CN116205623A - 设备维护方法、装置、系统、电子设备及存储介质 - Google Patents
设备维护方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116205623A CN116205623A CN202211719915.9A CN202211719915A CN116205623A CN 116205623 A CN116205623 A CN 116205623A CN 202211719915 A CN202211719915 A CN 202211719915A CN 116205623 A CN116205623 A CN 116205623A
- Authority
- CN
- China
- Prior art keywords
- equipment
- maintenance
- failure probability
- information
- target
- 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 215
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000007728 cost analysis Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 230000008439 repair process Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 38
- 230000008569 process Effects 0.000 description 16
- 230000005856 abnormality Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004643 material aging Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种设备维护方法、装置、系统、电子设备及存储介质,属于设备维护技术领域。该方法包括:获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;将设备运行数据、历史维护记录和产量良率数据中的至少一个输入至失效概率模型,获得失效概率模型输出的目标设备的失效概率信息;将失效概率信息输入至剩余寿命预测模型,获得剩余寿命预测模型输出的目标设备的剩余寿命信息;基于失效概率信息和剩余寿命信息,进行成本分析,确定目标设备的设备维护策略。该方法通过多源数据估计剩余寿命与失效概率,综合考虑设备维护成本,给出最优的维护决策,可有效减少停机时间,降低经济损失,提高生产效率。
Description
技术领域
本申请属于设备维护技术领域,尤其涉及一种设备维护方法、装置、系统、电子设备及存储介质。
背景技术
随着生产自动化的不断发展,越来越多的人工工序正在为自动化组装设备取代,自动化生产设备的监测、维护及管理成为制造企业的重要需求。自动化制造过程通常包含长流程的流水线工序,在流水线工序中,任意一个工序由于设备异常或故障造成停机,将造成上下游整条产线的停顿,影响产品产能与设备稼动率,造成巨大的经济损失。
在设备连续运行的过程当中,由于机械磨损、材料老化、金属疲劳、结构变形或意外碰撞等耗损因素,设备的各个组件单元与零部件均有可能出现异常,进而导致设备无法正常运行。因此,为保证设备生产过程正常进行,需要及时发现设备零部件的异常问题并进行针对性的维护操作,常见的设备维护方式主要有事后维护、定期维护与预测性维护。
事后维护方式,维护人员需要耗费大量时间查看设备运行日志与检查各个部件状态,维修过程耗时较长,导致设备与产线长时间停机,影响生产效率的同时,还会造成不必要的经济损失;定期维护方式灵活性不足,可能出现设备高负荷运行时未到维护间隔就出现异常,或者设备长时间低负荷运转时损耗零部件剩余寿命,且定期维护通常只关注检查时刻的设备状态,对潜在的隐患缺乏有效手段进行预警。
预测性维护是指提前进行维护操作,以避免突发故障造成的损失,或避免轻微异常发展为严重故障,目前的预测性维护大多依赖人工设定的简单规则,对设备健康度进行评估,如特定参数的值是否超出阈值,或累计动作或负载的计数是否超出设定值,该种方式所给出的预测性维护决策准确度较低,维护效果较差。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种设备维护方法、装置、系统、电子设备及存储介质,提升预测性维护决策准确度,有助于提升维护操作的维护效果。
第一方面,本申请提供了一种设备维护方法,该方法包括:
获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
将所述设备运行数据、所述历史维护记录和所述产量良率数据中的至少一个输入至失效概率模型,获得所述失效概率模型输出的所述目标设备的失效概率信息;
将所述失效概率信息输入至剩余寿命预测模型,获得所述剩余寿命预测模型输出的所述目标设备的剩余寿命信息;
基于所述失效概率信息和所述剩余寿命信息,进行成本分析,确定所述目标设备的设备维护策略。
根据本申请的设备维护方法,通过对目标设备的设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率。
根据本申请的一个实施例,所述基于所述失效概率信息和所述剩余寿命信息,进行成本分析,确定所述目标设备的设备维护策略,包括:
基于所述失效概率信息和所述剩余寿命信息,确定所述目标设备的生命周期成本信息;
基于所述生命周期成本信息,确定所述设备维护策略。
根据本申请的一个实施例,所述生命周期成本信息包括所述目标设备各个零部件的生命周期成本,所述零部件的生命周期成本包括零部件重用成本、维修成本和更换成本中的至少一个。
根据本申请的一个实施例,所述将所述失效概率信息输入至剩余寿命预测模型,获得所述剩余寿命预测模型输出的所述目标设备的剩余寿命信息,包括:
基于所述失效概率信息和所述目标设备对应的失效概率阈值,获得所述剩余寿命信息。
根据本申请的一个实施例,所述失效概率信息包括所述目标设备各个零部件的当前失效概率,所述剩余寿命信息包括所述目标设备各个零部件的当前剩余寿命。
第二方面,本申请提供了一种设备维护装置,该装置包括:
获取模块,用于获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
第一处理模块,用于将所述设备运行数据、所述历史维护记录和所述产量良率数据中的至少一个输入至失效概率模型,获得所述失效概率模型输出的所述目标设备的失效概率信息;
第二处理模块,用于将所述失效概率信息输入至剩余寿命预测模型,获得所述剩余寿命预测模型输出的所述目标设备的剩余寿命信息;
第三处理模块,用于基于所述失效概率信息和所述剩余寿命信息,进行成本分析,确定所述目标设备的设备维护策略。
根据本申请的设备维护装置,通过对目标设备的设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率。
第三方面,本申请提供了一种设备维护系统,该系统包括:
设备运行状态监控模块,所述设备运行状态监控模块用于采集并显示目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
预测性维护预警与决策建议模块,所述预测性维护预警与决策建议模块与所述设备运行状态监控模块连接,所述预测性维护预警与决策建议模块用于基于上述第一方面所述设备维护方法,输出所述目标设备的设备维护策略。
根据本申请的设备维护系统,通过对目标设备的设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率,该系统提供直观的设备状态监测与设备预测性维护建议,有效提升用户的使用体验。
第四方面,本申请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计算机程序时实现如上述第一方面所述的设备维护方法。
第五方面,本申请提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的设备维护方法。
第六方面,本申请提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的设备维护方法。
第七方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的设备维护方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的设备维护方法的流程示意图之一;
图2是本申请实施例提供的设备维护方法的流程示意图之二;
图3是本申请实施例提供的设备维护系统的界面示意图;
图4是本申请实施例提供的设备维护装置的结构示意图;
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
随着生产自动化的不断发展,越来越多的人工工序正在为自动化组装设备取代,自动化生产设备的监测、维护及管理成为制造企业的重要需求。自动化制造过程通常包含长流程的流水线工序,在流水线工序中,任意一个工序由于设备异常或故障造成停机,将造成上下游整条产线的停顿,影响产品产能与设备稼动率,造成巨大的经济损失。
制造行业自动化组装设备通常有着复杂的结构,包含多种精密零部件与物料,装配过程动作较为复杂,且对产品的装配精度有着严格的要求。
自动化组装设备本身属于复杂的机电系统,通常包含传送、上下料、机械臂、定位与检测等多个组件,每个组件又由包括电机、气缸、吸嘴、光源及线缆等不同类型的众多零部件组成。
在设备连续运行的过程当中,由于机械磨损、材料老化、金属疲劳、结构变形或意外碰撞等耗损因素,设备的各个组件单元与零部件均有可能出现异常,进而导致设备无法正常运行。因此,为保证设备生产过程正常进行,需要及时发现设备零部件的异常问题并进行针对性的维护操作。
相关技术中,进行设备维护主要有三种方式:
其一,事后维护。
事后维护指的是在设备发生可见的故障之后,再由维护人员对故障设备进行检修,查找出现异常或失灵的原因,若确认设备故障由零部件损坏所导致,则对损坏的零部件进行更换操作。
事后维护是当前制造业企业中最常采用的维护策略,但存在诸多局限性,尤其对于大型复杂设备及长流程流水线,维护人员需要耗费大量时间查看设备运行日志与检查各个部件状态,停机检修所需时间较长,影响生产效率的同时,还会造成不必要的经济损失。
其二,定期维护。
定期维护指的是根据设备零部件制造厂商或使用者基于经验所设定的固定检修间隔,定期对设备零部件状态进行检查,或预先设定各零部件的额定使用寿命,到期直接进行更换。
定期维护在诸多制造行业中也得到广泛应用,能够一定程度上减轻事后维护对生产节奏的影响,但其局限主要在于不够准确,缺乏灵活性,现实中由于个体差异或工况负载不同,零部件的真实耗损情况各不相同,可能出现设备高负荷运行时未到维护间隔就出现异常,或者设备长时间低负荷运转时损耗零部件剩余寿命,可能造成隐患遗漏或寿命浪费,且定期维护通常只关注检查时刻的设备状态,对潜在的隐患缺乏有效手段进行预警。
其三,预测性维护。
预测性维护指的是通过收集传感器等数据,对设备零部件的状态进行实时的状态检测,使用健康度指标对零部件的状态进行衡量,并在零部件健康度低于设定阈值时发出预警,以提前进行维护操作,避免突发故障造成的损失,或避免轻微异常发展为严重故障。
目前的预测性维护大多依赖人工设定的简单规则,对设备健康度进行评估,如特定参数的值是否超出阈值,或累计动作或负载的计数是否超出设定值,该种方式所给出的预测性维护决策准确度较低,维护效果较差。
三种设备维护方式中,事后维护与定期维护均存在较大的缺点,而现有的预测性维护方法也多依赖于人工经验和规则,在日益复杂多变的生产环境下存在一定的局限性。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的设备维护方法、设备维护装置、设备维护系统、电子设备和可读存储介质进行详细地说明。
其中,设备维护方法可应用于终端,具体可由,终端中的硬件或软件执行。
该终端包括但不限于具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话或平板电脑等便携式通信设备。还应当理解的是,在某些实施例中,该终端可以不是便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
以下各个实施例中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和控制杆的一个或多个其它物理用户接口设备。
本申请实施例提供的设备维护方法,该设备维护方法的执行主体可以为电子设备或者电子设备中能够实现该设备维护方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等,下面以电子设备作为执行主体为例对本申请实施例提供的设备维护方法进行说明。
如图1所示,该设备维护方法包括:步骤110至步骤140。
步骤110、获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个。
其中,目标设备可以是制造行业所使用的自动化组装设备,自动化组装设备可以包括传送、上下料、机械臂、定位与检测等多个组件,每个组件可以包括电机、气缸、吸嘴、光源及线缆等零部件。
目标设备的设备运行数据可以反映目标设备运行的状态,可以包括目标设备在运行过程中的实时设备运行记录以及目标设备产生的运行日志等数据信息。
需要说明的是,在该实施例中,目标设备的设备运行数据包括目标设备整体的设备运行数据,以及目标设备各个零部件的设备运行数据。
目标设备的历史维护记录可以反映目标设备历史工况与维修的情况,可以包括目标设备的设备故障记录及零部件更换记录等记录信息。
目标设备的产量良率数据指的是目标设备在生产制造相应产品的良率数据信息,可以反映目标设备的运行状态,例如,目标设备制造产品的产量良率较高,表明目标设备的运行状态较佳。
在该实施例中,获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个,对于不同的目标设备,需要获取不同种类的数据,通过设备运行数据、历史维护记录和产量良率数据进行分析,判断目标设备是否需要进行维护。
例如,获取目标设备A的设备运行数据和历史维护记录,获取目标设备B的设备运行数据、历史维护记录和产量良率数据。
步骤120、将设备运行数据、历史维护记录和产量良率数据中的至少一个输入至失效概率模型,获得失效概率模型输出的目标设备的失效概率信息。
失效概率模型是用于分析设备的失效概率的模型,将目标设备的设备运行数据、历史维护记录和产量良率数据等信息输入至失效概率模型,获得失效概率模型输出的目标设备的失效概率信息。
失效概率模型基于统计学与机器学习网络机构建立,对设备及其零部件历史工况与维护记录等进行分析,根据多源数据,准确计算设备及其零部件的失效概率。
在实际执行中,可以针对不同的使用环境,建立不同设备及其零部件的档案,在档案中记录设备运行数据、历史维护记录和产量良率数据等信息,建立这些信息与失效概率之间的回归模型,即失效概率模型,分析设备及其零部件的可靠性,计算得到设备及其零部件的失效概率。
步骤130、将失效概率信息输入至剩余寿命预测模型,获得剩余寿命预测模型输出的目标设备的剩余寿命信息。
在实际执行中,可以通过机器学习方法,训练剩余寿命预测模型,使得剩余寿命预测模型可以根据设备及其零部件的失效概率,计算相应的剩余寿命。
剩余寿命反映了目标设备或其零部件从当前时刻起到有限生命终点之间的时长,根据剩余寿命,可以判断目标设备还可以正常使用的时长。
在一些实施例中,目标设备的失效概率信息包括目标设备各个零部件的当前失效概率,剩余寿命信息包括目标设备各个零部件的当前剩余寿命。
在该实施例,剩余寿命预测模型可以根据零部件的当前失效概率,计算该零部件对应的当前剩余寿命。
步骤140、基于失效概率信息和剩余寿命信息,进行成本分析,确定目标设备的设备维护策略。
其中,目标设备的设备维护策略是针对目标设备进行预测性维护的预测性维护预警与决策建议。
在该实施例中,目标设备的设备维护策略可以包括预测性维护计划、历史维修点检记录、当前故障概率提示以及下一次维护时间建议等信息。
可以理解的是,根据失效概率信息和剩余寿命信息等信息,确定目标设备的设备维护策略,可以提前发现或预估设备中易损或易耗零部件长时间运行出现的磨损或不良,便于提前应对进行相应的维修或替换动作,减少停机故障排查与替换备料对产线的影响。
在该实施例中,基于失效概率信息和剩余寿命信息,进行成本分析,根据目标设备当前的设备运行状态,综合考虑针对目标设备进行维修、更换,所产生的物料、人力及时间成本,对目标设备所在产线的生产效率以及成本的影响,综合考虑成本与性能指标,给出目标设备的设备维护策略。
根据本申请实施例提供的设备维护方法,通过对目标设备的设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率。
在一些实施例中,步骤140、基于失效概率信息和剩余寿命信息,进行成本分析,确定目标设备的设备维护策略,包括:
基于失效概率信息和剩余寿命信息,确定目标设备的生命周期成本信息;
基于生命周期成本信息,确定设备维护策略。
目标设备的失效概率信息包括目标设备及其零部件当前运行的失效概率,根据目标设备及其零部件当前运行的失效概率,可以判断目标设备运行状态的可靠性。
例如,目标设备的当前失效概率为80%,表明目标设备有80%的可能性会失效,目标设备运行状态的可靠性较低,目标设备需要就进行维修或零部件替换。
在该实施例中,根据目标设备的失效概率信息和剩余寿命信息,可以判断目标设备在剩余的生命周期中运行状态,进而通过成本分析,确定目标设备在剩余的生命周期中的生命周期成本信息,根据生命周期成本信息,确定设备维护策略,即给出最优的维护决策。
在一些实施例中,生命周期成本信息包括目标设备各个零部件的生命周期成本,零部件的生命周期成本包括零部件重用成本、维修成本和更换成本中的至少一个。
在该实施例中,基于失效概率信息和剩余寿命信息,根据目标设备当前的设备运行状态,综合考虑针对目标设备的零部件进行重用、维修或更换所产生的物料、人力及时间成本。
根据目标设备各个零部件剩余生命周期的重用成本、维修成本和更换成本等信息,判断是否对目标设备各个零部件进行更换或维修,给出目标设备最优的维护决策。
在一些实施例中,步骤130、将失效概率信息输入至剩余寿命预测模型,获得剩余寿命预测模型输出的目标设备的剩余寿命信息,可以包括:
基于失效概率信息和目标设备对应的失效概率阈值,获得剩余寿命信息。
在该实施例中,针对不同的目标设备以及目标设备不同的零部件,预先设置相应的失效概率阈值,根据目标设备及其零部件的当前失效概率与对应的失效概率阈值,确定目标设备及其零部件的当前剩余寿命。
例如,目标设备的零部件A的失效概率阈值为80%,目标设备的零部件B的失效概率阈值为70%。
零部件A的当前失效概率为50%,根据失效概率阈值80%,计算得到零部件A的当前剩余寿命10天。
零部件B的当前失效概率为60%,根据失效概率阈值70%,计算得到零部件B的当前剩余寿命0.5天。
以目标设备为自动化组装设备为例,介绍一个具体的实施例。
如图2所示,集成自动化组装设备的工控系统,采集自动化组装设备的产量良率数据、设备运行数据和历史维护记录。
根据自动化组装设备的产量良率数据、设备运行数据和历史维护记录等信息,对自动化组装设备的设备状态进行检测,并通过失效概率模型,计算自动化组装设备的零部件失效概率。
根据零部件失效概率,对自动化组装设备及其零部件进行剩余寿命预测,结合设备状态计算的生产效率以及其他成本设定,进行综合成本预估,给出自动化组装设备的最优的维护对策建议。
在该实施例中,通过对设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率。
本申请实施例提供的设备维护方法,执行主体可以为设备维护装置。本申请实施例中以设备维护装置执行设备维护方法为例,说明本申请实施例提供的设备维护装置。
本申请实施例还提供一种设备维护装置。
如图4所示,该设备维护装置包括:
获取模块410,用于获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
第一处理模块420,用于将设备运行数据、历史维护记录和产量良率数据中的至少一个输入至失效概率模型,获得失效概率模型输出的目标设备的失效概率信息;
第二处理模块430,用于将失效概率信息输入至剩余寿命预测模型,获得剩余寿命预测模型输出的目标设备的剩余寿命信息;
第三处理模块440,用于基于失效概率信息和剩余寿命信息,进行成本分析,确定目标设备的设备维护策略。
根据本申请实施例提供的设备维护装置,通过对目标设备的设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率。
在一些实施例中,第三处理模块440,用于基于失效概率信息和剩余寿命信息,确定目标设备的生命周期成本信息;
基于生命周期成本信息,确定设备维护策略。
在一些实施例中,生命周期成本信息包括目标设备各个零部件的生命周期成本,零部件的生命周期成本包括零部件重用成本、维修成本和更换成本中的至少一个。
在一些实施例中,第二处理模块430,用于基于失效概率信息和目标设备对应的失效概率阈值,获得剩余寿命信息。
在一些实施例中,失效概率信息包括目标设备各个零部件的当前失效概率,剩余寿命信息包括目标设备各个零部件的当前剩余寿命。
本申请实施例中的设备维护装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personalcomputer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personalcomputer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的设备维护装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的设备维护装置能够实现图1和图2的方法实施例实现的各个过程,为避免重复,这里不再赘述。
本申请实施例还提供的一种设备维护系统,该设备维护系统包括:
设备运行状态监控模块,设备运行状态监控模块用于采集并显示目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
预测性维护预警与决策建议模块,预测性维护预警与决策建议模块与设备运行状态监控模块连接,预测性维护预警与决策建议模块用于基于上述设备维护方法,输出目标设备的设备维护策略。
设备运行状态监控模块可以采集目标设备的设备运行数据、历史维护记录和产量良率数据等信息,并对目标设备的设备运行数据、历史维护记录和产量良率数据等信息进行展示。
在该实施例中,设备运行状态监控模块可以向用户展示目标设备运行的关键参数与生产状态,预测性维护预警与决策建议模块可以向用户输出目标设备的设备维护策略,设备维护系统可以提供直观的设备状态监测与设备预测性维护建议。
预测性维护预警与决策建议模块所输出的目标设备的设备维护策略可以包括预测性维护计划、历史维修点检记录、当前故障概率提示以及下一次维护时间建议等信息。
根据本申请实施例提供的设备维护系统,通过对目标设备的设备运行数据、历史维护记录和产量良率数据等多源数据进行分析,给出剩余寿命与失效概率估计,综合考虑设备维护成本,给出最优的维护决策,可有效提升设备的平均无故障时间,降低意外故障导致的停机时间与经济损失,提高生产效率,该系统提供直观的设备状态监测与设备预测性维护建议,有效提升用户的使用体验。
在一些实施例中,设备运行状态监控模块包括设备零部件监控模块,设备零部件监控模块用于采集并显示目标设备各个零部件的运行状态信息和维护记录信息中的至少一个。
在该实施例中,设备零部件监控模块对目标设备各个零部件进行管理,对采集目标设备各个零部件的运行状态信息和维护记录信息进行整理,可以得到目标设备的设备运行数据和历史维护记录。
在实际执行中,设备维护系统可以根据实时设备运行记录及设备产生的运行日志等数据信息,结合设备故障记录及零部件更换记录,针对目标设备及其零部件建立档案,记录其生命周期中相关的良率、故障等数据。
下面介绍一个具体的实施例。
图3所示为本申请实施例提供的设备维护系统的界面示意图,如图3所示,目标设备的设备零部件档案可以包括设备ID、设备运行状态、零部件列表、当前零部件ID、零部件更换记录、当前状态以及维护计划等显示模块。
设备运行状态监控模块向用户展示目标设备运行的关键参数与生产状态,以及预测性维护预警与决策建议模块可以向用户输出目标设备的设备维护策略,可以在设备ID、设备运行状态、零部件列表、当前零部件ID、零部件更换记录、当前状态以及维护计划等显示模块进行显示。
在一些实施例中,如图5所示,本申请实施例还提供一种电子设备500,包括处理器501、存储器502及存储在存储器502上并可在处理器501上运行的计算机程序,该程序被处理器501执行时实现上述设备维护方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述设备维护方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述设备维护方法。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述设备维护方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (10)
1.一种设备维护方法,其特征在于,包括:
获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
将所述设备运行数据、所述历史维护记录和所述产量良率数据中的至少一个输入至失效概率模型,获得所述失效概率模型输出的所述目标设备的失效概率信息;
将所述失效概率信息输入至剩余寿命预测模型,获得所述剩余寿命预测模型输出的所述目标设备的剩余寿命信息;
基于所述失效概率信息和所述剩余寿命信息,进行成本分析,确定所述目标设备的设备维护策略。
2.根据权利要求1所述的设备维护方法,其特征在于,所述基于所述失效概率信息和所述剩余寿命信息,进行成本分析,确定所述目标设备的设备维护策略,包括:
基于所述失效概率信息和所述剩余寿命信息,确定所述目标设备的生命周期成本信息;
基于所述生命周期成本信息,确定所述设备维护策略。
3.根据权利要求2所述的设备维护方法,其特征在于,所述生命周期成本信息包括所述目标设备各个零部件的生命周期成本,所述零部件的生命周期成本包括零部件重用成本、维修成本和更换成本中的至少一个。
4.根据权利要求1所述的设备维护方法,其特征在于,所述将所述失效概率信息输入至剩余寿命预测模型,获得所述剩余寿命预测模型输出的所述目标设备的剩余寿命信息,包括:
基于所述失效概率信息和所述目标设备对应的失效概率阈值,获得所述剩余寿命信息。
5.根据权利要求1-4任一项所述的设备维护方法,其特征在于,所述失效概率信息包括所述目标设备各个零部件的当前失效概率,所述剩余寿命信息包括所述目标设备各个零部件的当前剩余寿命。
6.一种设备维护装置,其特征在于,包括:
获取模块,用于获取目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
第一处理模块,用于将所述设备运行数据、所述历史维护记录和所述产量良率数据中的至少一个输入至失效概率模型,获得所述失效概率模型输出的所述目标设备的失效概率信息;
第二处理模块,用于将所述失效概率信息输入至剩余寿命预测模型,获得所述剩余寿命预测模型输出的所述目标设备的剩余寿命信息;
第三处理模块,用于基于所述失效概率信息和所述剩余寿命信息,进行成本分析,确定所述目标设备的设备维护策略。
7.一种设备维护系统,其特征在于,包括:
设备运行状态监控模块,所述设备运行状态监控模块用于采集并显示目标设备的设备运行数据、历史维护记录和产量良率数据中的至少一个;
预测性维护预警与决策建议模块,所述预测性维护预警与决策建议模块与所述设备运行状态监控模块连接,所述预测性维护预警与决策建议模块用于基于权利要求1-5任一项所述设备维护方法,输出所述目标设备的设备维护策略。
8.根据权利要求7所述的设备维护系统,其特征在于,所述设备运行状态监控模块包括设备零部件监控模块,所述设备零部件监控模块用于采集并显示所述目标设备各个零部件的运行状态信息和维护记录信息中的至少一个。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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1-5任一项所述设备维护方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-5任一项所述的设备维护方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211719915.9A CN116205623A (zh) | 2022-12-30 | 2022-12-30 | 设备维护方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211719915.9A CN116205623A (zh) | 2022-12-30 | 2022-12-30 | 设备维护方法、装置、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116205623A true CN116205623A (zh) | 2023-06-02 |
Family
ID=86510471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211719915.9A Pending CN116205623A (zh) | 2022-12-30 | 2022-12-30 | 设备维护方法、装置、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205623A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117214587A (zh) * | 2023-11-07 | 2023-12-12 | 国网浙江省电力有限公司象山县供电公司 | 一种电缆设备的检测方法以及检测系统 |
-
2022
- 2022-12-30 CN CN202211719915.9A patent/CN116205623A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117214587A (zh) * | 2023-11-07 | 2023-12-12 | 国网浙江省电力有限公司象山县供电公司 | 一种电缆设备的检测方法以及检测系统 |
CN117214587B (zh) * | 2023-11-07 | 2024-03-29 | 国网浙江省电力有限公司象山县供电公司 | 一种电缆设备的检测方法以及检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403160B2 (en) | Fault predicting system and fault prediction method | |
CN104268678B (zh) | 一种以动态可靠性为基础的石化设备预防性维修方法 | |
CN110806743A (zh) | 基于人工智能的设备故障检测与预警系统及方法 | |
CN112727965B (zh) | 采煤机制动器的故障监测方法及装置 | |
CN111242323A (zh) | 用于修理机器次优操作的主动自动系统和方法 | |
US20120116827A1 (en) | Plant analyzing system | |
CN114551271A (zh) | 监测机台运行状况的方法及装置、存储介质及电子设备 | |
WO2014054051A1 (en) | Health monitoring system for a process plant and a method thereof | |
CN113196311A (zh) | 用于识别和预测机器的异常感测行为模式的系统和方法 | |
KR20140038265A (ko) | 고장관리장치 및 이의 고장관리방법 | |
CN116205623A (zh) | 设备维护方法、装置、系统、电子设备及存储介质 | |
KR20140036375A (ko) | 철도시스템의 지능형 고장자산관리시스템 | |
KR20210048844A (ko) | 설비자산의 건전도 지수 기반의 정비계획 수립 장치 및 그 방법 | |
CN114416826A (zh) | 一种设备点检数据统计方法、分析方法及计算机存储介质 | |
Calabrese et al. | An event based machine learning framework for predictive maintenance in industry 4.0 | |
KR102387375B1 (ko) | 선제적 풍력발전 유지관리 시스템 | |
Misra | Maintenance engineering and maintainability: An introduction | |
CN111766514B (zh) | 一种设备检测点的数据分析方法 | |
CN116414086A (zh) | 基于fmeda失效预测技术集成安全控制系统的装置 | |
KR20200121082A (ko) | 장비 자산 관리를 위한 정비 예측 시뮬레이션 시스템 및 그 방법 | |
Nwadinobi et al. | Development of Simulation for Condition Monitoring and Evaluation of Manufacturing Systems | |
CN117150032B (zh) | 一种水电站发电机组的智能维护系统及方法 | |
KR20200072069A (ko) | 모터 정보 기반 로봇 상태 정보 제공 시스템 | |
Neelamkavil | Condition-based maintenance in facilities management | |
CN107766948A (zh) | 基于故障件淘汰算法的光伏电站备品备件管理方法及装置 |
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 |