设备状态变化趋势预判、系统结构和维修策略优化的方法与流程

本发明涉及一种设备状态变化趋势预判、系统结构和维修策略优化的方法。

背景技术：

市场上现有的技术没有把设备/系统可靠性分析(RAM)和维修策略制定方法(RCM)两者系统的有机结合起来，没有形成以数据为输入，进行模拟、优化的系统化方法，没有实现自我迭代优化与闭环管理。

主要有以下几点缺陷：

未能以数据作为设备可靠性分析的驱动力，主要表现在企业数据的不完整，不正确，格式不统一，储存分散等问题；没有规范的数据库管理系统为可靠性分析服务；没有利用实时数据来不断更新系统信息从而获取设备实时的状态变化；维修策略没能以数据为指导从而不能准确有针对性的解决故障问题；没有对维修策略的周期进行优化分析。

技术实现要素：

本发明要解决的技术问题是提供一种简单的设备状态变化趋势预判、系统结构和维修策略优化的方法。

为解决上述技术问题，本发明提供一种设备状态变化趋势预判、系统结构和维修策略优化的方法，将设备/系统可靠性分析和维修策略制定方法两者系统集成一起，形成一套能以数据为输入，进行模拟、优化的自我迭代更新的闭环方法。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述设备/系统可靠性分析步骤如下：a.收集数据；b.通过步骤a所获得的数据获取设备及其零部件的故障发生规律；c.建立RBD模型；d.利用步骤c中的RBD模型进行模拟、优化；e.根据步骤d的结果进行分析，获取KPI，发出相关警报；f.将步骤e发出的相关警报与步骤a中收集的数据共同作为以设备为最高单元的底层系统的故障信息；g.通过对步骤b中所述的设备及其零部件的功能和功能故障进行准确定义，实现对系统故障的有效判断和识别。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述维修策略制定方法如下：h.根据步骤f所得故障信息，进行故障模式与故障后果分析；i.制定维修策略；j.由步骤e发出的相关警报触发步骤i中相应的维修策略；k.维修策略制定方法以可靠性分析的结果为导向，形成针对不同故障选择不同的维修策略，并制定科学维修工作间隔，同时确定维护方案的周期和维护方案应用的备件数量。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述步骤a中，所述收集的数据包括但不限于设备规格参数、可靠性数据和维修数据；以上所述数据来源包括但不限于EAM系统、设备维护工单、设备台账、操作规程、设备维修管理纸质文档、企业事故/设备故障分析日志、企业运行运营目标、检修/运行规程、设备厂商数据及资产数据库数据、监控数据。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述步骤b中，数据处理步骤如下：使用特定算法对步骤a得到的数据按故障模式、故障原因进行分析，得出各故障模式、故障原因、设备整体、以及设备所在分组整体的故障发生规律、维修耗时规律、离线检测耗时规律参数；所述故障发生规律、维修耗时规律、离线检测耗时规律、维修资源消耗规律参数的描述类型包括且不限于韦伯分布。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述步骤d中仿真模拟的步骤如下：在步骤c建立的RBD模型的每个方框中加入设备故障发生的概率模型、对应的不同类型维修维护所需的资源、设备或组件的负荷等数据，利用特定算法对系统的RBD进行仿真模拟，获得RBD模拟仿真结果；所述结果包括如下数据：系统的可用性、系统运行时间、系统停机时间、系统进行修正性维修的次数、预防性维修的次数、实时监测引起的维修次数、检测引起的维修次数、系统首次故障的期望、系统故障周期的期望、系统维护周期的期望、系统启动次数、停机次数、启动总耗费时间、停机总耗费时间、备件消耗数量；系统在不同时间点的可靠性；造成系统停机时间最长的设备故障模式排名；系统在不同负荷下运行时间的百分比、系统负荷的平均利用率；系统用于不同类型维护的成本、各类型维护所用人力资源的成本、所用备件的成本、年化固定资产投资成本、备件的仓储成本、开机成本、停机成本、停机损失、运行成本、总成本、销售额、销售利润数据；针对各设备的类似分析结果。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述步骤e中的KPI包括可靠性、可用性、可维护性、故障率、产能、全生命周期成本。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述步骤h的分析如下：明确与每一个功能故障相关的故障位置，故障模式、故障原因、故障后果及故障等级，并根据失效模式与故障后果分析结果确定采取哪些措施来防止故障，减轻故障后果，或者帮助去监测故障。

作为本发明设备状态变化趋势预判、系统结构和维修策略优化的方法的进一步改进；所述步骤i的制定维修策略如下：根据安全性、环境性、功能性和经济性影响等因素的决策树分析，形成针对不同故障选择不同的维修策略，并制定科学维修工作间隔。

本发明以数据为驱动进行设备状态变化趋势预判，系统结构和维修策略优化的方法，解决了当前设备管理者未能把设备/系统可靠性分析(RAM)和维修策略制定方法(RCM)两者系统集成一起，没有形成一套能以数据为驱动，进行模拟、优化的自我迭代更新的闭环方法的问题。

本发明解决的技术问题：

方法以数据为中心，通过对收集到的数据进行汇集、整理，提取出设备名称、台号、设备类型、分组以及运行方案信息，并提取出指定时间范围内的所有的设备维修记录，包括维修开始时间、维修结束时间、维修类型、故障类型、设备停机时间、维修耗时、故障所属的故障模式以及故障所属的故障原因信息。

将以上全部信息汇总到一个数据表或数据库内，通过分析得出所有设备的各故障模式、故障原因、设备整体以及设备所在分组整体的概率分布模型描述的故障发生规律、维修耗时规律以及离线检测耗时规律参数。

设备的故障发生规律和可靠性方块图模型，即RBD模型的结合通过模拟仿真获取多项KPI(可靠性、可用性、可维护性、故障率、产能、全生命周期成本)，实时数据不断输入到系统中，自我迭代更新进行建模模拟，每次的数据更新都将体现变化趋势，根据该趋势了解对应设备的运行情况；同时对系统运行设置KPI，对KPI不达标的系统设备发出警报。

所得到的故障信息会以数据为指导经过分析确定采取维修策略(形成针对不同故障选择不同的维修策略，并制定科学维修工作间隔)。

在维修策略方面，对于预防性维修和点检，优化其预防性维修周期和点检周期，通过模拟比较使用不同维护策略所带来的不同结果，并以此选择最佳的维护策略；而维修策略包括针对特定设备如何选择不同的维护方式，针对预防性维护和点检又该如何制定预防性维护周期和点检周期，针对不同维护，使用不同人力资源的选择、预防性维护和点检是否将若干设备分组。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细说明。

图1是本发明的设备/系统可靠性分析(RAM)和维修策略制定方法(RCM)两者系统集成一起，形成一套能以数据为输入，进行模拟、优化的自我迭代更新的闭环方法示意图；

图2是设备状态的预判规律，并以多项KPI(可靠性、可用性、可维护性、故障率、产能、全生命周期成本)的表现方式为用户提供相关警报的以数据为驱动的可靠性分析(RAM)示意图；

图3是以可靠性分析的结果为导向，形成针对不同故障选择不同的维修策略，并制定科学维修工作间隔，同时也能确定维护方案的周期和维护方案应用的备件数量的维修策略制定方法(RCM)示意图；

图4是以数据为输入，进行模拟、优化的自我迭代更新的闭环方法细节示意图。

具体实施方式

实施例1、本发明提供的技术方案是对设备状态变化趋势预判、系统结构或维修策略优化的方法，其为一种将设备/系统可靠性分析(RAM)和维修策略制定方法(RCM)两者系统集成一起，形成一套能以数据为输入，进行模拟、优化的自我迭代更新的闭环方法。

具体的实施方法和步骤如下：

一、设备/系统可靠性分析(RAM)：

a.收集数据：

所述数据包括设备规格参数、可靠性数据和维修数据。

以上所述数据来源包括，但不限于EAM系统(MAXIMO、SAP或其他自主研发的EAM系统)、设备维护工单、设备台账、操作规程、设备维修管理纸质文档、企业事故/设备故障分析日志、企业运行运营目标、检修/运行规程、设备厂商数据及资产数据库数据(含数据库建设)、监控数据。

将收集到的数据汇集、整理，提取出设备名称、台号、设备类型、分组、运行方案等信息，并提取出指定时间范围内的所有的设备维修记录，包括维修开始时间、维修结束时间、维修类型、故障类型、设备停机时间、维修时间、故障所属的故障模式(Failure Mode)、故障所属的故障原因(Failure Cause)等信息并汇总到一个表格或数据库内。

b.使用特定算法对步骤a得到的数据按故障模式、故障原因等分类进行分析，从而得出所有设备的各故障模式(Failure Mode)、故障原因(Failure Cause)、设备整体、以及设备所在分组整体的韦伯分布描述的故障发生规律、维修耗时规律、离线检测耗时规律等参数(韦伯分布是一种覆盖范围较广的概率分布模型，常用来描述工业上的多种故障分布规律，并可以模拟指数分布等其它概率分布模型)。该所述的特定算法包括基于MLE(Maximum Likelihood Estimation)的数据拟合算法、基于RR(Rank Regression)的数据拟合算法、自动选择两者中较优的算法、以及基于非线性动态规划(Non-linear Programming)结合MLE的数据拟合算法。

c.根据步骤b得到的设备、以及设备所在分组整体的故障发生规律，以及各组件的依赖关系，建立RBD方框图，来描述系统中各组件之间的依赖关系及各组件的可靠性与整个系统可靠性的关系。例如，某系统有A，B，C三台设备，同时运行。A、B设备中任意一台故障，系统都继续运行，但是降负荷50％，如果A、B设备同时故障，则系统停机；如果C设备故障则系统直接停机。

d.在步骤c建立的RBD模型的每个方框中加入了设备故障发生的概率模型、对应的不同类型维修维护所需的资源(人员、备件、时间、成本等)、设备或组件的负荷等数据，利用特定算法(通过蒙特卡洛模拟算法，人工神经网络，大数据算法，及深度学习等特定算法)对系统的RBD进行仿真模拟。获得RBD模拟仿真结果，所述的结果包括系统的可用性、系统运行时间、系统停机时间(及由于各不同原因造成的停机时间)、系统进行修正性维修的次数、预防性维修的次数、实时监测引起的维修次数、检测引起的维修次数、系统首次故障的期望(MTTFF)、系统故障周期的期望(MTBF)、系统维护周期的期望(MTBM)、系统启动次数、停机次数、启动总耗费时间、停机总耗费时间、备件消耗数量；系统在不同时间点的可靠性；造成系统停机时间最长的设备故障模式排名；系统在不同负荷下运行时间的百分比、系统负荷的平均利用率；系统用于不同类型维护的成本、各类型维护所用人力资源的成本、所用备件的成本、年化固定资产投资成本、备件的仓储成本、开机成本、停机成本、停机损失、运行成本、总成本、销售额、销售利润等数据；以及针对各设备的类似分析结果。例如，在步骤c的案例中，按照60000小时的时间范围，进行100次模拟计算，得到A,B,C的MTBF分别为4000小时，5000小时和8000小时，故障均满足指数分布；维修时长分别为固定8小时，8小时和16小时。模拟可得，系统的可用性约为0.998。

e.根据步骤d的结果得到项目所需的KPI数值，所述KPI数值如，包括可靠性、可用性、可维护性、故障率、产能、全生命周期成本中的一项或者几项(具体项目可与客户讨论决定新增或者删除KPI)，并根据项目要求来确定对标的标准，设置阈值，对达不到项目标准的KPI项发出相关警报，提示KPI的偏差；例如，在步骤d的案例中，工厂希望通过优化A、B、C的维护方案来保证系统可用性不低于98％的前提下尽量降低总成本。那么这里可用性98％即为KPI对标标准，而降低总成本即为优化目标。将98％设置为阈值，本案例中模拟得到的系统可用性为99.8％，大于阈值，因此不会触发报警。

f.将步骤e发出的相关警报与步骤a中收集的数据共同作为以设备为最高单元的底层系统的故障信息。

g.根据国际标准通过对步骤b中所述的设备及其零部件的功能和功能故障进行准确定义，包括但不仅限于崩溃、高输出、低输出、内部泄露、外部泄露、振动、噪音、过热、堵塞等，实现对系统故障的有效判断和识别。

以数据为驱动的可靠性分析(RAM)提供了设备状态的预判规律，并以多项KPI(可靠性、可用性、可维护性、故障率、产能、全生命周期成本)的表现方式为用户提供相关警报。

二、维修策略制定方法(RCM)：

h.根据步骤f所得故障信息，进行故障模式与故障后果分析(明确与每一个功能故障相关的故障位置，故障模式、故障原因、故障后果及故障等级，并根据失效模式与故障后果分析结果确定采取哪些措施来防止故障，减轻故障后果，或者帮助如何去监测故障)；

i.制定维修策略(根据安全性、环境性、功能性和经济性影响等因素的决策树分析，形成针对不同故障选择不同的维修策略，并制定科学维修工作间隔)；

j.由步骤e发出的相关警报触发步骤i中相应的维修策略；

k.维修策略制定方法以可靠性分析的结果为导向，形成针对不同故障选择不同的维修策略，并制定科学维修工作间隔，同时也能确定维护方案的周期和维护方案应用的备件数量。

因此，把这两个方法系统的集成在一起，形成一套能以数据为输入，进行模拟、优化的自我迭代更新的闭环方法。这样企业在设备状态变化趋势预判、系统结构或维修策略优化的问题上能达到自身不断循环优化的一个闭环，从而达到自我持续发展的设备管理方法。

本发明把设备/系统可靠性分析(RAM)和维修策略制定方法(RCM)两者系统集成一起，形成一套能以数据为输入，进行模拟、优化的自我迭代更新的闭环方法，解决没有以数据为驱动，不能准确预判设备状态的传统可靠性分析带来的问题；设备维护方案利用数据的支持可以准确对症下药；优化后的设备维护方案有定量的数据支持和模拟仿真的验证，更大的提高管理人员对分析结果的信心；全面性的分析结果对关键性的决定带来帮助；方法自形成一个闭环过程，这样可靠性分析能不断的进行优化和完善；对企业未来的可靠性分析建立框架，达到自我完善的一个过程。

最后，还需要注意的是，以上列举的仅是本发明的一个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。