CN116308303B - 基于设备数据的检修计划生成方法、装置、设备和介质 - Google Patents

基于设备数据的检修计划生成方法、装置、设备和介质 Download PDF

Info

Publication number
CN116308303B
CN116308303B CN202310578386.3A CN202310578386A CN116308303B CN 116308303 B CN116308303 B CN 116308303B CN 202310578386 A CN202310578386 A CN 202310578386A CN 116308303 B CN116308303 B CN 116308303B
Authority
CN
China
Prior art keywords
working state
mining
equipment
initial
mining equipment
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
Application number
CN202310578386.3A
Other languages
English (en)
Other versions
CN116308303A (zh
Inventor
李进龙
刘万飞
罗建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianyu Zhengqing Technology Co ltd
Original Assignee
Tianyu Zhengqing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianyu Zhengqing Technology Co ltd filed Critical Tianyu Zhengqing Technology Co ltd
Priority to CN202310578386.3A priority Critical patent/CN116308303B/zh
Publication of CN116308303A publication Critical patent/CN116308303A/zh
Application granted granted Critical
Publication of CN116308303B publication Critical patent/CN116308303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及数据分析的领域，尤其涉及一种基于设备数据的检修计划生成方法、装置、设备和介质，方法包括：获取每一矿山设备的工作状态偏差值；针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差；针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期；获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划。本申请可以提升矿山设备检修计划的合理性。

Description

基于设备数据的检修计划生成方法、装置、设备和介质
技术领域
本申请涉及数据分析的技术领域，尤其是涉及一种基于设备数据的检修计划生成方法、装置、设备和介质。
背景技术
目前，为降低矿山设备以故障状态运行的概率，针对每一矿山设备,通常以矿山设备对应的固定检修周期制定设备的检修计划，来检修每一矿山设备。
但是，矿山设备的运行状态随时间变化而变化，固定检修周期内矿山设备可能出现故障导致运行异常，因而以固定时间作为检修周期，制定检修计划，存在检修计划不合理的问题。
因此，上述技术问题是本领域技术人员亟待解决的问题。
发明内容
为了生成更加合理的矿山设备检修计划，本申请提供一种基于设备数据的检修计划生成方法、装置、设备和介质。
第一方面，本申请提供一种基于设备数据的检修计划生成方法，采用如下的技术方案：
一种基于设备数据的检修计划生成方法，包括：
获取每一矿山设备的工作状态偏差值，其中，所述每一矿山设备的工作状态偏差值表征每一矿山设备的实际工作状态与预测工作状态之间的偏差程度；
针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差；
针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期；
获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划。
本申请在一较佳示例中可以进一步配置为：
在所述获取每一矿山设备的工作状态偏差值之前，还包括：
获取每一矿山设备在多个时刻各自的初始工作状态偏差值；
相应的，所述获取每一矿山设备的工作状态偏差值，包括：
针对每一矿山设备，根据所述多个时刻各自的初始工作状态偏差值，利用样本均值计算公式，得到矿山设备对应的样本均值，其中，所述样本均值计算公式为：，/>为矿山设备对应的样本均值，/>为全部矿山设备的数量，/>为矿山设备对应的初始工作状态偏差值，/>为第/>个矿山设备，/>为矿山设备对应的标签；
针对每一矿山设备，根据矿山设备对应的样本均值与所述多个时刻各自的初始工作状态偏差值，利用工作状态偏差值计算公式，得到矿山设备的工作状态偏差值，其中，所述工作状态偏差值计算公式为：，/>为矿山设备对应的标签，/>为矿山设备/>的工作状态偏差值，/>为全部矿山设备的数量，/>为第/>个矿山设备的初始工作状态偏差值，/>为矿山设备对应的样本均值。
本申请在一较佳示例中可以进一步配置为：
所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期，包括：
基于矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线，其中，所述矿山设备工作状态样本标准差变化曲线的自变量为时间标签，因变量为工作状态样本标准差；
根据所述矿山设备工作状态样本标准差变化曲线，判断所述矿山设备的检修周期是否需要更新；
若是，则根据所述矿山设备工作状态样本标准差变化曲线，更新检修周期，得到矿山设备的目标检修周期；
若否，则将初始检修周期作为目标检修周期。
本申请在一较佳示例中可以进一步配置为：
在所述获取每一矿山设备的工作状态偏差值之前，还包括：
获取每一矿山设备在多个时刻各自的初始工作状态偏差值；
相应的，所述获取每一矿山设备的工作状态偏差值，包括：
针对每一矿山设备，根据矿山设备在多个时刻各自的初始工作状态偏差值，利用工作状态偏差值的偏差计算公式，得到矿山设备的工作状态偏差值，其中，工作状态偏差值的偏差计算公式为：，/>为矿山设备的工作状态偏差值，为多个时刻中时间顺序最后的时刻对应的初始工作状态偏差值，/>为预设时刻数量，/>为多个时刻中时间顺序为第/>个的时刻，/>为矿山设备在第i个时刻对应的初始工作状态偏差值。
本申请在一较佳示例中可以进一步配置为：
在所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期之后，还包括：
获取生产线中每一矿山设备的检修优先级；
基于多个目标检修周期和所述生产线中每一矿山设备的检修优先级，生成生产线检修计划，其中，生产线包括所述多个目标检修周期各自对应的矿山设备。
本申请在一较佳示例中可以进一步配置为：
在所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期之后，还包括：
针对同一矿山设备，根据目标检修周期和至少一个历史检修周期，经过平均值计算，得到新的初始检修周期。
本申请在一较佳示例中可以进一步配置为：
所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期，包括：
根据矿山设备的工作状态样本标准差和初始检修周期，得到矿山设备的初始目标检修周期；
根据矿山设备的初始目标检修周期与初始检修周期，判断矿山设备检修周期是否需要更新；
若是，则将所述矿山设备的初始目标检修周期，作为所述矿山设备的目标检修周期；
若否，则将矿山设备的初始检修周期，作为所述矿山设备的目标检修周期。
第二方面，本申请提供一种基于设备数据的检修计划生成装置，采用如下的技术方案：
一种基于设备数据的检修计划生成装置，包括：
工作状态偏差值获取模块，用于获取每一矿山设备的工作状态偏差值，其中，所述每一矿山设备的工作状态偏差值表征每一矿山设备的实际工作状态与预测工作状态之间的偏差程度；
工作状态样本标准差获取模块，用于针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差；
目标检修周期生成模块，用于针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期；
检修计划生成模块，用于获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行如第一方面任一项所述的基于设备数据的检修计划生成方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行如第一方面任一项所述的基于设备数据的检修计划生成方法。
综上所述，本申请至少包括以下有益技术效果：
通过获取每一矿山设备的工作状态偏差值，以确定每一矿山设备实际工作状态与预测工作状态之间的偏差程度；根据全部矿山设备各自的实际工作状态与预测工作状态之间的偏差程度，得到全部矿山设备各自的工作状态样本标准差，以确定每一矿山设备的工作状态偏差值相较于至少一个剩余矿山设备各自的工作状态偏差值的离散程度，工作状态样本标准差越大离散程度越大，离散程度越大表征矿山设备相较于至少一个剩余矿山设备的运行状态变化越大，从而确定每一矿山设备运行状态的波动情况；基于矿山设备的运行状态波动情况和初始检修周期，更新检修周期，得到矿山设备的目标检修周期，以提升矿山设备的目标检修周期与运行状态波动情况之间的同步性；获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，可以更加合理为每一矿山设备确定检修计划。
附图说明
图1为本申请实施例提供的一种基于设备数据的检修计划生成方法的流程示意图。
图2为本申请实施例提供的一种基于设备数据的检修计划生成方法应用的场景时间示意图。
图3为本申请实施例提供的一种矿山设备工作状态样本标准差变化曲线的示意图。
图4为本申请实施例提供的一种基于设备数据的检修计划生成装置的结构示意图。
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图5对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，对本申请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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种基于设备数据的检修计划生成方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括步骤S101至步骤S104，其中：
步骤S101：获取每一矿山设备的工作状态偏差值，其中，每一矿山设备的工作状态偏差值表征每一矿山设备的实际工作状态与预测工作状态之间的偏差程度。
需要注意的是，矿山设备可以为同类型矿山设备，也可以是不同类型的矿山设备。
针对每一矿山设备，实际工作状态可以通过实际工作状态数据表示，预测工作状态可以通过预测工作状态数据表示，例如：当矿山设备为采矿类设备时，实际工作状态数据为矿山设备的实际采集速度，预测工作状态数据为矿山设备的预测采集速度；当矿山设备为破碎类设备时，预测工作状态数据为矿山设备破碎前后矿石的预测单位体积之差，实际工作状态数据为矿山设备破碎前后矿石的实际单位体积之差；当矿山设备为排水类设备时，实际工作状态数据为矿山设备实际排水功率，预测工作状态数据为矿山设备预测排水功率。
基于样本标准偏差计算方式确定每一矿山设备的工作状态偏差值，或，基于偏差计算方式确定每一矿山设备的工作状态偏差值。
由此，在一种可实现的方式中，在步骤S101之前，具体还可以包括：获取每一矿山设备在多个时刻各自的初始工作状态偏差值，其中，多个时刻为上一检修时刻至下一检修时刻之间的多个时刻，多个时刻的数量为预设时刻数量，预设时刻数量可由技术人员预先设定并存储于电子设备中，针对每一时刻，初始工作状态偏差值=初始实际工作状态数据÷初始预测工作状态数据，实际工作状态数据包括但不限于初始实际工作状态数据，预测工作状态数据包括但不限于初始预测工作状态数据；相应的，步骤S101具体可以包括：针对每一矿山设备，根据矿山设备在多个时刻各自的初始工作状态偏差值，利用工作状态偏差值的偏差计算公式，得到矿山设备的工作状态偏差值，其中，工作状态偏差值的偏差计算公式可以为：，/>为矿山设备的工作状态偏差值，/>为多个时刻中时间顺序最后的时刻对应的初始工作状态偏差值，/>为预设时刻数量，/>为多个时刻中时间顺序为第/>个的时刻，/>为矿山设备在第i个时刻对应的初始工作状态偏差值。
在另一种可实现的方式中：在步骤S101之前，具体还可以包括：获取每一矿山设备在多个时刻各自的初始工作状态偏差值。如图2所示，针对任一矿山设备，时间轴t表示矿山设备运行时间的时间顺序，时刻表示矿山设备运行的当前时刻，/>时刻表示距离/>时刻最近的检修时刻，需要注意的是，本方案主要应用于/>时刻至/>时刻。
其中，多个时刻为据当前时刻最近的已检修的检修时间节点至当前时刻之间，预设时刻数量的时刻，预设时刻数量可自定义设置。
相应的，步骤S101，具体可以包括步骤S1011（图中未示出）以及步骤S1012（图中未示出），其中：
步骤S1011：针对每一矿山设备，根据多个时刻各自的初始工作状态偏差值，利用样本均值计算公式，得到矿山设备对应的样本均值，其中，样本均值计算公式为：，/>为矿山设备对应的样本均值，/>为全部矿山设备的数量，/>为矿山设备对应的初始工作状态偏差值，/>为第/>个矿山设备，/>为矿山设备对应的标签。
步骤S1012：针对每一矿山设备，根据矿山设备对应的样本均值与多个时刻各自的初始工作状态偏差值，利用工作状态偏差值计算公式，得到矿山设备的工作状态偏差值，其中，工作状态偏差值计算公式为：，/>为矿山设备对应的标签，/>为矿山设备/>的工作状态偏差值，/>为全部矿山设备的数量，/>为第/>个矿山设备的初始工作状态偏差值，/>为矿山设备对应的样本均值。
其中，矿山设备的工作状态偏差值越大，表征矿山设备的初始工作状态偏差值波动越大，表征矿山设备的实际工作状态与预测工作状态之间的偏差程度越大，矿山设备的运行情况波动越大，矿山设备的故障概率越大。
在本申请实施例中，通过获取每一矿山设备在多个时刻各自的初始工作状态偏差值，以初步确定矿山设备任一时刻下的工作状态的偏离程度；针对每一矿山设备，根据多个时刻各自的初始工作状态偏差值，利用样本均值计算公式，得到矿山设备对应的样本均值后，根据矿山设备对应的样本均值与多个时刻各自的初始工作状态偏差值，利用工作状态偏差值计算公式，得到矿山设备的工作状态偏差值，以确定多个时刻中时间顺序最后的时刻对应的初始工作状态偏差值在多个时刻各自对应的初始工作状态偏差值中的偏离程度，从而确定矿山设备运行情况载多个时刻中的波动程度，以进一步确定矿山设备对于自身运行状态的波动情况，可以提升矿山设备的工作状态偏差值体现矿山设备运行状态波动程度的精确性。
步骤S102：针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差。
具体的，矿山设备的工作状态样本标准差可以利用工作状态样本标准差计算公式获取，其中，工作状态样本标准差计算公式可以为：，/>为矿山设备对应的标签，/>为矿山设备/>的工作状态样本标准差，/>为全部矿山设备的总数量，/>为第/>个矿山设备的工作状态偏差值，/>为矿山设备/>对应的工作状态偏差值均值，/>，/>为全部矿山设备各自的工作状态偏差值之和，/>为矿山设备/>的工作状态偏差值。
其中，针对每一矿山设备，工作状态样本标准差越大表示矿山设备运行状态波动越大。
步骤S103：针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期。
其中，初始检修周期可以由技术人员预先存储于电子设备中，且，矿山设备历史故障次数越多初始检修周期越短；需要注意的是，初始检修周期支持由电子设备自行调整或由技术人员人为调整。
具体的，根据矿山设备的工作状态样本标准差确定矿山设备工作状态样本标准差变化曲线；基于矿山设备工作状态样本标准差变化曲线、初始检修周期，确定目标检修周期，其中，工作状态样本标准差变化曲线通过带有时间标签的工作状态样本标准差得到的，或，基于初始目标检修周期与初始检修周期确定目标检修周期，其中，初始目标检修周期是根据矿山设备的工作状态样本标准差和初始检修周期得到的。
步骤S104：获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划。
具体的，每一矿山设备的初始检修计划可以预先存储于电子设备中，初始检修计划包括多个初始检修时间节点，相邻两个初始检修时间节点之间间隔时长为初始检修周期。
在基于目标检修周期以及对应的初始检修计划生成矿山设备对应的检修计划的实现方式中，具体可以包括：针对每一矿山设备，获取矿山设备初始检修计划，其中，初始检修计划包括多个初始检修时间节点，相邻两个初始检修时间节点之间的时间间隔等于初始检修周期；根据矿山设备初始检修计划，确定距离当前时刻最近的已检修的初始检修时间节点；以距离当前时刻最近的已检修的初始检修时间节点为检修起始节点，将每一距离检修起始节点整数倍目标检修周期的时间节点，作为每一目标检修节点；根据全部目标检修节点，整合得到矿山设备对应的目标检修计划。
在本申请实施例中，通过获取每一矿山设备的工作状态偏差值，以确定每一矿山设备实际工作状态与预测工作状态之间的偏差程度；根据全部矿山设备各自的实际工作状态与预测工作状态之间的偏差程度，得到全部矿山设备各自的工作状态样本标准差，以确定每一矿山设备的工作状态偏差值相较于至少一个剩余矿山设备各自的工作状态偏差值的离散程度，工作状态样本标准差越大离散程度越大，离散程度越大表征矿山设备相较于至少一个剩余矿山设备的运行状态变化越大，从而确定每一矿山设备运行状态的波动情况；基于矿山设备的运行状态波动情况和初始检修周期，更新检修周期，得到矿山设备的目标检修周期，以提升矿山设备的目标检修周期与运行状态波动情况之间的同步性；获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，可以更加合理为每一矿山设备确定检修计划。
本申请实施例的一种可能的实现方式，在基于矿山设备工作状态样本标准差变化曲线确定目标检修周期的实现方式中，步骤S103中的根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期，具体可以包括步骤S1031（图中未示出）至步骤S1034（图中未示出），其中：
步骤S1031：基于矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线，其中，矿山设备工作状态样本标准差变化曲线的自变量为时间标签，因变量为工作状态样本标准差。
如图3所示，在矿山设备工作状态样本标准差变化曲线中，针对每一矿山设备，每一时间标签对应唯一矿山设备工作状态标准差，其中，t对应时间标签，Sq对应矿山设备工作状态样本标准差。
步骤S1032：根据矿山设备工作状态样本标准差变化曲线，判断矿山设备的检修周期是否需要更新。
具体的，根据矿山设备工作状态样本标准差变化曲线，得到平滑处理后的矿山设备工作状态样本标准差变化曲线；确定平滑处理后的矿山设备工作状态样本标准差变化曲线的导函数，并监测上述导函数；当上述导函数恒正时，表征矿山设备工作状态样本标准差逐渐增长，矿山设备工作状态稳定性降低，矿山设备故障概率增长，检修周期需要更新，以降低矿山设备在检修前发生故障的概率，反之，则表明矿山设备工作状态波动较小，检修周期不需要更新。
步骤S1033：若是，则根据矿山设备工作状态样本标准差变化曲线，更新检修周期，得到矿山设备的目标检修周期。
具体的，根据矿山设备工作状态样本标准差变化曲线，确定矿山设备工作状态样本标准差变化曲线的导函数；根据上述导函数，利用目标时间段内的平均值计算公式，得到导函数在目标时间段内的平均值，其中，目标时间段内的平均值计算公式可以为：，/>为当前时刻，/>为距离当前时最近的已检修的检修时间节点，时刻至/>时刻为目标时间段，/>为导函数在目标时间段内的平均值，/>为上述导函数；确定导函数在目标时间段内的预设平均值范围，其中，每一预设平均值范围可以由技术人员预先设定并存储于电子设备中；根据导函数在目标时间段内的平均值预设平均值范围，和预设的平均值范围与检修周期的对应关系，确定导函数在目标时间段内的平均值对应的检修周期，其中，预设的平均值范围与检修周期的对应关系可由技术人员预先设置并存储于电子设备中；将导函数在目标时间段内的平均值对应的检修周期作为矿山设备的目标检修周期。
步骤S1034：若否，则将初始检修周期作为目标检修周期。
在本申请实施例中，通过矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线，以确定矿山设备运行状态随时间变化的波动程度的整体变化；根据矿山设备工作状态样本标准差变化曲线，判断矿山设备的初始检修周期是否需要更新，可以基于矿山设备运行状态的波动程度判断检修周期是否需要更新；根据矿山设备工作状态样本标准差变化曲线，更新检修周期，得到矿山设备的目标检修周期，可以基于矿山设备运行状态的波动程度更新检修周期，从而提升目标检修周期的精确度。
本申请实施例的一种可能的实现方式，在步骤S104之后，具体还可以包括步骤S105（图中未示出）以及步骤S106（图中未示出）：
步骤S105：获取生产线中每一矿山设备的检修优先级。
具体的，生产线中每一矿山设备的检修优先级可由技术人员预先设定并存储与电子设备中。其中，检修优先级越高，矿山设备停工带来的影响越大。
步骤S106：基于多个目标检修周期和生产线中每一矿山设备的检修优先级，生成生产线检修计划，其中，生产线包括多个目标检修周期各自对应的矿山设备。可以理解的是，矿山开采工程中，矿山设备一般同时存在多个，且，以生产线形式运行，故，当一个矿山设备需要检修时，生产线中全部矿山设备需要同时停止，因此制定生产线检修计划可以在一定程度上降低检修给生产线带来的停工损失。
具体的，从多个目标检修周期中确定最小检修周期，并判断生产线中是否存在一半以上的矿山设备的检修优先级小于最小检修周期对应的矿山设备的检修优先级，其中，检修优先级越小表征矿山设备停工带来的影响越大；若是，则表示以最小检修周期对生产线进行检修可能导致生产线经济效益降低，将检修优先级处于全部检修优先级的中间的矿山设备对应的目标检修周期，作为生产线检修周期；根据生产线检修周期，生成生产线检修计划，其中，生产线检修计划包括当前时刻之后的多个生产线检修时间节点，相邻两个生产线检修时间节点之间的时间间隔等于生产线检修周期。
在本申请实施例中，通过获取生产线中每一矿山设备的检修优先级，确定矿山设备停工带来的影响；根据矿山设备停工带来的影响，生成生产线检修计划，可以减少停工带来的影响较大的矿山设备停工的次数。
本申请实施例的一种可能的实现方式，在步骤S103之后，具体还可以包括：
针对同一矿山设备，根据目标检修周期和至少一个历史检修周期，经过平均值计算，得到新的初始检修周期。
具体的，针对同一矿山设备，确定目标检修周期和至少一个历史检修周期之和、目标检修周期与至少一个历史检修周期的数量，确定新的初始检修周期，其中，新的初始检修周期=目标检修周期和至少一个历史检修周期之和÷目标检修周期与至少一个历史检修周期的数量。
其中，历史检修周期可存储于电子设备中，且，每一历史检修周期为对应的矿山设备在本次启动后的每一目标检修周期；当矿山设备在本次启动后无目标检修周期时，将初始检修周期确定为历史检修周期。
在本申请实施例中，通过计算目标检修周期与至少一个历史检修周期的平均值，得到新的初始检修周期，可以提升初始检修周期的实时性。
本申请实施例的一种可能的实现方式，在基于初始目标检修周期与初始检修周期确定目标检修周期的实现方式中，步骤S103中的根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新得到矿山设备的目标检修周期，具体可以包括步骤SA1（图中未示出）至步骤SA4（图中未示出），其中：
步骤SA1：根据矿山设备的工作状态样本标准差和初始检修周期，得到矿山设备的初始目标检修周期。
具体的，可以基于矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线；根据矿山设备工作状态样本标准差变化曲线，判断矿山设备工作状态波动是否较大；若是，则根据矿山设备工作状态样本标准差变化曲线，得到矿山设备的初始目标检修周期；若否，则将初始检修周期确定为矿山设备的初始目标检修周期。
步骤SA2：根据矿山设备的初始目标检修周期与初始检修周期，判断矿山设备检修周期是否需要更新。
具体的，针对每一矿山设备，判断初始目标检修周期与初始检修周期之间的差值是否大于预设差值阈值，其中，预设差值阈值可由技术人员预先设定并存储于电子设备中；若是，则表示矿山设备检修周期需要更新；若否，则表示矿山设备检修周期不需要更新。
步骤SA3：若是，则将矿山设备的初始目标检修周期，作为矿山设备的目标检修周期。
步骤SA4：若否，则将矿山设备的初始检修周期，作为矿山设备的目标检修周期。
在本申请实施例中，通过减少矿山设备目标检修周期的更新次数，可以降低检修计划的生成频率，从而减少电子设备中资源浪费的情况。
上述实施例从方法流程的角度介绍一种基于设备数据的检修计划生成方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于设备数据的检修计划生成装置，具体详见下述实施例。
本申请实施例提供一种基于设备数据的检修计划生成装置，如图4所示，该基于设备数据的检修计划生成装置具体可以包括：
工作状态偏差值获取模块201，用于获取每一矿山设备的工作状态偏差值，其中，每一矿山设备的工作状态偏差值表征每一矿山设备的实际工作状态与预测工作状态之间的偏差程度；
工作状态样本标准差获取模块202，用于针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差；
目标检修周期生成模块203，用于针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期；
检修计划生成模块204，用于获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划。
对于本申请实施例，在本申请实施例中，通过获取每一矿山设备的工作状态偏差值，以确定每一矿山设备实际工作状态与预测工作状态之间的偏差程度；根据全部矿山设备各自的实际工作状态与预测工作状态之间的偏差程度，得到全部矿山设备各自的工作状态样本标准差，以确定每一矿山设备的工作状态偏差值相较于至少一个剩余矿山设备各自的工作状态偏差值的离散程度，工作状态样本标准差越大离散程度越大，离散程度越大表征矿山设备相较于至少一个剩余矿山设备的运行状态变化越大，从而确定每一矿山设备运行状态的波动情况；基于矿山设备的运行状态波动情况和初始检修周期，更新检修周期，得到矿山设备的目标检修周期，以提升矿山设备的目标检修周期与运行状态波动情况之间的同步性；获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，可以更加合理为每一矿山设备确定检修计划。
本申请实施例的一种可能的实现方式，基于设备数据的检修计划生成装置，还包括：
初始工作状态偏差值获取模块，用于：
获取每一矿山设备在多个时刻各自的初始工作状态偏差值；
相应的，工作状态偏差值获取模块201，在执行获取每一矿山设备的工作状态偏差值时，用于：
针对每一矿山设备，根据多个时刻各自的初始工作状态偏差值，利用样本均值计算公式，得到矿山设备对应的样本均值，其中，样本均值计算公式为：，/>为矿山设备对应的样本均值，/>为全部矿山设备的数量，/>为矿山设备对应的初始工作状态偏差值，/>为第/>个矿山设备，/>为矿山设备对应的标签；
针对每一矿山设备，根据矿山设备对应的样本均值与多个时刻各自的初始工作状态偏差值，利用工作状态偏差值计算公式，得到矿山设备的工作状态偏差值，其中，工作状态偏差值计算公式为：，/>为矿山设备对应的标签，/>为矿山设备/>的工作状态偏差值，/>为全部矿山设备的数量，/>为第/>个矿山设备的初始工作状态偏差值，/>为矿山设备对应的样本均值。
本申请实施例的一种可能的实现方式，目标检修周期生成模块203，在执行根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期时，用于：
基于矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线，其中，矿山设备工作状态样本标准差变化曲线的自变量为时间标签，因变量为工作状态样本标准差；
根据矿山设备工作状态样本标准差变化曲线，判断矿山设备的检修周期是否需要更新；
若是，则根据矿山设备工作状态样本标准差变化曲线，更新检修周期，得到矿山设备的目标检修周期；
若否，则将初始检修周期作为目标检修周期。
本申请实施例的一种可能的实现方式，基于设备数据的检修计划生成装置，还包括：
初始工作状态偏差值获取模块，用于：
获取每一矿山设备在多个时刻各自的初始工作状态偏差值；
相应的，工作状态偏差值获取模块201，在执行获取每一矿山设备的工作状态偏差值时，用于：
针对每一矿山设备，根据矿山设备在多个时刻各自的初始工作状态偏差值，利用工作状态偏差值的偏差计算公式，得到矿山设备的工作状态偏差值，其中，工作状态偏差值的偏差计算公式为：，/>为矿山设备的工作状态偏差值，为多个时刻中时间顺序最后的时刻对应的初始工作状态偏差值，/>为预设时刻数量，/>为多个时刻中时间顺序为第/>个的时刻，/>为矿山设备在第i个时刻对应的初始工作状态偏差值。
本申请实施例的一种可能的实现方式，基于设备数据的检修计划生成装置，还包括：
生产线检修计划生成模块，用于：
获取生产线中每一矿山设备的检修优先级；
基于多个目标检修周期和生产线中每一矿山设备的检修优先级，生成生产线检修计划，其中，生产线包括多个目标检修周期各自对应的矿山设备。
本申请实施例的一种可能的实现方式，基于设备数据的检修计划生成装置，还包括：
初始检修周期更新模块，用于：
针对同一矿山设备，根据目标检修周期和至少一个历史检修周期，经过平均值计算，得到新的初始检修周期。
本申请实施例的一种可能的实现方式，目标检修周期生成模块203，在执行根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期时，用于：
根据矿山设备的工作状态样本标准差和初始检修周期，得到矿山设备的初始目标检修周期；
根据矿山设备的初始目标检修周期与初始检修周期，判断矿山设备检修周期是否需要更新；
若是，则将矿山设备的初始目标检修周期，作为矿山设备的目标检修周期；
若否，则将矿山设备的初始检修周期，作为矿山设备的目标检修周期。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的一种基于设备数据的检修计划生成装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例中提供了一种电子设备，如图5所示，图5所示的电子设备包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图5示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例通过获取每一矿山设备的工作状态偏差值，以确定每一矿山设备实际工作状态与预测工作状态之间的偏差程度；根据全部矿山设备各自的实际工作状态与预测工作状态之间的偏差程度，得到全部矿山设备各自的工作状态样本标准差，以确定每一矿山设备的工作状态偏差值相较于至少一个剩余矿山设备各自的工作状态偏差值的离散程度，工作状态样本标准差越大离散程度越大，离散程度越大表征矿山设备相较于至少一个剩余矿山设备的运行状态变化越大，从而确定每一矿山设备运行状态的波动情况；基于矿山设备的运行状态波动情况和初始检修周期，更新检修周期，得到矿山设备的目标检修周期，以提升矿山设备的目标检修周期与运行状态波动情况之间的同步性；获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，可以更加合理为每一矿山设备确定检修计划。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种基于设备数据的检修计划生成方法，其特征在于，包括：
获取每一矿山设备的工作状态偏差值，其中，所述每一矿山设备的工作状态偏差值表征每一矿山设备的实际工作状态与预测工作状态之间的偏差程度；
针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差；
针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期；
获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划；
所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期，包括：
基于矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线，其中，所述矿山设备工作状态样本标准差变化曲线的自变量为时间标签，因变量为工作状态样本标准差；
根据所述矿山设备工作状态样本标准差变化曲线，判断所述矿山设备的检修周期是否需要更新；
若是，则根据所述矿山设备工作状态样本标准差变化曲线，更新检修周期，得到矿山设备的目标检修周期；
若否，则将初始检修周期作为目标检修周期。
2.根据权利要求1所述的基于设备数据的检修计划生成方法，其特征在于，在所述获取每一矿山设备的工作状态偏差值之前，还包括：
获取每一矿山设备在多个时刻各自的初始工作状态偏差值；
相应的，所述获取每一矿山设备的工作状态偏差值，包括：
针对每一矿山设备，根据所述多个时刻各自的初始工作状态偏差值，利用样本均值计算公式，得到矿山设备对应的样本均值，其中，所述样本均值计算公式为：为矿山设备对应的样本均值，N为全部矿山设备的数量，Xa为矿山设备对应的初始工作状态偏差值，Xi为第i个矿山设备，a为矿山设备对应的标签；
针对每一矿山设备，根据矿山设备对应的样本均值与所述多个时刻各自的初始工作状态偏差值，利用工作状态偏差值计算公式，得到矿山设备的工作状态偏差值，其中，所述工作状态偏差值计算公式为：a为矿山设备对应的标签，Sa为矿山设备a的工作状态偏差值，N为全部矿山设备的数量，Xi为第i个矿山设备的初始工作状态偏差值，/>为矿山设备对应的样本均值。
3.根据权利要求1所述的基于设备数据的检修计划生成方法，其特征在于，在所述获取每一矿山设备的工作状态偏差值之前，还包括：
获取每一矿山设备在多个时刻各自的初始工作状态偏差值；
相应的，所述获取每一矿山设备的工作状态偏差值，包括：
针对每一矿山设备，根据矿山设备在多个时刻各自的初始工作状态偏差值，利用工作状态偏差值的偏差计算公式，得到矿山设备的工作状态偏差值，其中，工作状态偏差值的偏差计算公式为：为矿山设备的工作状态偏差值，Mla为多个时刻中时间顺序最后的时刻对应的初始工作状态偏差值，n为预设时刻数量，i为多个时刻中时间顺序为第i个的时刻，Mi为矿山设备在第i个时刻对应的初始工作状态偏差值。
4.根据权利要求1所述的基于设备数据的检修计划生成方法，其特征在于，在所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期之后，还包括：
获取生产线中每一矿山设备的检修优先级；
基于多个目标检修周期和所述生产线中每一矿山设备的检修优先级，生成生产线检修计划，其中，生产线包括所述多个目标检修周期各自对应的矿山设备。
5.根据权利要求1所述的基于设备数据的检修计划生成方法，其特征在于，在所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期之后，还包括：
针对同一矿山设备，根据目标检修周期和至少一个历史检修周期，经过平均值计算，得到新的初始检修周期。
6.根据权利要求1所述的基于设备数据的检修计划生成方法，其特征在于，所述根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期，包括：
根据矿山设备的工作状态样本标准差和初始检修周期，得到矿山设备的初始目标检修周期；
根据矿山设备的初始目标检修周期与初始检修周期，判断矿山设备检修周期是否需要更新；
若是，则将所述矿山设备的初始目标检修周期，作为所述矿山设备的目标检修周期；
若否，则将矿山设备的初始检修周期，作为所述矿山设备的目标检修周期。
7.一种基于设备数据的检修计划生成装置，其特征在于，包括：
工作状态偏差值获取模块，用于获取每一矿山设备的工作状态偏差值，其中，所述每一矿山设备的工作状态偏差值表征每一矿山设备的实际工作状态与预测工作状态之间的偏差程度；
工作状态样本标准差获取模块，用于针对每一矿山设备，根据全部矿山设备各自的工作状态偏差值，得到矿山设备的工作状态样本标准差；
目标检修周期生成模块，用于针对每一矿山设备，获取矿山设备的初始检修周期；并根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期；
检修计划生成模块，用于获取每一矿山设备的初始检修计划，并根据每一矿山设备的目标检修周期以及对应的初始检修计划，得到每一矿山设备对应的检修计划；
所述目标检修周期生成模块，在执行根据矿山设备的工作状态样本标准差和初始检修周期，进行检修周期更新，得到矿山设备的目标检修周期时，具体用于：
基于矿山设备的工作状态样本标准差，确定矿山设备工作状态样本标准差变化曲线，其中，所述矿山设备工作状态样本标准差变化曲线的自变量为时间标签，因变量为工作状态样本标准差；根据所述矿山设备工作状态样本标准差变化曲线，判断所述矿山设备的检修周期是否需要更新；若是，则根据所述矿山设备工作状态样本标准差变化曲线，更新检修周期，得到矿山设备的目标检修周期；若否，则将初始检修周期作为目标检修周期。
8.一种电子设备，其特征在于，包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～6任一项所述的基于设备数据的检修计划生成方法。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～6任一项所述的基于设备数据的检修计划生成方法。
CN202310578386.3A 2023-05-22 2023-05-22 基于设备数据的检修计划生成方法、装置、设备和介质 Active CN116308303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310578386.3A CN116308303B (zh) 2023-05-22 2023-05-22 基于设备数据的检修计划生成方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310578386.3A CN116308303B (zh) 2023-05-22 2023-05-22 基于设备数据的检修计划生成方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN116308303A CN116308303A (zh) 2023-06-23
CN116308303B true CN116308303B (zh) 2023-08-29

Family

ID=86780151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310578386.3A Active CN116308303B (zh) 2023-05-22 2023-05-22 基于设备数据的检修计划生成方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN116308303B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650576A (zh) * 2016-09-22 2017-05-10 中国矿业大学 一种基于噪声特征统计量的矿山设备健康状态判决方法
CN107947200A (zh) * 2017-12-04 2018-04-20 长沙理工大学 一种含风电的系统频率偏差系数确定的方法
CN110163389A (zh) * 2019-05-27 2019-08-23 上海电气泰雷兹交通自动化系统有限公司 运用于预见性维护管理中的神经元网络方法
CN112101662A (zh) * 2020-09-16 2020-12-18 珠海格力电器股份有限公司 设备健康状况和生命周期检测方法、存储介质及电子设备
CN113449931A (zh) * 2021-07-30 2021-09-28 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 一种矿山产能确定方法、矿山产能确定装置及服务器
CN113554251A (zh) * 2020-04-23 2021-10-26 中国南方电网有限责任公司 发电负荷偏差分配方法、装置、系统、计算机设备
CN113932849A (zh) * 2021-09-30 2022-01-14 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 一种矿山设备的故障检测方法及终端设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239265B (zh) * 2018-09-11 2021-01-22 清华大学合肥公共安全研究院 监测设备故障检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650576A (zh) * 2016-09-22 2017-05-10 中国矿业大学 一种基于噪声特征统计量的矿山设备健康状态判决方法
CN107947200A (zh) * 2017-12-04 2018-04-20 长沙理工大学 一种含风电的系统频率偏差系数确定的方法
CN110163389A (zh) * 2019-05-27 2019-08-23 上海电气泰雷兹交通自动化系统有限公司 运用于预见性维护管理中的神经元网络方法
CN113554251A (zh) * 2020-04-23 2021-10-26 中国南方电网有限责任公司 发电负荷偏差分配方法、装置、系统、计算机设备
CN112101662A (zh) * 2020-09-16 2020-12-18 珠海格力电器股份有限公司 设备健康状况和生命周期检测方法、存储介质及电子设备
CN113449931A (zh) * 2021-07-30 2021-09-28 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 一种矿山产能确定方法、矿山产能确定装置及服务器
CN113932849A (zh) * 2021-09-30 2022-01-14 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 一种矿山设备的故障检测方法及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"运用检修统计数据进行地面计量设备维修周期优化";潘登 等;《天然气技术与经济》;第第14卷卷(第第3期期);第62-67页 *

Also Published As

Publication number Publication date
CN116308303A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN110073567B (zh) 分布式资源电力需求预测系统和方法
CN109857556B (zh) 内存回收方法及装置、存储介质和电子设备
CN109766362B (zh) 数据处理方法及装置
CN114500339B (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
CN114490078A (zh) 一种微服务的动态缩扩容方法、装置及设备
CN116502166A (zh) 一种基于其他设备数据的预测方法、装置、设备和介质
CN114817651A (zh) 数据存储方法、数据查询方法、装置和设备
CN113806155A (zh) 一种基于物联网的工业设备管理方法和系统
CN116308303B (zh) 基于设备数据的检修计划生成方法、装置、设备和介质
CN112862222A (zh) 空调回风温度的预测方法、异常监控方法和相关装置
CN117332594A (zh) 基于样本信息共享的涡轮叶片系统失效概率函数求解方法
CN111523083A (zh) 一种电力负荷申报数据的确定方法以及装置
CN111125257A (zh) 词典更新方法、装置、设备和存储介质
CN115687950A (zh) 一种电力系统负荷波动分析方法和系统
CN112818521B (zh) 一种液冷板多目标优化方法、电子设备及存储介质
CN114138358A (zh) 应用程序的启动优化方法、装置、设备和存储介质
CN112784165A (zh) 关联关系预估模型的训练方法以及预估文件热度的方法
CN110674839A (zh) 异常用户识别方法、装置、存储介质及电子设备
JPWO2016203541A1 (ja) 情報処理装置および情報処理方法
CN111026571B (zh) 处理器降频处理方法、装置及电子设备
CN116757443B (zh) 新型配电网电力线损率预测方法、装置、电子设备和介质
CN114841457B (zh) 电力负荷估计方法及系统、电子设备及存储介质
CN117857388B (zh) 交换机运行信息检测方法、装置、电子设备与计算机介质
CN114089712B (zh) 一种数据处理方法和装置
CN113093702B (zh) 故障数据的预测方法和装置、电子设备和存储介质

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