对复杂电子设备的检查次序优化方法和系统 | |
CN118394853B (zh) | 一种分布式数据库故障因素的水平计算方法 | |
CN113177724B (zh) | 一种基于图形模糊集和copras的装备外场试验资源调度方法 | |
Zhang et al. | Informative sensor selection and health indicator construction for aircraft engines prognosis |
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 |