CN115907164B - 一种基于寿命预测的设备组件管理方法及系统 - Google Patents
一种基于寿命预测的设备组件管理方法及系统 Download PDFInfo
- Publication number
- CN115907164B CN115907164B CN202211488868.1A CN202211488868A CN115907164B CN 115907164 B CN115907164 B CN 115907164B CN 202211488868 A CN202211488868 A CN 202211488868A CN 115907164 B CN115907164 B CN 115907164B
- Authority
- CN
- China
- Prior art keywords
- component
- fault
- fault characteristic
- azimuth
- fixed
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 98
- 238000009958 sewing Methods 0.000 claims abstract description 91
- 230000000694 effects Effects 0.000 claims abstract description 48
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000012512 characterization method Methods 0.000 claims description 13
- 230000008030 elimination Effects 0.000 claims description 11
- 238000003379 elimination reaction Methods 0.000 claims description 11
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 10
- 238000011031 large-scale manufacturing process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于寿命预测的设备组件管理方法及系统，涉及智能制造设备管理领域，其中，所述方法包括：获取缝纫机车间基本信息；生成固定组件集和活动组件集；生成固定组件故障特征参数；对活动组件集进行故障特征评估，生成活动组件故障特征参数；判断固定组件故障特征参数或/和活动组件故障特征参数是否满足故障特征参数阈值；当固定组件故障特征参数或/和活动组件故障特征参数满足故障特征参数阈值，生成寿命预测结果；判断寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。达到了提高缝纫机车间的车间仪器的安全维护的适用性；提高缝纫机车间的安全预警质量等技术效果。
Description
技术领域
本发明涉及智能制造设备管理领域，具体地，涉及一种基于寿命预测的设备组件管理方法及系统。
背景技术
缝纫机车间是一个重要的服装生产场所。缝纫机车间的安全状态对服装生产效率的高低、服装生产质量的优劣具有重要影响。随着服装生产要求的不断提高，缝纫机车间的安全状态受到广泛关注。缝纫机车间的安全预警对于保障缝纫机车间的安全状态、提高缝纫机车间的生产水平具有重要作用。研究设计一种优化缝纫机车间的安全预警方法，具有十分重要的现实意义。
现有技术中针对缝纫机车间的车间仪器的安全维护均是按照统一标准和巡检结合的方式，稳定性较差且难以适用于大规模生产场景，导致存在适用性较差的技术问题。
发明内容
本申请提供了一种基于寿命预测的设备组件管理方法及系统。解决了现有技术中针对缝纫机车间的车间仪器的安全维护均是按照统一标准和巡检结合的方式，稳定性较差且难以适用于大规模生产场景，导致存在适用性较差的技术问题。
鉴于上述问题，本申请提供了一种基于寿命预测的设备组件管理方法及系统。
第一方面，本申请提供了一种基于寿命预测的设备组件管理方法，其中，所述方法应用于一种基于寿命预测的设备组件管理系统，所述方法包括：获取缝纫机车间基本信息，其中，所述缝纫机车间基本信息包括车间仪器编号表；遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集；对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。
优选的，所述遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集，包括：
遍历所述车间仪器编号表，对所述车间仪器进行拆解，生成初始组件集；
基于组件类型对所述初始组件集进行聚类分析，生成一级组件聚类结果；
基于启动次数遍历所述一级组件聚类结果进行聚类分析，生成二级组件聚类结果；
基于运行时长遍历所述二级组件聚类结果进行聚类分析，生成三级组件聚类结果；
遍历所述三级组件聚类结果进行二分组，生成所述固定组件集和所述活动组件集。
优选的，所述方法应用一缝纫机车间安全预警系统，所述系统和图像采集装置通信连接，所述对所述固定组件集进行故障特征评估，生成固定组件故障特征参数，包括：
通过图像采集装置对所述固定组件集进行图像采集，生成固定组件图像采集结果；
对所述固定组件图像采集结果进行特征分析，生成固定组件位置特征；
根据所述缝纫机车间基本信息，匹配固定组件位置基准特征；
获取第一故障特征参数评估公式：
其中，表示第k个类型的固定组件故障特征参数，/>表征启动次数，/>表征运行时长，/>表征固定组件位置特征，/>表征固定组件位置基准特征，α、β和γ为权重指数，且α、β和γ大于或等于1；
将所述固定组件位置基准特征和所述固定组件位置特征输入所述第一故障特征参数评估公式，生成所述固定组件故障特征参数。
优选的，所述对所述活动组件集进行故障特征评估，生成活动组件故障特征参数，包括：
通过所述图像采集装置对所述活动组件集进行图像采集，生成活动组件图像采集结果；
对所述活动组件图像采集结果进行特征分析，生成组件活动特征值，其中，所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征直到第N方位活动面积特征；
根据所述缝纫机车间基本信息，匹配组件活动范围基准特征，其中，所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征直到第N方位活动面积基准特征；
根据所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征对所述活动组件集进行故障特征评估，生成所述活动组件故障特征参数。
优选的，所述生成所述活动组件故障特征参数，包括：
获取第二故障特征参数评估公式：
其中，表征第i个类型的活动组件故障特征参数，/>表征启动次数，/>表征运行时长，/>表征第n方位活动面积特征，/>表征第n方位活动面积基准值特征，δ、ε和∈为权重指数，且δ、ε和∈大于或等于1；
将所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征输入所述第二故障特征参数评估公式，生成所述活动组件故障特征参数。
优选的，所述根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果，包括：
将所述准故障固定组件和所述固定组件故障特征参数输入寿命预测概率表，生成固定组件寿命预测概率；
将所述准故障活动组件和所述活动组件故障特征参数输入所述寿命预测概率表，生成活动组件寿命预测概率；
获取车间仪器寿命评估公式：
其中，T表征寿命猜测值，表征任意一车间仪器的第j个固定组件故障特征参数的条件下寿命为T的概率值，/>任意一车间仪器的第l个活动组件故障特征参数的条件下寿命为T的概率值；
根据寿命取值约束区间和所述车间仪器寿命评估公式重复迭代，生成所述寿命预测结果。
优选的，所述根据寿命取值约束区间和所述车间仪器寿命评估公式重复迭代，生成所述寿命预测结果，包括：
根据所述寿命取值约束区间中取值，获取第x预测寿命取值；
将所述第x预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x车间仪器寿命预测概率；
根据所述寿命取值约束区间中取值，获取第x+1预测寿命取值；
将所述第x+1预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x+1车间仪器寿命预测概率；
判断所述第x+1车间仪器寿命预测概率是否大于或等于所述第x车间仪器寿命预测概率；
若大于或等于，将所述第x预测寿命取值添加进淘汰数据集，基于所述第x+1预测寿命取值继续迭代；若小于，将所述第x+1预测寿命取值添加进所述淘汰数据集，基于所述第x预测寿命取值继续迭代；
当所述预测寿命取值重复迭代预设次数不变时，生成所述寿命预测结果。
第二方面，本申请还提供了一种基于寿命预测的设备组件管理系统，其中，所述系统包括：基本信息获取模块，所述基本信息获取模块用于获取缝纫机车间基本信息，其中，所述缝纫机车间基本信息包括车间仪器编号表；车间仪器拆解模块，所述车间仪器拆解模块用于遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集；第一故障特征评估模块，所述第一故障特征评估模块用于对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；第二故障特征评估模块，所述第二故障特征评估模块用于对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；判断模块，所述判断模块用于判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；寿命预测模块，所述寿命预测模块用于当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；预警信号生成模块，所述预警信号生成模块用于判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过对缝纫机车间进行信息采集，获取缝纫机车间基本信息；根据车间仪器编号表对车间仪器进行拆解，生成固定组件集和活动组件集；对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。达到了根据车间仪器的使用状态对车间仪器进行及时、可靠的自动化安全预警，提高缝纫机车间的车间仪器的安全预警准确性，从而提高缝纫机车间的车间仪器的安全维护的适用性、精准性；同时，提高缝纫机车间的安全预警质量，保障缝纫机车间的安全生产，提高缝纫机车间的生产质量及生产效率的技术效果。
附图说明
图1为本申请一种基于寿命预测的设备组件管理方法的流程示意图；
图2为本申请一种基于寿命预测的设备组件管理方法中生成固定组件集和活动组件集的流程示意图；
图3为本申请一种基于寿命预测的设备组件管理系统的结构示意图。
附图标记说明：基本信息获取模块11，车间仪器拆解模块12，第一故障特征评估模块13，第二故障特征评估模块14，判断模块15，寿命预测模块16，预警信号生成模块17。
具体实施方式
本申请通过提供一种基于寿命预测的设备组件管理方法及系统。解决了现有技术中针对缝纫机车间的车间仪器的安全维护均是按照统一标准和巡检结合的方式，稳定性较差且难以适用于大规模生产场景，导致存在适用性较差的技术问题。达到了根据车间仪器的使用状态对车间仪器进行及时、可靠的自动化安全预警，提高缝纫机车间的车间仪器的安全预警准确性，从而提高缝纫机车间的车间仪器的安全维护的适用性、精准性；同时，提高缝纫机车间的安全预警质量，保障缝纫机车间的安全生产，提高缝纫机车间的生产质量及生产效率的技术效果。
实施例一
请参阅附图1，本申请提供一种基于寿命预测的设备组件管理方法，其中，所述方法应用于一种基于寿命预测的设备组件管理系统，所述系统与缝纫机机组、图像采集装置通信连接，所述方法具体包括如下步骤：
步骤S100：获取缝纫机车间基本信息，其中，所述缝纫机车间基本信息包括车间仪器编号表；
具体而言，对缝纫机车间的缝纫机机组进行信息采集，获得缝纫机车间基本信息。其中，所述缝纫机车间为使用所述一种基于寿命预测的设备组件管理系统进行智能化安全预警的任意缝纫机车间。所述缝纫机车间基本信息包括车间仪器编号表。所述车间仪器编号表包括缝纫机车间的缝纫机编号、缝纫机类型、缝纫机数量等数据信息。达到了确定缝纫机车间基本信息，为后续对缝纫机车间进行安全预警奠定基础的技术效果。
步骤S200：遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集；
进一步的，如附图2所示，本申请步骤S200还包括：
步骤S210：遍历所述车间仪器编号表，对所述车间仪器进行拆解，生成初始组件集；
步骤S220：基于组件类型对所述初始组件集进行聚类分析，生成一级组件聚类结果；
步骤S230：基于启动次数遍历所述一级组件聚类结果进行聚类分析，生成二级组件聚类结果；
步骤S240：基于运行时长遍历所述二级组件聚类结果进行聚类分析，生成三级组件聚类结果；
步骤S250：遍历所述三级组件聚类结果进行二分组，生成所述固定组件集和所述活动组件集。
具体而言，按照车间仪器编号表对车间仪器进行拆解，生成初始组件集。进一步，按照组件类型对初始组件集进行聚类分析，获得一级组件聚类结果。根据启动次数对一级组件聚类结果进行聚类分析，获得二级组件聚类结果。进而，根据运行时长对二级组件聚类结果进行聚类分析，获得三级组件聚类结果，并对三级组件聚类结果进行二分组，获得固定组件集和活动组件集。
其中，所述初始组件集包括车间仪器编号表中多个缝纫机的组成部件名称、组成部件数量等缝纫机组成部件数据信息。所述聚类分析是在面临较为复杂的研究对象时，将相似的研究对象归成类，使得同一类中的个体有较大的相似性，不同类中的个体间差异很大。聚类分析具有对研究对象进行分类，减少研究对象的数目，简单快速，易于理解及实现等优点。所述一级组件聚类结果包括按照组件类型对初始组件集进行分类后，获得的多个一级组件聚类集。同一个一级组件聚类集内的初始组件集具有相同的组件类型。不同的一级组件聚类集之间具有不同的组件类型。所述二级组件聚类结果包括按照启动次数对一级组件聚类结果进行分类后，获得的多个二级组件聚类集。同一个二级组件聚类集内的一级组件聚类结果具有相同的启动次数。不同的二级组件聚类集之间具有不同的启动次数。所述三级组件聚类结果包括按照运行时长对二级组件聚类结果进行分类后，获得的多个三级组件聚类集。同一个三级组件聚类集内的二级组件聚类结果具有相同的运行时长。不同的三级组件聚类集之间具有不同的运行时长。即，获得的三级组件聚类结果中，同一个三级组件聚类集内的多个缝纫机组成部件具有相同的组件类型、启动次数、运行时长。所述固定组件集包括多个类型的固定组件集。同一类型的固定组件集内包括组件类型、启动次数、运行时长相同的多个缝纫机固定结构信息。所述活动组件集包括多个类型的活动组件集。同一类型的活动组件集内包括组件类型、启动次数、运行时长相同的多个缝纫机活动结构信息。达到了按照车间仪器编号表对车间仪器进行拆解，生成初始组件集，并对其进行多次聚类分析、二分组，获得可靠的固定组件集、活动组件集，为后续分别对固定组件集、活动组件集进行故障特征评估提供数据支持；同时，利用多次聚类分析将具有相同组件类型、启动次数、运行时长的车间仪器归为一类，提高大规模生产场景下车间仪器的安全维护的效率的技术效果。
步骤S300：对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；
进一步的，本申请步骤S300还包括：
步骤S310：通过图像采集装置对所述固定组件集进行图像采集，生成固定组件图像采集结果；
步骤S320：对所述固定组件图像采集结果进行特征分析，生成固定组件位置特征；
步骤S330：根据所述缝纫机车间基本信息，匹配固定组件位置基准特征；
步骤S340：获取第一故障特征参数评估公式：
其中，表示第k个类型的固定组件故障特征参数，/>表征启动次数，/>表征运行时长，/>表征固定组件位置特征，/>表征固定组件位置基准特征，α、β和γ为权重指数，且α、β和γ大于或等于1；
步骤S350：将所述固定组件位置基准特征和所述固定组件位置特征输入所述第一故障特征参数评估公式，生成所述固定组件故障特征参数。
具体而言，利用图像采集装置进行固定组件集的图像采集，获得固定组件图像采集结果，并对其进行特征分析，获得固定组件位置特征。进一步，按照缝纫机车间基本信息对固定组件集进行匹配，获得固定组件位置基准特征。进而，将已获得的固定组件位置特征、固定组件位置基准特征作为输入信息，输入第一故障特征参数评估公式，获得固定组件故障特征参数。
其中，所述图像采集装置可以为现有技术中任意类型的能够采集获取图像信息的摄像装置或它们的结合。所述固定组件图像采集结果包括固定组件集对应的图像数据信息。所述固定组件位置特征包括固定组件图像采集结果中多个固定组件的位置信息。所述固定组件位置基准特征包括多个固定组件的预设位置信息。所述第一故障特征参数评估公式中，、/>分别为已知的固定组件集的启动次数、运行时长。/>为输入的固定组件位置特征，/>为输入的固定组件位置基准特征。α、β和γ为所述一种基于寿命预测的设备组件管理系统预先设置的权重指数。且，α、β和γ大于或等于1。同一类型的固定组件集具有相同的启动次数、运行时长，此时，固定组件位置特征与固定组件位置基准特征之间的差值越大，获得固定组件故障特征参数越大。所述固定组件故障特征参数是用于表征固定组件集的故障特征高低的参数信息。启动次数越多，运行时长越长，固定组件位置特征与固定组件位置基准特征之间的差值越大，固定组件集的故障特征越高，对应的固定组件故障特征参数越大。达到了通过第一故障特征参数评估公式对固定组件集进行可靠地故障特征评估，获得准确的固定组件故障特征参数，继而提高后续对缝纫机车间进行安全预警的精准性的技术效果。
步骤S400：对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；
进一步的，本申请步骤S400还包括：
步骤S410：通过所述图像采集装置对所述活动组件集进行图像采集，生成活动组件图像采集结果；
步骤S420：对所述活动组件图像采集结果进行特征分析，生成组件活动特征值，其中，所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征直到第N方位活动面积特征；
步骤S430：根据所述缝纫机车间基本信息，匹配组件活动范围基准特征，其中，所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征直到第N方位活动面积基准特征；
具体而言，利用图像采集装置进行活动组件集的图像采集，获得活动组件图像采集结果，并对其进行特征分析，获得组件活动特征值。进而，根据缝纫机车间基本信息，获得组件活动范围基准特征。其中，所述活动组件图像采集结果包括活动组件集对应的图像数据信息。所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征……第N方位活动面积特征。所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征……第N方位活动面积基准特征。第一方位、第二方位……第N方位由所述一种基于寿命预测的设备组件管理系统预先设置确定。例如，所述第一方位为A方位。则第一方位活动面积特征为活动组件图像采集结果对应的活动组件集中多个活动组件在A方位上的多个活动面积大小。所述第一方位活动面积基准特征为活动组件集中多个活动组件在A方位上的多个预设活动面积大小。达到了获得组件活动特征值和组件活动范围基准特征，为后续生成活动组件故障特征参数提供数据支持的技术效果。
步骤S440：根据所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征对所述活动组件集进行故障特征评估，生成所述活动组件故障特征参数。
进一步的，本申请步骤S440还包括：
步骤S441：获取第二故障特征参数评估公式：
其中，表征第i个类型的活动组件故障特征参数，/>表征启动次数，/>表征运行时长，/>表征第n方位活动面积特征，/>表征第n方位活动面积基准值特征，δ、ε和∈为权重指数，且δ、ε和∈大于或等于1；
步骤S442：将所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征输入所述第二故障特征参数评估公式，生成所述活动组件故障特征参数。
具体而言，将已获得的组件活动特征值、组件活动范围基准特征作为输入信息，输入第二故障特征参数评估公式，获得活动组件故障特征参数。其中，所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征……第N方位活动面积特征。所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征……第N方位活动面积基准特征。在第二故障特征参数评估公式中，首先对输入的组件活动特征值、组件活动范围基准特征进行公式选择，将第N方位活动面积特征除以第N方位活动面积基准特征，获得二者的商值。如果该商值小于1，则使用第二故障特征参数评估公式中第一个公式进行故障特征计算，此时，在启动次数、运行时长相同时，该商值越大，计算获得的活动组件故障特征参数越大。
如果该商值不小于1，则使用第二故障特征参数评估公式中第二个公式进行故障特征计算，此时，在启动次数、运行时长相同时，该商值越大，计算获得的活动组件故障特征参数越大。、/>分别为已知的活动组件集的启动次数、运行时长。/>表征第n方位活动面积特征，/>表征第n方位活动面积基准值特征。δ、ε和∈为所述一种基于寿命预测的设备组件管理系统预先设置的权重指数。且，δ、ε和∈大于或等于1。所述活动组件故障特征参数是用于表征活动组件集的故障特征高低的参数信息。达到了利用第二故障特征参数评估公式对活动组件集进行故障特征评估，获得可靠的活动组件故障特征参数，进而提高后续寿命预测的准确性、可信度的技术效果。
步骤S500：判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；
具体而言，分别对固定组件故障特征参数、活动组件故障特征参数是否满足故障特征参数阈值进行判断。其中，所述故障特征参数阈值由所述一种基于寿命预测的设备组件管理系统自定义设置确定。达到了对固定组件故障特征参数、活动组件故障特征参数是否满足故障特征参数阈值进行判断，为后续对车间仪器进行寿命预测提供数据支持的技术效果。
步骤S600：当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；
进一步的，本申请步骤S600还包括：
步骤S610：将所述准故障固定组件和所述固定组件故障特征参数输入寿命预测概率表，生成固定组件寿命预测概率；
步骤S620：将所述准故障活动组件和所述活动组件故障特征参数输入所述寿命预测概率表，生成活动组件寿命预测概率；
具体而言，在对固定组件故障特征参数、活动组件故障特征参数是否满足故障特征参数阈值进行判断时，如果固定组件故障特征参数或/和活动组件故障特征参数满足故障特征参数阈值，获得准故障固定组件或/和准故障活动组件。进一步，将准故障固定组件、固定组件故障特征参数输入寿命预测概率表，获得固定组件寿命预测概率。将准故障活动组件、活动组件故障特征参数输入寿命预测概率表，获得活动组件寿命预测概率。其中，所述准故障固定组件为满足故障特征参数阈值的固定组件故障特征参数对应的固定组件。所述准故障活动组件为满足故障特征参数阈值的活动组件故障特征参数对应的活动组件。所述寿命预测概率表由所述一种基于寿命预测的设备组件管理系统通过大数据查询，或专家设定获得。所述寿命预测概率表包括多个准故障固定组件、多个固定组件故障特征参数、多个固定组件寿命预测概率，以及多个准故障活动组件、多个活动组件故障特征参数、多个活动组件寿命预测概率。所述固定组件寿命预测概率包括固定组件故障特征参数下，准故障固定组件的寿命概率值。所述活动组件寿命预测概率包括活动组件故障特征参数下，准故障活动组件的寿命概率值。例如，所述固定组件寿命预测概率为固定组件故障特征参数下，准故障固定组件寿命为H的概率值为h。所述活动组件寿命预测概率为活动组件故障特征参数下，准故障活动组件寿命为Y的概率值为y。达到了通过寿命预测概率表对准故障固定组件、固定组件故障特征参数，以及准故障活动组件、活动组件故障特征参数进行寿命预测概率匹配，获得准确的固定组件寿命预测概率、活动组件寿命预测概率，提高后续获得的寿命预测结果的可靠性的技术效果。
步骤S630：获取车间仪器寿命评估公式：
其中，T表征寿命猜测值，表征任意一车间仪器的第j个固定组件故障特征参数的条件下寿命为T的概率值，/>任意一车间仪器的第l个活动组件故障特征参数的条件下寿命为T的概率值；
步骤S640：根据寿命取值约束区间和所述车间仪器寿命评估公式重复迭代，生成所述寿命预测结果。
进一步的，本申请步骤S640还包括：
步骤S641：根据所述寿命取值约束区间中取值，获取第x预测寿命取值；
步骤S642：将所述第x预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x车间仪器寿命预测概率；
步骤S643：根据所述寿命取值约束区间中取值，获取第x+1预测寿命取值；
步骤S644：将所述第x+1预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x+1车间仪器寿命预测概率；
步骤S645：判断所述第x+1车间仪器寿命预测概率是否大于或等于所述第x车间仪器寿命预测概率；
步骤S646：若大于或等于，将所述第x预测寿命取值添加进淘汰数据集，基于所述第x+1预测寿命取值继续迭代；若小于，将所述第x+1预测寿命取值添加进所述淘汰数据集，基于所述第x预测寿命取值继续迭代；
步骤S647：当所述预测寿命取值重复迭代预设次数不变时，生成所述寿命预测结果。
具体而言，从寿命取值约束区间中进行随机取值，获得第x预测寿命取值、第x+1预测寿命取值。进一步，将第x预测寿命取值，以及第x预测寿命取值对应的固定组件寿命预测概率、活动组件寿命预测概率输入车间仪器寿命评估公式，获得第x车间仪器寿命预测概率。将第x+1预测寿命取值，以及第x+1预测寿命取值对应的固定组件寿命预测概率、活动组件寿命预测概率输入车间仪器寿命评估公式，获得第x+1车间仪器寿命预测概率。继而，对第x+1车间仪器寿命预测概率是否大于或等于第x车间仪器寿命预测概率进行判断，如果第x+1车间仪器寿命预测概率大于或等于第x车间仪器寿命预测概率，将第x预测寿命取值添加至淘汰数据集，并根据第x+1预测寿命取值继续迭代。如果第x+1车间仪器寿命预测概率小于第x车间仪器寿命预测概率，则将第x+1预测寿命取值添加至淘汰数据集，并根据第x预测寿命取值继续迭代。当预测寿命取值在进行预设次数的重复迭代后，仍不发生改变时，获得寿命预测结果。
其中，所述寿命取值约束区间包括多个预测寿命取值。所述第x预测寿命取值、第x+1预测寿命取值均为寿命取值约束区间中任意预测寿命取值。且，所述第x预测寿命取值与第x+1预测寿命取值不同。在车间仪器寿命评估公式中，T即为第x预测寿命取值、第x+1预测寿命取值；即为第x预测寿命取值对应的固定组件寿命预测概率、第x+1预测寿命取值对应的固定组件寿命预测概率等；/>即为第x预测寿命取值对应的活动组件寿命预测概率、第x+1预测寿命取值对应的活动组件寿命预测概率等。所述第x车间仪器寿命预测概率包括第x预测寿命取值对应的固定组件寿命预测概率、第x预测寿命取值对应的活动组件寿命预测概率之间的乘积。所述第x+1车间仪器寿命预测概率包括第x+1预测寿命取值对应的固定组件寿命预测概率、第x+1预测寿命取值对应的活动组件寿命预测概率之间的乘积。所述淘汰数据集包括第x+1车间仪器寿命预测概率大于或等于第x车间仪器寿命预测概率时，对应的第x预测寿命取值；以及第x+1车间仪器寿命预测概率小于第x车间仪器寿命预测概率，对应的第x+1预测寿命取值。所述预设次数包括预设迭代次数，由所述一种基于寿命预测的设备组件管理系统自定义设置确定。所述寿命预测结果包括重复迭代预设次数不变的预测寿命取值。达到了通过对寿命取值约束区间中多个预测寿命取值进行预设次数的重复迭代，获得可信度高、准确性强的寿命预测结果，从而提高对缝纫机车间进行安全预警的准确性的技术效果。
步骤S700：判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。
具体而言，对寿命预测结果是否满足预设组件更换周期进行判断，如果寿命预测结果不满足预设组件更换周期，所述一种基于寿命预测的设备组件管理系统自动发出生产安全预警信号。其中，所述预设组件更换周期由所述一种基于寿命预测的设备组件管理系统通过大数据查询自适应设置确定。所述生产安全预警信号是用于表征寿命预测结果不满足预设组件更换周期的预警提醒信息。示例性地，所述寿命预测结果为2天，所述预设组件更换周期为5天，此时，寿命预测结果不满足预设组件更换周期，获得生产安全预警信号。达到了通过对寿命预测结果是否满足预设组件更换周期进行判断，适应性地生成生产安全预警信号，提高缝纫机车间的车间仪器的安全预警准确性，进而提高缝纫机车间的安全预警质量的技术效果。
综上所述，本申请所提供的一种基于寿命预测的设备组件管理方法具有如下技术效果：
1.通过对缝纫机车间进行信息采集，获取缝纫机车间基本信息；根据车间仪器编号表对车间仪器进行拆解，生成固定组件集和活动组件集；对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。达到了根据车间仪器的使用状态对车间仪器进行及时、可靠的自动化安全预警，提高缝纫机车间的车间仪器的安全预警准确性，从而提高缝纫机车间的车间仪器的安全维护的适用性、精准性；同时，提高缝纫机车间的安全预警质量，保障缝纫机车间的安全生产，提高缝纫机车间的生产质量及生产效率的技术效果。
2.通过第一故障特征参数评估公式对固定组件集进行可靠地故障特征评估，获得准确的固定组件故障特征参数，继而提高对缝纫机车间进行安全预警的精准性。
3.利用第二故障特征参数评估公式对活动组件集进行故障特征评估，获得可靠的活动组件故障特征参数，进而提高寿命预测的准确性、可信度。
4.通过寿命预测概率表对准故障固定组件、固定组件故障特征参数，以及准故障活动组件、活动组件故障特征参数进行寿命预测概率匹配，获得准确的固定组件寿命预测概率、活动组件寿命预测概率。
实施例二
基于与前述实施例中一种基于寿命预测的设备组件管理方法，同样发明构思，本发明还提供了一种基于寿命预测的设备组件管理系统，请参阅附图3，所述系统包括：
基本信息获取模块11，所述基本信息获取模块11用于获取缝纫机车间基本信息，其中，所述缝纫机车间基本信息包括车间仪器编号表；
车间仪器拆解模块12，所述车间仪器拆解模块12用于遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集；
第一故障特征评估模块13，所述第一故障特征评估模块13用于对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；
第二故障特征评估模块14，所述第二故障特征评估模块14用于对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；
判断模块15，所述判断模块15用于判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；
寿命预测模块16，所述寿命预测模块16用于当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；
预警信号生成模块17，所述预警信号生成模块17用于判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。
进一步的，所述系统还包括：
初始组件集生成模块，所述初始组件集生成模块用于遍历所述车间仪器编号表，对所述车间仪器进行拆解，生成初始组件集；
一级组件聚类结果生成模块，所述一级组件聚类结果生成模块用于基于组件类型对所述初始组件集进行聚类分析，生成一级组件聚类结果；
二级组件聚类结果生成模块，所述二级组件聚类结果生成模块用于基于启动次数遍历所述一级组件聚类结果进行聚类分析，生成二级组件聚类结果；
三级组件聚类结果生成模块，所述三级组件聚类结果生成模块用于基于运行时长遍历所述二级组件聚类结果进行聚类分析，生成三级组件聚类结果；
二分组模块，所述二分组模块用于遍历所述三级组件聚类结果进行二分组，生成所述固定组件集和所述活动组件集。
进一步的，所述系统还包括：
固定组件图像采集结果生成模块，所述固定组件图像采集结果生成模块用于通过图像采集装置对所述固定组件集进行图像采集，生成固定组件图像采集结果；
固定组件位置特征生成模块，所述固定组件位置特征生成模块用于对所述固定组件图像采集结果进行特征分析，生成固定组件位置特征；
固定组件位置基准特征确定模块，所述固定组件位置基准特征确定模块用于根据所述缝纫机车间基本信息，匹配固定组件位置基准特征；
第一故障特征参数评估公式确定模块，所述第一故障特征参数评估公式确定模块用于获取第一故障特征参数评估公式：
其中，表示第k个类型的固定组件故障特征参数，/>表征启动次数，/>表征运行时长，/>表征固定组件位置特征，/>表征固定组件位置基准特征，α、β和γ为权重指数，且α、β和γ大于或等于1；
固定组件故障特征参数生成模块，所述固定组件故障特征参数生成模块用于将所述固定组件位置基准特征和所述固定组件位置特征输入所述第一故障特征参数评估公式，生成所述固定组件故障特征参数。
进一步的，所述系统还包括：
活动组件图像采集结果生成模块，所述活动组件图像采集结果生成模块用于通过所述图像采集装置对所述活动组件集进行图像采集，生成活动组件图像采集结果；
组件活动特征值生成模块，所述组件活动特征值生成模块用于对所述活动组件图像采集结果进行特征分析，生成组件活动特征值，其中，所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征直到第N方位活动面积特征；
组件活动范围基准特征确定模块，所述组件活动范围基准特征确定模块用于根据所述缝纫机车间基本信息，匹配组件活动范围基准特征，其中，所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征直到第N方位活动面积基准特征；
活动组件故障特征参数生成模块，所述活动组件故障特征参数生成模块用于根据所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征对所述活动组件集进行故障特征评估，生成所述活动组件故障特征参数。
进一步的，所述系统还包括：
第二故障特征参数评估公式确定模块，所述第二故障特征参数评估公式确定模块用于获取第二故障特征参数评估公式：
其中，表征第i个类型的活动组件故障特征参数，/>表征启动次数，/>表征运行时长，/>表征第n方位活动面积特征，/>表征第n方位活动面积基准值特征，δ、ε和∈为权重指数，且δ、ε和∈大于或等于1；
活动组件故障特征参数确定模块，所述活动组件故障特征参数确定模块用于将所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征输入所述第二故障特征参数评估公式，生成所述活动组件故障特征参数。
进一步的，所述系统还包括：
固定组件寿命预测概率生成模块，所述固定组件寿命预测概率生成模块用于将所述准故障固定组件和所述固定组件故障特征参数输入寿命预测概率表，生成固定组件寿命预测概率；
活动组件寿命预测概率生成模块，所述活动组件寿命预测概率生成模块用于将所述准故障活动组件和所述活动组件故障特征参数输入所述寿命预测概率表，生成活动组件寿命预测概率；
车间仪器寿命评估公式确定模块，所述车间仪器寿命评估公式确定模块用于获取车间仪器寿命评估公式：
其中，T表征寿命猜测值，表征任意一车间仪器的第j个固定组件故障特征参数的条件下寿命为T的概率值，/>任意一车间仪器的第l个活动组件故障特征参数的条件下寿命为T的概率值；
寿命预测结果生成模块，所述寿命预测结果生成模块用于根据寿命取值约束区间和所述车间仪器寿命评估公式重复迭代，生成所述寿命预测结果。
进一步的，所述系统还包括：
第一预测寿命取值确定模块，所述第一预测寿命取值确定模块用于根据所述寿命取值约束区间中取值，获取第x预测寿命取值；
第一车间仪器寿命预测概率确定模块，所述第一车间仪器寿命预测概率确定模块用于将所述第x预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x车间仪器寿命预测概率；
第二预测寿命取值确定模块，所述第二预测寿命取值确定模块用于根据所述寿命取值约束区间中取值，获取第x+1预测寿命取值；
第二车间仪器寿命预测概率确定模块，所述第二车间仪器寿命预测概率确定模块用于将所述第x+1预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x+1车间仪器寿命预测概率；
第一执行模块，所述第一执行模块用于判断所述第x+1车间仪器寿命预测概率是否大于或等于所述第x车间仪器寿命预测概率；
第二执行模块，所述第二执行模块用于若大于或等于，将所述第x预测寿命取值添加进淘汰数据集，基于所述第x+1预测寿命取值继续迭代；若小于，将所述第x+1预测寿命取值添加进所述淘汰数据集，基于所述第x预测寿命取值继续迭代；
第三执行模块，所述第三执行模块用于当所述预测寿命取值重复迭代预设次数不变时，生成所述寿命预测结果。
本申请提供了一种基于寿命预测的设备组件管理方法，其中，所述方法应用于一种基于寿命预测的设备组件管理系统，所述方法包括：通过对缝纫机车间进行信息采集，获取缝纫机车间基本信息；根据车间仪器编号表对车间仪器进行拆解，生成固定组件集和活动组件集；对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号。解决了现有技术中针对缝纫机车间的车间仪器的安全维护均是按照统一标准和巡检结合的方式，稳定性较差且难以适用于大规模生产场景，导致存在适用性较差的技术问题。达到了根据车间仪器的使用状态对车间仪器进行及时、可靠的自动化安全预警，提高缝纫机车间的车间仪器的安全预警准确性，从而提高缝纫机车间的车间仪器的安全维护的适用性、精准性；同时，提高缝纫机车间的安全预警质量，保障缝纫机车间的安全生产，提高缝纫机车间的生产质量及生产效率的技术效果。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本说明书和附图仅仅是本申请的示例性说明，如果本发明的修改和变型属于本发明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 (5)
1.一种基于寿命预测的设备组件管理方法，其特征在于，所述方法应用于一种基于寿命预测的设备组件管理系统，所述系统与缝纫机机组通信连接，所述方法包括：
获取缝纫机车间基本信息，其中，所述缝纫机车间基本信息包括车间仪器编号表；
遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集；
对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；
对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；
判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；
当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；
判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号；
其中，所述方法应用一缝纫机车间安全预警系统，所述系统和图像采集装置通信连接，所述对所述固定组件集进行故障特征评估，生成固定组件故障特征参数，包括：
通过图像采集装置对所述固定组件集进行图像采集，生成固定组件图像采集结果；
对所述固定组件图像采集结果进行特征分析，生成固定组件位置特征；
根据所述缝纫机车间基本信息，匹配固定组件位置基准特征；
获取第一故障特征参数评估公式：
Ck＝fk α+tk β+(ξk-ξk0)γ
其中，Ck表示第k个类型的固定组件故障特征参数，fk表征启动次数，tk表征运行时长，ξk表征固定组件位置特征，ξk0表征固定组件位置基准特征，α、β和γ为权重指数，且α、β和γ大于或等于1；
将所述固定组件位置基准特征和所述固定组件位置特征输入所述第一故障特征参数评估公式，生成所述固定组件故障特征参数；
所述对所述活动组件集进行故障特征评估，生成活动组件故障特征参数，包括：
通过所述图像采集装置对所述活动组件集进行图像采集，生成活动组件图像采集结果；
对所述活动组件图像采集结果进行特征分析，生成组件活动特征值，其中，所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征直到第N方位活动面积特征；
根据所述缝纫机车间基本信息，匹配组件活动范围基准特征，其中，所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征直到第N方位活动面积基准特征；
根据所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征对所述活动组件集进行故障特征评估，生成所述活动组件故障特征参数；
所述生成所述活动组件故障特征参数，包括：
获取第二故障特征参数评估公式：
其中，Di表征第i个类型的活动组件故障特征参数，fi表征启动次数，ti表征运行时长，Ain表征第n方位活动面积特征，Ain0表征第n方位活动面积基准值特征，δ、ε和∈为权重指数，且δ、ε和∈大于或等于1；
将所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征输入所述第二故障特征参数评估公式，生成所述活动组件故障特征参数。
2.如权利要求1所述的方法，其特征在于，所述遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集，包括：
遍历所述车间仪器编号表，对所述车间仪器进行拆解，生成初始组件集；
基于组件类型对所述初始组件集进行聚类分析，生成一级组件聚类结果；
基于启动次数遍历所述一级组件聚类结果进行聚类分析，生成二级组件聚类结果；
基于运行时长遍历所述二级组件聚类结果进行聚类分析，生成三级组件聚类结果；
遍历所述三级组件聚类结果进行二分组，生成所述固定组件集和所述活动组件集。
3.如权利要求1所述的方法，其特征在于，所述根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果，包括：
将所述准故障固定组件和所述固定组件故障特征参数输入寿命预测概率表，生成固定组件寿命预测概率；
将所述准故障活动组件和所述活动组件故障特征参数输入所述寿命预测概率表，生成活动组件寿命预测概率；
获取车间仪器寿命评估公式：
其中，T表征寿命猜测值，p(T|Ck)表征任意一车间仪器的第j个固定组件故障特征参数的条件下寿命为T的概率值，p(T|Dl)任意一车间仪器的第l个活动组件故障特征参数的条件下寿命为T的概率值；
根据寿命取值约束区间和所述车间仪器寿命评估公式重复迭代，生成所述寿命预测结果。
4.如权利要求3所述的方法，其特征在于，所述根据寿命取值约束区间和所述车间仪器寿命评估公式重复迭代，生成所述寿命预测结果，包括：
根据所述寿命取值约束区间中取值，获取第x预测寿命取值；
将所述第x预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x车间仪器寿命预测概率；
根据所述寿命取值约束区间中取值，获取第x+1预测寿命取值；
将所述第x+1预测寿命取值，所述固定组件寿命预测概率和所述活动组件寿命预测概率输入所述车间仪器寿命评估公式，生成第x+1车间仪器寿命预测概率；
判断所述第x+1车间仪器寿命预测概率是否大于或等于所述第x车间仪器寿命预测概率；
若大于或等于，将所述第x预测寿命取值添加进淘汰数据集，基于所述第x+1预测寿命取值继续迭代；若小于，将所述第x+1预测寿命取值添加进所述淘汰数据集，基于所述第x预测寿命取值继续迭代；
当所述预测寿命取值重复迭代预设次数不变时，生成所述寿命预测结果。
5.一种基于寿命预测的设备组件管理系统，其特征在于，所述系统与缝纫机机组通信连接，所述系统包括：
基本信息获取模块，所述基本信息获取模块用于获取缝纫机车间基本信息，其中，所述缝纫机车间基本信息包括车间仪器编号表；
车间仪器拆解模块，所述车间仪器拆解模块用于遍历所述车间仪器编号表，对车间仪器进行拆解，生成固定组件集和活动组件集；
第一故障特征评估模块，所述第一故障特征评估模块用于对所述固定组件集进行故障特征评估，生成固定组件故障特征参数；
第二故障特征评估模块，所述第二故障特征评估模块用于对所述活动组件集进行故障特征评估，生成活动组件故障特征参数；
判断模块，所述判断模块用于判断所述固定组件故障特征参数或/和所述活动组件故障特征参数是否满足故障特征参数阈值；
寿命预测模块，所述寿命预测模块用于当所述固定组件故障特征参数或/和所述活动组件故障特征参数满足故障特征参数阈值，根据准故障固定组件或/和准故障活动组件对所述车间仪器进行寿命预测，生成寿命预测结果；
预警信号生成模块，所述预警信号生成模块用于判断所述寿命预测结果是否满足预设组件更换周期；若不满足，生成生产安全预警信号；
固定组件图像采集结果生成模块，所述固定组件图像采集结果生成模块用于通过图像采集装置对所述固定组件集进行图像采集，生成固定组件图像采集结果；
固定组件位置特征生成模块，所述固定组件位置特征生成模块用于对所述固定组件图像采集结果进行特征分析，生成固定组件位置特征；
固定组件位置基准特征确定模块，所述固定组件位置基准特征确定模块用于根据所述缝纫机车间基本信息，匹配固定组件位置基准特征；
第一故障特征参数评估公式确定模块，所述第一故障特征参数评估公式确定模块用于获取第一故障特征参数评估公式：
Ck＝fk α+tk β+(ξk-ξk0)γ
其中，Ck表示第k个类型的固定组件故障特征参数，fk表征启动次数，tk表征运行时长，ξk表征固定组件位置特征，ξk0表征固定组件位置基准特征，α、β和γ为权重指数，且α、β和γ大于或等于1；
固定组件故障特征参数生成模块，所述固定组件故障特征参数生成模块用于将所述固定组件位置基准特征和所述固定组件位置特征输入所述第一故障特征参数评估公式，生成所述固定组件故障特征参数；
活动组件图像采集结果生成模块，所述活动组件图像采集结果生成模块用于通过所述图像采集装置对所述活动组件集进行图像采集，生成活动组件图像采集结果；
组件活动特征值生成模块，所述组件活动特征值生成模块用于对所述活动组件图像采集结果进行特征分析，生成组件活动特征值，其中，所述组件活动特征值包括第一方位活动面积特征、第二方位活动面积特征直到第N方位活动面积特征；
组件活动范围基准特征确定模块，所述组件活动范围基准特征确定模块用于根据所述缝纫机车间基本信息，匹配组件活动范围基准特征，其中，所述组件活动范围基准特征包括第一方位活动面积基准特征、第二方位活动面积基准特征直到第N方位活动面积基准特征；
活动组件故障特征参数生成模块，所述活动组件故障特征参数生成模块用于根据所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征对所述活动组件集进行故障特征评估，生成所述活动组件故障特征参数；
第二故障特征参数评估公式确定模块，所述第二故障特征参数评估公式确定模块用于获取第二故障特征参数评估公式：
其中，Di表征第i个类型的活动组件故障特征参数，fi表征启动次数，ti表征运行时长，Ain表征第n方位活动面积特征，Ain0表征第n方位活动面积基准值特征，δ、ε和∈为权重指数，且δ、ε和∈大于或等于1；
活动组件故障特征参数确定模块，所述活动组件故障特征参数确定模块用于将所述第一方位活动面积特征、所述第二方位活动面积特征直到所述第N方位活动面积特征、所述第一方位活动面积基准特征、所述第二方位活动面积基准特征直到所述第N方位活动面积基准特征输入所述第二故障特征参数评估公式，生成所述活动组件故障特征参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211488868.1A CN115907164B (zh) | 2022-11-25 | 2022-11-25 | 一种基于寿命预测的设备组件管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211488868.1A CN115907164B (zh) | 2022-11-25 | 2022-11-25 | 一种基于寿命预测的设备组件管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115907164A CN115907164A (zh) | 2023-04-04 |
| CN115907164B true CN115907164B (zh) | 2023-12-12 |
Family
ID=86495148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211488868.1A Active CN115907164B (zh) | 2022-11-25 | 2022-11-25 | 一种基于寿命预测的设备组件管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115907164B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113392991A (zh) * | 2021-06-09 | 2021-09-14 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及系统 |
| CN115268350A (zh) * | 2022-09-27 | 2022-11-01 | 江苏永鼎股份有限公司 | 一种稳压变压器的故障预警方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11474485B2 (en) * | 2018-06-15 | 2022-10-18 | Johnson Controls Tyco IP Holdings LLP | Adaptive training and deployment of single chiller and clustered chiller fault detection models for connected chillers |
-
2022
- 2022-11-25 CN CN202211488868.1A patent/CN115907164B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113392991A (zh) * | 2021-06-09 | 2021-09-14 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及系统 |
| CN115268350A (zh) * | 2022-09-27 | 2022-11-01 | 江苏永鼎股份有限公司 | 一种稳压变压器的故障预警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115907164A (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115034248A (zh) | 用于设备的自动诊断方法、系统和存储介质 | |
| AU2021215157B2 (en) | Predicting reagent chiller instability and flow cell heater failure in sequencing systems | |
| CN108429649B (zh) | 基于多次单类型采集结果的综合异常判断的系统 | |
| CN111352408B (zh) | 一种基于证据k近邻的多工况流程工业过程故障检测方法 | |
| CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
| JP2014032657A (ja) | 異常検知方法及びその装置 | |
| CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
| Pan et al. | A virtual metrology system for predicting end-of-line electrical properties using a MANCOVA model with tools clustering | |
| CN111026738A (zh) | 区域人口监控方法、系统、电子设备及存储介质 | |
| CN111861023A (zh) | 基于统计学的混合风电功率预测方法、装置 | |
| CN109685140A (zh) | 一种基于主成分分析的dbscan算法岸桥状态分类方法 | |
| CN116418293B (zh) | 一种基于物联网大数据的光伏电站智慧诊断系统 | |
| US7243265B1 (en) | Nearest neighbor approach for improved training of real-time health monitors for data processing systems | |
| CN117318614A (zh) | 一种光伏逆变器故障预测方法 | |
| CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
| CN115907164B (zh) | 一种基于寿命预测的设备组件管理方法及系统 | |
| CN113098912B (zh) | 用户账户异常的识别方法、装置、电子设备及存储介质 | |
| CN110555566B (zh) | 一种基于b样条分位数回归的光电概率密度预测方法 | |
| CN108520178B (zh) | 一种基于CFSFDP聚类的Android平台入侵检测方法 | |
| CN117332288A (zh) | 一种建筑节能技术评估系统及方法 | |
| CN114202028B (zh) | 基于mamtl的滚动轴承寿命阶段识别方法 | |
| CN116146421A (zh) | 一种基于风机状态感知的智能控制方法及系统 | |
| CN115638965A (zh) | 一种基于一维注意力机制和卷积神经网络的旋转机械故障诊断方法 | |
| CN115511106B (zh) | 基于时序数据生成训练数据的方法、设备和可读存储介质 | |
| JP2009238190A (ja) | メンテナンス計画支援システム |
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 |