CN104573845B - 信息***设备状态检修辅助决策方法 - Google Patents
信息***设备状态检修辅助决策方法 Download PDFInfo
- Publication number
- CN104573845B CN104573845B CN201410722622.5A CN201410722622A CN104573845B CN 104573845 B CN104573845 B CN 104573845B CN 201410722622 A CN201410722622 A CN 201410722622A CN 104573845 B CN104573845 B CN 104573845B
- Authority
- CN
- China
- Prior art keywords
- parameter
- state
- maintenance
- information system
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 230000008439 repair process Effects 0.000 claims abstract description 24
- 208000024891 symptom Diseases 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 230000026676 system process Effects 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000003862 health status Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信息***设备状态检修辅助决策方法,包括:S1构建信息***设备状态检修辅助决策平台,采集与状态检修相关的状态参数与运行参数;S2:建立***评价指标二维关系模型,设置检修时序和检修等级;S3:建立时间‑故障征兆二维关系模型,并设定该模型中的预警阀值和报警阀值;S4:得到历史变化曲线,与信息***当前的参数对比,判断当前信息***的状态,代入步骤S2给出检修结论。本发明诊断***状态,通过规则、模型、算法、推理机实现***状态检修辅助,该方法的实施有助于提高***运维水平,提高***利用率,降低生产成本,提高企业经济效益。
Description
技术领域
本发明涉及设备状态检修领域,特别是涉及一种信息***设备状态检修辅助决策方法。
背景技术
计算机及网络技术加速了信息化进程,电力企业构建了各类业务***,并大量的投入使用,在对企业业务***支撑力不断提升和主营业务大幅度融合的同时,***规模急剧膨胀、设备大量投入。
电力主管单位业务***的重要性是不言而喻的,因故障而导致的***停运,数据破坏的情况,给企业造成了极大的经济损失和声誉影响。而新***、新技术的应用,使***故障率随之提高。企业极为关注如何提高***可利用率、减少故障率,实现状态检修、故障预判预处理。
传统的检测方法是经常性的人工巡视、定期预防性检修,出现异常时只能逐个排查。设备在运行中由值班人员巡视,凭外观现象、指示仪表等进行判断,检查结果的准确性和可靠性较差。对于***故障也是采取事后处理,在状态检测方面也仅关注***功能性指标,也有相关的软件测试和评价产品。而对于***可用性、可靠性、可测试性、可维护性等非功能性指标鲜有相应的提法,非功能性需求是常常被轻视,甚至被忽视的。原因是它们不易被发现,发现后不易表达、实现以及测试,但***的质量、运行效果和健康状况往往都是由非功能性特性来反映,而要实现***状态检修必须要关注***的非功能性指标,通过量化、指标化为***的状态检修提供手段与辅助决策。
发明内容
本发明的目的在于克服现有技术的不足,提供一种应用于电力行业信息***设备状态检修辅助决策方法,实时检测***状态参数,诊断***状态,通过规则、模型、算法、推理机实现***状态检修辅助,该方法的实施能提高***运维水平,提高***利用率,降低生产成本,提高企业经济效益。
本发明的目的是通过以下技术方案来实现的:信息***设备状态检修辅助决策方法,其特征在于:它包括以下步骤:
S1:构建信息***设备状态检修辅助决策平台,采集与状态检修相关的状态参数与运行参数;
S2:建立***评价指标二维关系模型,设置检修时序和检修等级;
S3:根据设备及***的检修时序和检修等级,按照状态评价结果越差、设备风险等级越高则越优先安排检修的原则,建立时间-故障征兆二维关系模型,并设定该模型中的预警阀值和报警阀值;
S4:将步骤S1中采集得到的与状态检修相关的状态参数与运行参数代入步骤S3中的时间-故障征兆二维关系模型,得到历史变化曲线,与信息***当前的参数对比,判断当前信息***的状态,代入步骤S2给出检修结论。
优选的,所述步骤S1中与状态检修相关的状态参数与运行参数包括操作***状态、上下线、运行情况、***隐患BUG、升级检修历史记录、网络设备状态参数、硬件设备状态参数。
优选的,还包括对步骤S2的***评价指标二维关系模型的反馈评价,所述反馈评价具体为: 对***状态参数进行模糊化处理,纳入规则库与历史数据库,通过推理单元进行推理判断,对检修策略进行评价,并通过检修效果对***评价指标二维关系模型进行反评价。
优选的,还包括决策信息查询步骤,所述决策信息查询步骤采用可视化图形界面展示详细决策信息并追溯辅助决策过程,呈现***家族性缺陷、状态变化趋势、风险评估结果。
优选的,所述与状态检修相关的状态参数与运行参数包括软件***状态参数及非功能性指标、软件运行环境参数。
进一步的,所述软件***状态参数及非功能性指标包括:
①***参数:内核版本、CPU平均负载率、***进程与线程数量、***响应时间、***运行时间、访问量、服务启动数量、表空间、日志空间;
②网络参数:网络数据包接收、传送、丢失、错误率、TCP连接数;
③内存资源:物理内存、虚拟内存;
④数据库:登入/登出、SQL处理、表数量;
进一步的,所述软件运行环境参数包括CPU型号、区块大小、逻辑操作数、接口类型/状态、数据流量、硬盘存储空间、内存空间、网络载荷、环境温度与湿度。
本发明的有益效果是:
1)实时检测***状态参数,诊断***状态,通过规则、模型、算法、推理机实现***状态检修辅助,该方法的实施有助于提高***运维水平,提高***利用率,降低生产成本,提高企业经济效益。
2)以信息***当前的健康状况为依据,通过对如负荷率、空间利用率、线程数量、句柄数量等表现***健康状况的参数进行实时监测、与历史数据进行对比,找出变化趋势与变化规律,结合***运行维护要求和***对历史数据的判断结果,识别故障早期征兆,评估故障部位、故障程度和劣化趋势,动态调整检修计划和检修规则,让信息***按计划和规则自动调优,使***处于稳定最优状态。
附图说明
图1为服务器内在、外在状态评价指标二维关系模型图;
图2为风险二维曲线图;
图3为策略制定规则图;
图4为信息***设备状态检修辅助决策平台软件架构图;
图5为信息***设备状态检修流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
信息***设备状态检修辅助决策方法,它包括以下步骤:
S1:构建基于J2EE技术构架的信息***设备状态检修辅助决策平台,采集与状态检修相关的状态参数与运行参数,实现从操作***状态、平台架构、***设计、上下线、运行情况、***隐患BUG、升级检修、健康预测及与之相关的硬件设备状态的可观、可控;
采集软件***状态参数及非功能性指标(详见图1所示)。
采集软件运行环境的相关参数:CPU型号、区块大小、逻辑操作数、接口类型/状态、数据流量、硬盘存储空间、内存空间、网络载荷、环境温度与湿度。
针对上述采集的状态量,结合定义的分级维修标准和风险权值,采取相应的处置措施。
S2:建立***失效风险度二维关系模型,优化检修时序和检修等级,并依据状态检修细则确立的分级维修标准,结合***检修管理办法制定检修计划;
服务器内、外在状态评价指标二维关系模型如图1所示。根据指标的重要性也分配了权值,指标被划分为四种状态:正常状态、注意状态、异常状态、严重异常状态,这四种状态依次被量化为:4,3,2,1。
步骤S2的一种优选实施方式中, 还包括对步骤S2的***评价指标二维关系模型的反馈评价,所述反馈评价具体为: 对***状态参数进行模糊化处理,纳入规则库与历史数据库,通过推理单元进行推理判断,对检修策略进行评价,并通过检修效果对***评价指标二维关系模型进行反评价。
从状态参数的变化情况中可以找出故障征兆与故障原因之间有一定的关联性,借助隶属度度函数将具有共性的状态参数进行模糊化处理,模糊化处理即用一个模糊集来表示一批采集的状态参数,A( x)就是一个函数,称为A的隶属函数。隶属度A(x)越接近于1,表示x属于A的程度越高,A(x)越接近于0表示x属于A的程度越低。
推理单元的作用是建立故障征兆及变化规律与故障原因的故障集,从中找出故障与发生原因之间的对应关系,通过对故障特征(输入的状态参数)提取,采用逆向分析法,找出每一种故障有哪几种原因,利用IF…THEN…的语法结构定义推理规则,丰富规则库。
推理单元和模糊化处理过程可以利用软件编程实现,通过以上模糊化处理与推理判断的去模糊化过程,可以推导出该状态参数的故障原因。
S3:建立检修策略模型:根据设备及***状态评价结果越差、设备风险等级越高则越优先安排检修的原则,建立综合考虑***状态评价结果和***风险评价的二维关系模型(风险二维曲线如图2所示,策略制定规则如图3所示),并设定相关参数;
参数确定如下表所示:
S4:检修策略评价:对***状态参数进行模糊化处理,纳入规则库与历史数据库,通过推理单元进行推理判断,对检修策略进行评价,确定***检修优先级,提出设备检修次序、检修级别、检修时间,制定检修策略,最终通过检修效果对策略进行反评价;
S5:决策信息查询:通过曲线、图表查询决策结果,采用可视化图形界面展示详细决策信息并追溯辅助决策过程,呈现***家族性缺陷、状态变化趋势、风险评估结果;
S6:以信息***当前的健康状况为依据,通过对表现***健康状况的参数进行实时监测、与历史数据进行对比,找出变化趋势与变化规律,结合***运行维护要求和***对历史数据的判断结果,识别故障早期征兆,评估故障部位、故障程度和劣化趋势,动态调整检修计划和检修规则,让信息***按计划和规则自动调优,使***处于稳定最优状态。
基于J2EE技术构架的信息***设备状态检修辅助决策平台软件架构如图4所示。下面结合图4说明本发明的具体实施方式:
(1)根据信息***在生产、管理、检修、升级等方面的要求,采集监测层①所示的被测对象的运行参数与状态参数,包括操作***状态、上下线、运行情况、***隐患BUG、升级检修历史记录以及相关的网络设备、硬件设备状态参数等。
(2)由于各类信息***有不同的应用要求与特点,信息***状态检修以数据库、规则库、算法、模型、策略、专家知识为核心,在步骤(1)所监测信息的基础上,结合必要的规则要求、故障模型、处置方法,形成数据层③中所示的规则库、检修库等原始数据。
在算法及模型的基础上对步骤(1)中所检测的状态原始数据进行规范化及预处理,然后归档在数据层②中的基础信息库及监测信息库内。
(3)由***提供满足生产管理、运行维护要求的应用层④各项功能,包括数据采集、数据查询、图表生成、监测分析、状态报告、预警预测、辅助决策等,各功能的具体内容如下表所示:
(4)以信息***当前的健康状况为依据,通过状态监测与信息状态检修辅助决策***的诊断,将***状态和***评价指标二维关系模型、检修策略模型、检修辅助决策与人工判断、管理手段相结合,识别故障的早期征兆,对故障部位、故障程度和发展趋势做出评估,根据诊断结果动态调整检修计划和检修周期,使信息***得到最佳健康状态。
该***的用户包括***运行、***管理、***状态检修、***故障诊断等相关人员。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.信息***设备状态检修辅助决策方法,其特征在于:包括以下步骤:
S1:构建信息***设备状态检修辅助决策平台,采集与状态检修相关的状态参数与运行参数;所述与状态检修相关的状态参数与运行参数包括软件***状态参数及非功能性指标、软件运行环境参数;所述软件***状态参数及非功能性指标包括:
①***参数:内核版本、CPU平均负载率、***进程与线程数量、***响应时间、***运行时间、访问量、服务启动数量、表空间、日志空间;
②网络参数:网络数据包接收、传送、丢失、错误率、TCP连接数;
③内存资源:物理内存、虚拟内存;
④数据库:登入/登出、SQL处理、表数量;
S2:建立***评价指标二维关系模型,设置检修时序和检修等级;
S3:根据设备及***的检修时序和检修等级,按照状态评价结果越差、设备风险等级越高则越优先安排检修的原则,建立时间-故障征兆二维关系模型,并设定该模型中的预警阀值和报警阀值;
S4:将步骤S1中采集得到的与状态检修相关的状态参数与运行参数代入步骤S3中的时间-故障征兆二维关系模型,得到历史变化曲线,与信息***当前的参数对比,判断当前信息***的状态,代入步骤S2给出检修结论;
还包括对步骤S2的***评价指标二维关系模型的反馈评价,所述反馈评价具体为: 对***状态参数进行模糊化处理,纳入规则库与历史数据库,通过推理单元进行推理判断,对检修策略进行评价,并通过检修效果对***评价指标二维关系模型进行反评价。
2.根据权利要求1所述的信息***设备状态检修辅助决策方法,其特征在于:所述步骤S1中与状态检修相关的状态参数与运行参数包括操作***状态、上下线、运行情况、***隐患BUG、升级检修历史记录、网络设备状态参数、硬件设备状态参数。
3.根据权利要求1所述的信息***设备状态检修辅助决策方法,其特征在于:还包括决策信息查询步骤,所述决策信息查询步骤采用可视化图形界面展示详细决策信息并追溯辅助决策过程,呈现***家族性缺陷、状态变化趋势、风险评估结果。
4.根据权利要求1所述的信息***设备状态检修辅助决策方法,其特征在于:所述软件运行环境参数包括CPU型号、区块大小、逻辑操作数、接口类型/状态、数据流量、硬盘存储空间、内存空间、网络载荷、环境温度与湿度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410722622.5A CN104573845B (zh) | 2014-12-03 | 2014-12-03 | 信息***设备状态检修辅助决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410722622.5A CN104573845B (zh) | 2014-12-03 | 2014-12-03 | 信息***设备状态检修辅助决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573845A CN104573845A (zh) | 2015-04-29 |
CN104573845B true CN104573845B (zh) | 2018-07-27 |
Family
ID=53089860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410722622.5A Active CN104573845B (zh) | 2014-12-03 | 2014-12-03 | 信息***设备状态检修辅助决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573845B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023100A (zh) * | 2015-07-17 | 2015-11-04 | 云南电网有限责任公司信息中心 | 针对平台软件的数据库与中间件非指标量化管理平台 |
CN105096054B (zh) * | 2015-08-14 | 2019-01-18 | 广州市香港科大***研究院 | 基于设备综合能力与设备综合效率的注塑机管理决策方法 |
CN105262088B (zh) * | 2015-11-25 | 2017-12-01 | 上海交通大学 | 考虑大规模特高压电源调节能力的机组检修计划优化*** |
CN105701622A (zh) * | 2016-02-22 | 2016-06-22 | 国网安徽省电力公司六安供电公司 | 一种变电站二次设备信息管理*** |
CN106204330A (zh) * | 2016-07-18 | 2016-12-07 | 国网山东省电力公司济南市历城区供电公司 | 一种配电网智能诊断*** |
CN106779102B (zh) * | 2016-12-08 | 2020-10-09 | 苏州热工研究院有限公司 | 一种核电厂维修策略优化方法以及装置 |
CN107291830A (zh) * | 2017-05-27 | 2017-10-24 | 宁夏共享模具有限公司 | 一种设备知识库的创建方法 |
CN107391336A (zh) * | 2017-06-21 | 2017-11-24 | 华迪计算机集团有限公司 | 一种用于对服务器的运行状态进行监控的***及方法 |
CN110119292B (zh) * | 2018-02-07 | 2023-02-07 | 中兴通讯股份有限公司 | ***运行参数查询方法、匹配方法、装置及节点设备 |
CN109190892B (zh) * | 2018-07-27 | 2022-08-09 | 广东工业大学 | 一种基于数据的智能注塑设备检测装置检测频率决策方法 |
CN109389325B (zh) * | 2018-11-02 | 2021-10-08 | 国网四川省电力公司电力科学研究院 | 基于小波神经网络的变电站电子式互感器状态评估方法 |
CN109919406A (zh) * | 2018-12-18 | 2019-06-21 | 国网浙江桐乡市供电有限公司 | 配电网运行方式的智能辅助安排方法 |
CN110554354B (zh) * | 2019-08-30 | 2022-05-13 | 国家电网有限公司 | 设备检修质量监测方法、***及终端设备 |
CN110677863B (zh) * | 2019-09-20 | 2023-08-01 | 国网山东省电力公司检修公司 | 一种基于ai可视化的通信基站安全模拟*** |
CN110866695A (zh) * | 2019-11-15 | 2020-03-06 | 国网天津市电力公司 | 基于设备运行状态与检修工作相关联的辅助检修决策方法 |
CN112183895B (zh) * | 2020-10-31 | 2022-08-09 | 国网河南省电力公司漯河供电公司 | 一种地区电网检修计划智能辨识及辅助编制*** |
CN112183896B (zh) * | 2020-10-31 | 2022-08-09 | 国网河南省电力公司漯河供电公司 | 一种地区电网检修计划智能辨识及辅助编制方法 |
CN113723827B (zh) * | 2021-09-01 | 2023-09-15 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与*** |
CN115204425B (zh) * | 2022-07-28 | 2023-04-18 | 浙江东冠信息技术有限公司 | 一种基于bim的可视化运维的方法及*** |
CN116071051B (zh) * | 2023-04-06 | 2023-06-30 | 中国人民解放***箭军工程大学 | 惯导***最优更换时机确定方法、***、电子设备及介质 |
CN116645010B (zh) * | 2023-07-21 | 2023-11-21 | 金正大生态工程集团股份有限公司 | 一种化工安全生产巡控*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222276A (zh) * | 2011-05-16 | 2011-10-19 | 广东电网公司深圳供电局 | 电网二次设备状态检修方法及装置 |
CN102509178A (zh) * | 2011-11-25 | 2012-06-20 | 江苏省电力公司淮安供电公司 | 配网设备状态评估*** |
CN102629364A (zh) * | 2012-03-13 | 2012-08-08 | 凯里供电局 | 一种电力设备状态的量化评分方法 |
CN102663537A (zh) * | 2012-03-13 | 2012-09-12 | 凯里供电局 | 一种基于风险评估的电力设备检修*** |
CN103150633A (zh) * | 2013-03-18 | 2013-06-12 | 云南电网公司 | 电力设备状态实时评估和辅助决策*** |
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修*** |
-
2014
- 2014-12-03 CN CN201410722622.5A patent/CN104573845B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222276A (zh) * | 2011-05-16 | 2011-10-19 | 广东电网公司深圳供电局 | 电网二次设备状态检修方法及装置 |
CN102509178A (zh) * | 2011-11-25 | 2012-06-20 | 江苏省电力公司淮安供电公司 | 配网设备状态评估*** |
CN102629364A (zh) * | 2012-03-13 | 2012-08-08 | 凯里供电局 | 一种电力设备状态的量化评分方法 |
CN102663537A (zh) * | 2012-03-13 | 2012-09-12 | 凯里供电局 | 一种基于风险评估的电力设备检修*** |
CN103150633A (zh) * | 2013-03-18 | 2013-06-12 | 云南电网公司 | 电力设备状态实时评估和辅助决策*** |
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修*** |
Non-Patent Citations (2)
Title |
---|
"基于混合智能的故障诊断与维修决策模型研究与实践";王长琼;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20061115(第11期);第C029-23页 * |
"输变电设备状态检修辅助决策***开发与应用";郭红兵 等;《内蒙古电力技术》;20130828;第31卷(第4期);第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104573845A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573845B (zh) | 信息***设备状态检修辅助决策方法 | |
CN109947088B (zh) | 基于模型全生命周期管理的设备故障预警*** | |
CN111242323B (zh) | 用于修理机器次优操作的主动自动***和方法 | |
US10678193B2 (en) | Computer-implemented method and system for automatically monitoring and determining the status of entire process sections in a process unit | |
Pattison et al. | Intelligent integrated maintenance for wind power generation | |
Yacout | Fault detection and diagnosis for condition based maintenance using the logical analysis of data | |
Gilabert et al. | Intelligent automation systems for predictive maintenance: A case study | |
CN111382494A (zh) | 用于检测工业机器的感知数据中的异常的***及方法 | |
Zschech et al. | Prognostic model development with missing labels: a condition-based maintenance approach using machine learning | |
Groba et al. | Architecture of a predictive maintenance framework | |
CN103324155A (zh) | ***监控 | |
Lughofer et al. | Prologue: Predictive maintenance in dynamic systems | |
Hassan et al. | Experience from implementing digital twins for maintenance in industrial processes | |
Chakroun et al. | A predictive maintenance model for health assessment of an assembly robot based on machine learning in the context of smart plant | |
Sambrekar et al. | Maintenance strategies for realizing Industry 4.0: An overview | |
Borissova et al. | A concept of intelligent e-maintenance decision making system | |
Samigulina et al. | Biologically Inspired Unified Artificial Immune System for Industrial Equipment Diagnostic | |
Barraza-Barraza et al. | Opportunities and challenges in Condition-Based Maintenance research | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 | |
Vicêncio et al. | An intelligent predictive maintenance approach based on end-of-line test logfiles in the automotive industry | |
Jiang et al. | Prediction on the remaining useful life of rolling bearings using ensemble DLSTM | |
CN110263949B (zh) | 融合机器机理与人工智能算法***的数据处理方法及*** | |
CN118154152A (zh) | 一种基于云服务平台的设备全生命周期管理方法及*** | |
Golpour Kandeh et al. | Design of a fault detection expert system to diagnose errors in the Polypropylene production process | |
Pang et al. | A simulation-based expert system for process diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |