一种水泥厂设备备件寿命的预测方法及系统技术方案

本发明专利技术公开了一种水泥厂设备备件寿命的预测方法及系统，此方法包括：步骤1，获取水泥厂中关键设备的历史运行状态数据和历史管理数据，其中所述历史管理数据包括维保数据；步骤2，对所述关键设备的历史运行状态数据和历史管理数据进行标注处理获得各备件的网络训练数据，所述网络训练数据包括状态输入参数序列和对应的寿命输出参数；步骤3，使用所述网络训练数据对神经网络进行训练，直至训练成功；步骤4，采集目标设备的当前运行状态数据，根据当前运行状态数据构建状态输入参数，将所述状态输入参数输入至训练成功的神经网络，将神经网络的输出结果作为所述备件寿命的预测结果。

A method and system for predicting the life of equipment spare parts in cement plant

The invention discloses a method and system for predicting the life of a equipment spare part of a cement plant. The method includes: Step 1, obtaining historical data and historical management data of the key equipment in the cement plant, including the historical management data including the maintenance data; step 2, the historical running state data of the key equipment and the data of the history of the critical equipment, The history management data is annotated to obtain the network training data of the spare parts. The network training data includes the state input parameter sequence and the corresponding life output parameters; step 3, the network training data is used to train the neural network until the training is successful; step 4, the current running shape of the target equipment is collected. The state input parameters are constructed according to the current running state data, and the state input parameters are input to the trained neural network, and the output results of the neural network are used as the prediction results of the spare parts life.

【技术实现步骤摘要】
一种水泥厂设备备件寿命的预测方法及系统
本专利技术涉及互联网
，尤其涉及一种水泥厂设备备件寿命的预测方法及系统。
技术介绍
在为海外水泥厂提供备品备件供应服务的过程中，由于海外水泥厂所处的国家、地域以及相应的经济条件和政策条件各不相同，在工厂生产出现问题急需备品备件时，常常出现以下问题：(1)备品备件采购成本高，采购不及时：由于不同国家的发展程度不同，对于部分特殊备件，可能由于各种原因在当地无法进行采购(或者采购成本极高)，造成备件无法及时采购或者采购成本大幅度提高，影响水泥厂正常运营。(2)各区域库存的备品备件配置不合理：海外不同国家、不同地域的水泥厂的地理环境和生产条件差别很大，备品备件的需求差异也很大。在区域库存中，而备品备件的采购缺乏科学依据，若采购备件过多，不需要使用，则占用资金过多，造成资源浪费；若采购备件不足或配置不合理，故障发生时，没有足够的备件进行替换，会导致更严重的生产停产事件发生。(3)不同区域的备品备件库存调度不合理：故障发生后，若本地区域库存无相应的备件供应，且无法进行当地采购，则只能通过传统通讯方式从其他区域库存进行调度。由于涉及到货物运输、清关等问题，往往会导致备件延误，或者成本大幅度上升。为保障工厂顺利生产，各厂都有备品备件的需求，如何科学确认备件熟练，调度备品备件，对保障企业的生产，降低企业资金占用具有重要的意义。在大数据分析技术的背景下，一些公司利用大数据技术和建模等技术，对各种备品备件的库存量进行科学分析，以实现科学规划库存的目的。为了根据各工厂的设备运行情况及地理位置分布情况，科学的制定备件的库存量，传统解决方案通常是：通过概率理论计算公式，结合实际经验，建立基于故障概率的数学模型，根据数学模型确定备品备件的数量。具体方法包括：(1)利用概率统计学知识分析确定备件的采购数量推断某部件的故障概率服从统计学分布(指数分布)，从而推断出部件的需求时间也服从指数分布(泊松过程)，并由此得到任何一个固定周期内的需求服从泊松分布。在此前提条件下，通过建立备件采购经费与装备期望使用可用度的关系最优曲线。装备可用度-费用最优曲线上的各个点对应一组库存策略，即各项备件的库存量。若以装备可用度(最大限度保证工厂不停产)要求为约束条件，可通过需求预测模型确定库存备件的需求量，在保障经费允许的情况下，按照库存备件需求量，以提高备件效费比为目标，确定备件采购方案。(2)根据经验公式计算在工业实践中，对于一些常用设备(泵、压缩机等)的备件，人们根据经验，针对设备类型、使用条件等情况，总结出一些经验公式。人们在为这些常规设备制定备件计划时，直接参考这些经验公式即可。(3)引入备件重要度的经济订货批量模型由于实际工作中，有些备件对生产工作影响较大，因此在备件采购中需额外关注，因此，在数学模型中引入重要度概念，以备件的重要度作为系数并参与备件采购决策。通过将经济订货批量数学模型，结合备件重要度系数，可得到引入备件重要度的采购份额。(4)引入部件已工作时间的备件计算模型该模型在传统概率模型的基础上，考虑部件已工作的时间，进一步修订了备件数量计算模型。通过修订后的数学模型，能够准确计算出备品备件的数量与系统可靠性之间的关系。(5)回归分析法确认数学模型在一定的样本数量支撑下，结合影响备件数量的众多因素的相关性分析，利用回归分析法，获得备件数量的数学模型，利用数学模型对后续的备件需求进行计算。(1)基于概率统计数学模型计算，适用于备件规模较大的场合基于概率统计数学模型的备件计算方法(包括由此发展而来的引入重要性参数或者引入使用时间参数等方法)，均是基于部件寿命符合统计学宏观规律为前提的。在部件使用量较大的场合，该模型的计算结果表现尚可，但在部件总使用量较少的场合，由于影响部件寿命的因素很多，即使同一种部件，由于工作部位不同，温度、湿度、振动等条件不同，其寿命的概率分布曲线也不会完全一致，如果仅仅套用概率统计模型，将会引起较大的备件资金占用。(2)基于概率统计数学模型计算，适合备件的“事前”储备以概率统计数学模型为基础的备品备件策略，其目的是通过事先储备一定数量的备品备件，保证当系统出现故障时，能够及时更换备品备件，确保系统整体可靠性。由于总是在系统出现故障后才能进行更换，无法做到预防性判断，因此即使用户的备品备件数量和种类控制得非常科学，也需要长期占用一部分资金用于备品备件的囤积，无法最大限度的发挥资金价值。(3)基于回归分析的数学模型，数学模型可靠性不稳定通过回归分析预测某个部件的使用寿命，本质上是将影响部件使用的各个因素，以及这些因素对部件寿命的影响方式和影响程度，通过多维数学模型表达出来。该数学模型不再是简单的基于概率统计学模型，而是基于现实的大量样本数据以及人们的先验知识。然而，工程条件下，影响部件寿命的因素很多，这些因素之间也存在大量的相关性，人们的先验知识往往无法准确的描述这些影响因素之间的相关性，因此在实际面对复杂问题时，回归分析的数学模型往往与实际情况存在较大差距，数学模型的可靠性不佳。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种水泥厂设备备件寿命的预测方法及系统。本专利技术提供的水泥厂设备备件寿命的预测方法，包括：步骤1，获取水泥厂中关键设备的历史运行状态数据和历史管理数据，其中所述历史管理数据包括维保数据；步骤2，对所述关键设备的历史运行状态数据和历史管理数据进行标注处理获得各备件的网络训练数据，所述网络训练数据包括状态输入参数序列和对应的寿命输出参数；步骤3，使用所述网络训练数据对神经网络进行训练，直至训练成功；步骤4，采集目标设备的当前运行状态数据，根据当前运行状态数据构建状态输入参数，将所述状态输入参数输入至训练成功的神经网络，将神经网络的输出结果作为所述备件寿命的预测结果。上述水泥厂设备备件寿命的预测方法还具有以下特点：所述对所述关键设备的历史运行状态数据和历史管理数据进行标注处理获得各备件的网络训练数据包括：解析所述维保数据获得备件清单，确定各备件的更换时间，将各备件的从开始使用到更换时间之间的时间段作为寿命输出参数，根据此时间段内的历史运行状态数据获得状态输入参数序列。上述水泥厂设备备件寿命的预测方法还具有以下特点：所述根据此时间段内的历史运行状态数据获得状态输入参数序列包括：从历史运行状态数据中选择出设备处理开机和待机状态下的运行状态数据，将模拟的历史运行状态数据离散为历史运行状态数据序列作为状态输入参数序列。上述水泥厂设备备件寿命的预测方法还具有以下特点：所述神经网络包括依次连接的输入层、LSTM网络、全连接网络，所述输入层中的神经元的个数与所述状态输入参数序列的参数个数相同，全连接网络的第一层的神经元的个数与所述状态输入参数序列的参数个数相同，第二层的神经元的个数是所述状态输入参数序列的参数个数的N倍，第三层的神经元的个数是寿命输出目标值的个数。上述水泥厂设备备件寿命的预测方法还具有以下特点：所述获取水泥厂中关键设备的历史运行状态数据和历史管理数据包括：从水泥厂的生产线控制系统采集关键设备的历史运行状态数据，或者，通过网络传输的方式从核心数据中心获取核心数据中心存储的历史运行状态数据，或者通过网络传输的方式从核心数据中心获取区域数据中心上报的历史本文档来自技高网...

【技术保护点】
一种水泥厂设备备件寿命的预测方法，其特征在于，包括：步骤1，获取水泥厂中关键设备的历史运行状态数据和历史管理数据，其中所述历史管理数据包括维保数据；步骤2，对所述关键设备的历史运行状态数据和历史管理数据进行标注处理获得各备件的网络训练数据，所述网络训练数据包括状态输入参数序列和对应的寿命输出参数；步骤3，使用所述网络训练数据对神经网络进行训练，直至训练成功；步骤4，采集目标设备的当前运行状态数据，根据当前运行状态数据构建状态输入参数，将所述状态输入参数输入至训练成功的神经网络，将神经网络的输出结果作为所述备件寿命的预测结果。

【技术特征摘要】
1.一种水泥厂设备备件寿命的预测方法，其特征在于，包括：步骤1，获取水泥厂中关键设备的历史运行状态数据和历史管理数据，其中所述历史管理数据包括维保数据；步骤2，对所述关键设备的历史运行状态数据和历史管理数据进行标注处理获得各备件的网络训练数据，所述网络训练数据包括状态输入参数序列和对应的寿命输出参数；步骤3，使用所述网络训练数据对神经网络进行训练，直至训练成功；步骤4，采集目标设备的当前运行状态数据，根据当前运行状态数据构建状态输入参数，将所述状态输入参数输入至训练成功的神经网络，将神经网络的输出结果作为所述备件寿命的预测结果。2.如权利要求1所述的水泥厂设备备件寿命的预测方法，其特征在于，所述对所述关键设备的历史运行状态数据和历史管理数据进行标注处理获得各备件的网络训练数据包括：解析所述维保数据获得备件清单，确定各备件的更换时间，将各备件的从开始使用到更换时间之间的时间段作为寿命输出参数，根据此时间段内的历史运行状态数据获得状态输入参数序列。3.如权利要求2所述的水泥厂设备备件寿命的预测方法，其特征在于，所述根据此时间段内的历史运行状态数据获得状态输入参数序列包括：从历史运行状态数据中选择出设备处理开机和待机状态下的运行状态数据，将模拟的历史运行状态数据离散为历史运行状态数据序列作为状态输入参数序列。4.如权利要求1所述的水泥厂设备备件寿命的预测方法，其特征在于，所述神经网络包括依次连接的输入层、LSTM网络、全连接网络，所述输入层中的神经元的个数与所述状态输入参数序列的参数个数相同，全连接网络的第一层的神经元的个数与所述状态输入参数序列的参数个数相同，第二层的神经元的个数是所述状态输入参数序列的参数个数的N倍，第三层的神经元的个数是寿命输出目标值的个数。5.如权利要求1所述的水泥厂设备备件寿命的预测方法，其特征在于，所述获取水泥厂中关键设备的历史运行状态数据和历史管理数据包括：从水泥厂的生产线控制系统采集关键设备的历史运行状态数据，或者，通过网络传输的方式从核心数据中心获取核心数据中心存储...

【专利技术属性】
技术研发人员：龙成，张静，徐少杰，贾慕星，向波，张梅芳，
申请(专利权)人：中建材智慧工业科技有限公司，
类型：发明
国别省市：北京,11