检修资源调配方法和调配系统技术方案

本发明专利技术提供一种检修资源调配方法和调配系统，所述调配方法包括：生成检修节点对应的所有设备的检修计划；基于所述所有设备的检修计划，获取所述检修节点在预定检修周期内的待检修设备集合；基于所述待检修设备集合和对应的检修计划，获取检修任务集合；基于所述检修任务集合，获取所述检修任务集合对应的检修资源需求；基于所述检修资源需求，调配所述检修节点的检修资源。本发明专利技术通过获取检修计划来确定预定检修周期内的所有待检修设备集合，从而进一步确定检修任务，并通过检修任务确定检修资源需求，从而决定具体如何调配检修资源。从而决定具体如何调配检修资源。从而决定具体如何调配检修资源。

【技术实现步骤摘要】
检修资源调配方法和调配系统


[0001]本专利技术涉及设备检修
，尤其涉及一种检修资源调配方法和调配系统。

技术介绍

[0002]轨道车辆(列车)具有数量多、路网规模大和服役环境复杂的特点，随着列车检修业务的激增，检修需求不均衡会出现检修资源空置或挤兑的问题。例如：列车进行集中送修，容易导致检修资源需求超出检修资源储备量，造成列车积压待检，列车等待检查的时间长；反之，造成检修资源空置，检修资源利用率低的问题。
[0003]现有的检修资源调配方法基于人工经验，该方法依靠历史经验和历史资源储备记录，估算不同月份的检修资源需求和调配检修需要的资源，如检修台位、检修人员和检修备件等，导致现有的资源调配的耗时长。同时，由于检修资源的需求量并不固定，在实际生产过程中，为了保证正常检修进度，避免准备不足，导致检修资源欠缺，影响检修生产的风险，经常提早或过度储备检修资源；特别是列车在较长时间不能运行时，列车的运用和维修规律较历史记录差异明显，该方法导致库存积压、资金占用量大，当部分资源仅适用于特定车型的特定检修任务，该多余的资源只能闲置浪费，现有的检修资源调配过度依赖人工经验，检修资源调配的准确率低。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种检修资源调配方法和调配系统，以解决现有的调配的耗时长，检修资源调配的准确率低的问题。
[0005]本专利技术的技术方案提供的一种检修资源调配方法，所述调配方法包括：
[0006]生成检修节点对应的所有设备的检修计划；/>[0007]基于所述所有设备的检修计划，获取所述检修节点在预定检修周期内的待检修设备集合；
[0008]基于所述待检修设备集合和对应的检修计划，获取检修任务集合；
[0009]基于所述检修任务集合，获取所述检修任务集合对应的检修资源需求；
[0010]基于所述检修资源需求，调配所述检修节点的检修资源。
[0011]根据本专利技术提供的一种检修资源调配方法，所述生成检修节点对应的所有设备的检修计划，包括：
[0012]获取所有设备的历史检修记录和检修规程；
[0013]预测所有设备的预运行数据；
[0014]基于所述预运行数据、历史检修记录和检修规程，确定所有设备的检修计划，其中，所述检修计划至少包括每个所述设备下一次的检修时间和对应的检修修程。
[0015]根据本专利技术提供的一种检修资源调配方法，获取所述设备的历史运行数据；
[0016]输入所述历史运行数据至经验模态分解模型，获得所述经验模态分解模型输出的若干模态函数和残差，其中，所述若干模态函数和残差均为从历史时间映射到第一运行数
据分量的第一部分函数；
[0017]基于所有的所述第一部分函数，分别获取对应的多个第二部分函数，所述第二部分函数从待预测时间映射到第二运行数据分量；
[0018]基于所述多个第二部分函数，获得所述设备在所述待预测时间对应的多个第二运行数据分量；
[0019]将所述多个第二运行数据分量相加，以获得所述设备在待预测时间的预测里程。
[0020]根据本专利技术提供的一种检修资源调配方法，基于所有的所述第一部分函数，分别获取对应的多个第二部分函数，包括：
[0021]输入所述待预测时间至深度置信网络模型，获得所述深度置信网络模型输出的对应的所述第二运行数据分量，所述待预测时间与对应的所述第二运行数据分量形成所述第二部分函数的映射；
[0022]其中，所述深度置信网络模型以所述第一部分函数为样本训练得到。
[0023]根据本专利技术提供的一种检修资源调配方法，所述深度置信网络模型包括多个堆叠的受限玻尔兹曼机和回归层。
[0024]根据本专利技术提供的一种检修资源调配方法，所述深度置信网络模型采用人工蜂群算法优化超参数，所述超参数至少包括如下的一项：
[0025]隐藏层的层数、隐藏层的节点数目、迭代次数和学习率。
[0026]根据本专利技术提供的一种检修资源调配方法，基于所述检修任务集合，获取所述检修任务集合对应的检修资源需求，包括：
[0027]基于所述检修任务集合，获取每个检修任务对应的工艺方案；
[0028]基于所述工艺方案，获取每个检修任务对应的检修资源要求；
[0029]基于所述每个检修任务对应的检修资源要求，获取所述检修任务集合对应的检修资源需求。
[0030]根据本专利技术提供的一种检修资源调配方法，基于所述检修资源需求，调配所述检修节点的检修资源，包括：
[0031]获取所述检修节点在所述预定检修周期内的检修资源可用量；
[0032]若所述检修资源需求大于或等于所述检修资源可用量，则生成调配计划；
[0033]根据所述调配计划，调配所述检修节点的检修资源。
[0034]本专利技术的技术方案还提供一种检修资源调配系统，所述调配系统包括：
[0035]计划模块，用于生成检修节点对应的所有设备的检修计划；
[0036]对象模块，用于基于所述所有设备的检修计划，获取所述检修节点在预定检修周期内的待检修设备集合；
[0037]任务模块，用于基于所述待检修设备集合和对应的检修计划，获取检修任务集合；
[0038]资源模块，用于基于所述检修任务集合，获取所述检修任务集合对应的检修资源需求；
[0039]调配模块，用于基于所述检修资源需求，调配所述检修节点的检修资源。
[0040]本专利技术的技术方案还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以上任一项所述检修资源调配方法。
[0041]本专利技术提供的检修资源调配方法和调配系统，通过获取检修计划来确定预定检修周期内的所有待检修设备集合，从而进一步确定检修任务，并通过检修任务确定检修资源需求，从而决定具体如何调配检修资源，降低了检修资源调配的时长，提高了检修资源调配的准确率。
附图说明
[0042]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本专利技术实施例的一种检修资源调配方法流程示意图。
[0044]图2为本专利技术实施例的一种基于EMD
‑
ABC
‑
DBN的运行数据预测算法模型图。
[0045]图3为本专利技术实施例的人工蜂群算法优化的深度置信网络里程预测算法流程图。
[0046]图4为本专利技术实施例的一种深度置信网络模型结构示意图。
[0047]图5为本专利技术实施例的一种RBM结构示意图。
[0048]图6为本专利技术实施例的一种检修资源调配系统结构示意图。
[0049]图7为本专利技术提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检修资源调配方法，其特征在于，所述调配方法包括：生成检修节点对应的所有设备的检修计划；基于所述所有设备的检修计划，获取所述检修节点在预定检修周期内的待检修设备集合；基于所述待检修设备集合和对应的检修计划，获取检修任务集合；基于所述检修任务集合，获取所述检修任务集合对应的检修资源需求；基于所述检修资源需求，调配所述检修节点的检修资源。2.根据权利要求1所述的检修资源调配方法，其特征在于，所述生成检修节点对应的所有设备的检修计划，包括：获取所有设备的历史检修记录和检修规程；预测所有设备的预运行数据；基于所述预运行数据、历史检修记录和检修规程，确定所有设备的检修计划，其中，所述检修计划至少包括每个所述设备下一次的检修时间和对应的检修修程。3.根据权利要求2所述的检修资源调配方法，其特征在于，所述预测所有设备的预运行数据，包括：获取所述设备的历史运行数据；输入所述历史运行数据至经验模态分解模型，获得所述经验模态分解模型输出的若干模态函数和残差，其中，所述若干模态函数和残差均为从历史时间映射到第一运行数据分量的第一部分函数；基于所有的所述第一部分函数，分别获取对应的多个第二部分函数，所述第二部分函数从待预测时间映射到第二运行数据分量；基于所述多个第二部分函数，获得所述设备在所述待预测时间对应的多个第二运行数据分量；将所述多个第二运行数据分量相加，以获得所述设备在待预测时间的预测里程。4.根据权利要求3所述的检修资源调配方法，其特征在于，基于所有的所述第一部分函数，分别获取对应的多个第二部分函数，包括：输入所述待预测时间至深度置信网络模型，获得所述深度置信网络模型输出的对应的所述第二运行数据分量，所述待预测时间与对应的所述第二运行数据分量形成所述第二部分函数的映射；其中，所述深度置信网络模型以所述第一部分函数为...

【专利技术属性】
技术研发人员：郝伟，邓学寿，孙华，何彬，暴长春，赵梦华，石雅茹，
申请(专利权)人：中车青岛四方机车车辆股份有限公司，
类型：发明
国别省市：