CN116228186A - 基于人因工程的船舶机舱智能运维系统 - Google Patents
基于人因工程的船舶机舱智能运维系统 Download PDFInfo
- Publication number
- CN116228186A CN116228186A CN202211609708.8A CN202211609708A CN116228186A CN 116228186 A CN116228186 A CN 116228186A CN 202211609708 A CN202211609708 A CN 202211609708A CN 116228186 A CN116228186 A CN 116228186A
- Authority
- CN
- China
- Prior art keywords
- equipment
- maintenance
- ship
- cabin
- data
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于人因工程的船舶机舱智能运维系统,由船载系统、岸基系统和通讯系统三部分组成。岸基系统包括岸基维修保障中心、调度维修资源和人因风险感知系统,船载系统包括机舱核心设备、机舱设备全生命周期的状态感知与评估、机舱资源管理与控制系统。在对船舶系统设备状态监测、信息管理以及数据分析并对各类信息进行显示存储后,同时具备远程数据存储、远程试验、远程运维及远程诊断的远程控制能力,针对设备状态不同的变化,为机舱设备运维策略提供实时调度决策支持。本发明促进了船舶机舱在运维管理、系统调度等方面的智能化发展,节省机舱设备的维护费用,提高事故预防能力及船舶综合效能。
Description
技术领域
本申请涉及船舶智能机舱中的智能运维管理领域,尤其涉及基于人因工程的船舶机舱智能运维系统。
背景技术
随着我国科技水平的提高,船舶制造正朝着大型化、自动化、智能化的方向快速发展。而机舱作为船舶的“心脏”,在船舶整个构造中占据着重要的地位,船舶机舱是一个复杂的“人-机-环境”系统,船员担负着维护机舱设备安全平稳运行的重任。近年来,随着信息化水平的程度越来越高,机舱机械设备日趋复杂和多元,机械逐步实现自主控制与执行、传感与监测、信息处理等行为。
在复杂多变的机舱环境中,各设备表现出不同程度的类人智能行为,船舶机舱设备与船员之间的关系由传统的控制和被控制的“奴仆关系”向人机共生的“伙伴关系”发展。面对这种新型人机关系,传统多人机舱共同协作的管理方法已经落后,难以与船舶机舱智能化与自动化的高度发展相匹配。
同时,船舶机舱内复杂的机械设备及恶劣环境,对操作人员的行为和感知能力会产生巨大影响,目前的船舶机舱运维系统,大都只针对机舱设备进行研究与设计,忽略了系统中机舱操作管理人员的作用。
因此,亟需提出一种基于人因工程的船舶机舱智能运维系统,融合人因工程技术与机舱设备健康管理技术,从“人-机-环境”出发,合理地处理人、设备和环境之间的关系,使得船舶机舱活动处于最高的效能。针对机舱各设备的健康状态和人员状态,为机舱设备运维策略实时提供最优化决策,保证操作人员与机舱设备之间稳定的配合关系,提高机舱运维效率与质量,确保船舶高效安全可靠运营。
发明内容
本发明要解决的技术问题是针对上述现有技术中的缺陷,提供基于人因工程的船舶机舱智能运维系统。
本发明解决其技术问题所采用的技术方案是:
基于人因工程的船舶机舱智能运维系统,包括船载系统、岸基系统以及通讯系统。
所述船载系统包括机舱核心设备、机舱设备全生命周期的状态感知与评估、机舱资源管理与控制系统。
所述机舱核心设备包括船舶主机、轴系和推进器等动力设备,蒸汽锅炉、压缩空气装置等辅助设备。
对机舱核心设备工作过程中的振动信号、温度、压力、转速、有效功率等参数状态进行实时监测,同时对船舶机舱内部温度、湿度等环境数据进行采集,将当前船舶在海上所处的维度、海况、气温、海底状况等数据进行全面自动采集、传输和智能分析。
所述机舱设备全生命周期的状态感知与评估包括信息采集、信号处理、状态监测、健康评估、故障预测。
信息采集是利用在每一个机舱设备的传感器、设备上的PLC控制芯片和设备上的A/D接口,通过串口或网络接口,采集船舶通导数据、船舶机舱数据、船舶振动数据等,对船舶航行状态、设备状态、环境状态等相关信息与数据进行数据采集。
信号处理是对已采集的数据进行必要的抽取、清洗,并在此基础上进行加工、分类汇总、分析整合及交互,基于整合后的数据资源面向应用需求,进行数据挖掘。
状态监测是利用智能传感设备对机舱设备在运行过程中相对重要的参数点进行实时在线监测。
健康评估是通过设定设备与系统性能退化规律或标准的设备运行至失效的数据集,利用建立的设备退化衰老模型来确定评估设备的未来趋势,将其诊断结果显示出来,供操作人员参考。
故障预警是采集系统设备实时运行状态数据,利用机器学习等大数据分析算法对设备进行故障预测,针对设备状态不同的变化,采取相应的预警措施。
所述机舱资源管理与控制系统包括显示、控制与存储中心以及机舱维修决策支持库两部分。
所述显示、控制与存储中心用于对机舱设备采集到的运行状态数据进行实时显示与在线诊断控制,数据存储采用冗余设计,将各设备或系统的数据存储于服务器中,支持按不同数据类型、数据归属系统等依据进行分库存储,满足6000个信号点12个月存储要求。
所述机舱维修决策支持库在状态评估和故障分析的基础上,采用模块化、构件化的软件架构,结合船舶机舱资源管理信息,实现维修决策、资源调度等目标,过程中对维护成本和人员效率等方面进行绩效评估,采用强化学习持续构建优化设备智能运维体系解决方案,根据船舶的不同情况和不同的用户需求,定制个性化产品,满足船基和岸基不同用户间对设备状态评估和维修决策制定的软件需求。
所述岸基系统包括岸基维修保障中心、调度维修资源、人因风险感知系统。
所述岸基维修保障中心对设备运行的各项参数进行综合分析计算,利用机舱设备维修运行状态的船载数据库、结合岸基云维修数据库及智能故障判断分析系统,提供机舱设备运行故障状态的调整、故障点的标示、维修服务的信息提示。同时在线进行故障自动修复、人工维修时故障维修方案提供。并以大数据轻量化模型传输技术为手段,将海量传输数据进行压缩,设计船岸一体化信息平台,根据人机环组合模型在岸基系统的响应行为,为船舶维护策略提供支持。
所述调度维修资源通过将系统设备的预防性维修项目计划、解决方案以及处罚条例等内容,提前规定在系统中,可方便地实现船舶设备健康状态评估与维修项目实施的一体式管控,当系统设备的运行状态达到计划维修的临界值时,维修项目及方案会自动在系统中被调度出来并分配给相应的维修人员,提供维修所需的智能诊断评估和信息服务支持及方案指导。
所述人因风险感知系统包括人因失误机理分析和人因可靠性评估,通过人因可靠性分析为船舶机舱设备运维策略提供实时调度的最优化决策支持。
所述人因失误机理分析通过危险源理论,对船舶机舱人因事故的致因要素进行分析,将船舶系统事故的支撑因素进行分类,然后将SHEL模型应用于人因事故系统中,解释事故隐患的发生机理,分析事故致因因素的关联度,并根据历史海事事故报告建立船舶人因事故数据库;了解和确定所有人员行为中关键的人员行为及相关操作细节,以人因工程、行为科学、认知科学、概率统计、系统分析等学科为理论依据,识别行为形成因子以及心理失误机理,通过人因可靠性分析对人为因素进行定性和定量评价;利用主成分分析法对影响船舶安全营运的因素组合生成新的综合指标,采用神经网络、支持向量机等分类器,建立人因事故安全风险评估模型,对其风险进行评估与等级定级。
将人因事故按照一般事故、严重事故、特大事故进行分类,识别出事故严重程度分类的主要因素,构建事故因素组合决策树,得到最佳决策树和相应的推理规则集,从中提取引发事故的影响因素组合方式。
所述人因可靠性评估以认知可靠性和失误分析方法(CREAM)为基础,根据船舶轮机操作中人因事故的特点,设计船舶轮机操作中人因事故的共同绩效条件(CPC),并进一步细化CPC得到子CPC。通过决策实验与评估实验方法和层次分析法获得各CPC及其子CPC因子权重,从而建立改进的CREAM人因可靠性预测模型,量化轮机操作中的人因失误概率,为预防事故风险提供模型支撑。
其失误概率计算公式为:
CFP=CFP0×100.25β (1)
ρi=mi×p (3)
其中mi(i=1,2,···,9)表示9个CPC因子的期望效应量化值,定义ρi为CPC因子的效应影响指数,wi为9个CPC的权重,p为认知功能权重因子,β为环境影响指数,CFP0为基本失效概率。
所述通讯系统包括卫星数据传输设备,海事卫星与船舶海事Modem连接船舶局域网来实现数据交换和存储。岸基接收站和陆地互联网进行连接,岸基服务器之间的内部连接以及岸基服务器与互联网的连接,使得船舶机舱设备智能管理平台可以通过基于WEB的软件,浏览通过海事宽带卫星与岸基服务器及互联网连接的数据资源,实现船舶与岸基数据交互,完成信息交流、技术指导、故障处理方案支持等功能。
本发明产生的有益效果是:
1.船舶信息融合。建立具有无线或有线船域网的全船综合网络系统和信息智能感知体系,规范船舶信息描述标准和信息交换标准;实现综合的、标准化的数据汇集以及人因行为数据与设备状态数据的融合,完成全船信息融合,为实时调度决策提供有力支持。
2.船岸一体化。通过卫星通讯和大数据轻量化模型解决船岸通信与数据传输的难题,建立船岸一体化平台,实现船岸信息与管理的交互,是向船基智能运行与岸基智能管理的协同方式转变的关键。
3.运维系统的自主优化,通过船员的绩效考核,拟利用强化学习算法自主协调运维任务和制定决策策略,构成在船舶运维过程中以数据驱动为手段自主形成的决策数据库,有效提高船员与设备工作的匹配度和协调度,极大地提高船舶运维管理效率与质量。
4.船舶高效安全运营。通过提供机舱设备运维策略,即针对机舱各设备的健康状态和人员状态,为机舱设备运维策略实时提供最优化决策,保证操作人员与机舱设备之间稳定的配合关系,实时调度的最优化决策,加强了人、设备与环境的匹配度和协调度,为船舶安全、轮机员培训以及船舶风险预防提供支撑,提高了系统的总体效能。
附图说明
图1是基于人因工程的船舶机舱智能运维系统架构;
图2是机舱设备全生命周期的状态感知与评估原理图;
图3是人因风险感知系统结构框图;
图4是人因失误机理分析设计图;
图5是CPC因子权重计算流程图;
图6是事件1的认知行为CPC效应评价;
图7是事件2的认知行为CPC效应评价;
图8是事件3的认知行为CPC效应评价;
图9是改进的CREAM方法计算的人因失误概率。
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,并不用于限本发明。
下面结合附图及实施例对本发明进一步说明。
实施例,如图1所示,本发明提供了基于人因工程的船舶机舱智能运维系统,包括船载系统、岸基系统以及通讯系统。
船载系统由机舱核心设备、机舱设备全生命周期的状态感知与评估以及机舱资源管理与控制系统组成。并具有机舱设备状态监测、设备健康评估、设备管理、综合显示控制、系统管理以及数据存储等功能。
所述机舱核心设备包括船舶主机、轴系和推进器等动力设备,蒸汽锅炉、压缩空气装置等辅助设备。
对机舱核心设备工作过程中的振动信号、温度、压力、转速、有效功率等参数状态进行实时监测,同时对船舶机舱内部温度、湿度等环境数据进行采集,将当前船舶在海上所处的维度、海况、气温、海底状况等数据进行全面自动采集、传输和智能分析。
所述机舱设备的全生命周期的状态感知与评估包括信息采集、信号处理、状态监测、健康评估、故障预测。
信息采集先确定需监测的关键设备、设备故障类型、状态数据类型以及需增加的传感器类型、安装位置、性能要求等。
再利用在每一个机舱设备的传感器、设备上的PLC控制芯片和设备上的A/D接口,通过串口或网络接口,采集船舶通导数据、船舶机舱数据、船舶振动数据等,对船舶航行状态、设备状态、环境状态等相关信息与数据进行数据采集。
信号处理是对已采集的数据进行必要的抽取、清洗,并在此基础上进行加工、分类汇总、分析整合及交互,基于整合后的数据资源面向应用需求,进行数据挖掘。
具体为:建设设备预测性维护工业机理模型及设备故障知识库;与公共服务平台建设方对接平台提供的开发工具、环境以及所提供服务的API接口等内容;基于用户业务与应用功能,设计应用系统的数据库。
状态监测是利用智能传感设备对机舱设备在运行过程中相对重要的参数点进行实时在线监测。
健康评估是通过设定设备与系统性能退化规律或标准的设备运行至失效的数据集,利用建立的设备退化衰老模型来确定评估设备的未来趋势,将其诊断结果显示出来,供操作人员参考。
故障预警是采集系统设备实时运行状态数据,利用机器学习等大数据分析算法对设备进行故障预测,针对设备状态不同的变化,采取相应的预警措施。
具体为:根据选择的需监测的设备,结合海上自动化控制系统接口及新安装的传感器,获取所选设备运行数据,并实现实时及历史数据的存储;采集到新的设备状态数据时,系统以图形界面展示,并检索数据是否异常,判定异常范围及数据的归属,系统根据数据归属做出响应,主要完成设备运行数据与系统中限定值的比较功能以及简单的报警功能。
智能评估设备当前健康状况,并预测未来健康趋势,主要实现设备状态诊断及设备故障预测功能;机舱维修决策支持库在状态评估和故障分析的基础上,采用模块化、构件化的软件架构,结合船舶机舱资源管理信息,实现维修决策、资源调度等目标,过程中对维护成本和人员效率等方面进行绩效评估,采用强化学习持续构建优化设备智能运维体系解决方案,给出最合理的维修决策。
其中在机舱设备全生命周期的状态感知与评估中,以传感器系统获取监测数据为基础、机器学习积累经验知识为途径、智能判别设备健康状态为目的,保障机械设备运行的可靠性。
如图2所示,基于运行全生命周期中监测变量的所有历史数据,以每个时刻的观测信息为样本点、不同时刻的观测为多个样本,通过无监督学习框架进行变量数据的聚类与特征提取。基于特征数据,在深度学习框架顶层设计Softmax等分类器,实现特征提取的同时,进行生命周期阶段的离线划分。利用该网络模型能够提取出反映故障状态时变的自相关特征和非线性互相关特征,实现对微小故障状态的精细化描述。当面对新采集的监测数据时,如数据对应的设备健康状态未知,智能诊断模型能够结合已学到的经验知识判断该数据对应的设备健康状态,对机舱系统和设备进行分析、评估、决策及执行,实现船舶机舱系统设备“自适应、自学习、自寻优、自修复”等智能控制。
所述机舱资源管理与控制系统包括显示、控制与存储中心以及机舱维修决策支持库两部分。
所述显示、控制与存储中心用于对机舱设备采集到的运行状态数据进行实时显示与在线诊断控制,数据存储采用冗余设计,将各设备或系统的数据存储于服务器中,支持按不同数据类型、数据归属系统等依据进行分库存储,满足6000个信号点12个月存储要求。
所述机舱维修决策支持库在状态评估和故障分析的基础上,采用模块化、构件化的软件架构,结合船舶机舱资源管理信息,实现维修决策、资源调度等目标,过程中对维护成本和人员效率等方面进行绩效评估,采用强化学习持续构建优化设备智能运维体系解决方案,根据船舶的不同情况和不同的用户需求,定制个性化产品,满足船基和岸基不同用户间对设备状态评估和维修决策制定的软件需求。
所述岸基系统由岸基维修保障中心、调度维修资源、人因风险感知系统组成,主要包括对机舱整体设备的辅助决策,人因风险事故预防,实现船岸一体化通信,船舶远程监控及综合管理等功能。
所述岸基维修保障中心对设备运行的各项参数进行综合分析计算,利用机舱设备维修运行状态的船载数据库、结合岸基云维修数据库及智能故障判断分析系统。提供机舱设备运行故障状态的调整、故障点的标示、维修服务的信息提示。同时在线进行故障自动修复、人工维修时故障维修方案提供。同时以大数据轻量化模型传输技术为手段,将海量传输数据进行压缩,设计船岸一体化信息平台,从“人-机-环境”三要素之间的交互关系出发,合理的处理人、设备和环境之间的关系,融合人因工程技术与机舱设备健康管理技术,根据人机环组合模型在岸基系统的响应行为,为船舶维护策略提供支持。
所述调度维修资源通过将系统设备的预防性维修项目计划、解决方案以及处罚条例等内容,提前规定在系统中,可方便地实现船舶设备健康状态评估与维修项目实施的一体式管控,当系统设备的运行状态达到计划维修的临界值时,维修项目及方案会自动在系统中被调度出来并分配给相应的维修人员,提供维修所需的智能诊断评估和信息服务支持及方案指导。
其中人因风险感知系统包括人因失误机理分析和人因可靠性评估,通过人因可靠性分析为船舶为机舱设备运维策略提供实时调度的最优化决策支持,如图3所示。
通过对船舶轮机操作中事故的人为因素及影响人的因素的关联性进行挖掘,揭示各因素之间的关联关系及存在的致因链。根据船舶轮机操作中人因事故致因的特点,将船舶轮机管理中涉及的人、船舶、环境以及管理与人为因素分析分类系统模型(HFACS)相结合。构建用于船舶轮机操作中人因事故致因分析的HFACS框架模型,对HFACS框架模型上下层因素之间的相关性分析及事故致因间的关联规则研究,从而得到船舶轮机操作中人因事故的致因链并分析事故致因机理。
如图4所示,通过危险源理论对船舶机舱人因事故的致因要素进行分析,将船舶系统事故的支撑因素进行分类,然后将SHEL模型应用于人因事故系统中,解释事故隐患的发生机理,分析事故致因因素的关联度,并根据历史海事事故报告建立船舶人因事故数据库;了解和确定所有人员行为中关键的人员行为及相关操作细节,以人因工程、行为科学、认知科学、概率统计、系统分析等学科为理论依据,识别行为形成因子以及心理失误机理,通过人因可靠性分析对人为因素进行定性和定量评价;利用主成分分析法对影响船舶安全营运的因素组合生成新的综合指标,采用神经网络、支持向量机等分类器建立人因事故安全风险评估模型,对其风险进行评估与等级定级。
将人因事故按照一般事故、严重事故、特大事故进行分类,识别出事故严重程度分类的主要因素,构建事故因素组合决策树,得到最佳决策树和相应的推理规则集,从中提取引发事故的影响因素组合方式。
人因可靠性评估以认知可靠性和失误分析方法(CREAM)为基础,建立改进的CREAM人因可靠性预测模型,改进的CREAM模型依据船舶轮机管理的实际情况对每个CPC因子进一步细化,确定每个CPC的下级因素,即子CPC。如图5所示,采用层次分析法(AHP)来获取子CPC的权重,同时采用决策实验室法(DEMATEL),在综合考虑CPC因子之间的相互影响关系的基础上,建立CPC之间的直接影响矩阵,计算出CPC因子权重,从而改进对共同绩效因子CPC的评价。量化轮机操作中的人因失误概率,为预防事故风险提供模型支撑,其失误概率计算公式为:
CFP=CFP0×100.25β (1)
ρi=mi×p (3)
其中mi(i=1,2,···,9)表示9个CPC因子的期望效应量化值,定义ρi为CPC因子的效应影响指数,wi为9个CPC的权重,p为认知功能权重因子,β为环境影响指数,CFP0为基本失效概率。
如图6-8所示,给出了三个事件的相关数据,分别为CPC因子的期望效应量化值、效应影响指数以及认知功能权重因子。根据图9中给出的环境影响指数、基本失效概率等数据,代入人因失误概率计算公式中计算得出人因失误概率。
所述通讯系统包括卫星数据传输设备,海事卫星与船舶海事Modem连接船舶局域网来实现数据交换和存储。岸基接收站和陆地互联网进行连接,岸基服务器之间的内部连接以及岸基服务器与互联网的连接,使得船舶机舱设备智能管理平台可以通过基于WEB的软件。浏览通过海事宽带卫星与岸基服务器及互联网连接的数据资源,实现船舶与岸基数据交互,完成信息交流、技术指导、故障处理方案支持等功能,利用数据中心、超算中心和灾备中心的机舱资源中心,提供分布式存算分离的异构融合计算和海量数据存储、互动和共享,支撑机舱云端应用的大数据分析和处理,实现全系统数据的安全交互共享。
上面结合附图对本发明的实施例进行了描述,但是本发明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发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (9)
1.基于人因工程的船舶机舱智能运维系统,其特征在于,船舶机舱智能运维系统的系统组成框架包括船载系统、岸基系统以及通讯系统;船载系统包括机舱核心设备、机舱设备全生命周期的状态感知与评估、机舱资源管理与控制系统,具备以下功能包括信息感知、数据分析、状态评估、故障预测、控制决策、资源管理;岸基系统包括岸基维修保障中心、调度维修资源、人因风险感知系统,具备以下功能包括机舱设备的辅助决策,人因风险事故预防,船岸一体化通信,船舶远程监控及综合管理;通讯系统包括卫星数据传输设备,海事卫星与船舶海事Modem连接船舶局域网,用于实现数据交换和存储。
2.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述机舱核心设备包括动力设备和辅助设备;动力设备包括船舶主机、轴系和推进器;辅助设备包括蒸汽锅炉、压缩空气装置。
3.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述机舱设备全生命周期的状态感知与评估包括信息采集、信号处理、状态监测、健康评估以及故障预测;通过串口或网络接口,采集船舶相关信息数据,对已采集的数据进行数据清洗,在此基础上进行加工、分类汇总、分析整合及交互,基于整合后的数据资源面向应用需求,进行数据挖掘及数据可视化,对机舱设备在运行过程中相对重要的参数点进行实时在线监测;通过设定设备与系统性能退化规律或标准的设备运行至失效的数据集,利用建立的设备退化衰老模型来确定评估设备的未来趋势,给出诊断结果,用于操作人员参考;同时,采集系统设备实时运行状态数据,利用大数据分析算法对设备进行故障预测,大数据分析算法包括机器学习,用于针对设备状态不同的变化,采取相应的预警措施。
4.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述机舱资源管理与控制系统包括显示、控制与存储中心以及机舱维修决策支持库;显示、控制与存储中心结合机舱环境、位置、资源的机舱智能体感知系统,对系统设备实时采集的状态数据进行显示,将各设备或系统的数据存储于服务器中,支持按不同数据类型、数据归属系统等依据进行分库存储,用于实现信息交互、实时反馈及自动控制能力;机舱环境、位置、资源的机舱智能体感知系统包括机舱设备的传感器、设备上的PLC控制芯片、设备上的A/D接口;利用在每一个机舱设备的传感器、设备上的PLC控制芯片、设备上的A/D接口,对机舱核心设备工作过程中的参数状态进行实时监测,包括振动信号、温度、压力、转速、有效功率,同时对环境数据进行采集,包括船舶机舱内部温度、湿度。
5.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述岸基维修保障中心对设备的运行状态进行分析处理,远程在线诊断;提供机舱设备运行故障状态的调整、故障点的标示、维修服务的信息提示,在线进行故障自动修复、人工维修时故障维修方案提供。
6.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述调度维修资源包括维修策略、维修备件、维修人员;调度维修资源提前规定在系统内,其规定方式包括系统设备的预防性维修项目计划、解决方案以及处罚条例;当系统设备的运行状态异常时,维修项目及方案会自动在系统中被调度出来并分配给相应的维修人员,提供维修所需的智能诊断评估和信息服务支持及方案指导。
7.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述人因风险感知系统包括人因失误机理分析和人因可靠性评估;人因失误机理分析包括挖掘与人因失误有关的事故致因链,构建用于船舶轮机操作中人因事故致因分析的HFACS框架模型,对HFACS框架模型上下层因素之间的相关性分析及事故致因间的关联规则研究,从而得到船舶轮机操作中人因事故的致因链并分析事故致因机理;人因可靠性评估以认知可靠性和失误分析方法CREAM为基础,根据船舶轮机操作中人因事故的特点,设计船舶轮机操作中人因事故的共同绩效条件CPC,并进一步细化CPC得到子CPC;通过决策实验与评估实验方法和层次分析法获得各CPC及其子CPC因子权重,从而建立改进的CREAM人因可靠性预测模型,量化轮机操作中的人因失误概率。
8.根据权利要求1所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述通讯系统包括海事卫星通信网络及卫星数据传输设备,用于连接船舶自身的网络和岸基互联网络,构建船岸一体化信息平台。
9.根据权利要求4所述的基于人因工程的船舶机舱智能运维系统,其特征在于,所述机舱维修决策支持库利用算法规范采集信息的描述标准和信息的交换标准,所述算法包括数据标准化或归一化;并搭建系统设备在工作运行中的状态数据库、产品故障树及故障库,在状态评估和故障分析的基础上,采用模块化、构件化的软件架构,结合船舶机舱资源管理信息,用于实现下述目标,其包括维修决策、资源调度;该过程中进行绩效评估包括维护成本和人员效率方面,并采用强化学习持续构建优化设备智能运维体系解决方案,为机舱设备运维策略提供实时调度的最优化决策支持。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609708.8A CN116228186A (zh) | 2022-12-12 | 2022-12-12 | 基于人因工程的船舶机舱智能运维系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609708.8A CN116228186A (zh) | 2022-12-12 | 2022-12-12 | 基于人因工程的船舶机舱智能运维系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116228186A true CN116228186A (zh) | 2023-06-06 |
Family
ID=86579377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211609708.8A Pending CN116228186A (zh) | 2022-12-12 | 2022-12-12 | 基于人因工程的船舶机舱智能运维系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228186A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116588282A (zh) * | 2023-07-17 | 2023-08-15 | 青岛哈尔滨工程大学创新发展中心 | 一种auv智能运维系统及方法 |
CN116976862A (zh) * | 2023-09-20 | 2023-10-31 | 山东国研自动化有限公司 | 一种工厂设备信息化管理系统及方法 |
CN116976865A (zh) * | 2023-09-22 | 2023-10-31 | 中国船舶集团有限公司第七一九研究所 | 基于大数据分析的船舶维修器件调配管理系统 |
CN117371994A (zh) * | 2023-12-05 | 2024-01-09 | 中国船舶集团有限公司第七一九研究所 | 一种基于意见反馈的船舶维修智能管理系统 |
CN117670068A (zh) * | 2024-02-02 | 2024-03-08 | 青岛哈尔滨工程大学创新发展中心 | 一种auv实时风险评估系统及方法 |
-
2022
- 2022-12-12 CN CN202211609708.8A patent/CN116228186A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116588282A (zh) * | 2023-07-17 | 2023-08-15 | 青岛哈尔滨工程大学创新发展中心 | 一种auv智能运维系统及方法 |
CN116588282B (zh) * | 2023-07-17 | 2023-10-13 | 青岛哈尔滨工程大学创新发展中心 | 一种auv智能运维系统及方法 |
CN116976862A (zh) * | 2023-09-20 | 2023-10-31 | 山东国研自动化有限公司 | 一种工厂设备信息化管理系统及方法 |
CN116976862B (zh) * | 2023-09-20 | 2024-01-02 | 山东国研自动化有限公司 | 一种工厂设备信息化管理系统及方法 |
CN116976865A (zh) * | 2023-09-22 | 2023-10-31 | 中国船舶集团有限公司第七一九研究所 | 基于大数据分析的船舶维修器件调配管理系统 |
CN116976865B (zh) * | 2023-09-22 | 2023-12-19 | 中国船舶集团有限公司第七一九研究所 | 基于大数据分析的船舶维修器件调配管理系统 |
CN117371994A (zh) * | 2023-12-05 | 2024-01-09 | 中国船舶集团有限公司第七一九研究所 | 一种基于意见反馈的船舶维修智能管理系统 |
CN117371994B (zh) * | 2023-12-05 | 2024-02-23 | 中国船舶集团有限公司第七一九研究所 | 一种基于意见反馈的船舶维修智能管理系统 |
CN117670068A (zh) * | 2024-02-02 | 2024-03-08 | 青岛哈尔滨工程大学创新发展中心 | 一种auv实时风险评估系统及方法 |
CN117670068B (zh) * | 2024-02-02 | 2024-04-12 | 青岛哈尔滨工程大学创新发展中心 | 一种auv实时风险评估系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116228186A (zh) | 基于人因工程的船舶机舱智能运维系统 | |
Lee et al. | Prognostics and health management design for rotary machinery systems—Reviews, methodology and applications | |
CN110766277B (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
CN108490889B (zh) | 基于te模型的智能工厂安全大数据数据源发生方法及装置 | |
CN110377001A (zh) | 基于数据融合的工业设备智能故障诊断系统和方法 | |
CN110738331A (zh) | 一种智能船舶机舱系统 | |
CN115034578A (zh) | 一种基于数字孪生的水工金属结构设备智能管理构建方法及系统 | |
JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
CN113962299A (zh) | 一种核电设备智能运行监测与故障诊断通用模型 | |
CN115526375A (zh) | 一种航天装备预测性维护系统 | |
CN112308300A (zh) | 一种大型电子产品状态预测管理系统 | |
CN112541563A (zh) | 基于边缘计算技术的旋转设备振动预测管理系统 | |
CN111753603A (zh) | 一种应急发电机组edg故障诊断系统 | |
CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
CN115828607A (zh) | 一种基于多智能体的人机环协同建模方法 | |
CN110765633A (zh) | 一种动力装置的智能管理方法和装置 | |
Xiao et al. | A review of fault diagnosis methods based on machine learning patterns | |
CN114019935A (zh) | 一种基于工业物联网设备实时检测诊断系统 | |
CN112465164A (zh) | 航天发射场地勤系统一体化故障诊断与辅助决策系统 | |
RU2668487C2 (ru) | Система информационной поддержки принятия управленческих решений для обслуживающего персонала судовой энергетической установки | |
CN116644929A (zh) | 一种基于物联感知的配电网设备运维工单智能管理方法 | |
Holmberg et al. | Prognostics for industrial machinery availability | |
Wen et al. | Applications of Prognostics and Health Management in aviation industry | |
Knight et al. | Intelligent management of helicopter health and usage management systems data |
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 |