CN108376293A - 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 - Google Patents
一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 Download PDFInfo
- Publication number
- CN108376293A CN108376293A CN201711474436.4A CN201711474436A CN108376293A CN 108376293 A CN108376293 A CN 108376293A CN 201711474436 A CN201711474436 A CN 201711474436A CN 108376293 A CN108376293 A CN 108376293A
- Authority
- CN
- China
- Prior art keywords
- fault
- improved
- equipment
- value
- index
- 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.)
- Granted
Links
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及设备故障预测领域、设备维修决策领域,特别涉及一种基于模糊数学的改进的层次分析法的ZJ17卷烟设备维修智能预测方法。该方法包括以下的步骤:1)获取卷烟机设备的历史运行数据;2)根据所述的故障树专家知识和所述历史运行数据建立模糊数学的改进的层次分析法的预测模型,以预测卷烟机设备的潜在故障趋势;3)获取卷烟机设备的当前运行状态,对每天的设备故障数据利用改进的模糊层次分析法模型计算设备故障的权重设备故障的综合指标信息;4)利用所计算的综合指标识别其劣化趋势,并判断其趋势计算出综合维修阈值;5)结合维修专家库根据故障阈值确定具体哪些故障存在劣化趋势,并判断其达到或者超过维修阈值;6)生成维修决策信息并明确需要处置的设备部位。
Description
技术领域
本发明涉及设备故障预测领域、设备维修决策领域,特别涉及一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法。
背景技术
ZJ17卷烟机是目前卷烟企业最为重要的生产设备之一。卷烟机设备的故障检测与诊断经历了从停机维护、定期维护到预测性维护的发展过程。早期的停机维护并不能真正规避经济损失。定期维护或者计算维护又会过度维护造成不必要的资源浪费。预测性维护,又称为基于状态的维护或视情况维护,能够在生产作业的同时对设备进行实时的状态监控,提前预知故障隐患并做出防范,是当前最重要的发展方向。
目前,故障预测分析方法可分为三类:基于分析模型、基于定性经验和基于数据驱动。基于模型的该当较为依赖过程机理研究,工程实际中也不容易得到精确解析度。基于经验的方法可以提供直观的分析,避免复杂的数据建模,但对专家知识的要求较高且不便于定量计算。基于数据的方法对***机理和先验知识的要求低,但是对数据积累要求高且缺少直观的物理意义。
维修决策模型故障概率和趋势等参数描述设备运行的劣化过程,并根据生产需求建立决策优化目标,提高生产设备可靠性并减少资源损耗。
因此需要发明一种基于模糊数学的层次分析法的设备维修智能预测方法,能够根据基于设备工作状态提供必要的故障预测,给出设备当前运行状态下是否需要立即维修的决策建议,减少设备运行隐患,提升企业生产效益。
发明内容
本发明旨在至少一定程度上解决相关技术中的技术问题之一。本发明提出了一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法,该方法可以提供预测性维修维护,并且提高维修决策水平和设备运行效率。
为了实现上述的目的,本发明采用了以下的技术方案:
一种基于模糊数学的改进的层次分析法的卷烟设备维修智能预测方法,其特征在于,该方法包括以下的步骤:
1)获取卷烟机设备的历史运行数据;
2)根据所述的故障树专家知识和所述历史运行数据建立模糊数学的改进的层次分析法的预测模型,以预测卷烟机设备的潜在故障趋势;
3)获取卷烟机设备的当前运行状态,对每天的设备故障数据利用改进的模糊层次分析法模型计算设备故障的权重设备故障的综合指标信息;
4)利用所计算的综合指标识别其劣化趋势,并判断其趋势计算出综合维修阈值;
5)结合维修专家库根据故障阈值确定具体哪些故障存在劣化趋势,并判断其达到或者超过维修阈值;
6)生成维修决策信息并明确需要处置的设备部位。
作为进一步改进,所述的步骤2)模糊数学的改进的层次分析法的预测模型的建立方法如下:
1)对每个指标进行标准化处理
其中x表示需要处理的原始数据,x(i,p)表示第i个指标的第p个数据;
各评价指标对综合评价的影响程度,用样本标准差表示
其中m表示样本个数,为各评价指标下样本系列的均值;
1~9级判断尺度的判断矩阵
其中smax,smin为s(i)的最大值和最小值
相对重要性程度参数值
验证判断矩阵b是否具有满意的一致性;
若不具有满意的一致性,则需对判断矩阵b进行修正,修正矩阵为Y
求使CIC的值最小时的Y即修正矩阵;
若具有满意的一致性,则计算各指标的权重;
综合指标=各指标的加权和。
作为进一步改进,所述的步骤4)预测故障阈值计算模型包括以下的步骤:
1)用三次样条插值法对原始数据进行分段的多项式回归,对每个故障都得到N个样本个三次多项式函数表达式;
2)在得到表达式之后,再求其每个点的斜率;
筛选出斜率为正且后一个点的斜率值大于前一个点的斜率值的数据,即呈现出上升部分点,亦即劣化趋势,记录下前一个点的值;
3)对记录下的点求三均值,即为该故障的阈值,
三均值:其中M表示中位数,Q表示上下四分位数,表示对M和Q的一个加权平均。
本发明由于采用了上述的技术方案,该方法可以提供预测性维修维护,并且提高维修决策水平和设备运行效率。
附图说明
图1是为本发明一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法的示意图。
图2是为本发明一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法的三次样条曲线拟合图
图3是为本发明一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法的预测算法模型验证图
具体实施方式
1.采集一台ZJ17卷烟机2015年8月3日到2016年8月10日一年所有故障发生的次数。
上表数据每行表示一天的故障次数信息,每列表示具体的某个故障。
2、用模糊层次分析法计算出综合指标的故障信息
a)对每个指标进行标准化处理
b)用标准差表示出各故障指标对综合指标的影响程度
c)根据标准化的数据r(i,p)以及标准差s(i),计算出判断矩阵b
d)根据判断矩阵b,计算出综合指标的权重系数,即是各故障指标所占比重。
e)计算综合指标的故障信息
3、计算综合指标阈值
a)对数据进行处理,将滑动七天的数据作为一个样本点,如下表。
上表中第一列表示一个记录的起始时间,第二列表示终止时间,后面的每列表示在这一时间段内的每个故障发生的次数累计。
b)用三次样条插值法对原始数据进行分段的多项式回归,对每个故障都可以得到N个样本个三次多项式函数表达式用三次样条插值法对原始数据进行分段的多项式回归,对每个故障都可以得到N个样本个三次多项式函数表达式,三次样条在这里是用于局部的三次多项式的回归拟合,主要是为了保证所有的已知点都在拟合曲线上。
V1 | V2 | V3 | V4 | |
1 | 5 | -3.76625481 | 0.00000000 | 0.766254813 |
2 | 2 | -1.46749037 | 2.29876444 | -0.831274067 |
3 | 2 | 0.63621631 | -0.19505776 | -0.441158545 |
4 | 2 | -1.07737485 | -1.51853340 | 1.595908249 |
5 | 1 | 0.67328310 | 3.26919135 | -1.942474450 |
6 | 3 | 1.38424245 | -2.55823200 | 1.173989550 |
7 | 3 | -0.21025290 | 0.96373665 | -0.753483749 |
8 | 3 | -0.54323085 | -1.29671460 | 0.839945448 |
9 | 2 | -0.61682370 | 1.22312175 | -0.606298042 |
10 | 2 | 0.01052566 | -0.59577238 | 0.585246721 |
11 | 2 | 0.57472106 | 1.15996778 | -0.734688842 |
上表表示了用三次样条插值方法得到的函数表达式,其具体含义是:
第一行:
f1(x)=5+(-3.76625481)*(x-1)+0*(x-1)+0.766254813*(x-1)
第二行:
f2(x)=2+(-1.46749037)*(x-2)+2.29876444*(x-2)+(-0.831274067)*(x-2)
c)找出劣化趋势点:在得到函数表达式之后,就对其求导数,得到每个点上的斜率,然后记录下斜率为正,且递增的点(斜率为正表示原始数据呈上升趋势,斜率递增表示原始数据上升的幅度越来越快)。
d)其中M表示中位数,Q表示上下四分位数。
e)用维修和轮保记录对所求阈值进行验证,发现结果在超出阈值之下进行维修或轮保后,故障发生情况明显下降,就可以得出上述结论符合假设。
4、找出一天中综合指标超出阈值的原因(主要故障)
a)用上述计算综合指标阈值所述方法,分别计算出所有故障的阈值
b)分别计算出这一天中,所发生的所有故障(包括这天在内的前7天数据),对该天综合指标超出阈值的影响度。
c)确定主要故障部位,生成维修工单
在上表的影响度(impact)中,只有影响度为正的指标才对其造成了直接的影响,在这里我们选定前面三位为主要的故障部位。
localname | threshold | num | impact | |
1 | FT发射台1 | 3.0000 | 56 | 39.72936331 |
13 | MAX主驱动器 | 0.2500 | 2 | 15.74182320 |
18 | SE切刀进给 | 0.2500 | 2 | 15.74182320 |
Claims (3)
1.一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法,其特征在于,该方法包括以下的步骤:
1)获取卷烟机设备的历史运行数据;
2)根据所述的故障树专家知识和所述历史运行数据建立模糊数学的改进的层次分析法的预测模型,以预测卷烟机设备的潜在故障趋势;
3)获取卷烟机设备的当前运行状态,对每天的设备故障数据利用改进的模糊层次分析法模型计算设备故障的权重设备故障的综合指标信息;
4)利用所计算的综合指标识别其劣化趋势,并判断其趋势计算出综合维修阈值;
5)结合维修专家库根据故障阈值确定具体哪些故障存在劣化趋势,并判断其达到或者超过维修阈值;
6)生成维修决策信息并明确需要处置的设备部位。
2.根据权利要求1所述的一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法,其特征在于,步骤2)模糊数学的改进的层次分析法的预测模型的建立方法如下:
1)对每个指标进行标准化处理
其中x表示需要处理的原始数据,x(i,p)表示第i个指标的第p个数据;
2)各评价指标对综合评价的影响程度,用样本标准差表示
其中m表示样本个数,为各评价指标下样本系列的均值;
3)1~9级判断尺度的判断矩阵
其中smax,smmin为s(i)的最大值和最小值
相对重要性程度参数值
4)验证判断矩阵b是否具有满意的一致性;
5)若不具有满意的一致性,则需对判断矩阵b进行修正,修正矩阵为Y
求使CIC的值最小时的Y即修正矩阵;
6)若具有满意的一致性,则计算各指标的权重;
7)综合指标=各指标的加权和。
3.根据权利要求1所述的一种基于模糊数学改进的层次分析法的ZJ17卷烟设备维修智能预测方法,其特征在于,步骤4)预测故障阈值计算模型包括以下的步骤:
1)用三次样条插值法对原始数据进行分段的多项式回归,对每个故障都得到N个样本个三次多项式函数表达式;
2)在得到表达式之后,再求其每个点的斜率;
筛选出斜率为正且后一个点的斜率值大于前一个点的斜率值的数据,即呈现出上升部分点,亦即劣化趋势,记录下前一个点的值;
3)对记录下的点求三均值,即为该故障的阈值,
三均值:其中M表示中位数,Q表示上下四分位数,表示对M和Q的一个加权平均。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474436.4A CN108376293B (zh) | 2017-12-29 | 2017-12-29 | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474436.4A CN108376293B (zh) | 2017-12-29 | 2017-12-29 | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108376293A true CN108376293A (zh) | 2018-08-07 |
CN108376293B CN108376293B (zh) | 2021-07-09 |
Family
ID=63016398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711474436.4A Active CN108376293B (zh) | 2017-12-29 | 2017-12-29 | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376293B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110037336A (zh) * | 2019-04-19 | 2019-07-23 | 浙江中烟工业有限责任公司 | 一种烟支圆周控制***执行机构位置的预测方法 |
CN111184251A (zh) * | 2019-12-20 | 2020-05-22 | 深圳市鸿捷源自动化***有限公司 | 一种诊断吸丝带故障的处理方法 |
CN111860034A (zh) * | 2019-04-24 | 2020-10-30 | 广州煜煊信息科技有限公司 | 一种家庭事故处理方法 |
CN113269413A (zh) * | 2021-05-08 | 2021-08-17 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 压合机故障预警方法、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN103605881A (zh) * | 2013-10-25 | 2014-02-26 | 南昌大学 | 一种基于故障树和层次分析法的电力变压器状态评估方法 |
CN105224782A (zh) * | 2014-10-16 | 2016-01-06 | 华北电力大学 | 一种基于故障模式的变电设备故障概率计算方法 |
-
2017
- 2017-12-29 CN CN201711474436.4A patent/CN108376293B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN103605881A (zh) * | 2013-10-25 | 2014-02-26 | 南昌大学 | 一种基于故障树和层次分析法的电力变压器状态评估方法 |
CN105224782A (zh) * | 2014-10-16 | 2016-01-06 | 华北电力大学 | 一种基于故障模式的变电设备故障概率计算方法 |
Non-Patent Citations (3)
Title |
---|
何印洲: "卷烟设备维护管理***的研究与设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
金菊良 等: "修正AHP中判断矩阵一致性的加速遗传算法", 《***工程理论与实践》 * |
陈雷 等: "银杏果用林复合经营模式下种仁品质综合评价", 《林业科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110037336A (zh) * | 2019-04-19 | 2019-07-23 | 浙江中烟工业有限责任公司 | 一种烟支圆周控制***执行机构位置的预测方法 |
CN110037336B (zh) * | 2019-04-19 | 2021-09-03 | 浙江中烟工业有限责任公司 | 一种烟支圆周控制***执行机构位置的预测方法 |
CN111860034A (zh) * | 2019-04-24 | 2020-10-30 | 广州煜煊信息科技有限公司 | 一种家庭事故处理方法 |
CN111184251A (zh) * | 2019-12-20 | 2020-05-22 | 深圳市鸿捷源自动化***有限公司 | 一种诊断吸丝带故障的处理方法 |
CN113269413A (zh) * | 2021-05-08 | 2021-08-17 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 压合机故障预警方法、设备和存储介质 |
CN113269413B (zh) * | 2021-05-08 | 2023-10-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 压合机故障预警方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108376293B (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Compare et al. | Challenges to IoT-enabled predictive maintenance for industry 4.0 | |
CN108376293A (zh) | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 | |
US20230213895A1 (en) | Method for Predicting Benchmark Value of Unit Equipment Based on XGBoost Algorithm and System thereof | |
CN102486833B (zh) | 装置的效能预测及故障检测的方法 | |
CN110210169B (zh) | 一种基于lstm的盾构机故障预测方法 | |
CN111582542B (zh) | 一种基于异常修复的电力负荷预测方法及*** | |
CN104766138A (zh) | 基于工业互联网的火电厂设备性能评估与预警方法及*** | |
CN104777827A (zh) | 高速铁路信号***车载设备故障诊断方法 | |
CN111720296A (zh) | 一种基于自编码器的汽动给水泵设备异常状态预警方法 | |
CN117689214A (zh) | 一种柔性直流牵引供电***能量路由器动态安全评估方法 | |
CN111680712B (zh) | 基于日内相似时刻的变压器油温预测方法、装置及*** | |
CN111080472A (zh) | 一种电力***负荷预测和分析方法 | |
CN111241683A (zh) | 一种基于动态时间规整的设备工况故障预测方法和*** | |
CN112734141B (zh) | 一种多元化负荷区间预测方法及装置 | |
CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测*** | |
CN117829382A (zh) | 一种公路施工进度智能预测方法及*** | |
CN117696224A (zh) | 一种基于大模型的磨矿优化处理*** | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN108282360B (zh) | 一种长短期预测融合的故障检测方法 | |
Xuping et al. | State maintenance strategy of wind turbine based on stochastic degradation model | |
CN111476383B (zh) | 一种泵站机组状态检修动态决策方法 | |
CN112131069B (zh) | 基于聚类的设备运行监测方法及*** | |
CN108256663A (zh) | 一种核电运行事故风险实时预测方法 | |
CN112070303A (zh) | 参数自适应的光伏功率爬坡事件的分级概率性预测方法 | |
Li et al. | Condition-based maintenance method for multi-component systems under discrete-state condition: Subsea production system as a case |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |