CN117592594A - 基于可靠性的更换压缩机中部件的方法及处理器 - Google Patents

基于可靠性的更换压缩机中部件的方法及处理器 Download PDF

Info

Publication number
CN117592594A
CN117592594A CN202311393809.0A CN202311393809A CN117592594A CN 117592594 A CN117592594 A CN 117592594A CN 202311393809 A CN202311393809 A CN 202311393809A CN 117592594 A CN117592594 A CN 117592594A
Authority
CN
China
Prior art keywords
compressor
time
refers
reliability
spare
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
Application number
CN202311393809.0A
Other languages
English (en)
Inventor
王虓
苏怀
彭世亮
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.)
China University of Petroleum Beijing
Original Assignee
China University of Petroleum Beijing
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 China University of Petroleum Beijing filed Critical China University of Petroleum Beijing
Priority to CN202311393809.0A priority Critical patent/CN117592594A/zh
Publication of CN117592594A publication Critical patent/CN117592594A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • G06Q50/06—Energy or water supply
    • 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]
    • 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)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Water Supply & Treatment (AREA)
  • Finance (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Geometry (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)

Abstract

本申请实施例提供一种基于可靠性的更换压缩机中部件的方法及处理器。方法包括：针对压缩机中的任意一个部件，在压缩机开始运行之后，判断备件存放库中是否存放有与部件对应的备用件；在备件存放库中未存放有与部件对应的备用件的情况下，根据压缩机的平均故障间隔时长确定压缩机的平均故障率；根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度；将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻；按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件，以降低备用件的库存管理成本。

Description

基于可靠性的更换压缩机中部件的方法及处理器
技术领域
本申请涉及器件管理领域，具体地涉及一种基于可靠性的更换压缩机中部件的方法、存储介质及处理器。
背景技术
离心压缩机作为天然气管道输送的“心脏”，其运行稳定与安全可靠性对保障管道系统供气安全至关重要。目前，在压缩机部件的备件库存管理方面，管道公司常常采取相对保守的备件库存管理方法，即不管备件价格和使用频率的高低，均进行储备，且备用件的数量充足，在压缩机部件发生故障时即可采用备用件进行更换和维护。然而，采用该种方式，若备用件的数量冗余或不足，备用件的采购时间和更换时间不合理，则会使导致备用件的库存管理成本过高。
发明内容
本申请实施例的目的是提供一种基于可靠性的更换压缩机中部件的方法、存储介质及处理器，用以解决现有技术中压缩机备用件的库存管理成本过高的问题。
为了实现上述目的，本申请第一方面提供一种基于可靠性的更换压缩机中部件的方法，包括：
针对压缩机中的任意一个部件，在压缩机开始运行之后，判断备件存放库中是否存放有与部件对应的备用件；
在备件存放库中未存放有与部件对应的备用件的情况下，根据压缩机的平均故障间隔时长确定压缩机的平均故障率；
根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度；
将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻；
按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件。
在本申请实施例中，方法还包括：在将每个时刻的可靠度输入至智能优化模型之前，根据目标函数和约束条件构建智能优化模型；其中，约束条件包括压缩机的可靠度约束和备用件的维护时间约束，目标函数是根据部件的期望维护时长和在期望维护时长内的期望维护成本构建的；期望维护成本包括部件的计划更换总成本和失效更换总成本，以及备用件的交付时长和备用件在部件失效前和失效后到达备件存放库产生的持有总成本和短缺总成本。
在本申请实施例中，可靠度约束的表达式如公式(1)所示：
tr≥to+T (1)
其中，tr是指备用件的备件更换时刻，t0是指备用件的备件订购时刻，T是指备用件的交付时长；
维护时间约束的表达式如公式(2)所示：
Rt≥Rs (2)
Rt是指压缩机在时刻t的可靠度，Rs是指压缩机的目标可靠度。
在本申请实施例中，目标函数的表达式如公式(3)所示：
其中，C是指更换压缩机中部件所需的单位时间平均费用率，E(C)是指压缩机中部件的期望维护成本，E(L)是指压缩机中部件的期望维护时长。
在本申请实施例中，期望维护成本的表达式如公式(4)所示：
E(C)＝C1+C2+C3+C4 (4)
其中，E(C)是指压缩机中部件的期望维护成本，C1是指压缩机中部件的计划更换总成本，C2为压缩机中部件的失效更换总成本，C3为压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本。
在本申请实施例中，计划更换总成本的表达式如公式(5)所示：
C1＝cpR(tr) (5)
其中，C1是指压缩机中部件的计划更换总成本，cp是指压缩机中部件的单位计划更换成本，R(tr)是指压缩机在备件更换时刻tr时的可靠度函数；
失效更换总成本的表达式如公式(6)所示：
C2＝cfF(tr) (6)
其中，C2是指压缩机中部件的失效更换总成本，cp是指压缩机中部件的单位失效更换成本，F(tr)是指压缩机在备件更换时刻tr时的累计分布函数，F(tr)＝1-R(tr)；
短缺总成本的表达式如公式(7)所示：
其中，C3是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，ks是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的单位短缺成本，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值；
持有总成本的表达式如公式(8)所示：
其中，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本，k是指压缩机中部件对应的备用件在部件失效前到达备件存放库产生的单位持有成本，指对可靠度函数R(t)从时刻t0+T至备件更换时刻tr进行积分后所得的数值。
在本申请实施例中，期望维护时长的表达式如公式(9)所示：
其中，E(L)是指压缩机中部件的期望维护时长，tr是指备用件的备件更换时刻，是指对可靠度函数R(t)从时刻0至备件更换时刻tr进行积分后所得的数值，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，/>是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值。
在本申请实施例中，根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度包括：基于压缩机的可靠度函数确定压缩机从运行起始时刻起每个时刻的可靠度，其中，可靠度函数的表达式如公式(10)所示：
R(t)＝e-λt (10)
其中，R(t)是指压缩机的可靠度函数，t是指从运行起始时刻起的每个时刻，λ是指压缩机的平均故障率。
本申请第二方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行上述的基于可靠性的更换压缩机中部件的方法。
本申请第三方面提供一种处理器，被配置成执行上述的基于可靠性的更换压缩机中部件的方法。
通过上述技术方案，针对压缩机中的任意一个部件，在压缩机开始运行之后，判断备件存放库中是否存放有与部件对应的备用件；在备件存放库中未存放有与部件对应的备用件的情况下，根据压缩机的平均故障间隔时长确定压缩机的平均故障率；根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度；将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻；按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件，能够根据压缩机的可靠度确定备用件的最佳订购时刻和最佳更换时刻，在确保压缩机的运行效率和运行效益的情况下，使得压缩机中部件对应的备用件能够按需采购，大幅度降低备用件的库存管理成本。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：
图1示意性示出了根据本申请实施例的基于可靠性的更换压缩机中部件的方法的流程示意图；
图2示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
需要说明，若本申请实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本申请实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
图1示意性示出了根据本申请实施例的基于可靠性的更换压缩机中部件的方法的流程示意图。如图1所示，在本申请一实施例中，提供了一种基于可靠性的更换压缩机中部件的方法，包括以下步骤：
步骤101、针对压缩机中的任意一个部件，在压缩机开始运行之后，判断备件存放库中是否存放有与部件对应的备用件。
其中，压缩机可以是压缩机系统中的任意一个压缩机。压缩机可以为离心压缩机。压缩机可以包括干气密封部件等多个部件。针对每个部件，在其需要被更换时，其可消耗一个对应的备用件，备用件可存储在备件存放库。针对压缩机中的任意一个部件，在该压缩机开始运行之后，处理器可以判断备件存放库中是否存放有与该部件对应的备用件。
步骤102、在备件存放库中未存放有与部件对应的备用件的情况下，根据压缩机的平均故障间隔时长确定压缩机的平均故障率。
在备件存放库中未存放有与部件对应的备用件的情况下，即该部件对应的备用件采用零库存策略，此时，处理器可以根据压缩机的平均故障间隔时长确定压缩机的平均故障率。平均故障率可以用于衡量压缩机的可靠度。在一个实施例中，可将该压缩机所在压缩机系统的压缩机故障总数和全部压缩机的寿命单位总数之间的比值确定为该压缩机的平均故障间隔时长。其中，寿命单位总数是指全部压缩机的运行总时长，其可采用小时、天、月或者其他单位来进行表示，具体地，可根据实际情况进行自定义。之后，可通过确定该压缩机的平均故障率。其中，λ为平均故障率，单位为h，MTBF为平均故障间隔时间，单位为h。即，可将平均故障间隔时长的倒数确定为该压缩机的平均故障率。
步骤103、根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度。
处理器可以根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度。
在本申请的实施例中，根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度包括：基于压缩机的可靠度函数确定压缩机从运行起始时刻起每个时刻的可靠度，其中，可靠度函数的表达式如公式(10)所示：
R(t)＝e-λt (10)
其中，R(t)是指压缩机的可靠度函数，t是指从运行起始时刻起的每个时刻，λ是指压缩机的平均故障率。
步骤104、将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻。
在确定压缩机从运行起始时刻起每个时刻的可靠度之后，处理器可以将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻。
在本申请的实施例中，方法还包括：在将每个时刻的可靠度输入至智能优化模型之前，根据目标函数和约束条件构建智能优化模型；其中，约束条件包括压缩机的可靠度约束和备用件的维护时间约束，目标函数是根据部件的期望维护时长和在期望维护时长内的期望维护成本构建的；期望维护成本包括部件的计划更换总成本和失效更换总成本，以及备用件的交付时长和备用件在部件失效前和失效后到达备件存放库产生的持有总成本和短缺总成本。
在将每个时刻的可靠度输入至智能优化模型之前，处理器可以根据目标函数和约束条件构建智能优化模型。其中，约束条件包括压缩机的可靠度约束和备用件的维护时间约束。可靠度约束可以根据压缩机的当前可靠度与目标可靠度确定。在本申请的实施例中，可靠度约束的表达式如公式(1)所示：
tr≥to+T (1)
其中，tr是指备用件的备件更换时刻，t0是指备用件的备件订购时刻，T是指备用件的交付时长。
维护时间约束可根据备用件的备件更换时刻、备件订购时刻以及备用件的交付时长确定。在本申请的实施例中，维护时间约束的表达式如公式(2)所示：
Rt≥Rs (2)
Rt是指压缩机在时刻t的可靠度，Rs是指压缩机的目标可靠度。
目标函数是根据部件的期望维护时长和在期望维护时长内的期望维护成本构建的。其中，期望维护时长是指压缩机开始运行时间点至压缩机出现故障至压缩机备用件更换完成时间点之间的时间段，即是指压缩机从正常运行至失效故障再至恢复正常运行的时长。在本申请的实施例中，目标函数的表达式如公式(3)所示：
其中，C是指更换压缩机中部件所需的单位时间平均费用率，E(C)是指压缩机中部件的期望维护成本，E(L)是指压缩机中部件的期望维护时长。
期望维护成本包括部件的计划更换总成本和失效更换总成本，以及备用件的交付时长和备用件在部件失效前和失效后到达备件存放库产生的持有总成本和短缺总成本。其中，备用件的交付时长是指备件订购时刻至备件到达备件存放库之间的时间段。
在本申请的实施例中，期望维护成本的表达式如公式(4)所示：
E(C)＝C1+C2+C3+C4 (4)
其中，E(C)是指压缩机中部件的期望维护成本，C1是指压缩机中部件的计划更换总成本，C2为压缩机中部件的失效更换总成本，C3为压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本。
其中，计划更换总成本是指对压缩机进行预防性维修的总成本。在本申请的实施例中，计划更换总成本的表达式如公式(5)所示：
C1＝cpR(tr) (5)
其中，C1是指压缩机中部件的计划更换总成本，cp是指压缩机中部件的单位计划更换成本，R(tr)是指压缩机在备件更换时刻tr时的可靠度函数。
失效更换总成本是指对压缩机进行故障性维修的总成本。在本申请的实施例中，失效更换总成本的表达式如公式(6)所示：
C2＝cfF(tr) (6)
其中，C2是指压缩机中部件的失效更换总成本，cp是指压缩机中部件的单位失效更换成本，F(tr)是指压缩机在备件更换时刻tr时的累计分布函数，F(tr)＝1-R(tr)。
短缺总成本即是指压缩机的部件所对应的备用件短缺而增加的库存短缺成本。例如，压缩机部件已出现故障，且备件存放库已租用，但备用件迟迟未采购到，此时，并未有备用件需要存放至备件存放库，从而可能产生不必要的备件存放库的租用费用等。
在本申请的实施例中，短缺总成本的表达式如公式(7)所示：
其中，C3是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，ks是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的单位短缺成本，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值。
持有总成本是指压缩机的部件所对应的备用件的库存存放成本。例如，备用件已采购，但该备用件对应的压缩机部件还未出现故障，此时，备用件需要存放至备件存放库，从而可能会产生不必要的备件存放库的租用费用和/或备用件存放费用。
在本申请的实施例中，持有总成本的表达式如公式(8)所示：
其中，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本，k是指压缩机中部件对应的备用件在部件失效前到达备件存放库产生的单位持有成本，指对可靠度函数R(t)从时刻t0+T至备件更换时刻tr进行积分后所得的数值。
在本申请的实施例中，期望维护时长的表达式如公式(9)所示：
其中，E(L)是指压缩机中部件的期望维护时长，tr是指备用件的备件更换时刻，是指对可靠度函数R(t)从时刻0至备件更换时刻tr进行积分后所得的数值，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，/>是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值。
步骤105、按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件。
在确定备用件的最佳订购时刻和最佳更换时刻之后，可按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件。
以型号A的离心压缩机为例，其平均故障间隔时间为9118h，一个周期内计划更换费用cp＝100万元，一个周期内失效更换费用cf＝200万元。其中，一个周期是指压缩机从正常运行到故障再到恢复正常运行的时间。备件在部件失效之后到达产生的单位时间的短缺费用ks＝20万元，备件在部件失效之前到达产生的单位时间的持有成本kh＝10万元，备件的交付时间T＝70h。若该压缩机的产品寿命服从指数分布，根据平均故障间隔时间MTBF确定该压缩机的平均故障率λ＝0.0001，之后可得该离心压缩机的可靠度函数为：R(t)＝e-0.0001t。若该离心压缩机的目标可靠度为Rs＝0.8，其目标函数和约束条件为：其中，/>在此基础上，采用Python语言编程，利用遗传算法对优化问题进行求解，可得出最优备件订购时间为1397h，最优备件更换时间为1467h。
在一个实施例中，在对压缩机中关键部件进行更换时，可先利用指数分布模型和平均故障间隔时间，得出离心压缩机的可靠性模型。之后，结合离心压缩机的可靠性模型，计算出离心压缩机的当前可靠度。接着，可确定离心压缩机的关键部件的备品备件智能优化数学模型，并可使用遗传算法对问题进行求解，得到离心压缩机的关键部件的备品备件的最优订购时间和最优更换时间。
通过上述技术方案，针对压缩机中的任意一个部件，在压缩机开始运行之后，判断备件存放库中是否存放有与部件对应的备用件；在备件存放库中未存放有与部件对应的备用件的情况下，根据压缩机的平均故障间隔时长确定压缩机的平均故障率；根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度；将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻；按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件，能够根据压缩机的可靠度确定备用件的最佳订购时刻和最佳更换时刻，在确保压缩机的运行效率和运行效益的情况下，使得压缩机中部件对应的备用件能够按需采购，大幅度降低备用件的库存管理成本。
图1为一个实施例中基于可靠性的更换压缩机中部件的方法的流程示意图。应该理解的是，虽然图1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，这些步骤可以以其它的顺序执行。而且，图1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，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它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。
在一个实施例中，提供了一种用于更换压缩机中部件的装置，包括：
存储器，被配置成存储指令；以及
处理器，被配置成从存储器调用指令以及在执行指令时能够实现上述的用于更换压缩机中部件的的方法。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述基于可靠性的更换压缩机中部件的方法。
本申请实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述基于可靠性的更换压缩机中部件的方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图2所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储最佳订购时刻和最佳更换时刻等数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种基于可靠性的更换压缩机中部件的方法。
本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：针对压缩机中的任意一个部件，在压缩机开始运行之后，判断备件存放库中是否存放有与部件对应的备用件；在备件存放库中未存放有与部件对应的备用件的情况下，根据压缩机的平均故障间隔时长确定压缩机的平均故障率；根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度；将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解智能优化模型得到备用件的最佳订购时刻和最佳更换时刻；按照最佳订购时刻采购备用件，并按照最佳更换时刻将部件更换为备用件。
在一个实施例中，方法还包括：在将每个时刻的可靠度输入至智能优化模型之前，根据目标函数和约束条件构建智能优化模型；其中，约束条件包括压缩机的可靠度约束和备用件的维护时间约束，目标函数是根据部件的期望维护时长和在期望维护时长内的期望维护成本构建的；期望维护成本包括部件的计划更换总成本和失效更换总成本，以及备用件的交付时长和备用件在部件失效前和失效后到达备件存放库产生的持有总成本和短缺总成本。
在一个实施例中，可靠度约束的表达式如公式(1)所示：
tr≥to+T (1)
其中，tr是指备用件的备件更换时刻，t0是指备用件的备件订购时刻，T是指备用件的交付时长；
维护时间约束的表达式如公式(2)所示：
Rt≥Rs (2)
Rt是指压缩机在时刻t的可靠度，Rs是指压缩机的目标可靠度。
在一个实施例中，目标函数的表达式如公式(3)所示：
其中，C是指更换压缩机中部件所需的单位时间平均费用率，E(C)是指压缩机中部件的期望维护成本，E(L)是指压缩机中部件的期望维护时长。
在一个实施例中，期望维护成本的表达式如公式(4)所示：
E(C)＝C1+C2+C3+C4 (4)
其中，E(C)是指压缩机中部件的期望维护成本，C1是指压缩机中部件的计划更换总成本，C2为压缩机中部件的失效更换总成本，C3为压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本。
在一个实施例中，计划更换总成本的表达式如公式(5)所示：
C1＝cpR(tr) (5)
其中，C1是指压缩机中部件的计划更换总成本，cp是指压缩机中部件的单位计划更换成本，R(tr)是指压缩机在备件更换时刻tr时的可靠度函数；
失效更换总成本的表达式如公式(6)所示：
C2＝cfF(tr) (6)
其中，C2是指压缩机中部件的失效更换总成本，cp是指压缩机中部件的单位失效更换成本，F(tr)是指压缩机在备件更换时刻tr时的累计分布函数，F(tr)＝1-R(tr)；
短缺总成本的表达式如公式(7)所示：
其中，C3是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，ks是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的单位短缺成本，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值；
持有总成本的表达式如公式(8)所示：
其中，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本，k是指压缩机中部件对应的备用件在部件失效前到达备件存放库产生的单位持有成本，指对可靠度函数R(t)从时刻t0+T至备件更换时刻tr进行积分后所得的数值。
在一个实施例中，期望维护时长的表达式如公式(9)所示：
其中，E(L)是指压缩机中部件的期望维护时长，tr是指备用件的备件更换时刻，是指对可靠度函数R(t)从时刻0至备件更换时刻tr进行积分后所得的数值，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，/>是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值。
在一个实施例中，根据压缩机的平均故障率确定压缩机从运行起始时刻起每个时刻的可靠度包括：基于压缩机的可靠度函数确定压缩机从运行起始时刻起每个时刻的可靠度，其中，可靠度函数的表达式如公式(10)所示：
R(t)＝e-λt (10)
其中，R(t)是指压缩机的可靠度函数，t是指从运行起始时刻起的每个时刻，λ是指压缩机的平均故障率。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有基于可靠性的更换压缩机中部件的方法步骤的程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于可靠性的更换压缩机中部件的方法，其特征在于，所述方法包括：
针对压缩机中的任意一个部件，在所述压缩机开始运行之后，判断备件存放库中是否存放有与所述部件对应的备用件；
在所述备件存放库中未存放有与所述部件对应的备用件的情况下，根据所述压缩机的平均故障间隔时长确定所述压缩机的平均故障率；
根据所述压缩机的平均故障率确定所述压缩机从运行起始时刻起每个时刻的可靠度；
将每个时刻的可靠度输入至智能优化模型，以通过遗传算法求解所述智能优化模型得到所述备用件的最佳订购时刻和最佳更换时刻；
按照所述最佳订购时刻采购所述备用件，并按照所述最佳更换时刻将所述部件更换为所述备用件。
2.根据权利要求1所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述方法还包括：
在将每个时刻的可靠度输入至智能优化模型之前，根据目标函数和约束条件构建所述智能优化模型；
其中，所述约束条件包括所述压缩机的可靠度约束和所述备用件的维护时间约束，所述目标函数是根据所述部件的期望维护时长和在期望维护时长内的期望维护成本构建的；
所述期望维护成本包括所述部件的计划更换总成本和失效更换总成本，以及所述备用件的交付时长和所述备用件在所述部件失效前和失效后到达所述备件存放库产生的持有总成本和短缺总成本。
3.根据权利要求2所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述可靠度约束的表达式如公式(1)所示：
tr≥to+T (1)
其中，tr是指备用件的备件更换时刻，t0是指备用件的备件订购时刻，T是指备用件的交付时长；
所述维护时间约束的表达式如公式(2)所示：
Rt≥RS (2)
Rt是指压缩机在时刻t的可靠度，Rs是指压缩机的目标可靠度。
4.根据权利要求2所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述目标函数的表达式如公式(3)所示：
其中，C是指更换压缩机中部件所需的单位时间平均费用率，E(C)是指压缩机中部件的期望维护成本，E(L)是指压缩机中部件的期望维护时长。
5.根据权利要求4所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述期望维护成本的表达式如公式(4)所示：
E(C)＝C1+C2+C3+C4 (4)
其中，E(C)是指压缩机中部件的期望维护成本，C1是指压缩机中部件的计划更换总成本，C2为压缩机中部件的失效更换总成本，C3为压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本。
6.根据权利要求5所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述计划更换总成本的表达式如公式(5)所示：
C1＝cpR(tr) (5)
其中，C1是指压缩机中部件的计划更换总成本，cp是指压缩机中部件的单位计划更换成本，R(tr)是指压缩机在备件更换时刻tr时的可靠度函数；
所述失效更换总成本的表达式如公式(6)所示：
C2＝cfF(tr) (6)
其中，C2是指压缩机中部件的失效更换总成本，cp是指压缩机中部件的单位失效更换成本，F(tr)是指压缩机在备件更换时刻tr时的累计分布函数，F(tr)＝1-R(tr)；
所述短缺总成本的表达式如公式(7)所示：
其中，C3是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的短缺总成本，ks是指压缩机中部件对应的备用件在部件失效后到达备件存放库产生的单位短缺成本，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值；
所述持有总成本的表达式如公式(8)所示：
其中，C4为压缩机中部件对应的备用件在部件失效前到达备件存放库产生的持有总成本，k是指压缩机中部件对应的备用件在部件失效前到达备件存放库产生的单位持有成本，指对可靠度函数R(t)从时刻t0+T至备件更换时刻tr进行积分后所得的数值。
7.根据权利要求4所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述期望维护时长的表达式如公式(9)所示：
其中，E(L)是指压缩机中部件的期望维护时长，tr是指备用件的备件更换时刻，是指对可靠度函数R(t)从时刻0至备件更换时刻tr进行积分后所得的数值，t0是指备用件的备件订购时刻，T是指备用件的交付时长，F(t)是指压缩机的部分失效时间的累计分布函数，/>是指对累计分布函数F(t)从备件订购时刻t0至时刻t0+T进行积分后所得的数值。
8.根据权利要求1所述的基于可靠性的更换压缩机中部件的方法，其特征在于，所述根据所述压缩机的平均故障率确定所述压缩机从运行起始时刻起每个时刻的可靠度包括：
基于所述压缩机的可靠度函数确定所述压缩机从运行起始时刻起每个时刻的可靠度，其中，所述可靠度函数的表达式如公式(10)所示：
R(t)＝e-λt (10)
其中，R(t)是指压缩机的可靠度函数，t是指从运行起始时刻起的每个时刻，λ是指压缩机的平均故障率。
9.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行根据权利要求1至8中任一项所述的基于可靠性的更换压缩机中部件的方法。
10.一种处理器，其特征在于，被配置成执行根据权利要求1至8中任意一项所述的基于可靠性的更换压缩机中部件的方法。
CN202311393809.0A 2023-10-25 2023-10-25 基于可靠性的更换压缩机中部件的方法及处理器 Pending CN117592594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311393809.0A CN117592594A (zh) 2023-10-25 2023-10-25 基于可靠性的更换压缩机中部件的方法及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311393809.0A CN117592594A (zh) 2023-10-25 2023-10-25 基于可靠性的更换压缩机中部件的方法及处理器

Publications (1)

Publication Number Publication Date
CN117592594A true CN117592594A (zh) 2024-02-23

Family

ID=89922506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311393809.0A Pending CN117592594A (zh) 2023-10-25 2023-10-25 基于可靠性的更换压缩机中部件的方法及处理器

Country Status (1)

Country Link
CN (1) CN117592594A (zh)

Similar Documents

Publication Publication Date Title
US10635656B1 (en) Extract, transform, and load application complexity management framework
CN102955876A (zh) 动态备件管理的系统和方法
CN114584539B (zh) 一种工业现场设备的云端升级方法及系统
CN116307563A (zh) 用于确定压缩机最佳维修周期的方法、装置及处理器
CN117592594A (zh) 基于可靠性的更换压缩机中部件的方法及处理器
CN112202909B (zh) 一种计算机存储系统在线升级方法及系统
CN115907140B (zh) 电力现货出清方案优化方法、装置、计算机设备和介质
CN112001707A (zh) 基于业务数据的业务工作流生成方法及系统
CN116307553A (zh) 用于天然气管网系统的气体分配方法、存储介质及处理器
CN116909841A (zh) 一种云数据平台元数据监控管理方法
JP2006273577A (ja) 流通管理システム
CN116128408A (zh) 智能补货方法、系统以及计算机可读介质
CN117114452B (zh) 用于确定施工方案的方法、处理器、装置及存储介质
CN116011698B (zh) 机组组合确定方法、装置、计算机设备和存储介质
CN114996252A (zh) 基于区块链的数据质量生命周期管理方法及处理器
CN117093144B (zh) 用于bom订单的灵活存储方法及系统
CN106598486B (zh) 一种云服务数据存储持久性评估装置和方法
CN118094952A (zh) 一种油气动设备关键零部件监控方法、装置、设备及介质
CN115562102A (zh) 用于能源管道的控制方法、装置、处理器及存储介质
Boujarif et al. Opportunistic Maintenance of Multi-Component Systems Under Structure and Economic Dependencies: A Healthcare System Case Study.
CN113592544A (zh) 用于确定套期保值信号的方法及处理器
CN116882889A (zh) 用于确定配件需求量的方法、装置、存储介质及处理器
CN118096036A (zh) 库存流水的生成方法、库存系统、介质和计算设备
CN117371905A (zh) 用于确定物料采购订单的方法、装置、存储介质及处理器
CN118037180A (zh) 多模态库存管理方法、装置、服务器和计算机可读存储介质

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