CN116205622A - 烟机设备智能故障预警与维修决策方法 - Google Patents
烟机设备智能故障预警与维修决策方法 Download PDFInfo
- Publication number
- CN116205622A CN116205622A CN202211671747.0A CN202211671747A CN116205622A CN 116205622 A CN116205622 A CN 116205622A CN 202211671747 A CN202211671747 A CN 202211671747A CN 116205622 A CN116205622 A CN 116205622A
- Authority
- CN
- China
- Prior art keywords
- equipment
- maintenance
- fault
- model
- component
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000000779 smoke Substances 0.000 title claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000003449 preventive effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 claims description 5
- 230000008676 import Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 6
- 230000003750 conditioning effect Effects 0.000 description 18
- 241000208125 Nicotiana Species 0.000 description 10
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011058 failure modes and effects analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种烟机设备智能故障预警与维修决策方法，包括S1鉴定重要功能单元、S2构建系统，通过嵌套模型预测得到设备部件预警与维修决策。本发明能够利用维修、监测数据，对设备的健康状态进行预判，为维修提供决策；对于无监测数据的故障类型，通过关键部件分析模型和故障维修记录可以推测出设备故障点及预计故障时间点，对于有监测数据或直接影响产品质量的设备部组件，通过设备维修决策模型做数据分析进行实时监控，对设备的健康状态进行预判，为维修提供决策。本方法可为企业设备管理提供状态监测、分析以及维修的合理时机、部位和维修决策。
Description
技术领域
本发明涉及设备管理领域，具体涉及一种烟机设备智能故障预警与维修决策方法。
背景技术
烟草设备按其生产任务不同可分为制丝设备、卷接包装设备、能源供给设备以及物流运输设备，依据设备间协作关系还可分为流水线设备和单机生产设备，烟草设备种类繁多、功能各异，而且设备役龄也不同，以上现状给卷烟企业生产制造系统维修时机的确定带来了极大的难度。
预防性维修近年在很多卷烟厂均有使用，它是一种设备健康状态保持及恢复的一种重要方式。目前行业内设备预防性维修的主要方式为固定周期，具体实施方法为依据部组件故障间隔期，采取周期内缩的方法设定维修周期，周期内缩依据故障间隔期长短凭经验而定。该方法由于没有充分考虑设备部组件寿命差异、部组件关联性、健康状态，会产生设备过保或者欠保两种结果，以上结果不仅对设备保障能力的提高起不到促进作用，还会出现因极致追求设备保障能力而频繁维修增加维修成本的情况。
发明内容
为了科学制定设备预防性维修时机，明确设备点巡检重点，避免过度维修带来的人力投入大、备件资金投入多、设备维修频次居高不降等问题，本发明通过优化备件采购结构，实现设备维修管理的精益化，并通过嵌套模型的构建，提出了一种烟机设备智能故障预警与维修决策方法，以期为企业设备管理提供状态监测、分析以及维修的合理时机、部位和维修决策。
本发明解决其技术问题所采用的技术方案为：
烟机设备智能故障预警与维修决策方法，包括
S1鉴定重要功能单元
S1.1，将设备按组成的复杂程度依次列出其所有单元，形成“构造树”；
S1.2，把其故障显然对设备没有重要后果的单元略去，剩下的就是必须做维修研究的单元，根据简化的“构造树”确定重要功能单元的层次；
S2构建系统
通过软件工程方法理论构建应用系统，并形成可视化界面；
系统功能结构包括基础功能和预防性维修管理；
S2.1基础功能
基础功能提供系统管理功能：账号管理、部门管理、权限管理、菜单管理；
S2.2预防性维修管理
S2.2.1部件清单
导入与设备的重要功能单元相对应部件清单，可对设备部件信息进行增删改查操作；
为设备部件增加属性是否可进行状态监测，用来标记某部件是否可以进行运行参数维护；
S2.2.2故障统计表
从ERP管理系统获取设备的部件维修清单，按月汇总并剔除占比小于10％的部件；
S2.2.3部件重要程度管理
部件重要程度打分：
对每个部件八项指标进行打分，八项指标为故障率、故障对人员和环境的影响、故障对系统功能的影响、停机时间、维修性设计、可监测性、维修费用、停机损失；
部件重要度评价：
根据打分结果，计算并形成部件重要度评价表；
S2.2.4部件运行参数维护
录入设备运行参数，可针对每个部件录入的参数进行增删改查；
S2.2.5预警与维修决策
通过嵌套模型预测得到设备部件预警与维修决策，并提供针对部件的查询功能；
S2.2.5.1关键部件分析模型
首先，基于S2.2.3部件重要度评价表得到设备部件重要度排序结果；
其次，结合S2.2.2的故障统计表，利用事故树底事件重要度模型，筛选出累次出现频次80％以上的设备部件，将之定义为故障频发项；
随后，利用贝叶斯预测模型，推测出设备故障点及预计故障时间点，预警并提示检修；
模型公式：
S2.2.5.2设备维修决策模型
对于有监测数据或直接影响产品质量的设备部件，通过数据分析模型实时监控；
①基于可靠性的设备故障阙值计算模型
采用双参数指数威布尔模型得到设备各部组件故障阙值；
对设备监测数据进行模型计算，当结果接近设备某部组件故障阙值时，预警并提示检修；
②基于设备性能指标的故障预测模型
对直接影响产品质量的设备性能指标，通过人工录入或定时抓取获取指标实时数据，采用周期内变化趋势分析，判断设备运行状态；
通过模型①和模型②共同决定，进行设备故障预测：
当单一模型结果判断为故障时，作为观测结果，提醒以加强观测；
当两个模型均判断为故障时，预警并提示检修。
作为上述技术方案的改进：
S2.2.1部件清单还包括权重录入：
通过手工录入/excel导入的方式录入部件的八项指标的权重。
本发明带来的有益效果：
本发明能够利用维修、监测数据，对设备的健康状态进行预判，为维修提供决策。
首先，通过鉴定重要功能单元(FSI)形成“构造树”，确定重要功能单元的层次，这个层次必须低到足以保证不会有FSI被漏掉，但又高到出现故障时对系统会有任务性、安全性或经济性的严重后果。通过此步骤，可以使后续分析工作集中于几十个或十几个单元，而不是所有的零部件。
其次，通过软件工程方法理论，建立一整套适用于烟草加工设备的故障预警与维修决策方法，以决策方法为核心构建应用系统，围绕算法的输入与输出形成可视化界面，进行工具化封装，便于操作人员使用。
再者，通过嵌套模型预测得到设备部件预警与维修决策，并可提供针对查询功能；对于无监测数据的故障类型，通过关键部件分析模型和故障维修记录可以推测出设备故障点及预计故障时间点，对于有监测数据或直接影响产品质量的设备部组件，通过设备维修决策模型做数据分析进行实时监控，对设备的健康状态进行预判，为维修提供决策。
附图说明
下面结合附图和具体实施例对本发明作进一步说明：
图1为本烟机设备智能故障预警与维修决策方法的系统功能结构图；
图2为实施例1中的松散回潮机参数运行趋势图；
图3为实施例1中的设备维修决策模型的嵌套模型决策结构示意图。
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，所描述的实施例仅仅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。
实施例1
烟机设备智能故障预警与维修决策方法，包括
S1鉴定重要功能单元
对于复杂的烟机设备，其组成分为系统、分系统，部件或零件。鉴定重要功能单元(FSI)的目的在于确定系统、分系统、部件或零件每一层次中的FSI。
S1.1，将设备按组成的复杂程度依次列出其所有单元，形成“构造树”；
S1.2，把其故障显然对设备没有重要后果的单元略去，剩下的就是必须做维修研究的单元，略去的不重要单元具有以下特点：
(1)它们的功能对设备的使用功能没有重大影响；
(2)它们在设计上有余度，其功能不会影响使用能力；
(3)故障没有安全性和使用性后果，很容易进行修复；
(4)根据经验和实际分析不可能发生故障的产品。
根据简化的“构造树”确定重要功能单元的层次；这个层次必须低到足以保证不会有FSI被漏掉，但又高到出现故障时对系统会有任务性、安全性或经济性的严重后果。通过FSI的确定，可以使分析工作集中于几十个或十几个单元，而不是所有的零部件。
在确定了烟机设备FS的基础上，需要对FSI各组成单元进行FMEA，确定FSI各组成单元的功能、故障模式、故障原因和故障影响，为FSI的危害性分析(CA)和维修方式的确定提供所需信息。
S2构建系统
通过软件工程方法理论，以决策方法为核心构建应用系统，建立一整套适用于烟草加工设备的故障预警与维修决策方法，围绕算法的输入与输出形成可视化界面，进行工具化封装，便于操作人员使用。
参照图1，系统功能结构包括基础功能和预防性维修管理；
S2.1基础功能
基础功能提供系统管理功能：账号管理、部门管理、权限管理、菜单管理；
S2.2预防性维修管理
S2.2.1部件清单
部件信息维护：
通过Excel导入与设备的重要功能单元相对应部件清单，可对设备部件信息进行增删改查操作；为设备部件增加属性是否可进行状态监测，用来标记某部件是否可以进行运行参数维护，以便选取不同的预警与维修决策模型；
权重录入：
通过手工录入/Excel导入的方式录入部件的八项指标的权重。该权重数据来自ERP管理系统，也可通过S2.2.3部件重要程度管理计算得到；
S2.2.2故障统计表
通过Excel/API的方式从ERP管理系统获取设备的部件维修清单，按月汇总并剔除占比小于10％的部件；
S2.2.3部件重要程度管理
部件重要程度打分：
对每个部件八项指标进行打分，八项指标为故障率、故障对人员和环境的影响、故障对系统功能的影响、停机时间、维修性设计、可监测性、维修费用、停机损失；
部件重要度评价：
根据打分结果，计算并形成部件重要度评价表；首先，sum(权重*分数)得到FSI的重要度总分，然后据此生成每个部件的重要度区间，得到部件重要度评价表，以此为决策者提供重点关注对象；
具体方法见S2.2.5.1关键部件分析模型；
S2.2.4部件运行参数维护
通过Excel/API的方式录入设备运行参数，可针对每个部件录入的参数进行增删改查；
S2.2.5预警与维修决策
通过嵌套模型预测得到设备部件预警与维修决策，生成维修决策图，并提供针对部件的查询功能；
S2.2.5.1关键部件分析模型
首先，基于S2.2.3部件重要度评价表得到设备部件重要度排序结果；
举例：
①打分矩阵
a、部门关注度评价
建立以故障率、故障对人员和环境的影响、故障对系统功能的影响、停机时间、维修性设计、可监测性、维修费用、停机损失八个设备关注因素的打分矩阵，由专业技术人员及部门设备分管领导进行打分，具体打分如表1：
表1打分矩阵
上述打分矩阵每一个打分值均为三个技术员打分的均值。
b、部门设备管理关注度排序
依据公式(λi-A)×x＝1，计算矩阵最大特征值，最终获得计算结果(x1＝1.83，x2＝3.31，x3＝2.21，x4＝1.5，x5＝0.39，x6＝0.75，x7＝0.23，x8＝6.73)。
再利用xn/(x1+…+x8)获得各因素权重比例，以此获得重要度排序结果。
②事故树
其次，结合S2.2.2的故障统计表，统计设备部组件故障频次，利用事故树底事件重要度模型，筛选出累次出现频次80％以上的设备部件，将之定义为故障频发项；如表2所示。
表2 2021年11月～2022年2月松散回潮机相关部件故障统计表
经过分析，前四项设备部组件为故障频发项。
③贝叶斯
随后，利用贝叶斯预测模型，推测出设备故障点及预计故障时间点，预警并提示检修；
模型公式：
举例：
表3示出了某一时间周期内松散回潮机相关部件故障统计表
表3松散回潮机相关部件故障统计表
| 日期 | 工作内容 |
| 2020.11.29 | 更换松散回潮循环热风风机 |
| 2020.12.6 | 调整松散回潮进、出口喷嘴 |
| 2020.12.11 | 清松散回潮循环热风管路烟泥 |
| 2020.12.11 | 更换松散回潮主蒸汽表接头 |
| 2020.12.26 | 更换松散回潮大筒顶轮 |
| 2020.12.26 | 清松散回潮循环热风管路烟泥 |
| 2021.1.10 | 更换松散回潮进料端引射蒸汽气动球阀 |
| 2021.1.19 | 更换松散回潮机顶轮 |
| 2021.1.19 | 更换松散回潮机主蒸汽减压阀 |
| 2021.1.19 | 更换松散回潮机回水截止阀、单向阀 |
| 2021.1.19 | 更换松散回潮机热风加热器气动球阀、减压阀 |
| 2021.3.29 | 更换松散回潮机进口蒸汽减压阀 |
| 2021.4.28 | 更换松散回潮机进口、出口布帘 |
| 2021.4.15 | 更换松散回潮顶轮 |
| 2021.4.15 | 清松散回潮循环热风管路烟泥 |
| 2021.4.28 | 松散回潮出口打水引射蒸汽压力表及减压阀更换 |
| 2021.4.28 | 清松散回潮循环热风管路烟泥 |
| 2021.11.24 | 更换松散回潮机顶轮 |
| 2021.12.28 | 清理松散回潮转筛至风机管道内烟泥 |
| 2022.1.21 | 更换松散回潮主蒸汽减压阀 |
| 2022.2.4 | 更换松散回潮机顶轮 |
基于本步骤的关键部件分析模型，通过表3故障维修记录预测出本次故障点位：
松散回潮热风管道的概率最大。
本步骤是对某一设备的频繁故障点进行辨识，此类高频故障点通常不具有状态监测数据因而只能通过维修间隔给出固定周期维修建议。具有状态监测数据的则通过下方步骤对其进行故障阙值的计算和判定。
S2.2.5.2设备维修决策模型
上述模型通过故障维修记录可以预测出设备故障点及预计故障时间点；
对于有监测数据或直接影响产品质量的设备部件，本模型通过数据分析模型实时监控；
①基于可靠性的设备故障阙值计算模型
采用双参数指数威布尔模型，模型公式为：
上述公式取对数：
再取对数令
X＝lnt，Y＝βX-βlnη；
其中λ(t,X(t))为故障率，X(t)为运行时间t时的状态检测特征量的值，t为检测时间；
依据
可得到某设备各部组件的故障阙值。
随后，对设备实时监测数据进行模型计算，当计算结果某部组件接近其故障阙值时，预警并提示检修。
举例：
表4松散回潮机蒸汽减压阀监测数据
由表4，经过模型计算，得到松散回潮机蒸汽减压阀故障率阙值为0.000445598。
当代入设备实时监测数据经过计算其结果接近阙值时，预警并提示应进行检修。
②基于设备性能指标的故障预测模型
对直接影响产品质量的设备性能指标，通过人工录入或定时抓取获取指标实时数据，采用周期内变化趋势分析，判断设备运行状态；
如：
参照图2，绘制钻石(硬红)松散回潮机参数运行趋势图；
横坐标51～53，当蒸汽阀开度调整时，循环风温有相同趋势的变化曲线；
表明松散回潮机蒸汽阀开度与循环风温个别点异常外，基本呈正相关，设备热风系统运行稳定。
③双模型控制
参照图3，通过模型①和模型②共同决定，进行设备故障预测：
当单一模型结果判断为故障时，作为观测结果，提醒以加强观测；
当两个模型均判断为故障时，预警并提示检修。
实施例2
烟机设备智能故障预警与维修决策系统，包括
重要功能单元鉴定模块，其用于将设备按组成的复杂程度依次列出其所有单元，形成“构造树”；把其故障显然对设备没有重要后果的单元略去，剩下的就是必须做维修研究的单元，根据简化的“构造树”确定重要功能单元的层次；
基础功能模块，其用于提供系统管理功能：账号管理、部门管理、权限管理、菜单管理；预防性维修管理模块，其包括
部件清单单元：
导入与设备的重要功能单元相对应部件清单，可对设备部件信息进行增删改查操作；为设备部件增加属性是否可进行状态监测，用来标记某部件是否可以进行运行参数维护；以及通过手工录入/excel导入的方式录入部件的八项指标的权重；
故障统计表单元：
从ERP管理系统获取设备的部件维修清单，按月汇总并剔除占比小于10％的部件；
部件重要程度管理单元：
部件重要程度打分：对每个部件八项指标进行打分，八项指标为故障率、故障对人员和环境的影响、故障对系统功能的影响、停机时间、维修性设计、可监测性、维修费用、停机损失；
部件重要度评价：根据打分结果，计算并形成部件重要度评价表；
部件运行参数维护单元：录入设备运行参数，可针对每个部件录入的参数进行增删改查；
预警与维修决策模块，其用于通过嵌套模型预测得到设备部件预警与维修决策，并提供针对部件的查询功能；具体包括
A关键部件分析模型
首先，基于部件重要度评价表得到设备部件重要度排序结果；
其次，结合故障统计表，利用事故树底事件重要度模型，筛选出累次出现频次80％以上的设备部件，将之定义为故障频发项；
随后，利用贝叶斯预测模型，推测出设备故障点及预计故障时间点，预警并提示检修；
B设备维修决策模型
对于有监测数据或直接影响产品质量的设备部件，通过数据分析模型实时监控；
①基于可靠性的设备故障阙值计算模型
采用双参数指数威布尔模型，得到设备故障阙值。
对设备监测数据进行模型计算，当结果接近设备故障阙值时，预警并提示检修；
②基于设备性能指标的故障预测模型
对直接影响产品质量的设备性能指标，通过人工录入或定时抓取获取指标实时数据，采用周期内变化趋势分析，判断设备运行状态；
通过模型①和模型②共同决定，进行设备故障预测：
当单一模型结果判断为故障时，作为观测结果，提醒以加强观测；
当两个模型均判断为故障时，预警并提示检修。
应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.烟机设备智能故障预警与维修决策方法，其特征在于：包括
S1鉴定重要功能单元
S1.1，将设备按组成的复杂程度依次列出其所有单元，形成“构造树”；
S1.2，把其故障显然对设备没有重要后果的单元略去，剩下的就是必须做维修研究的单元，根据简化的“构造树”确定重要功能单元的层次；
S2构建系统
通过软件工程方法理论构建应用系统，并形成可视化界面；
系统功能结构包括基础功能和预防性维修管理；
S2.1基础功能
基础功能提供系统管理功能：账号管理、部门管理、权限管理、菜单管理；
S2.2预防性维修管理
S2.2.1部件清单
导入与设备的重要功能单元相对应部件清单，可对设备部件信息进行增删改查操作；
为设备部件增加属性是否可进行状态监测，用来标记某部件是否可以进行运行参数维护；
S2.2.2故障统计表
获取设备的部件维修清单，按月汇总并剔除占比小于10％的部件；
S2.2.3部件重要程度管理
部件重要程度打分：
对每个部件八项指标进行打分，八项指标为故障率、故障对人员和环境的影响、故障对系统功能的影响、停机时间、维修性设计、可监测性、维修费用、停机损失；
部件重要度评价：
根据打分结果，计算并形成部件重要度评价表；
S2.2.4部件运行参数维护
录入设备运行参数，可针对每个部件录入的参数进行增删改查；
S2.2.5预警与维修决策
通过嵌套模型预测得到设备部件预警与维修决策，并提供针对部件的查询功能；
S2.2.5.1关键部件分析模型
首先，基于S2.2.3部件重要度评价表得到设备部件重要度排序结果；
其次，结合S2.2.2的故障统计表，利用事故树底事件重要度模型，筛选出累次出现频次80％以上的设备部件，将之定义为故障频发项；
随后，利用贝叶斯预测模型，推测出设备故障点及预计故障时间点，预警并提示检修；
S2.2.5.2设备维修决策模型
对于有监测数据或直接影响产品质量的设备部件，通过数据分析模型实时监控；
①基于可靠性的设备故障阙值计算模型
采用双参数指数威布尔模型得到设备各部组件的故障阙值；
对设备监测数据进行模型计算，当结果接近设备某部组件故障阙值时，预警并提示检修；
②基于设备性能指标的故障预测模型
对直接影响产品质量的设备性能指标，通过人工录入或定时抓取获取指标实时数据，采用周期内变化趋势分析，判断设备运行状态；
通过模型①和模型②共同决定，进行设备故障预测：
当单一模型结果判断为故障时，作为观测结果，提醒以加强观测；
当两个模型均判断为故障时，预警并提示检修。
2.根据权利要求1所述的烟机设备智能故障预警与维修决策方法，其特征在于：
S2.2.1部件清单还包括权重录入：
通过手工录入/excel导入的方式录入部件的八项指标的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211671747.0A CN116205622A (zh) | 2022-12-26 | 2022-12-26 | 烟机设备智能故障预警与维修决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211671747.0A CN116205622A (zh) | 2022-12-26 | 2022-12-26 | 烟机设备智能故障预警与维修决策方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116205622A true CN116205622A (zh) | 2023-06-02 |
Family
ID=86508533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211671747.0A Pending CN116205622A (zh) | 2022-12-26 | 2022-12-26 | 烟机设备智能故障预警与维修决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205622A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369392A (zh) * | 2023-11-17 | 2024-01-09 | 岳阳长炼机电工程技术有限公司 | 一种基于多参数逻辑关系的设备故障智能预警方法 |
-
2022
- 2022-12-26 CN CN202211671747.0A patent/CN116205622A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369392A (zh) * | 2023-11-17 | 2024-01-09 | 岳阳长炼机电工程技术有限公司 | 一种基于多参数逻辑关系的设备故障智能预警方法 |
| CN117369392B (zh) * | 2023-11-17 | 2024-04-16 | 岳阳长炼机电工程技术有限公司 | 一种基于多参数逻辑关系的设备故障智能预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766334B (zh) | 用于电力设备在线监测异常数据的处理方法及系统 | |
| CN109240244B (zh) | 基于数据驱动的设备运行状态健康度分析方法及系统 | |
| CN111160685A (zh) | 一种基于设备综合健康状况分析和管理的维修决策方法 | |
| US20200371858A1 (en) | Fault Predicting System and Fault Prediction Method | |
| CN108241343A (zh) | 一种智能工厂管理平台系统 | |
| CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及系统 | |
| CN112200327B (zh) | 一种mes设备维护预警方法及系统 | |
| CN108133316B (zh) | 一种供电厂电力设备家族性缺陷的检测方法 | |
| CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
| CN106682781A (zh) | 一种电力设备多指标预测方法 | |
| CN104573845A (zh) | 信息系统设备状态检修辅助决策方法 | |
| CN110097209A (zh) | 一种基于参数残差的设备劣化分析方法 | |
| CN111720296B (zh) | 一种基于自编码器的汽动给水泵设备异常状态预警方法 | |
| GB2522926A (en) | Method of identifying anomalies | |
| CN107291830A (zh) | 一种设备知识库的创建方法 | |
| KR20180131246A (ko) | 빅데이터 분석을 통한 공정 관리 방법 | |
| KR101776350B1 (ko) | 압축기를 진단하는 방법 및 시스템 | |
| 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 | |
| CN116205622A (zh) | 烟机设备智能故障预警与维修决策方法 | |
| CN115718466A (zh) | 基于随机森林和层次分析法的数字孪生车间故障预测方法 | |
| CN113361939B (zh) | 卷包机型质量与设备管理的动态关联方法及系统 | |
| CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
| CN111427330A (zh) | 一种基于设备维护数据的设备故障模式及规律分析方法 | |
| Sambrekar et al. | Maintenance strategies for realizing Industry 4.0: An overview | |
| CN112884212A (zh) | 烟支单支克重偏差分析预测方法 |
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 |