本发明专利技术涉及一种基于状态监测和设备部件可靠性的备件需求预测方法，属于机械制造技术领域。首先根据设备维修记录单，使用可靠性理论对维修记录中的部件失效寿命数据进行处理，得到部件失效寿命的概率累积分布函数，再根据部件失效寿命的概率累积分布函数、设备工作总时长、实际备件需求量的历史记录、备件需求量同比环比值记录、计划员的经验预测值等，与实际备件需求量的历史记录用于比较预测的误差相比较，得到设备备件需求量预测值。本方法的预测结果有实际依据，能够有效减少企业呆滞库存，减少资源浪费、降低成本对不同的易损备件具有较好的普适性。
【技术实现步骤摘要】
一种基于状态监测和设备部件可靠性的备件需求预测方法
本专利技术涉及一种基于状态监测和设备部件可靠性的备件需求预测方法，属于机械制造
技术介绍
大型复杂设备的维修过程复杂，为缩短修理的停歇时间，保证维修效率，一定数量的备件库存是必须的。备件库存短缺可能导致设备不能及时维修投入使用，造成巨大的经济损失；备件储备过多产生大量呆滞库存，造成仓库场地费、保管费、备件损坏造成的损失等额外消耗增加，占用大量的企业流动资金，影响企业运营。因此，合理地预测备件需求量，在保证设备正常维修需求的前提下降低备件库存量，对于减少企业资金滞留、提高经济效益，有着重要的意义。传统的备需求预测是通过对备件需求量的同比环比记录、下月销售政策等因素进行经验估计来预测备件需求量、制定采购计划，这也是目前大部分企业采用的方法。由于缺乏数字化的预测方法，备件需求的估计主要凭借计划员的经验，而备件需求量受到未来一段时间内开工设备数量、开工时间、季节因素、销售政策等多种因素的影响，单凭经验很难做到准确的需求预测。一些科研文献中提到的定量预测的方法如单指数平滑、函数拟合回归、神经网络等计算方法，通常需要大量的数据进行拟合分析等，但实际生产中由于受数量质量的限制，很难拟合准确，经常出现的过拟合和过学习现象导致预测准确率较低。随着无线传感技术和状态监测技术的发展，基于状态的维修（Condition-BasedMaintenance，CBM）正逐渐得到广泛的推广和应用。基于状态的维修是对设备运行状态数据的监测分析来确定设备维修需求的预防维修模式。被监测的状态数据通常由传感器采集或设备智能终端上传，形成状态监测数据流，并通过无线传感网、GPRS、Internet和卫星等数据传感网络源源不断地上传到设备状态监测分析平台，进行解析、存储以及特征值提取、去噪、数据融合等一系列分析过程，确定设备维修需求。这些状态监测数据所反映出的设备的使用时间、损耗程度、可能的故障部位及原因等信息，可以在一定程度上用于预测设备未来一段时间内的健康状态以及可能需要更换备件的类型和数量。已有技术提出了利用状态监测信息进行备件预测方法，但都通常建立在一个基本的条件上：需要预测的部件必须带有传感装置，能够获得其状态数据。而实际情况中，鉴于传感器成本、体积等问题，不是设备上的所有部件都能被监测到。状态监测的重点往往在设备上比较关键或者贵重的部件，而对一些需求量大但比较廉价的易损部件，单独安装传感器来预测其未来一段时间的备件需求量，成本过高。
技术实现思路
本专利技术的目的是提出一种基于状态监测和设备可靠性的备件需求预测方法，针对大型复杂设备中大批量需求的易损件进行备件需求预测，提高预测的准确度，易于实施，能够在保证设备正常维修需求的前提下降低备件库存量，减少企业资金滞留、节约企业运营成本。本专利技术提出的基于运行状态监测和设备可靠性的设备备件需求预测方法，包括以下步骤：（1）从设备维修记录单中获取设备部件的失效寿命，根据可靠性理论，使用Weibull模型、Weibull竞争风险模型或截短的正态分布模型拟合得到部件失效寿命的概率累积分布函数F(t)；（2）对N台设备进行状态监测，获取N台设备中的每台设备j在当前时刻Ti的工作总时长tij，其中1≤j≤N，N台设备的工作总时长为（3）根据步骤（2）中得到的设备的工作总时长和步骤（1）中得到的部件失效寿命的概率累积分布函数F(t)，利用下式，计算得到N台设备上部件在当前时刻Ti的实际工作年龄实际工作年龄为N维向量，其中aij表示为第j台设备上的部件在当前时刻Ti的实际工作年龄，为部件在Ti-1时刻的实际工作年龄，mod表示取余数，BY为与步骤（1）的累积分布函数F(t)的Y分位点相对应的部件失效寿命时长；为时间区间[Ti-1,Ti]内设备的工作总时长的增量，为寿命补给函数，指设备上的部件在时间区间[Ti-1,Ti]内因被替换造成的实际工作年龄减少的值，其中Si为时间区间[Ti-1,Ti]内的实际备件储备量，寿命补给函数值的计算方法为：分别对部件在Ti-1时刻的实际工作年龄ai-1,j与时间区间[Ti-1,Ti]内设备的工作总时长的增量Δti,j进行加和，得到一个加和值，根据加和值从大到小顺序对设备进行排序，设定排序在前Si名的设备上的部件在时间区间[Ti-1,Ti]内被替换，则前Si名设备的g(Si)值为该部件的失效寿命时长BY，其余设备的g(Si)值为0；（4）利用公式得到Ti+1时刻的部件实际工作年龄，其中是为时间区间[Ti,Ti+1]内设备的工作总时长的增量的估计值，根据历史同期设备开工情况估计得到；（5）将步骤（4）得到的中的每台设备上部件的实际工作年龄ai+1,j分别与部件失效寿命时长BY进行比较，若ai+1,j>BY，则该设备上的部件可能失效，将可能失效的部件数加和，得到时间区间[Ti,Ti+1]内可能失效的部件数量（6）对上述可能失效的部件数量设备备件的历史需求量和设备管理人员对部件需求量的经验估计值进行加权求和，得到时间区间[Ti,Ti+1]内设备备件需求量的预测公式：其中α0、α1、α2分别为和的权重；（7）将备件需求的预测值S′与设备运行历史记录中的备件实际需求量S之间的预测误差表示为ε，ε=|S′-S|，根据设备运行历史记录中的备件实际需求量，通过最小化m个时间段内的预测误差之和计算得到部件失效寿命时长BY中的Y值以及上述权重α0、α1、α2的值；（8）将步骤（7）得到的Y值和α0、α1、α2的值代入公式中，计算得到[Ti,Ti+1]时段的设备备件需求量预测值本专利技术提出的基于状态监测和设备可靠性的备件需求预测方法，其优点是：（1）本专利技术方法利用状态监测数据估计部件当前实际使用年龄，结合设备状态监测数据和部件可靠性模型进行备件预测，预测结果有实际依据，较传统预测方法更加准确，能够有效减少企业呆滞库存，减少资源浪费、降低成本。（2）本专利技术方法针对需求量大的易损耗部件，结合企业实际考虑，通过监测部件所在设备的工作总时长而非各部件自己的状态来进行预测，节约部件上部署传感器和采集电控信号的成本。（3）本专利技术方法通过最小化预测误差调整预测参数，对不同的易损备件具有较好的普适性。具体实施方式本专利技术提出的基于运行状态监测和设备可靠性的设备备件需求预测方法，包括以下步骤：（1）从设备维修记录单中获取设备部件的失效寿命，根据可靠性理论，使用Weibull模型、Weibull竞争风险模型或截短的正态分布模型拟合得到部件失效寿命的概率累积分布函数F(t)；以Weibull分布为例，累积分布函数F(t)=1-exp[-(t/α)β]，其中α、β为需要拟合的参数。根据可靠性理论拟合累积分布函数的具体流程请参见机械工程出版社蒋仁言、左明健所著的《可靠性模型和应用》。（2）对N台设备进行状态监测，获取N台设备中的每台设备j在当前时刻Ti的工作总时长tij，其中1≤j≤N，N台设备的工作总时长为（3）根据步骤（2）中得到的设备的工作总时长和步骤（1）中得到本文档来自技高网...
【技术保护点】
一种基于运行状态监测和设备可靠性的设备备件需求预测方法，其特征在于该方法包括以下步骤：（1）从设备维修记录单中获取设备部件的失效寿命，根据可靠性理论，使用Weibull模型、Weibull竞争风险模型或截短的正态分布模型拟合得到部件失效寿命的概率累积分布函数F(t)；（2）对N台设备进行状态监测，获取N台设备中的每台设备j在当前时刻Ti的工作总时长tij，其中1≤j≤N，N台设备的工作总时长为（3）根据步骤（2）中得到的设备的工作总时长和步骤（1）中得到的部件失效寿命的概率累积分布函数F(t)，利用下式，计算得到N台设备上部件在当前时刻Ti的实际工作年龄a→i=a→i-1+Δt→i-g→(Si),实际工作年龄为N维向量，其中aij表示为第j台设备上的部件在当前时刻Ti的实际工作年龄，为部件在Ti?1时刻的实际工作年龄，mod表示取余数，BY为与步骤（1）的累积分布函数F(t)的Y分位点相对应的部件失效寿命时长；为时间区间[Ti?1,Ti]内设备的工作总时长的增量，为寿命补给函数，指设备上的部件在时间区间[Ti?1,Ti]内因被替换造成的实际工作年龄减少的值，其中Si为时间区间[Ti?1,Ti]内的实际备件储备量，寿命补给函数值的计算方法为：分别对部件在Ti?1时刻的实际工作年龄ai?1,j与时间区间[Ti?1,Ti]内设备的工作总时长的增量Δti,j进行加和，得到一个加和值，根据加和值从大到小顺序对设备进行排序，设定排序在前Si名的设备上的部件在时间区间[Ti?1,Ti]内被替换，则前Si名设备的g(Si)值 为该部件的失效寿命时长BY，其余设备的g(Si)值为0；（4）利用公式得到Ti+1时刻的部件实际工作年龄，其中是为时间区间[Ti,Ti+1]内设备的工作总时长的增量的估计值，根据历史同期设备开工情况估计得到；（5）将步骤（4）得到的中的每台设备上部件的实际工作年龄ai+1,j分别与部件失效寿命时长BY进行比较，若ai+1,j>BY，则该设备上的部件可能失效，将可能失效的部件数加和，得到时间区间[Ti,Ti+1]内可能失效的部件数量（6）对上述可能失效的部件数量设备备件的历史需求量和设备管理人员对部件需求量的经验估计值进行加权求和，得到时间区间[Ti,Ti+1]内设备备件需求量的预测公式：其中α0、α1、α2分别为和的权重；（7）将备件需求的预测值S′与设备运行历史记录中的备件实际需求量S之间的预测误差表示为ε，ε=|S′?S|，根据设备运行历史记录中的备件实际需求量，通过最小化m个时间段内的预测误差之和计算得到部件失效寿命时长BY中的Y值以及上述权重α0、α1、α2的值；（8）将步骤（7）得到的Y值和α0、α1、α2的值代入公式中，计算得到[Ti,Ti+1]时段的设备备件需求量预测值S′i+1。FDA0000425291420000011.jpg,FDA0000425291420000012.jpg,FDA0000425291420000013.jpg,FDA0000425291420000015.jpg,FDA0000425291420000016.jpg,FDA0000425291420000017.jpg,FDA0000425291420000018.jpg,FDA0000425291420000019.jpg,FDA00004252914200000110.jpg,FDA00004252914200000111.jpg,FDA00004252914200000112.jpg,FDA0000425291420000021.jpg,FDA0000425291420000022.jpg,FDA0000425291420000023.jpg,FDA00004252914200000213.jpg,FDA0000425291420000025.jpg,FDA0000425291420000026.jpg,FDA0000425291420000027.jpg,FDA0000425291420000028.jpg,FDA0000425291420000029.jpg,FDA00004252914200000210.jpg,FDA00004252914200000211.jpg,FDA00004252914200000212.jpg...
【技术特征摘要】
1.一种基于运行状态监测和设备可靠性的设备备件需求预测方法，其特征在于该方法包括以下步骤：(1)从设备维修记录单中获取设备部件的失效寿命，根据可靠性理论，使用Weibull模型、Weibull竞争风险模型或截短的正态分布模型拟合得到部件失效寿命的概率累积分布函数F(t)；(2)对N台设备进行状态监测，获取N台设备中的每台设备j在当前时刻Ti的工作总时长tij，其中1≤j≤N，N台设备的工作总时长为(3)根据步骤(2)中得到的设备的工作总时长和步骤(1)中得到的部件失效寿命的概率累积分布函数F(t)，利用下式，计算得到N台设备上部件在当前时刻Ti的实际工作年龄实际工作年龄为N维向量，其中aij表示为第j台设备上的部件在当前时刻Ti的实际工作年龄，为部件在Ti-1时刻的实际工作年龄，mod表示取余数，BY为与步骤(1)的累积分布函数F(t)的Y分位点相对应的部件失效寿命时长；为时间区间[Ti-1,Ti]内设备的工作总时长的增量，为寿命补给函数，指设备上的部件在时间区间[Ti-1,Ti]内因被替换造成的实际工作年龄减少的值，其中Si为时间区间[Ti-1,Ti]内的实际备件储备量，寿命补给函数值的计算方法为：分别对部件在Ti-1时刻的实际工作年龄ai-1,j与时间...
【专利技术属性】
技术研发人员：张力，刘英博，王建民，曹原，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。