钢铁企业设备检修调度方法、系统、设备及介质与流程
本发明属于工业互联网及智能制造,具体涉及一种钢铁企业设备检修调度方法、系统、设备及介质。
背景技术:
1、大型钢铁联合企业的生产具有高温、连续、多工序耦合的特点。设备检修调度作为连接生产设备管理与生产计划执行的关键环节,直接影响企业的产能释放与安全合规。传统调度方法是基于企业资源计划(erp)或制造执行系统(mes)的固定周期调度。然而,钢铁设备的实际损耗受工况波动影响巨大,固定周期调度往往导致过度检修或检修不足。
2、随着工业信息化的发展,部分现有技术开始引入数学模型对检修过程进行优化。例如,构建混合整数规划(mip)模型,将连铸机的可检修时间视为柔性区间,并以最小化炉次等待时间为目标函数进行求解。
3、现有mip调度模型的目标函数通常侧重于最小化时间成本(如等待时间)或最大化设备利用率,未能有效利用设备历史检修积累的物理数据。这导致调度系统无法区分高风险设备与低风险设备,无法在决策层面实现精准检修。且成本模型过于单一,忽视生产计划的动态影响,导致求解出的最优解往往仅是数学上的最优,而非经济上的最优。
技术实现思路
1、针对现有技术的上述不足,本发明提供一种钢铁企业设备检修调度方法、系统、设备及介质,以解决上述技术问题。
2、第一方面,本发明提供一种钢铁企业设备检修调度方法,包括:
3、获取生产计划数据,将生成计划数据的时间轴划分为若干个离散的候选检修时间窗,并计算各设备在各时间窗内进行检修所造成的产能损失成本;
4、获取设备的历史检修结果,基于所述历史检修结果,预测所述设备在各候选检修时间窗内的故障概率;
5、基于所述故障概率与设备发生故障造成的停产损失成本计算设备在对应时间窗内的风险成本;
6、构建混合整数规划模型,以最小化所有设备在所有时间窗内的产能损失成本与风险成本之和为目标函数;
7、将所述混合整数规划模型输入求解器进行求解,输出使所述目标函数最小化的各决策变量的取值组合,根据求解结果生成检修调度方案。
8、在一个可选的实施方式中,获取生产计划数据,将生成计划数据的时间轴划分为若干个离散的候选检修时间窗,并计算各设备在各时间窗内进行检修所造成的产能损失成本,包括:
9、解析所述生产计划数据,从中提取所有预先安排的计划停机时段,并将各计划停机时段分别作为一个候选检修时间窗;同时,将非计划停机的连续生产时段按照预设时间粒度分割为多个候选检修时间窗;
10、根据各候选检修时间窗内计划产量占满负荷产量的比例,确定各候选检修时间窗的产能系数,其中,所述计划停机时段对应的候选检修时间窗的产能系数低于连续生产时段对应的候选检修时间窗的产能系数;
11、将所述产能系数、单位产量利润与对应设备所需检修时长相乘,所得乘积即为该设备在该候选检修时间窗内进行检修的产能损失成本。
12、在一个可选的实施方式中,获取设备的历史检修结果,基于所述历史检修结果,预测所述设备在各候选检修时间窗内的故障概率,包括:
13、以最近一次检修完成时刻作为基准时刻,根据所述历史检修结果数据集确定基准时刻的健康度与磨损量;
14、构建设备健康度随时间递减的指数退化函数;所述指数退化函数定义:设备在任意未来时刻的健康度,等于基准时刻的健康度乘以衰减因子,所述衰减因子随预测时长增大而指数减小,且衰减速度取决于设备的本征退化率以及由基准时刻磨损量驱动的加速系数;
15、对于每一个候选时间窗,将时间窗的结束时刻代入所述指数退化函数,计算得到设备在该时刻的预测健康度;
16、计算所述预测健康度与预设失效阈值的差值,将该差值作为设备在当前时间窗的健康余量;按照正态分布假设,以所述预测健康度为均值、以随预测时长增大的方差为波动范围,计算设备健康度低于所述失效阈值的累积概率,将该累积概率作为设备在该候选时间窗内的故障概率;所述健康余量越小或所述预测时长越大,所述故障概率越高。
17、在一个可选的实施方式中,根据所述历史检修结果数据集确定基准时刻的健康度与磨损量,包括:
18、根据基准时刻之前的连续运行监测数据,通过预设的退化轨迹函数反推得到检修前的健康度;所述连续运行监测数据包括振动、温度、电流;
19、根据最近一次检修的更换备件清单计算备件更换率,根据修复后性能指标检测值计算性能恢复率,将所述备件更换率与性能恢复率加权融合得到修复因子;
20、将检修前健康度与所述修复因子代入修复跳变函数,计算得到基准时刻的健康度;所述修复跳变函数定义为:计算检修前健康度与全新状态健康度的差值作为缺损量,将所述修复因子与所述缺损量相乘得到健康度提升量,将所述健康度提升量与检修前健康度相加,得到基准时刻的健康度,且该基准时刻健康度不超过全新状态健康度的上限值;
21、提取最近一次检修记录中由检修人员录入或由检测设备自动生成的残余磨损量检测值,作为基准时刻的磨损量。
22、在一个可选的实施方式中,根据基准时刻之前的连续运行监测数据,通过预设的退化轨迹函数反推得到检修前的健康度,包括:
23、获取基准时刻之前、紧邻检修开始前的一段时间窗口内的连续运行监测数据,所述连续运行监测数据包括振动监测值、温度监测值和电流监测值中的至少一种时序数据;
24、从所述连续运行监测数据中提取反映设备健康状态的特征指标,所述特征指标包括振动有效值的变化趋势斜率、温度上升速率和电流基波幅值偏移量中的至少一种;
25、构建健康度反推映射函数,所述健康度反推映射函数以所述特征指标为输入,以该时刻的健康度估计值为输出;所述健康度反推映射函数与所述退化轨迹函数为同一形式的函数框架,使得所述特征指标能够被代入所述函数框架中,反解出与该特征指标相对应的健康度值;
26、将由所述特征指标反解出的健康度值作为检修前健康度。
27、在一个可选的实施方式中,混合整数规划模型的约束条件包括:
28、每台设备最多安排一次检修的唯一性约束、任一时间窗内检修设备所需总维修人力不超过可用班组上限的资源约束、存在工艺连锁关系的设备组之间检修先后顺序的工艺依赖约束、各设备检修必须在所选时间窗内完成的时间窗匹配约束、以及存在互斥关系的设备不能同时进行检修的互斥约束。
29、在一个可选的实施方式中,还包括:
30、实时监控生产计划变更信号或设备状态突变信号,当变更幅度超过预设阈值时,触发重调度流程,基于更新后的数据重新构建并求解混合整数规划模型。
31、第二方面,本发明提供一种钢铁企业设备检修调度系统,包括:
32、第一获取模块,用于获取生产计划数据,将生成计划数据的时间轴划分为若干个离散的候选检修时间窗,并计算各设备在各时间窗内进行检修所造成的产能损失成本;
33、第二获取模块,用于获取设备的历史检修结果,基于所述历史检修结果,预测所述设备在各候选检修时间窗内的故障概率;
34、成本计算模块,用于基于所述故障概率与设备发生故障造成的停产损失成本计算设备在对应时间窗内的风险成本;
35、模型构建模块,用于构建混合整数规划模型,以最小化所有设备在所有时间窗内的产能损失成本与风险成本之和为目标函数;
36、模型求解模块,用于将所述混合整数规划模型输入求解器进行求解,输出使所述目标函数最小化的各决策变量的取值组合,根据求解结果生成检修调度方案。
37、第三方面,提供一种设备,包括:
38、存储器,用于存储钢铁企业设备检修调度程序;
39、处理器,用于执行所述钢铁企业设备检修调度程序时实现如第一方面提供的钢铁企业设备检修调度方法的步骤。
40、第四方面,提供了一种计算机可读介质,介质上存储有钢铁企业设备检修调度程序,钢铁企业设备检修调度程序被处理器执行时实现如第一方面提供的钢铁企业设备检修调度方法的步骤。
41、本发明的有益效果在于,本发明提供的钢铁企业设备检修调度方法、系统、设备及介质,通过解析磨损量及备件清单构建指数退化模型,将设备健康状态量化为风险成本,实现从经验检修向精准检修的转变;将生产计划中的产能损失与故障风险共同纳入混合整数规划目标函数,在停产损失与故障风险之间寻得最优平衡,显著降低企业综合运营成本,确保经济效益最优化。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com