一种设备智能运维方法及装置与流程

摘要: 本申请涉及工业设备管理,具体而言,涉及一种设备智能运维方法及装置。背景技术:1、目前,在工业设备运维领域中,现有的设备管理系统通常采用固定的健康评价模型和单一的...
一种设备智能运维方法及装置与流程

本申请涉及工业设备管理,具体而言,涉及一种设备智能运维方法及装置。

背景技术:

1、目前,在工业设备运维领域中,现有的设备管理系统通常采用固定的健康评价模型和单一的维护策略生成逻辑。然而,由于设备运行环境复杂多变且个体差异显著,静态固化的模型参数难以准确反映设备真实的退化规律,导致健康评估结果随时间推移逐渐失真;同时,现有决策机制往往仅基于设备物理状态或仅基于经济成本进行独立判断,缺乏物理状态演变与经济成本约束的深度耦合,容易造成维护过度或更新滞后等问题。

技术实现思路

1、针对现有技术存在的运维模型静态固化及决策维度单一导致维护策略失效与成本失控的问题,本申请通过一种设备智能运维方法及装置,实现运维模型的自适应进化与设备全生命周期综合成本的最优化。

2、第一方面,提供了一种设备智能运维方法,该方法可以包括:

3、以目标设备的唯一设备标识为关联主键,采集并关联设备全生命周期各阶段的多源数据;

4、基于所述多源数据构建健康评价模型,根据所述健康评价模型中的评价指标计算设备的健康指数,并根据所述健康指数及其变化趋势预测故障风险值,以及根据设备累计运行信息与健康状态预测剩余寿命;

5、基于所述健康指数、故障风险值、剩余寿命及生命周期成本,生成包含运维动作的综合决策;

6、响应于所述运维动作被执行,获取所述目标设备的状态改善数据;

7、基于所述状态改善数据,修正所述健康评价模型的参数,并修正所述运维动作的推荐优先级。

8、在一个可能的实现中,采集并关联设备全生命周期各阶段的多源数据,包括:

9、通过传感器自动采集设备的运行参数数据;

10、通过移动终端或业务系统接口采集人工巡检数据、维修工单数据以及来自erp系统、mes系统、scada系统和eam系统的业务数据;

11、将所采集的数据,以所述唯一设备标识和时间戳为索引进行统一关联。

12、在一个可能的实现中,生成包含运维动作的综合决策,包括:

13、确定所述目标设备的继续使用综合成本和更新综合成本;

14、当所述继续使用综合成本大于所述更新综合成本,且所述剩余寿命低于预设寿命阈值时,生成包含设备更新动作的所述综合决策;

15、否则,基于所述健康指数生成包含维修动作或巡检动作的所述综合决策。

16、在一个可能的实现中,所述继续使用综合成本包括预计维修维护成本、预计运行能耗成本及预计故障停机损失成本;

17、所述更新综合成本包括新设备采购成本、新设备安装调试成本及原设备报废残余价值;

18、所述生命周期成本包括采购成本、安装调试成本、运行成本、维修维护成本、备件成本、报废处置成本及停机损失成本。

19、在一个可能的实现中,所述健康评价模型包含多个评价指标及对应的初始权重;

20、基于所述状态改善数据,修正所述健康评价模型的参数,包括:

21、基于所述状态改善数据,确定各评价指标与设备故障的关联度;

22、基于所述关联度和所述状态改善数据中的状态变化量,对各评价指标的初始权重进行动态调整,得到更新权重。

23、在一个可能的实现中,所述故障风险值的预测方式为:基于当前健康指数、健康指数变化趋势、温度变化率、振动变化率、历史故障频率及设备使用强度,计算目标设备在未来设定时间窗口内发生故障的故障概率,再根据目标设备的关键程度与故障影响程度对所述故障概率进行加权,得到风险值。

24、在一个可能的实现中,修正所述运维动作的推荐优先级,包括:

25、统计所述运维动作在多次执行后的实际状态改善量;

26、当所述实际状态改善量连续多次低于预设改善阈值时,降低所述运维动作在所述综合决策中的推荐优先级;

27、当所述实际状态改善量高于或等于所述预设改善阈值时,维持或提高所述推荐优先级。

28、在一个可能的实现中,所述健康评价模型的评价指标包括:

29、运行状态指标,包括温度、振动、电流、电压、功率、转速及能耗;

30、可靠性指标,包括故障次数、故障频率、平均故障间隔时间及平均维修时间;

31、维护状态指标,包括累计维修次数、最近一次维修时间、保养完成率及维修费用;

32、环境及使用强度指标,包括环境温度、环境湿度、粉尘浓度及平均负荷率。

33、第二方面,提供了一种设备智能运维装置,该装置可以包括:

34、采集单元,用于以目标设备的唯一设备标识为关联主键,采集并关联设备全生命周期各阶段的多源数据;

35、预测单元,用于基于所述多源数据构建健康评价模型,根据所述健康评价模型中的评价指标计算设备的健康指数,并根据所述健康指数及其变化趋势预测故障风险值,以及根据设备累计运行信息与健康状态预测剩余寿命;

36、生成单元,用于基于所述健康指数、故障风险值r、剩余寿命及生命周期成本,生成包含运维动作的综合决策;

37、获取单元,用于响应于所述运维动作被执行,获取所述目标设备的状态改善数据;

38、修正单元,用于基于所述状态改善数据,修正所述健康评价模型的参数,并修正所述运维动作的推荐优先级。

39、第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

40、存储器,用于存放计算机程序;

41、处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。

42、第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。

43、本申请提供的一种设备智能运维方法及装置,通过以唯一设备标识为关联主键融合全生命周期多源数据,打破了传统设备管理中采购、运行、维修等阶段的数据孤岛,为健康评价与综合决策提供了完整、准确的数据基础;在此基础上,利用运维动作执行后的状态改善数据反向修正健康评价模型的参数及运维动作的推荐优先级,构建了“状态感知-决策执行-效果反馈-模型进化”的自适应闭环机制,使模型能够根据设备个体的实际运维响应持续自我优化,克服了静态模型随时间推移评估失真的缺陷,显著提升了健康状态识别的准确性与维护策略的有效性;进一步地,通过将健康指数、剩余寿命等物理维度参数与生命周期成本等经济维度参数深度耦合生成综合决策,避免了单一物理状态导向导致的维护过度或单一经济成本导向导致的安全风险,实现了设备全生命周期综合成本的最优化与运维决策的科学化。

1.一种设备智能运维方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,采集并关联设备全生命周期各阶段的多源数据,包括:

3.根据权利要求1所述的方法,其特征在于,生成包含运维动作的综合决策,包括:

4.根据权利要求3所述的方法,其特征在于,所述继续使用综合成本包括预计维修维护成本、预计运行能耗成本及预计故障停机损失成本;

5.根据权利要求1所述的方法,其特征在于,所述健康评价模型包含多个评价指标及对应的初始权重;

6.根据权利要求1所述的方法,其特征在于,所述故障风险值的预测方式为:基于当前健康指数、健康指数变化趋势、温度变化率、振动变化率、历史故障频率及设备使用强度,计算目标设备在未来设定时间窗口内发生故障的故障概率,再根据目标设备的关键程度与故障影响程度对所述故障概率进行加权,得到风险值。

7.根据权利要求5所述的方法,其特征在于,修正所述运维动作的推荐优先级,包括:

8.一种设备智能运维装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法。