CN115455735A - 设备的健康指数计算方法、装置、设备及存储介质 - Google Patents
设备的健康指数计算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115455735A CN115455735A CN202211238563.5A CN202211238563A CN115455735A CN 115455735 A CN115455735 A CN 115455735A CN 202211238563 A CN202211238563 A CN 202211238563A CN 115455735 A CN115455735 A CN 115455735A
- Authority
- CN
- China
- Prior art keywords
- equipment
- health index
- target
- service life
- health
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 154
- 238000004364 calculation method Methods 0.000 title claims description 54
- 238000012423 maintenance Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000013210 evaluation model Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 abstract description 7
- 230000003068 static effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000004927 fusion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 238000004422 calculation algorithm 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
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种设备的健康指数计算方法、装置、设备及存储介质,所述方法通过获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数;本发明从三个维度进行设备的健康评测,增加了健康度评测模型的维度数量,从多个维度综合评测设备运行的健康状况,并以动态任务规划代替传统静态任务规划,提高了设备评测的健康指数的准确性。
Description
技术领域
本发明涉及设备故障检测技术领域,尤其涉及一种设备的健康指数计算方法、装置、设备及计算机可读存储介质。
背景技术
在设备使用过程中,退化不可避免,由于退化而导致设备发生故障可能会产生严重后果,因此,设备健康状况监测至关重要,及时了解设备健康状况以及故障预测,对做出设备养护决策有很大影响,如,为设备短期控制提供参数调整时期,为中期任务规划提供数据信息,为长期维护决策提供可靠依据,在当前智能制造的发展趋势下,各领域对设备的可靠性管理的要求进一步提高,实现设备健康状态智能评估是解决这一挑战的关键一环。目前,各个业务领域均从单一维度对设备健康度做基础的判断,例如,从购买时间开始,随着使用时间的递增,健康度递减,这种健康度计算方式有其局限性,如,智能化程度较低,无法处理多维的检测数据,难以深度挖掘数据或进行多源信息的融合,导致评测的健康度的准确性较低。
发明内容
本发明的主要目的在于提供一种设备的健康指数计算方法、装置、设备及计算机可读存储介质,旨在解决现有单一维度健康度指数计算结果的准确性较低问题。
为实现上述目的,本发明提供一种设备的健康指数计算方法,所述方法包括:获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。
进一步地,所述根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数之前,还包括:
从设备基础数据中提取故障设备数量以及目标设备总量;
基于所述故障设备数量和所述目标设备总量,确定所述目标设备的故障率,其中,故障设备与目标设备属于相同类型;
根据平台设备维保数据,确定所述设备维保次数。
进一步地,所述根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数,包括:
根据第二权重系数以及所述故障率,确定故障率加权值;
根据预设比例系数、所述使用年限参数以及所述故障率加权值,获得扣分项;
根据所述目标设备的当前使用时间以及所述设备使用年限,确定所述年份比例;
根据第三权重系数、所述设备维保次数以及所述年份比例,确定维保次数加权值;
根据维保次数加权值,获得加分项;
根据所述扣分项以及所述加分项,计算所述设备健康指数。
进一步地,所述根据第二权重系数以及所述故障率,确定故障率加权值之前,还包括:
获取故障设备的故障发生次数,根据所述故障发生次数以及所述故障率,确定故障等级;
根据所述故障等级,确定所述第二权重系数。
进一步地,所述根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数之后,包括:
根据预设公式,计算出所述目标设备的设备预估使用时间;
根据所述设备预估使用时间以及所述设备健康指数,生成所述目标设备对应的设备维护建议方案。
进一步地,所述预设公式为:
进一步地,所述方法还包括:
在所述设备健康指数不低于第一指数阈值时,维持所述目标设备的维护建议方案;
在所述设备健康指数低于所述第一指数阈值时,生成增加所述目标设备的维保次数的维护建议方案;
在所述设备健康指数低于第二指数阈值时,生成建议更好所述目标设备的建议方案,其中,所述第二指数阈值小于所述第一指数阈值。
此外,为实现上述目的,本发明还提供一种设备的健康指数计算方法装置,所述设备的健康指数计算装置包括:使用时长计算模块,用于获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;年限参数计算模块,用于根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;健康指数计算模块,用于根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。
此外,为实现上述目的,本发明还提供一种设备的健康指数计算方法设备,所述设备的健康指数计算设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的设备的健康指数计算程序,其中所述设备的健康指数计算程序被所述处理器执行时,实现如上述的设备的健康指数计算方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有设备的健康指数计算方法程序,其中所述设备的健康指数计算方法程序被处理器执行时,实现如上述的设备的健康指数计算方法的步骤。
本发明提供一种设备的健康指数计算方法,所述健康指数计算方法通过获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。通过上述方式,本发明从使用年限参数、所述目标设备的故障率以及所述设备维保次数三个维度进行设备的健康评测,增加了健康度评测模型的维度数量,从多个维度综合评测设备运行的健康状况,以动态任务规划代替传统静态任务规划,提高了设备评测的健康指数的准确性,解决了目前评测的健康度的准确性较低问题。
附图说明
图1为本发明实施例方案中涉及的设备的健康指数计算设备的硬件结构示意图;
图2为本发明设备的健康指数计算方法第一实施例的流程示意图;
图3为本发明设备的健康指数计算方法第二实施例的流程示意图;
图4为本发明设备的健康指数计算方法第三实施例的流程示意图;
图5为本发明设备的健康指数计算装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例涉及的设备的健康指数计算方法主要应用于设备的健康指数计算设备,该设备的健康指数计算生成设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
参照图1,图1为本发明实施例方案中涉及的设备的健康指数计算设备的硬件结构示意图。本发明实施例中,设备的健康指数计算设备可以包括处理器1001(例如CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口);存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的硬件结构并不构成对设备的健康指数计算设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
继续参照图1,图1中作为一种计算机可读存储介质的存储器1005可以包括操作***、网络通信模块以及设备的健康指数计算程序。
在图1中,网络通信模块主要用于连接服务器,与服务器进行数据通信;而处理器1001可以调用存储器1005中存储的设备的健康指数计算程序,并执行本发明实施例提供的设备的健康指数计算方法。
本发明实施例提供了一种设备的健康指数计算方法。
参照图2,图2为本发明设备的健康指数计算方法第一实施例的流程示意图。
本实施例中,所述设备的健康指数计算方法包括以下步骤:
步骤S10,获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;
本实施例中,所述设备购买时间通过设备输入平台的数据获取;所述目标设备的设备使用时长的计算方式为,设备当前使用时间减去设备购买时间;
以设备使用时长除以设备使用年限,再乘以第一权重系数,计算获得使用年限参数,其中第一权重系数为预设值。
步骤S20,根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;
本实施例中,目标设备的设备购买时间和设备使用年限数据在设备基础数据录入平台时获取,其中,设备购买时间数据类型为年月日时间;
计算使用年限参数,通过以设备当前使用时间减去设备购买时间,获得设备使用时长,以设备使用时长除以设备使用年限,再乘以第一权重系数,获得使用年限参数。
步骤S30,根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。
具体地,对于新设备而言,维保的次数多少对加分分值影响不大;而对于使用越久的设备,维保得越频繁,则设备健康度得分就越高。因此,设备故障率根据同类型设备总数量中,发生故障的设备的数量,所占的比例来确定,根据故障率以及故障发生次数,确定故障等级,故障率乘以第二权重系数,获得故障率加权值,故障率加权值乘以预设比例系数,获得扣分项,其中,第二权重系数与故障等级相关;
设备维保次数根据目标设备的维保数据,确定设备维保次数,设备维保次数乘以年份比例,再乘以第三权重系数获得维保次数加权值,其中,年份比例计算方式为,以设备当前使用时间减去设备购买时间,获得设备使用时长,以设备使用时长除以设备使用年限,获得年份比例;
健康度评测模型是以设备使用年限以及设备故障情况为扣分项,以设备维保情况为加分项,进行设备健康度计算,获得设备健康度指数。
进一步地,所述方法在步骤S30之后,还包括:
在所述设备健康指数不低于第一指数阈值时,维持所述目标设备的维护建议方案;
在所述设备健康指数低于所述第一指数阈值时,生成增加所述目标设备的维保次数的维护建议方案;
在所述设备健康指数低于第二指数阈值时,生成建议更好所述目标设备的建议方案,其中,所述第二指数阈值小于所述第一指数阈值。
本实施例中,对于分值较低的新设备,维护方案为增加维保次数,降低故障数量。对于分值较高的老设备,维护方案为继续维持当前的养护策略。
本实施例提供一种设备的健康指数计算方法,所述健康指数计算方法通过获取目标设备的设备购买时间以及设备使用年限,并根据所述设备购买时间以及所述设备使用年限,计算使用年限参数;获取所述目标设备的故障率以及设备维保次数,并将所述使用年限参数、所述目标设备的故障率以及所述设备维保次数输入至预设健康度评测模型,生成所述目标设备的设备健康指数。通过上述方式,本发明从使用年限参数、所述目标设备的故障率以及所述设备维保次数三个维度进行设备的健康评测,增加了健康度评测模型的维度数量,从多个维度综合评测设备运行的健康状况,以动态任务规划代替传统静态任务规划,提高了设备评测的健康指数的准确性,解决了目前评测的健康度的准确性较低问题。
参照图3,图3为本发明设备的健康指数计算方法第二实施例的流程示意图。
基于上述图2所示实施例,本实施例中,所述步骤S30之前,还包括:
步骤S01,从设备基础数据中提取故障设备数量以及目标设备总量;
步骤S02,基于所述故障设备数量和所述目标设备总量,确定所述目标设备的故障率,其中,故障设备与目标设备属于相同类型;
步骤S03,根据平台设备维保数据,确定所述设备维保次数。
本实施例中,具体可根据多源信息融合技术从设备基础数据中提取故障设备数量以及目标设备总数量。其中,多源信息融合技术一般是指通过对多物理源的信息进行分析后,按一定的决策规则得到被测对象性质的全面一致性估计,进而产生比单一信息源更准确和全面的判断;设备的各个零件发生故障都会导致设备发生故障,提供的信息可能是互补的也可能是冗余的,多信息融合技术根据信号级和特征级的数据进行融合,可以达到只能识别出超强故障至可以识别出微弱故障的突破,进而获得准确、可靠的数据。
参照图4,图4为本发明设备的健康指数计算方法第三实施例的流程示意图。
基于上述图3所示实施例,步骤S30之后,还包括:
S40,根据预设公式,计算出所述目标设备的设备预估使用时间;
S50,根据所述设备预估使用时间以及所述设备健康指数,生成所述目标设备对应的设备维护建议方案。
本实施例中,对N各同类型设备进行监测后,可得到能够反映子***某时刻状态和某时段变化趋势的N个矩阵,Y1,Y2,...,YN。矩阵Yz()包含第z个子***自开始监测至完成失效的全部C个传感器的数据,自检测开始至失效结束的时长为,由于不同子***的监测周期不同,且部分传感器在监测周期内监测值的极差和方差较大,因此需要先对原始数据集进行分割和归一化等预处理。首先使用一个长度为L的时间窗来分割原始数据,L为大于最小值。时间窗的滑动步长S即为两个连续输入矩阵起始时刻的时间差,用于控制输入数据的规模进而调节模型的计算性能,一般设为1或2。根据公式,计算出目标设备的设备预估使用时间,其中,为第z个子***的第k个设备的设备预估使用时间,为开始监测至结束监测的监测时长,L为分割原始数据的时间窗长度,S为时间窗的滑动步长,L为大于最小值的预设数值。
本实施例中,根据目标设备的设备预估使用时间(即设备剩余使用寿命)以及设备健康指数共同生成维护建议方案,可以提高维护建议方***性。
进一步地,所述步骤S30具体包括:
根据第二权重系数以及所述故障率,确定故障率加权值;
根据预设比例系数、所述使用年限参数以及所述故障率加权值,获得扣分项;
根据所述目标设备的当前使用时间以及所述设备使用年限,确定所述年份比例;
根据第三权重系数、所述设备维保次数以及所述年份比例,确定维保次数加权值;
根据维保次数加权值,获得加分项;
根据所述扣分项以及所述加分项,计算所述设备健康指数。
其中,所述根据第二权重系数以及所述故障率,确定故障率加权值之前,还包括:
获取故障设备的故障发生次数,根据所述故障发生次数以及所述故障率,确定故障等级;
根据所述故障等级,确定所述第二权重系数。
本实施例中,预设健康度评测模型中输入的值为所述使用年限参数、目标设备故障率加权值以及所述设备维保次数加权值,其中,使用年限参数占据30%的比例,目标设备故障率加权值占据40%的比例;将所述使用年限参数、所述目标设备的故障率以及所述设备维保次数输入至预设健康度评测模型,生成所述目标设备的设备健康指数;所述故障率加权值根据设备故障率乘以第二权重系数计算获得,第二权重系数根据故障等级确定,故障等级结合设备故障发生次数以及设备故障率可分为轻微、一般、严重三个等级;所述维保次数加权值根据维保次数乘以年份比例,再乘以第三权重系数计算获得,其中,年份比例根据设备当前使用时间除以设备使用年限计算获得。例如,某设备的使用寿命限制为5年,则第一年的维保次数为2次,则第一年健康度的加分分值为(2×1/5×权重系数);第二年的维保次数为3次,则第二年时,该设备健康度的加分分值为(3×2/5×权重系数)。
本实施例通过数据挖掘以及多源信息融合技术,获取故障设备的故障发生次数,可以实现微弱故障的识别,大大提升了数据的可靠性和准确性,同时,可以动态提取设备使用过程中的故障及维保数据;根据所述故障发生次数以及所述故障率,确定故障等级,根据所述故障等级,确定所述第二权重系数。
基于上述图3所示实施例,本实施例中,所述步骤S30之后,还包括:
根据历史数据,对数据进行预处理,并建立模型,获得预测值;
根据机器学习和统计方法,对历史数据进行预处理,并建立模型,进行预测,实现算法自主学习、提取特征,得出合理阈值,获得剩余寿命预测值;
通过应用深度学习算法实现特征的自学习和自提取,获得分值范围;
根据所述分值范围、所述剩余寿命预测值以及所述设备健康指数,为所述目标设备生成建议维护方案。
本实施例中,通过获得的健康指数分数,根据分值范围对目标设备提出建议维护方案,如,分值较低的新设备,方案为增加维保次数,降低故障数量,对于分值较高的老设备,方案为继续维持当前的养护方案。
此外,本发明实施例还提供一种设备的健康指数计算装置。
参照图5,图5为本发明设备的健康指数计算装置第一实施例的功能模块示意图。
本实施例中,所述设备的健康指数计算装置包括:
使用时长计算模块10,用于获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;
年限参数计算模块20,用于根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;
健康指数计算模块30,用于根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。
进一步地,所述健康指数计算模块30还用于:根据第二权重系数以及所述故障率,确定故障率加权值;根据预设比例系数、所述使用年限参数以及所述故障率加权值,获得扣分项;根据所述目标设备的当前使用时间以及所述设备使用年限,确定所述年份比例;根据第三权重系数、所述设备维保次数以及所述年份比例,确定维保次数加权值;根据维保次数加权值,获得加分项;根据所述扣分项以及所述加分项,计算所述设备健康指数。
进一步地,所述健康指数计算模块30还用于:获取故障设备的故障发生次数,根据所述故障发生次数以及所述故障率,确定故障等级;根据所述故障等级,确定所述第二权重系数。
进一步地,所述设备的健康指数计算装置还包括:
使用时间预估模块,用于根据预设公式,计算出所述目标设备的设备预估使用时间;
维护方案建议模块,用于根据所述设备预估使用时间以及所述设备健康指数,生成所述目标设备对应的设备维护建议方案。
进一步地,所述预设公式为:
进一步地,所述设备的健康指数计算装置还包括维护方案生成模块,所述维护方案生成模块用于:在所述设备健康指数不低于第一指数阈值时,维持所述目标设备的维护建议方案;在所述设备健康指数低于所述第一指数阈值时,生成增加所述目标设备的维保次数的维护建议方案;在所述设备健康指数低于第二指数阈值时,生成建议更好所述目标设备的建议方案,其中,所述第二指数阈值小于所述第一指数阈值。
其中,上述设备的健康指数计算装置中各个模块与上述设备的健康指数计算方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
此外,本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有设备的健康指数计算程序,其中所述设备的健康指数计算程序被处理器执行时,实现如上述的设备的健康指数计算方法的步骤。
其中,设备的健康指数计算程序被执行时所实现的方法可参照本发明设备的健康指数计算方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种设备的健康指数计算方法,其特征在于,所述方法包括以下步骤:
获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;
根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;
根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。
2.如权利要求1所述的设备的健康指数计算方法,其特征在于,所述根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数之前,还包括:
从设备基础数据中提取故障设备数量以及目标设备总量;
基于所述故障设备数量和所述目标设备总量,确定所述目标设备的故障率,其中,故障设备与目标设备属于相同类型;
根据平台设备维保数据,确定所述设备维保次数。
3.如权利要求1所述的设备的健康指数计算方法,其特征在于,所述根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数,包括:
根据第二权重系数以及所述故障率,确定故障率加权值;
根据预设比例系数、所述使用年限参数以及所述故障率加权值,获得扣分项;
根据所述目标设备的当前使用时间以及所述设备使用年限,确定所述年份比例;
根据第三权重系数、所述设备维保次数以及所述年份比例,确定维保次数加权值;
根据维保次数加权值,获得加分项;
根据所述扣分项以及所述加分项,计算所述设备健康指数。
4.如权利要求3所述的设备的健康指数计算方法,其特征在于,所述根据第二权重系数以及所述故障率,确定故障率加权值之前,还包括:
获取故障设备的故障发生次数,根据所述故障发生次数以及所述故障率,确定故障等级;
根据所述故障等级,确定所述第二权重系数。
5.如权利要求1所述的设备的健康指数计算方法,其特征在于,所述根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数之后,包括:
根据预设公式,计算出所述目标设备的设备预估使用时间;
根据所述设备预估使用时间以及所述设备健康指数,生成所述目标设备对应的设备维护建议方案。
7.如权利要求1-6中任一项所述的设备的健康指数计算方法,其特征在于,所述方法还包括:
在所述设备健康指数不低于第一指数阈值时,维持所述目标设备的维护建议方案;
在所述设备健康指数低于所述第一指数阈值时,生成增加所述目标设备的维保次数的维护建议方案;
在所述设备健康指数低于第二指数阈值时,生成建议更好所述目标设备的建议方案,其中,所述第二指数阈值小于所述第一指数阈值。
8.一种设备的健康指数计算装置,其特征在于,所述设备的健康指数计算装置包括:
使用时长计算模块,用于获取所述目标设备的当前使用时间,并根据所述当前使用时间和所述设备购买时间,确定所述目标设备的设备使用时长;
年限参数计算模块,用于根据第一权重系数、所述设备使用时长以及所述设备使用年限,计算所述目标设备的使用年限参数;
健康指数计算模块,用于根据预设健康度评测模型、所述目标设备的故障率、设备维保次数以及所述使用年限参数,生成所述目标设备的设备健康指数。
9.一种设备的健康指数计算设备,其特征在于,所述设备的健康指数计算设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的设备的健康指数计算程序,其中所述设备的健康指数计算程序被所述处理器执行时,实现如权利要求1至7中任一项所述的设备的健康指数计算方法的步骤。
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上存储有设备的健康指数计算程序,其中所述设备的健康指数计算方法被执行时,实现如权利要求1至7中任一项所述的设备的健康指数计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211238563.5A CN115455735A (zh) | 2022-10-11 | 2022-10-11 | 设备的健康指数计算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211238563.5A CN115455735A (zh) | 2022-10-11 | 2022-10-11 | 设备的健康指数计算方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115455735A true CN115455735A (zh) | 2022-12-09 |
Family
ID=84309318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211238563.5A Pending CN115455735A (zh) | 2022-10-11 | 2022-10-11 | 设备的健康指数计算方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115455735A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117169717A (zh) * | 2023-09-11 | 2023-12-05 | 江苏微之润智能技术有限公司 | 一种基于单片机的电机健康评估方法、装置及存储介质 |
CN117371984A (zh) * | 2023-10-17 | 2024-01-09 | 杭州众诚咨询监理有限公司 | 一种设备生命周期判定方法及*** |
-
2022
- 2022-10-11 CN CN202211238563.5A patent/CN115455735A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117169717A (zh) * | 2023-09-11 | 2023-12-05 | 江苏微之润智能技术有限公司 | 一种基于单片机的电机健康评估方法、装置及存储介质 |
CN117371984A (zh) * | 2023-10-17 | 2024-01-09 | 杭州众诚咨询监理有限公司 | 一种设备生命周期判定方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459778B (zh) | 运维***异常指标检测模型优化方法、装置及存储介质 | |
CN115455735A (zh) | 设备的健康指数计算方法、装置、设备及存储介质 | |
CN107766299B (zh) | 数据指标异常的监控方法及其***、存储介质、电子设备 | |
US20170371757A1 (en) | System monitoring method and apparatus | |
EP3015989A1 (en) | System analysis device, system analysis method and system analysis program | |
CN112231174A (zh) | 异常告警方法、装置、设备及存储介质 | |
CN105677538A (zh) | 一种基于故障预测的云计算***自适应监测方法 | |
CN111612275B (zh) | 一种预测区域用户负荷量的方法及装置 | |
CN106950945B (zh) | 一种基于量纲可变型独立元分析模型的故障检测方法 | |
US20180052726A1 (en) | Information processing device, information processing method, and recording medium | |
CN113312578B (zh) | 一种数据指标的波动归因方法、装置、设备、及介质 | |
CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
CN112306808A (zh) | 性能监测评价方法、装置、计算机设备及可读存储介质 | |
CN113099476A (zh) | 网络质量检测方法、装置、设备及存储介质 | |
CN108537243A (zh) | 一种违规告警方法及装置 | |
CN104616173A (zh) | 预测用户流失的方法以及设备 | |
CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
CN113506190B (zh) | 一种异常用电行为辨识方法、装置、设备及存储介质 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
CN111783487B (zh) | 一种读卡器设备的故障预警方法及装置 | |
CN112380759B (zh) | 基于深度学习和CoxPH模型的智能电表寿命预测方法 | |
CN110673997B (zh) | 磁盘故障的预测方法及装置 | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
CN116049765A (zh) | 数据分析处理方法、装置及设备 | |
CN115795144A (zh) | 一种产品推荐方法、装置及电子设备 |
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 |