CN116579573A - 一种满足维修需求的机电件备件保障分析方法 - Google Patents
一种满足维修需求的机电件备件保障分析方法 Download PDFInfo
- Publication number
- CN116579573A CN116579573A CN202310587766.3A CN202310587766A CN116579573A CN 116579573 A CN116579573 A CN 116579573A CN 202310587766 A CN202310587766 A CN 202310587766A CN 116579573 A CN116579573 A CN 116579573A
- Authority
- CN
- China
- Prior art keywords
- spare part
- probability
- spare
- electromechanical
- parameters
- 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 94
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 230000006870 function Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 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
- 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
- G06Q10/06—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
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种满足维修需求的机电件备件保障分析方法,包括:第一步,获取机电件寿命威布尔分布下的参数,维修耗时参数以及基于伽玛函数、威布尔参数确定伽玛分布下的参数;第二步,令备件数量、备件保障概率为0;第三步,根据寿命分布确定联合概率;第四步,将当前备件保障概率加上联合概率,得到新备件保障概率;第五步,若新备件保障概率低于阈值,则将备件增加1个,否则执行第九步;第六步,根据维修耗时分布、伽玛分布下的参数确定联合概率;第七步,将备件保障概率与联合概率相加,得到新备件保障概率;第八步,若备件保障概率低于阈值,将备件增加1个,执行第六步和第七步,否则执行第九步;第九步,得到满足维修需求的维修分析结果。
Description
技术领域
本发明属于机电件维修分析领域,更具体地,涉及一种满足维修需求的机电件备件保障分析方法。
背景技术
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。
在当前的机电件维修耗时分析时,通常只针对维修耗时较小的场景,对于维修耗时不可忽略的场景,现有分析方法并不适用,因此,亟需提供一种具有实际应用价值的维修评估方法,以保证机电件的备件满足维修需求。
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满足维修需求的机电件备件保障分析方法,旨在解决现有机电件维修评估方法无法满足维修需求的问题。
为实现上述目的,第一方面,本发明提供了一种满足维修需求的机电件备件保障分析方法,包括以下步骤:
第一步,获取机电件寿命在威布尔分布下的参数,所述参数包括尺度参数和形状参数,确定维修耗时的正态分布参数以及基于伽玛函数、尺度参数及形状参数确定机电件在伽玛分布下的形状参数和尺度参数;
第二步,令备件数量为0,备件保障概率为0;
第三步,根据机电件寿命分布参数确定备件数量为0时的机电件寿命和维修耗时的联合概率;
第四步,将当前备件保障概率的基础上累加所述联合概率,得到新的备件保障概率;
第五步,若新的备件保障概率低于预设阈值,则将备件数量增加1个,否则执行第九步;
第六步,根据维修耗时分布、机电件在伽玛分布下的形状参数及尺度参数确定当前备件数量下机电件寿命和维修耗时的联合概率;
第七步,将当前备件保障概率与所述联合概率相加,得到更新的备件保障概率;
第八步,若当前求得的备件保障概率低于预设阈值,则将备件数量增加1个,执行第六步和第七步,否则执行第九步;
第九步,得到满足维修需求的备件保障维修分析结果,其包括:最后一次求取的备件数量和备件保障概率。
在一个可能的实现方式中,设机电件的寿命威布尔分布为:W(u,v),u为尺度参数,v为形状参数,其概率密度函数为维修耗时的正态分布为N(c,d),c是维修耗时均值,d是维修耗时根方差;
当前备件数量下机电件寿命和维修耗时的联合概率p,具体为:
当i=0时,p=e-(T/u)v,i表示备件数量。
在一个可能的实现方式中,机电件在伽玛分布下的形状参数a和尺度参数b具体为:
式中Γ()为伽玛函数;
当i=1时,
当i>1时,
其中,t为一般意义的时间自变量,x是第i个备件的寿命变量,y是前i-1个备件的维修耗时变量,z是原始机电件和前i-1个备件的寿命变量,i表示备件数量,T为机电件的任务时间。
在一个可能的实现方式中,设备件保障概率为Pb;
备件保障概率的更新公式为:Pb=Pb+p。
第二方面,本发明提供了一种满足维修需求的机电件备件保障分析装置,包括:
机电件参数获取模块,用于获取机电件寿命在威布尔分布下的参数,所述参数包括尺度参数和形状参数,确定维修耗时的正态分布参数以及基于伽玛函数、尺度参数及形状参数确定机电件在伽玛分布下的形状参数和尺度参数;
备件数量初始化模块,用于令备件数量为0,备件保障概率为0;
备件数量第一更新模块,用于根据机电件寿命分布参数确定备件数量为0时的机电件寿命和维修耗时的联合概率;将当前备件保障概率的基础上累加所述联合概率,得到新的备件保障概率;若新的备件保障概率低于预设阈值,则将备件数量增加1个,指示备件数量第二更新模块执行相关操作,否则指示备件保障分析模块输出分析结果;
备件数量第二更新模块,用于根据维修耗时分布、机电件在伽玛分布下的形状参数及尺度参数确定当前备件数量下机电件寿命和维修耗时的联合概率;将当前备件保障概率与所述联合概率相加,得到更新的备件保障概率;若当前求得的备件保障概率低于预设阈值,则将备件数量增加1个,循环更新计算备件保障概率,否则指示备件保障分析模块输出分析结果;
备件保障分析模块,用于将满足维修需求的备件保障维修分析结果,其包括:最后一次求取的备件数量和备件保障概率。
在一个可能的实现方式中,设机电件的寿命威布尔分布为:W(u,v),u为尺度参数,v为形状参数,其概率密度函数为维修耗时的正态分布为N(c,d),c是维修耗时均值,d是维修耗时根方差;
所述备件数量第一更新模块计算的当前备件数量下机电件寿命和维修耗时的联合概率p,具体为:
当i=0时,p=e-(T/u)v,i表示备件数量。
在一个可能的实现方式中,机电件在伽玛分布下的形状参数a和尺度参数b具体为:
式中Γ()为伽玛函数;
当i>0时,所述备件数量第二更新模块计算的联合概率p为:
当i=1时,
当i>1时,
其中,t为一般意义的时间自变量,x是第i个备件的寿命变量,y是前i-1个备件的维修耗时变量,z是原始机电件和前i-1个备件的寿命变量,i表示备件数量,T为机电件的任务时间。
在一个可能的实现方式中,设备件保障概率为Pb;
备件保障概率的更新公式为:Pb=Pb+p。
第三方面,本申请提供一种电子设备,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,本申请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,本申请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:
本发明提供一种满足维修需求的机电件备件保障分析方法,将机电件的维修耗时设定为服从正态分布,针对维修耗时不可忽略的场景,经过实验验证,本发明方法计算出的备件需求量符合实际场景需求,因此,本发明提供的备件保障分析方法适用于维修耗时不可忽略的场景,具有实际应用前景,能够填补相应的技术空白。
附图说明
图1是本发明实施例提供的满足维修需求的机电件备件保障分析方法流程图;
图2是本发明实施例提供的备件数量0~4的3种备件保障概率结果示意图;
图3是本发明实施例提供的满足维修需求的机电件备件保障分析系统架构图。
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用以解释本发明,并不用于限定本发明。
本发明中术语“和/或”,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。本发明中符号“/”表示关联对象是或者的关系,例如A/B表示A或者B。
本发明中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述对象的特定顺序。例如,第一响应消息和第二响应消息等是用于区别不同的响应消息,而不是用于描述响应消息的特定顺序。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,除非另有说明,“多个”的含义是指两个或者两个以上,例如,多个处理单元是指两个或者两个以上的处理单元等;多个元件是指两个或者两个以上的元件等。
图1是本发明实施例提供的满足维修需求的机电件备件保障分析方法流程图;如图1所示,包括以下步骤:
第一步,获取机电件寿命在威布尔分布下的参数,所述参数包括尺度参数和形状参数,确定维修耗时的正态分布参数以及基于伽玛函数、尺度参数及形状参数确定机电件在伽玛分布下的形状参数和尺度参数;
第二步,令备件数量为0,备件保障概率为0;
第三步,根据机电件寿命分布参数确定备件数量为0时的机电件寿命和维修耗时的联合概率;
第四步,将当前备件保障概率的基础上累加所述联合概率,得到新的备件保障概率;
第五步,若新的备件保障概率低于预设阈值,则将备件数量增加1个,否则执行第九步;
第六步,根据维修耗时分布、机电件在伽玛分布下的形状参数及尺度参数确定当前备件数量下机电件寿命和维修耗时的联合概率;
第七步,将当前备件保障概率与所述联合概率相加,得到更新的备件保障概率;
第八步,若当前求得的备件保障概率低于预设阈值,则将备件数量增加1个,执行第六步和第七步,否则执行第九步;
第九步,得到满足维修需求的备件保障维修分析结果,其包括:最后一次求取的备件数量和备件保障概率。
需要说明的是,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。若随机变量服从威布尔分布W(u,v),u为尺度参数,v为形状参数,其概率密度函数为:
本发明中已知任务时间T,备件保障概率指标P,某机电件的寿命服从威布尔分布W(u,v),该件故障后对其进行换件修理,维修耗时服从正态分布N(c,d),c是维修耗时均值,d是维修耗时根方差。
本发明提供了一种考虑维修耗时的备件需求量计算方法,具体步骤如下:
(1)初始化,令备件数量i=0,备件保障概率Pb=0,参数参数/>式中Γ()为伽玛函数,/>
(2)计算备件数量对应的寿命和维修耗时的联合概率p
当i=0时,p=e-(T/u)v;
当i=1时,
当i>1时,
(3)更新备件保障概率Pb=Pb+p;
(4)若Pb<P,则更新i=i+1,执行(2),否则执行(4);
(5)令备件需求量s=i,Pb为其备件保障概率,输出s和Pb。
在一个具体的示例中,某机电件寿命服从威布尔分布W(90,2.8),任务时间为300h,修复故障的时间服从正态分布N(10,4),要求备件保障概率不低于0.9,计算此时的备件需求量。
解:(1)初始化,令备件数量i=0,备件保障概率Pb=0,
参数
参数
多次执行(2)~(4),相关结果如表1。
表1
备件数量i | 联合概率p | 备件保障概率Pb |
0 | 2.28E-13 | 2.28E-13 |
1 | 0.006 | 0.006 |
2 | 0.213 | 0.220 |
3 | 0.565 | 0.785 |
4 | 0.202 | 0.987 |
(5)备件需求量为4,其对应的备件保障概率为0.987,满足不低于0.9的指标要求。
本发明方法的关键在于计算备件数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业内以往方法、考虑维修耗时的本发明方法和考虑维修耗时的仿真方法,图2展示了上述算例备件数量0~4的3种备件保障概率结果。图2表明:在面临维修耗时较大的实际情况时,相比业内方法,本发明方法的评估结果与仿真结果极为吻合,更好地反映了“因维修耗时占用任务期间的工作时间,会降低备件需求,相同备件数量时备件保障概率应更大”这一实际情况。在面临维修耗时较大的实际情况时,采用本发明方法能更合理确定备件需求量,有效解决以往业内方法造成的备件准备过多问题。
图3是本发明实施例提供的满足维修需求的机电件备件保障分析系统架构图,如图3所示,包括:
机电件参数获取模块310,用于获取机电件寿命在威布尔分布下的参数,所述参数包括尺度参数和形状参数,确定维修耗时的正态分布参数以及基于伽玛函数、尺度参数及形状参数确定机电件在伽玛分布下的形状参数和尺度参数;
备件数量初始化模块320,用于令备件数量为0,备件保障概率为0;
备件数量第一更新模块330,用于根据机电件寿命分布参数确定备件数量为0时的机电件寿命和维修耗时的联合概率;将当前备件保障概率的基础上累加所述联合概率,得到新的备件保障概率;若新的备件保障概率低于预设阈值,则将备件数量增加1个,指示备件数量第二更新模块执行相关操作,否则指示备件保障分析模块输出分析结果;
备件数量第二更新模块340,用于根据维修耗时分布、机电件在伽玛分布下的形状参数及尺度参数确定当前备件数量下机电件寿命和维修耗时的联合概率;将当前备件保障概率与所述联合概率相加,得到更新的备件保障概率;若当前求得的备件保障概率低于预设阈值,则将备件数量增加1个,循环更新计算备件保障概率,否则指示备件保障分析模块输出分析结果;;
备件保障分析模块350,用于将满足维修需求的备件保障维修分析结果,其包括:最后一次求取的备件数量和备件保障概率。
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,本申请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,本申请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,本申请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,本申请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。
本申请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申请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,在本申请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,并不用来限制本申请的实施例的范围。
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)
1.一种满足维修需求的机电件备件保障分析方法,其特征在于,包括以下步骤:
第一步,获取机电件寿命在威布尔分布下的参数,所述参数包括尺度参数和形状参数,确定维修耗时的正态分布参数以及基于伽玛函数、尺度参数及形状参数确定机电件在伽玛分布下的形状参数和尺度参数;
第二步,令备件数量为0,备件保障概率为0;
第三步,根据机电件寿命分布参数确定备件数量为0时的机电件寿命和维修耗时的联合概率;
第四步,在当前备件保障概率的基础上累加所述联合概率,得到新的备件保障概率;
第五步,若新的备件保障概率低于预设阈值,则将备件数量增加1个,否则执行第九步;
第六步,根据维修耗时分布、机电件在伽玛分布下的形状参数及尺度参数确定当前备件数量下机电件寿命和维修耗时的联合概率;
第七步,将当前备件保障概率与所述联合概率相加,得到更新的备件保障概率;
第八步,若当前求得的备件保障概率低于预设阈值,则将备件数量增加1个,执行第六步和第七步,否则执行第九步;
第九步,得到满足维修需求的备件保障维修分析结果,其包括:最后一次求取的备件数量和备件保障概率。
2.根据权利要求1所述的方法,其特征在于,设机电件的寿命威布尔分布为:W(u,v),u为尺度参数,v为形状参数,其概率密度函数为维修耗时的正态分布为N(c,d),c是维修耗时均值,d是维修耗时根方差;
当前备件数量下机电件寿命和维修耗时的联合概率p,具体为:
当i=0时,i表示备件数量。
3.根据权利要求2所述的方法,其特征在于,机电件在伽玛分布下的形状参数a和尺度参数b具体为:
式中Γ()为伽玛函数;
当i=1时,
当i>1时,
其中,t为一般意义的时间自变量,x是第i个备件的寿命变量,y是前i-1个备件的维修耗时变量,z是原始机电件和前i-1个备件的寿命变量,i表示备件数量,T为机电件的任务时间。
4.根据权利要求3所述的方法,其特征在于,设备件保障概率为Pb;
备件保障概率的更新公式为:Pb=Pb+p。
5.一种满足维修需求的机电件备件保障分析装置,其特征在于,包括:
机电件参数获取模块,用于获取机电件寿命在威布尔分布下的参数,所述参数包括尺度参数和形状参数,确定维修耗时的正态分布参数以及基于伽玛函数、尺度参数及形状参数确定机电件在伽玛分布下的形状参数和尺度参数;
备件数量初始化模块,用于令备件数量为0,备件保障概率为0;
备件数量第一更新模块,用于根据机电件寿命分布参数确定备件数量为0时的机电件寿命和维修耗时的联合概率;将当前备件保障概率的基础上累加所述联合概率,得到新的备件保障概率;若新的备件保障概率低于预设阈值,则将备件数量增加1个,指示备件数量第二更新模块执行相关操作,否则指示备件保障分析模块输出分析结果;
备件数量第二更新模块,用于根据维修耗时分布、机电件在伽玛分布下的形状参数及尺度参数确定当前备件数量下机电件寿命和维修耗时的联合概率;将当前备件保障概率与所述联合概率相加,得到更新的备件保障概率;若当前求得的备件保障概率低于预设阈值,则将备件数量增加1个,循环更新计算备件保障概率,否则指示备件保障分析模块输出分析结果;
备件保障分析模块,用于将满足维修需求的备件保障维修分析结果,其包括:最后一次求取的备件数量和备件保障概率。
6.根据权利要求5所述的装置,其特征在于,设机电件的寿命威布尔分布为:W(u,v),u为尺度参数,v为形状参数,其概率密度函数为维修耗时的正态分布为N(c,d),c是维修耗时均值,d是维修耗时根方差;
所述备件数量第一更新模块计算的当前备件数量下机电件寿命和维修耗时的联合概率p,具体为:
当i=0时,i表示备件数量。
7.根据权利要求6所述的装置,其特征在于,机电件在伽玛分布下的形状参数a和尺度参数b具体为:
式中Γ()为伽玛函数;
当i>0时,所述备件数量第二更新模块计算的联合概率p为:
当i=1时,
当i>1时,
其中,t为一般意义的时间自变量,x是第i个备件的寿命变量,y是前i-1个备件的维修耗时变量,z是原始机电件和前i-1个备件的寿命变量,i表示备件数量,T为机电件的任务时间。
8.根据权利要求7所述的装置,其特征在于,设备件保障概率为Pb;
备件保障概率的更新公式为:Pb=Pb+p。
9.一种电子设备,其特征在于,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于执行所述存储器存储的程序,当所述存储器存储的程序被执行时,所述处理器用于执行如权利要求1-4任一所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,当所述计算机程序在处理器上运行时,使得所述处理器执行如权利要求1-4任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587766.3A CN116579573B (zh) | 2023-05-23 | 2023-05-23 | 一种满足维修需求的机电件备件保障分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587766.3A CN116579573B (zh) | 2023-05-23 | 2023-05-23 | 一种满足维修需求的机电件备件保障分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579573A true CN116579573A (zh) | 2023-08-11 |
CN116579573B CN116579573B (zh) | 2024-02-09 |
Family
ID=87537487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310587766.3A Active CN116579573B (zh) | 2023-05-23 | 2023-05-23 | 一种满足维修需求的机电件备件保障分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579573B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844953A (zh) * | 2017-01-20 | 2017-06-13 | 中国人民解放军海军工程大学 | 一种威布尔型有寿件备件的保障概率计算方法 |
CN106874238A (zh) * | 2017-01-20 | 2017-06-20 | 中国人民解放军海军工程大学 | 一种威布尔型单元备件需求量的计算方法 |
CN106971048A (zh) * | 2017-04-14 | 2017-07-21 | 中国人民解放军海军工程大学 | 一种伽马型有寿件备件需求量计算方法 |
CN107220216A (zh) * | 2017-05-16 | 2017-09-29 | 中国人民解放军海军工程大学 | 一种利用特征数的威布尔型备件需求量的近似计算方法 |
CN108509390A (zh) * | 2018-03-25 | 2018-09-07 | 中国人民解放军海军工程大学 | 一种伽玛型串联部件的备件需求量计算方法 |
-
2023
- 2023-05-23 CN CN202310587766.3A patent/CN116579573B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844953A (zh) * | 2017-01-20 | 2017-06-13 | 中国人民解放军海军工程大学 | 一种威布尔型有寿件备件的保障概率计算方法 |
CN106874238A (zh) * | 2017-01-20 | 2017-06-20 | 中国人民解放军海军工程大学 | 一种威布尔型单元备件需求量的计算方法 |
CN106971048A (zh) * | 2017-04-14 | 2017-07-21 | 中国人民解放军海军工程大学 | 一种伽马型有寿件备件需求量计算方法 |
CN107220216A (zh) * | 2017-05-16 | 2017-09-29 | 中国人民解放军海军工程大学 | 一种利用特征数的威布尔型备件需求量的近似计算方法 |
CN108509390A (zh) * | 2018-03-25 | 2018-09-07 | 中国人民解放军海军工程大学 | 一种伽玛型串联部件的备件需求量计算方法 |
Non-Patent Citations (1)
Title |
---|
黄瑞等: "《基于混合威布尔模型的智能电能表可靠性评价方法》", 《电测与仪表》 * |
Also Published As
Publication number | Publication date |
---|---|
CN116579573B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201939370A (zh) | 故障機率評估系統及方法 | |
CN112800580B (zh) | 风电机组的备品备件的储备数量确定方法及其系统 | |
CN113312578B (zh) | 一种数据指标的波动归因方法、装置、设备、及介质 | |
CN116227637A (zh) | 一种面向有源配电网的精细化负荷预测方法和系统 | |
CN114460529A (zh) | 一种电能表误差在线评估方法、装置、设备及存储介质 | |
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 | |
CN112381272A (zh) | 一种电网负荷预测方法、系统、终端及存储介质 | |
CN116579573B (zh) | 一种满足维修需求的机电件备件保障分析方法 | |
CN116579572A (zh) | 一种维修耗时服从正态分布的机械件备件分析方法及装置 | |
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 | |
KR20220039323A (ko) | 배전 자산의 건전도 평가 장치 및 방법 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
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 | |
CN116843119B (zh) | 一种考虑维修耗时的电子单元备件设计方法及系统 | |
CN113065234B (zh) | 一种智能电表的批次可靠性风险等级评估方法及系统 | |
CN114091238A (zh) | 设备寿命预测方法、装置、电子设备及存储介质 | |
CN116862135B (zh) | 一种机械设备维修分析方法、系统及电子设备 | |
CN107292486B (zh) | 电网资产保险支出测算模型 | |
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 | |
CN116757308B (zh) | 一种电子类表决部件的备件需求量预测方法及系统 | |
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 | |
CN117114466A (zh) | 一种电子类部件使用可用度确定方法及装置 | |
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 | |
WO2019052083A1 (zh) | 估计与风力发电机组有关的模型的不确定性的方法和设备 |
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 |