CN116579494A - 基于维修耗时下机电设备的备件库存预测方法及系统 - Google Patents
基于维修耗时下机电设备的备件库存预测方法及系统 Download PDFInfo
- Publication number
- CN116579494A CN116579494A CN202310605844.8A CN202310605844A CN116579494A CN 116579494 A CN116579494 A CN 116579494A CN 202310605844 A CN202310605844 A CN 202310605844A CN 116579494 A CN116579494 A CN 116579494A
- Authority
- CN
- China
- Prior art keywords
- electromechanical
- probability
- parts
- spare
- maintenance
- 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.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000009826 distribution Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims description 51
- 230000007246 mechanism Effects 0.000 claims description 48
- 238000012216 screening Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于维修耗时下机电设备的备件库存预测方法及系统,属于备件库存预测领域,方法包括:将各机电件的备件数量设置为0;通过伽马分布的参数,结合各机电件的备件数量计算保障力;将保障力最小的备件数量加1;设置消耗的备件总数量为0;基于消耗的备件总数量,结合机电件的寿命服从威布尔分布且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率;增加消耗的备件总数量,重复上述操作,若消耗的备件总数量大于备件总数量,对及时完成维修的概率和未及时完成维修的概率进行求和,计算备件保障概率;若备件保障概率达到备件保障概率指标,输出备件的库存量和备件保障概率。本发明对备件库存的预测结果更为准确。
Description
技术领域
本发明属于备件库存预测领域,更具体地,涉及一种基于维修耗时下机电设备的备件库存预测方法及系统。
背景技术
机电设备由多个不同类型机电件单元组成,随着科技的发展,越来越多的机电设备出现,机电设备的持续正常运行在实际应用中越来越备受运营商的关注。因此,对于机电设备的维修维护至关重要。
一方面,机电设备的维护工作得以开展的物资基础为备件有充足的库存。另一方面,在生产制造类企业中,备件的流动资金是企业流动资金的重要组成部分,其消耗在设备维修费用中占有较大的比例,因此,备件库存较大往往需要大量的资金,而过多的备件库存会导致备件的积压,长时间的积压进一步导致备件随时间质量的下降,从而导致资金成本的浪费。
现有技术在进行备件库存的预测时,一般约定使用备件的维修耗时忽略不计。这是由于一方面现实中存在维修耗时较长的场景较少,另一方面,忽略维修耗时可以简化复杂的备件需求量的计算问题,此时备件库存的预测结果为备件库存的上限值。但是在轨道交通工具中,例如民航飞机存在很多维修项目耗时较多,有的维修时间可能会长达一年的时间,因此,忽略维修耗时预测的备件库存将过大,将导致库存资金和空间周转慢等问题。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种基于维修耗时下机电设备的备件库存预测方法及系统,旨在解决现有的备件库存预测方法因忽略维修耗时导致备件库存过剩,使得库存资金和空间周转缓慢的问题。
为实现上述目的,第一方面,本发明提供了一种基于维修耗时下机电设备的备件库存预测方法,包括以下步骤:
D1:将各机电件的备件数量均设置为0,将机电件寿命服从威布尔分布近似成服从伽马分布,计算伽马分布的形状参数和尺度参数;
D2:通过伽马分布的形状参数和尺度参数,结合各机电件的备件数量,计算各机电件对应的保障力;其中,保障力为机电件配置对应备件后工作时间超过任务时间的概率;
D3:寻找出保障力最小对应的机电件,将保障力最小对应的机电件的备件数量加1;
D4:计算所有机电件的备件总数量,并设置消耗的备件总数量为0;
D5:基于消耗的备件总数量,结合机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率;
D6:增加消耗的备件总数量,若消耗的备件总数量小于等于备件总数量,则转至D5;否则,对消耗的所有备件数量下的及时完成维修的概率和未及时完成维修的概率进行求和,计算备件保障概率;
D7:判断备件保障概率是否达到备件保障概率指标,若未达到则转至D2,否则执行D8;
D8:将各机电件对应的备件数量作为各备件的库存量,输出备件保障概率。
进一步优选地,保障力计算公式为:
其中,pdyi为保障力,表示机电件i配置si个备件后工作时间超过任务时间的概率;ai和bi为伽马分布的形状参数和尺度参数;T为机电件的任务时间;n为机电件的总数;Γ()为伽马函数。
进一步优选地,及时完成维修的概率Psr为:
其中,q(x)为完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;c是维修耗时均值,d是维修耗时根方差;r为消耗的备件总数量。
进一步优选地,完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率的获取方法,包括以下步骤:
a.选取第i个机电件作为外循环当前机电件,i的初始值为1;
b.基于机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算完成维修下外循环当前第i个机电件消耗k个备件的概率数组;
c.对计算出的完成维修下外循环各机电件消耗k个备件的概率数组进行卷积运算,获取综合前i个机电件消耗备件后的消耗l个备件的概率数组;
d.选取下一机电件作为外循环当前机电件,判断外循环当前机电件的编号是否大于机电件总数量,若不是,则转至步骤b;否则,获取完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率。
进一步优选地,未及时完成维修的概率获取方法,包括以下步骤:
A.选取第i个机电件作为外循环当前机电件,i的初始值为1;
B.结合未及时完成维修情况下一次维修的概率、发生一次故障且未及时完成维修情况下各机电件j发生故障的概率、未及时完成维修情况下r次维修的概率和未及时维修情况下综合所有机电件备件消耗情况共消耗r个备件的概率,计算第i个机电件未及时完成维修情况下消耗r个备件的概率;
C.将外循环中的当前机电件更新为下一机电件,判断当前机电件编号是否大于机电件总数量,若否,则转至步骤B,否则,将所有机电件未及时完成维修情况下消耗r个备件的概率进行求和,获取未及时完成维修的概率。
第二方面,本发明一种基于维修耗时下机电设备的备件库存预测系统,包括:
基本参数的确定模块,用于将各机电件的备件数量均设置为0,将机电件寿命服从威布尔分布近似成服从伽马分布,计算伽马分布的形状参数和尺度参数;
保障力计算模块,用于通过伽马分布的形状参数和尺度参数,结合各机电件的备件数量,计算各机电件对应的保障力;其中,保障力为机电件配置对应备件后工作时间超过任务时间的概率;
最小保障力筛选模块,用于寻找出保障力最小对应的机电件,将保障力最小对应的机电件的备件数量加1;
备件总参数设定模块,用于计算所有机电件的备件总数量,并设置消耗的备件总数量为0;
维修概率计算模块,用于基于消耗的备件总数量,结合机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率;
消耗备件总数量判定模块,用于增加消耗的备件总数量,判断消耗的备件总数量是否小于等于备件总数量;
备件保障概率计算模块,用于当消耗的备件总数量大于备件总数量时,对消耗的所有备件数量下的及时完成维修的概率和未及时完成维修的概率进行求和,计算备件保障概率;
备件保障概率判定模块,用于判断备件保障概率是否达到备件保障概率指标;
数据输出模块,用于当备件保障概率达到备件保障概率指标时,将各机电件对应的备件数量作为各备件的库存量,输出备件保障概率。
进一步优选地,保障力计算公式为:
其中,pdyi为保障力,表示机电件i配置si个备件后工作时间超过任务时间的概率;ai和bi为伽马分布的形状参数和尺度参数;T为机电件的任务时间;n为机电件的总数;Γ()为伽马函数。
进一步优选地,及时完成维修的概率Psr为:
其中,q(x)为完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;c是维修耗时均值,d是维修耗时根方差;r为消耗的备件总数量。
进一步优选地,维修概率计算模块中设置有综合机电件消耗备件的概率计算单元,用于计算完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;综合机电件消耗备件的概率计算单元包括第一机电件选取机构、完成维修下各机电件消耗备件的概率计算机构、完成维修下综合机电件消耗备件的概率计算机构和第一机电件判断机构;
第一机电件选取机构用于选取第i个机电件作为外循环当前机电件,i的初始值为1;
完成维修下各机电件消耗备件的概率计算机构用于基于机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算完成维修下外循环当前第i个机电件消耗k个备件的概率数组;
完成维修下综合机电件消耗备件的概率计算机构用于对计算出的完成维修下外循环各机电件消耗k个备件的概率数组进行卷积运算,获取综合前i个机电件消耗备件后的消耗l个备件的概率数组;当当前机电件的编号大于机电件总数量时,获取完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;
第一机电件判断机构用于选取下一机电件作为外循环当前机电件,判断外循环当前机电件的编号是否大于机电件总数量。
进一步优选地,维修概率计算模块中设置有未及时完成维修的概率获取单元,未及时完成维修的概率获取单元包括第二机电件选取机构、未及时完成维修下各机电件消耗备件的概率计算机构、概率求和机构和第二机电件判断机构;
第二机电件选取机构用于选取第i个机电件作为外循环当前机电件,i的初始值为1;
未及时完成维修下各机电件消耗备件的概率计算机构用于结合未及时完成维修情况下一次维修的概率、发生一次故障且未及时完成维修情况下各机电件j发生故障的概率、未及时完成维修情况下r次维修的概率和未及时维修情况下综合所有机电件备件消耗情况共消耗r个备件的概率,计算第i个机电件未及时完成维修情况下消耗r个备件的概率;
概率求和机构用于当外循环中的当前机电件的编号大于机电件总数量,将所有机电件未及时完成维修情况下消耗r个备件的概率进行求和,获取未及时完成维修的概率;
第二机电件判断机构用于将外循环中的当前机电件更新为下一机电件,判断当前机电件编号是否大于机电件总数量。
第三方面,本发明提供一种电子设备,包括:至少一个存储器,用于存储程序;至少一个处理器,用于执行存储器存储的程序,当存储器存储的程序被执行时,处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在处理器上运行时,使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
第五方面,本发明提供一种计算机程序产品,当计算机程序产品在处理器上运行时,使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下
有益效果:
本发明提供了一种基于维修耗时下机电设备的备件库存预测方法及系统,其中,首先选取保障力最小对应的机电件,对其多设置一个备件;然后,结合机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率,最后计算备件保障概率是否达到备件保障概率指标,进一步获取满足条件的备件库存量;与现有的忽略维修耗时获取的备件库存量要更贴近实际应用,与仿真结果拟合效果更佳,因此,本发明对备件库存的预测结果更为准确。
附图说明
图1是本发明实施例提供的基于维修耗时下机电设备的备件库存预测方法流程图;
图2是本发明实施例提供的完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率的获取方法流程图;
图3是本发明实施例提供的未及时完成维修的概率获取方法流程图;
图4是本发明实施例提供的采用忽略维修耗时的现有方法、考虑维修耗时的本发明提出的预测方法和考虑维修耗时的仿真方法的结果对比图。
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,以下结合附图及实施例,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仅用以解释本发明,并不用于限定本发明。
下面介绍本发明需使用的名词定义:
备件保障概率是故障发生时有备件的概率,常用于计算备件库存量;
机电件的寿命一般服从威布尔分布,如:滚珠轴承、继电器、开关、断路器、磁控管、电位计、陀螺、电动机、航空发电机、蓄电池、液压泵、空气涡轮发动机、齿轮、活门、材料疲劳件等。
随机变量服从威布尔分布W(u,v),其概率密度函数为:其中,u为尺度参数,v为形状参数,
机电设备由多个不同类型机电件单元组成,当其中一个机电件单元出现故障时视设备出现故障,通过更换故障机电件单元的方式完成对设备的维修;
在本发明中已知机电件的任务时间T,某机电类设备由n个机电件单元组成,这些机电件单元的寿命均服从威布尔分布W(ui,vi),维修耗时服从正态分布N(c,d);其中,c是维修耗时均值,d是维修耗时根方差;
一方面,如图1所示,本发明提供了一种基于维修耗时下机电设备的备件库存预测方法,包括以下步骤:
S1:初始化各机电件的备件数量si=0,将机电件寿命服从威布尔分布近似成服从伽马分布,计算伽马分布的形状参数ai和尺度参数bi;
其中, Γ()为伽玛函数;/>
S2:找出保障力度最小的机电件单元;
S2.1:通过机电件寿命近似服从伽马分布,遍历计算pdyi;
其中,pdyi为机电件单元i配置si个备件后工作时间超过任务时间的概率,也称为保障力;
S2.2:找出所有pdyi中的最小值,其对应的机电件序号记为m,机电件单元m即为保障力度最小的单元;
S2.3:对机电件单元m增加1个备件,令sm=sm+1;其中,Sm为机电件单元m的备件数量;
S3:令备件总数量为消耗的备件总数量r=0;
S4:基于消耗的备件总数量,计算及时完成维修的概率Psr;
其中,q(x)为完成维修下综合外循环所有机电件消耗备件后的消耗所有备件的概率;如图2所示,具体计算步骤为:
a.选取第i个机电件作为外循环当前机电件,即令i=1;
b.基于机电件单元的寿命均服从威布尔分布W(ui,vi),且维修耗时服从正态分布N(c,d),计算完成维修下外循环当前第i个机电件消耗k个备件的概率数组pd;
c.对计算出的完成维修下外循环各机电件消耗k个备件的概率数组进行卷积运算,获取综合机电件消耗备件后的消耗l个备件的概率数组;
更为具体地:若i=1,则令pj=pd,否则pj=pj*pd,*是卷积计算符号;
d.选取下一个机电件作为外循环当前机电件,即更新i=i+1,且i≤n,则执行步骤b,否则令q(x)=pj1+r;
S5:计算未及时完成维修的概率Pfr;如图3所示,具体包括以下步骤:
S5.1:选取第i个机电件作为外循环当前机电件,即令i=1;
S5.2:计算Pfti;
其中,R(y)为未及时完成维修情况下一次维修的概率;Dj(y)为发生一次故障且未及时完成维修情况下各机电件j发生故障的概率;g(y)为未及时完成维修情况下r次维修的概率;h(y)为是未及时维修情况下综合所有机电件备件消耗情况共消耗r个备件的概率;Pfti为第i个机电件未及时完成维修情况下消耗r个备件的概率;x是维修耗时变量;y是寿命变量;t是时间变量;
h(y)的计算步骤如下:
h1:提取第j个机电件作为内循环当前机电件,即令j=1;
h2:基于机电件单元的寿命均服从威布尔分布W(ui,vi),计算未及时维修条件下内循环当前第j个机电件消耗k个备件的概率数组pe;
若j=i,
否则,
h3:对计算出的内循环各机电件消耗k个备件的概率数组进行卷积运算,获取未及时维修条件下综合内循环机电件消耗备件后的消耗k个备件的概率数组pk;
数学表达为:
若j=1,则令pk=pe,否则pk=pk*pe,*是卷积计算符号;
h4:选取下一个机电件作为内循环当前机电件j=j+1,并判断内循环当前机电件的编号是否大于等于机电件最大编号n;若否,则转至h2,否则,h(y)=pkr;
数学表达为:
更新j=j+1,若j≤n则执行h2,否则令h(y)=pkr;
S5.3将外循环中的当前机电件更新为下一机电件(i=1+i),判断当前机电件编号是否大于总机电件(i≤n),若否,则转至S5.2,否则,
S6:增加消耗的备件总数量,若消耗备件总数量小于等于备件总数量,则转至S4,否则,令备件保障概率为
S7:判断备件保障概率是否达到备件保障概率指标,若未达到则转至S2,否则转至S8;
S8:将各单元的备件数量Si作为备件库存预测量输出,且输出备件保障概率Pb。
第二方面,本发明一种基于维修耗时下机电设备的备件库存预测系统,包括:
基本参数的确定模块,用于将各机电件的备件数量均设置为0,将机电件寿命服从威布尔分布近似成服从伽马分布,计算伽马分布的形状参数和尺度参数;
保障力计算模块,用于通过伽马分布的形状参数和尺度参数,结合各机电件的备件数量,计算各机电件对应的保障力;其中,保障力为机电件配置对应备件后工作时间超过任务时间的概率;
最小保障力筛选模块,用于寻找出保障力最小对应的机电件,将保障力最小对应的机电件的备件数量加1;
备件总参数设定模块,用于计算所有机电件的备件总数量,并设置消耗的备件总数量为0;
维修概率计算模块,用于基于消耗的备件总数量,结合机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率;
消耗备件总数量判定模块,用于增加消耗的备件总数量,判断消耗的备件总数量是否小于等于备件总数量;
备件保障概率计算模块,用于当消耗的备件总数量大于备件总数量时,对消耗的所有备件数量下的及时完成维修的概率和未及时完成维修的概率进行求和,计算备件保障概率;
备件保障概率判定模块,用于判断备件保障概率是否达到备件保障概率指标;
数据输出模块,用于当备件保障概率达到备件保障概率指标时,将各机电件对应的备件数量作为各备件的库存量,输出备件保障概率。
进一步优选地,保障力计算公式为:
其中,pdyi为保障力,表示机电件i配置si个备件后工作时间超过任务时间的概率;ai和bi为伽马分布的形状参数和尺度参数;T为机电件的任务时间;n为机电件的总数;Γ()为伽马函数。
进一步优选地,及时完成维修的概率Psr为:
其中,q(x)为完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;c是维修耗时均值,d是维修耗时根方差;r为消耗的备件总数量。
进一步优选地,维修概率计算模块中设置有综合机电件消耗备件的概率计算单元,用于计算完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;综合机电件消耗备件的概率计算单元包括第一机电件选取机构、完成维修下各机电件消耗备件的概率计算机构、完成维修下综合机电件消耗备件的概率计算机构和第一机电件判断机构;
第一机电件选取机构用于选取第i个机电件作为外循环当前机电件,i的初始值为1;
完成维修下各机电件消耗备件的概率计算机构用于基于机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算完成维修下外循环当前第i个机电件消耗k个备件的概率数组;
完成维修下综合机电件消耗备件的概率计算机构用于对计算出的完成维修下外循环各机电件消耗k个备件的概率数组进行卷积运算,获取综合前i个机电件消耗备件后的消耗l个备件的概率数组;当当前机电件的编号大于机电件总数量时,获取完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;
第一机电件判断机构用于选取下一机电件作为外循环当前机电件,判断外循环当前机电件的编号是否大于机电件总数量。
进一步优选地,维修概率计算模块中设置有未及时完成维修的概率获取单元,未及时完成维修的概率获取单元包括第二机电件选取机构、未及时完成维修下各机电件消耗备件的概率计算机构、概率求和机构和第二机电件判断机构;
第二机电件选取机构用于选取第i个机电件作为外循环当前机电件,i的初始值为1;
未及时完成维修下各机电件消耗备件的概率计算机构用于结合未及时完成维修情况下一次维修的概率、发生一次故障且未及时完成维修情况下各机电件j发生故障的概率、未及时完成维修情况下r次维修的概率和未及时维修情况下综合所有机电件备件消耗情况共消耗r个备件的概率,计算第i个机电件未及时完成维修情况下消耗r个备件的概率;
概率求和机构用于当外循环中的当前机电件的编号大于机电件总数量,将所有机电件未及时完成维修情况下消耗r个备件的概率进行求和,获取未及时完成维修的概率;
第二机电件判断机构用于将外循环中的当前机电件更新为下一机电件,判断当前机电件编号是否大于机电件总数量。
实施例
某机电类部件由4个机电单元组成,机电单元寿命服从威布尔分布W(100,1.5)、W(110,1.7)、W(120,1.9)、W(130,2.1),任务时间为200h,修复故障的时间服从正态分布N(10,3),要求备件保障概率不低于0.9,计算此时的备件库存量;
S1:初始化各机电件的备件数量si=0,参数ai分别为:2.169、2.728、3.337、3.995,参数bi分别为:41.62、35.98、31.91、28.82;其中,1≤i≤4;
S2:找出保障力度最小的机电件单元,此时各机电件单元的pdy分别为:0.059、0.064、0.072和0.085,第一个机电件单元是保障力度最小的单元,增加1个该机电件单元的备件;
多次执行S2~S7,各机电件单元的备件数量和备件保障概率结果如表1所示;
表1
备件保障概率 | 备件总数量 | 单元1的备件数量 | 单元2的备件数量 | 单元3的备件数量 | 单元4的备件数量 |
0.000 | 1 | 1 | 0 | 0 | 0 |
0.003 | 2 | 1 | 1 | 0 | 0 |
0.025 | 3 | 1 | 1 | 1 | 0 |
0.161 | 4 | 1 | 1 | 1 | 1 |
0.305 | 5 | 2 | 1 | 1 | 1 |
0.488 | 6 | 2 | 2 | 1 | 1 |
0.670 | 7 | 2 | 2 | 2 | 1 |
0.818 | 8 | 2 | 2 | 2 | 2 |
0.910 | 9 | 3 | 2 | 2 | 2 |
S8:各单元的备件库存预测量分别为3、2、2和2,其对应的备件保障概率为0.910,满足不低于0.9的指标要求。
本发明的关键在于计算备件库存量对应的备件保障概率,分别采用忽略维修耗时理想情况下现有方法、考虑维修耗时的本发明预测方法和考虑维修耗时的仿真方法。图4中展示了通过本发明方法计算的备件库存数1~17的3种备件保障概率结果;图4表明,与现有方法相比,考虑维修耗时的本发明的评估结果与仿真结果更为接近,很好地反映了因维修耗时占用任务器件的工作时间会降低备件库存,相同备件库存数时备件保障概率应更大这一实际情况。面对备件保障概率不低于0.9这一相同的指标要求,忽略维修耗时和考虑维修耗时的备件总数量分别为13和9。在面临维修耗时较大的实际情况时,本发明提供的备件库存预测方法能更合理确定备件库存量,有效解决现有方法造成的备件准备过多问题。
应当理解的是,上述装置用于执行上述实施例中的方法,装置中相应的程序模块,其实现原理和技术效果与上述方法中的描述类似,该装置的工作过程可参考上述方法中的对应过程,此处不再赘述。
基于上述实施例中的方法,本发明实施例提供了一种电子设备。该设备可以包括:至少一个用于存储程序的存储器和至少一个用于执行存储器存储的程序的处理器。其中,当存储器存储的程序被执行时,处理器用于执行上述实施例中所描述的方法。
基于上述实施例中的方法,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在处理器上运行时,使得处理器执行上述实施例中的方法。
基于上述实施例中的方法,本发明实施例提供了一种计算机程序产品,当计算机程序产品在处理器上运行时,使得处理器执行上述实施例中的方法。
可以理解的是,本发明的实施例中的处理器可以是中央处理单元(centralprocessing unit,CPU),还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)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。通用处理器可以是微处理器,也可以是任何常规的处理器。
本发明的实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器(random access memory,RAM)、闪存、只读存储器(read-only memory,ROM)、可编程只读存储器(programmable rom,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
可以理解的是,在本发明的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本发明的实施例的范围。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于维修耗时下机电设备的备件库存预测方法,其特征在于,包括以下步骤:
D1:将各机电件的备件数量均设置为0,将机电件寿命服从威布尔分布近似成服从伽马分布,计算伽马分布的形状参数和尺度参数;
D2:通过伽马分布的形状参数和尺度参数,结合各机电件的备件数量,计算各机电件对应的保障力;其中,保障力为机电件配置对应备件后工作时间超过任务时间的概率;
D3:寻找出保障力最小对应的机电件,将保障力最小对应的机电件的备件数量加1;
D4:计算所有机电件的备件总数量,并设置消耗的备件总数量为0;
D5:基于消耗的备件总数量,结合机电件的寿命服从威布尔分布且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率;
D6:增加消耗的备件总数量,若消耗的备件总数量小于等于备件总数量,则转至D5;否则,对消耗的所有备件数量下的及时完成维修的概率和未及时完成维修的概率进行求和,计算备件保障概率;
D7:判断备件保障概率是否达到备件保障概率指标,若未达到则转至D2,否则执行D8;
D8:将各机电件对应的备件数量作为各备件的库存量,输出备件保障概率。
2.根据权利要求1所述的备件库存预测方法,其特征在于,所述保障力计算公式为:
其中,pdyi为保障力,表示机电件i配置si个备件后工作时间超过任务时间的概率;ai和bi为伽马分布的形状参数和尺度参数;T为机电件的任务时间;n为机电件的总数;Γ()为伽马函数。
3.根据权利要求1或2所述的备件库存预测方法,其特征在于,及时完成维修的概率Psr为:
其中,q(x)为完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;c是维修耗时均值,d是维修耗时根方差;r为消耗的备件总数量;ai和bi为伽马分布的形状参数和尺度参数;n为机电件的总数;Γ()为伽马函数;T为机电件的任务时间。
4.根据权利要求3所述的备件库存预测方法,其特征在于,完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率的获取方法,包括以下步骤:
a.选取第i个机电件作为外循环当前机电件,i的初始值为1;
b.基于机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算完成维修下外循环当前第i个机电件消耗k个备件的概率数组;
c.对计算出的完成维修下外循环各机电件消耗k个备件的概率数组进行卷积运算,获取综合前i个机电件消耗备件后的消耗l个备件的概率数组;
d.选取下一机电件作为外循环当前机电件,判断外循环当前机电件的编号是否大于机电件总数量,若不是,则转至步骤b;否则,获取完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率。
5.根据权利要求1或2所述的备件库存预测方法,其特征在于,未及时完成维修的概率获取方法,包括以下步骤:
A.选取第i个机电件作为外循环当前机电件,i的初始值为1;
B.结合未及时完成维修情况下一次维修的概率、发生一次故障且未及时完成维修情况下各机电件j发生故障的概率、未及时完成维修情况下r次维修的概率和未及时维修情况下综合所有机电件备件消耗情况共消耗r个备件的概率,计算第i个机电件未及时完成维修情况下消耗r个备件的概率;
C.将外循环中的当前机电件更新为下一机电件,判断当前机电件编号是否大于机电件总数量,若否,则转至步骤B,否则,将所有机电件未及时完成维修情况下消耗r个备件的概率进行求和,获取未及时完成维修的概率。
6.一种基于维修耗时下机电设备的备件库存预测系统,其特征在于,包括:
基本参数的确定模块,用于将各机电件的备件数量均设置为0,将机电件寿命服从威布尔分布近似成服从伽马分布,计算伽马分布的形状参数和尺度参数;
保障力计算模块,用于通过伽马分布的形状参数和尺度参数,结合各机电件的备件数量,计算各机电件对应的保障力;其中,保障力为机电件配置对应备件后工作时间超过任务时间的概率;
最小保障力筛选模块,用于寻找出保障力最小对应的机电件,将保障力最小对应的机电件的备件数量加1;
备件总参数设定模块,用于计算所有机电件的备件总数量,并设置消耗的备件总数量为0;
维修概率计算模块,用于基于消耗的备件总数量,结合机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算及时完成维修的概率和未及时完成维修的概率;
消耗备件总数量判定模块,用于增加消耗的备件总数量,判断消耗的备件总数量是否小于等于备件总数量;
备件保障概率计算模块,用于当消耗的备件总数量大于备件总数量时,对消耗的所有备件数量下的及时完成维修的概率和未及时完成维修的概率进行求和,计算备件保障概率;
备件保障概率判定模块,用于判断备件保障概率是否达到备件保障概率指标;
数据输出模块,用于当备件保障概率达到备件保障概率指标时,将各机电件对应的备件数量作为各备件的库存量,输出备件保障概率。
7.根据权利要求6所述的备件库存预测系统,其特征在于,所述保障力计算公式为:
其中,pdyi为保障力,表示机电件i配置si个备件后工作时间超过任务时间的概率;ai和bi为伽马分布的形状参数和尺度参数;T为机电件的任务时间;n为机电件的总数;Γ()为伽马函数。
8.根据权利要求6或7所述的备件库存预测系统,其特征在于,及时完成维修的概率Psr为:
其中,q(x)为完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;c是维修耗时均值,d是维修耗时根方差;r为消耗的备件总数量。
9.根据权利要求8所述的备件库存预测系统,其特征在于,维修概率计算模块中设置有综合机电件消耗备件的概率计算单元,用于计算完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;综合机电件消耗备件的概率计算单元包括第一机电件选取机构、完成维修下各机电件消耗备件的概率计算机构、完成维修下综合机电件消耗备件的概率计算机构和第一机电件判断机构;
第一机电件选取机构用于选取第i个机电件作为外循环当前机电件,i的初始值为1;
完成维修下各机电件消耗备件的概率计算机构用于基于机电件的寿命服从威布尔分布,且维修耗时服从正态分布,计算完成维修下外循环当前第i个机电件消耗k个备件的概率数组;
完成维修下综合机电件消耗备件的概率计算机构用于对计算出的完成维修下外循环各机电件消耗k个备件的概率数组进行卷积运算,获取综合前i个机电件消耗备件后的消耗l个备件的概率数组;当当前机电件的编号大于机电件总数量时,获取完成维修下综合外循环所有机电件消耗备件后的消耗r个备件的概率;
第一机电件判断机构用于选取下一机电件作为外循环当前机电件,判断外循环当前机电件的编号是否大于机电件总数量。
10.根据权利要求6或7所述的备件库存预测系统,其特征在于,维修概率计算模块中设置有未及时完成维修的概率获取单元,未及时完成维修的概率获取单元包括第二机电件选取机构、未及时完成维修下各机电件消耗备件的概率计算机构、概率求和机构和第二机电件判断机构;
第二机电件选取机构用于选取第i个机电件作为外循环当前机电件,i的初始值为1;
未及时完成维修下各机电件消耗备件的概率计算机构用于结合未及时完成维修情况下一次维修的概率、发生一次故障且未及时完成维修情况下各机电件j发生故障的概率、未及时完成维修情况下r次维修的概率和未及时维修情况下综合所有机电件备件消耗情况共消耗r个备件的概率,计算第i个机电件未及时完成维修情况下消耗r个备件的概率;
概率求和机构用于当外循环中的当前机电件的编号大于机电件总数量,将所有机电件未及时完成维修情况下消耗r个备件的概率进行求和,获取未及时完成维修的概率;
第二机电件判断机构用于将外循环中的当前机电件更新为下一机电件,判断当前机电件编号是否大于机电件总数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310605844.8A CN116579494B (zh) | 2023-05-23 | 2023-05-23 | 基于维修耗时下机电设备的备件库存预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310605844.8A CN116579494B (zh) | 2023-05-23 | 2023-05-23 | 基于维修耗时下机电设备的备件库存预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579494A true CN116579494A (zh) | 2023-08-11 |
CN116579494B CN116579494B (zh) | 2024-03-19 |
Family
ID=87533864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310605844.8A Active CN116579494B (zh) | 2023-05-23 | 2023-05-23 | 基于维修耗时下机电设备的备件库存预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579494B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973638A (zh) * | 2024-03-29 | 2024-05-03 | 中国人民解放军海军工程大学 | 一种修理线的修理工艺模块化组合优化设计方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050177467A1 (en) * | 2004-01-23 | 2005-08-11 | Jihua Wang | Rotable inventory calculation method |
US20130282355A1 (en) * | 2012-04-24 | 2013-10-24 | International Business Machines Corporation | Maintenance planning and failure prediction from data observed within a time window |
US10062053B1 (en) * | 2013-10-23 | 2018-08-28 | American Airlines, Inc. | Spare component ownership planning system and method |
CN108509389A (zh) * | 2018-03-25 | 2018-09-07 | 中国人民解放军海军工程大学 | 一种威布尔型串联部件的备件需求量计算方法 |
CN110688759A (zh) * | 2019-09-30 | 2020-01-14 | 青岛航讯网络技术服务有限公司 | 表决部件的备件量计算方法、仿真方法、终端及存储介质 |
CN110717266A (zh) * | 2019-09-30 | 2020-01-21 | 中国人民解放军海军工程大学 | 一种对数正态型通用件的备件保障概率计算方法及装置 |
CN110738007A (zh) * | 2019-09-30 | 2020-01-31 | 中国人民解放军海军工程大学 | 一种电子类通用件的备件保障概率计算方法及装置 |
US20210064456A1 (en) * | 2019-08-29 | 2021-03-04 | Sap Se | Failure mode specific analytics using parametric models |
US20210108501A1 (en) * | 2019-10-14 | 2021-04-15 | Seadrill Americas Inc. | Critical Spare Part Identification Process for Mobile Offshore Drilling Units |
CN113487187A (zh) * | 2021-07-08 | 2021-10-08 | 西安交通大学 | 基于级次维修的时变备件库存配置方法 |
CN114529019A (zh) * | 2022-01-14 | 2022-05-24 | 中国人民解放军海军工程大学 | 一种基于任务成功率的备件保障概率确定方法及装置 |
CN114925896A (zh) * | 2022-05-10 | 2022-08-19 | 中国人民解放军32181部队 | 维修器材库存优化方法、装置及系统 |
CN115310048A (zh) * | 2022-10-08 | 2022-11-08 | 中国人民解放军海军工程大学 | 一种设备在期望时间内完成修复概率的计算方法和系统 |
CN115688025A (zh) * | 2022-10-25 | 2023-02-03 | 中国人民解放军海军工程大学 | 一种设备故障修复时间的概率分布的估计方法和系统 |
CN115759923A (zh) * | 2022-11-01 | 2023-03-07 | 安徽磁云数据科技有限公司 | 基于备件历史消耗数据和故障预测的备件库存管理方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845109B (zh) * | 2017-01-20 | 2019-08-27 | 中国人民解放军海军工程大学 | 一种指数型有寿件备件需求量的计算方法 |
CN110705103B (zh) * | 2019-09-30 | 2022-06-14 | 中国人民解放军海军工程大学 | 一种伽玛型通用件的备件保障概率计算方法及装置 |
KR20210151510A (ko) * | 2020-06-05 | 2021-12-14 | 한국전력공사 | 발전 설비 부품의 고장 확률 예측 장치 및 방법 |
CN115862401B (zh) * | 2022-08-16 | 2023-07-21 | 中国人民解放军海军工程大学 | 燃气轮机监控系统故障模拟与维修训练方法、系统与装置 |
-
2023
- 2023-05-23 CN CN202310605844.8A patent/CN116579494B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050177467A1 (en) * | 2004-01-23 | 2005-08-11 | Jihua Wang | Rotable inventory calculation method |
US20130282355A1 (en) * | 2012-04-24 | 2013-10-24 | International Business Machines Corporation | Maintenance planning and failure prediction from data observed within a time window |
US10062053B1 (en) * | 2013-10-23 | 2018-08-28 | American Airlines, Inc. | Spare component ownership planning system and method |
CN108509389A (zh) * | 2018-03-25 | 2018-09-07 | 中国人民解放军海军工程大学 | 一种威布尔型串联部件的备件需求量计算方法 |
US20210064456A1 (en) * | 2019-08-29 | 2021-03-04 | Sap Se | Failure mode specific analytics using parametric models |
CN110738007A (zh) * | 2019-09-30 | 2020-01-31 | 中国人民解放军海军工程大学 | 一种电子类通用件的备件保障概率计算方法及装置 |
CN110717266A (zh) * | 2019-09-30 | 2020-01-21 | 中国人民解放军海军工程大学 | 一种对数正态型通用件的备件保障概率计算方法及装置 |
CN110688759A (zh) * | 2019-09-30 | 2020-01-14 | 青岛航讯网络技术服务有限公司 | 表决部件的备件量计算方法、仿真方法、终端及存储介质 |
US20210108501A1 (en) * | 2019-10-14 | 2021-04-15 | Seadrill Americas Inc. | Critical Spare Part Identification Process for Mobile Offshore Drilling Units |
CN113487187A (zh) * | 2021-07-08 | 2021-10-08 | 西安交通大学 | 基于级次维修的时变备件库存配置方法 |
CN114529019A (zh) * | 2022-01-14 | 2022-05-24 | 中国人民解放军海军工程大学 | 一种基于任务成功率的备件保障概率确定方法及装置 |
CN114925896A (zh) * | 2022-05-10 | 2022-08-19 | 中国人民解放军32181部队 | 维修器材库存优化方法、装置及系统 |
CN115310048A (zh) * | 2022-10-08 | 2022-11-08 | 中国人民解放军海军工程大学 | 一种设备在期望时间内完成修复概率的计算方法和系统 |
CN115688025A (zh) * | 2022-10-25 | 2023-02-03 | 中国人民解放军海军工程大学 | 一种设备故障修复时间的概率分布的估计方法和系统 |
CN115759923A (zh) * | 2022-11-01 | 2023-03-07 | 安徽磁云数据科技有限公司 | 基于备件历史消耗数据和故障预测的备件库存管理方法 |
Non-Patent Citations (3)
Title |
---|
李华;周亮;李庆民;刘任洋;: "有限维修能力下作战单元装备可用度评估及备件配置优化", 海军工程大学学报, no. 01 * |
王美乂;端木京顺;何新宏;: "基于序列运算理论的维修备件保障决策模型", 控制理论与应用, no. 06 * |
陈砚桥;金家善;黄政;: "批量独立可修件的备件需求预测仿真算法", 海军工程大学学报, no. 06 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973638A (zh) * | 2024-03-29 | 2024-05-03 | 中国人民解放军海军工程大学 | 一种修理线的修理工艺模块化组合优化设计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116579494B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116579494B (zh) | 基于维修耗时下机电设备的备件库存预测方法及系统 | |
CN112904266B (zh) | 一种电能表寿命预测方法及装置 | |
CN115270078B (zh) | 一种机电设备平均修复时间的计算方法和系统 | |
CN116843119B (zh) | 一种考虑维修耗时的电子单元备件设计方法及系统 | |
CN115689207A (zh) | 风电场运维管理方法、装置、计算机设备和存储介质 | |
CN116611654B (zh) | 机电通用件在维修工作下的备件需求量估计方法及系统 | |
CN116757308B (zh) | 一种电子类表决部件的备件需求量预测方法及系统 | |
CN116955910B (zh) | 一种机械串联部件的保障任务成功率计算方法和系统 | |
CN116822843A (zh) | 一种针对电子串联部件的备件需求量计算方法及系统 | |
CN116955912A (zh) | 一种电子设备的备件保障任务的成功率评估方法及系统 | |
CN116629549A (zh) | 基于维修耗时的机械通用件备件需求量的计算方法及系统 | |
CN113822441B (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
JP2010020573A (ja) | 設備のライフサイクルマネジメントシステムおよびその方法 | |
CN116862135B (zh) | 一种机械设备维修分析方法、系统及电子设备 | |
CN116579573B (zh) | 一种满足维修需求的机电件备件保障分析方法 | |
CN116502845B (zh) | 考虑维修耗时的机电设备备件平均消耗数估计方法和系统 | |
CN116757401A (zh) | 一种电子通用件备件需求量的优化估算方法及系统 | |
CN116934154A (zh) | 一种维修耗时服从正态分布的机电件使用可用度评估方法 | |
CN116822839A (zh) | 一种正态分布机械串联部件的备件需求确定方法及装置 | |
CN116805225A (zh) | 一种威布尔分布机电类设备的使用可用度确定方法及系统 | |
CN116955911A (zh) | 一种电子串联部件任务评估方法、装置及电子设备 | |
CN116644919A (zh) | 一种机械类表决部件的备件需求量计算方法及系统 | |
Zhou et al. | Mission availability for bounded-cumulative-downtime system | |
CN117114466A (zh) | 一种电子类部件使用可用度确定方法及装置 | |
US11392573B1 (en) | Systems and methods for generating and maintaining data objects |
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 |