TWI549075B - 機台維護排程的方法與系統 - Google Patents
機台維護排程的方法與系統 Download PDFInfo
- Publication number
- TWI549075B TWI549075B TW103141060A TW103141060A TWI549075B TW I549075 B TWI549075 B TW I549075B TW 103141060 A TW103141060 A TW 103141060A TW 103141060 A TW103141060 A TW 103141060A TW I549075 B TWI549075 B TW I549075B
- Authority
- TW
- Taiwan
- Prior art keywords
- maintenance
- candidate
- time
- cost
- maintenance time
- Prior art date
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Description
本揭露係關於一種機台維護排程的方法與系統,特別係關於一種成本導向的機台維護排程的方法與系統。
由於製造業為台灣重要的經濟命脈,但因時代的演進,現今的製程資料量更多且更為複雜。現行機台維護排程大多參考設備提供商建議的維護時間和歷史維護紀錄,來進行零件維護,但機台仍時有不預期故障的情況發生並造成損失,成為影響公司營運風險最重要的因素之一。因此,如何提供一種預測維修時間的方法與系統,以降低不預期故障造成的維修及生產成本的損失,為企待解決的問題。
有鑒於上述問題,本揭露提出一種成本導向的機台維護排程的方法與系統,利用成本導向的機制提供最佳成本效益的資產設備維護排程建議,減少製造過程的非預期停工,以達到最佳的生產效益。
依據本揭露的一種機台維護排程的方法,包含下列步驟:取得關於一個機台中一個零件的成本資訊、紀錄資訊及感
測資訊。根據成本資訊、紀錄資訊及感測資訊,由多個維護程序的結果計算出至少一組候選維護時間、預期維護成本及信心度,其中前述候選維護時間、前述維護成本與前述信心度一一對應。當前述候選維護時間係一個候選維護時間時,以此候選維護時間作為關於機台的排定維護時間。當前述候選維護時間係多個候選維護時間時,根據這些預期維護成本及前述信心度,從這些候選維護時間中得到關於機台的排定維護時間。
依據本揭露的一種機台維護排程系統,包含一個資料擷取模組,一個計算模組以及一個決策模組。資料擷取模組用以取得關於一個機台的一個零件的一個成本資訊、一個紀錄資訊及一個感測資訊。計算模組用以根據成本資訊、紀錄資訊及感測資訊,由多個維護程序的結果計算出至少一組候選維護時間、預期維護成本及信心度,其中前述候選維護時間、前述預期維護成本與前述信心度一一對應。決策模組用以根據前述候選維護時間、前述維護成本及前述信心度決定關於此機台的一個排定維護時間。
綜上所述,本揭露提供一個可最佳化成本效益的機台維護排程解決方案,透過分析多個維護模組所產生的資訊,再利用成本導向的機制提供最佳成本效益的資產設備維護排程建議,減少製造過程的非預期停工,以增進生產效益。
以上之關於本揭露內容之說明及以下之實施方式之說明係用以示範與解釋本揭露之精神與原理,並且提供本揭露之
專利申請範圍更進一步之解釋。
1‧‧‧機台
11‧‧‧零件
2‧‧‧資料庫
3‧‧‧機台維護排程系統
31‧‧‧資料擷取模組
33A~33N‧‧‧維護程序
35‧‧‧計算模組
37‧‧‧決策模組
第1圖係依據本揭露一實施例之機台維護排程的系統架構圖。
第2圖係依據本揭露一實施例之機台維護排程的系統功能方塊圖。
第3圖係依據本揭露一實施例之機台維護排程的方法流程圖。
第4圖係依據本揭露一實施例中的成本導向維護排程法所計算之預期維護成本對應候選維護時間的折線圖。
以下在實施方式中詳細敘述本揭露之詳細特徵,其內容足以使任何熟習相關技藝者了解本揭露之技術內容並據以實施,且根據本說明書所揭露之內容、申請專利範圍及圖式,任何熟習相關技藝者可輕易地理解本揭露相關之目的。以下之實施例係進一步詳細說明本揭露之觀點,但非以任何觀點限制本揭露之範疇。
請參照第1圖,第1圖係依據本揭露一實施例之機台維護排程的系統架構圖。如第1圖所示,機台1具有一個零件11,且與資料庫2連結以儲存零件11運作時的相關資訊,像是運作記錄,感測器所傳送的感測資訊等。其中零件11有其固定壽命,舉例來說,像是一個雷射光源,其光源發射器可能固定半年需要更換,然而此光源發射器也可能在半年以內就發生不預期的
損壞。因此,與資料庫2連結的機台維護排程系統3擷取其中的相關資訊,欲決定出零件11的最佳維護時間,以使提升機台1的運作效率。
有關機台維護排程系統3的詳細架構,請一併參照第2圖,第2圖係依據本揭露一實施例之機台維護排程的系統功能方塊圖。如第2圖所示,本揭露的機台維護排程的系統3係包含資料擷取模組31、計算模組35、決策模組37以及多個維護程序33A至33N。資料擷取模組31係用以取得前述資料庫中的成本資訊、紀錄資訊及感測資訊。多個維護程序33A至33N會以根據資料擷取模組31取得的成本資訊、紀錄資訊及感測資訊分別計算出的一個候選維護時間,亦可包含一個信心度。計算模組35係用以根據資料擷取模組31取得的成本資訊、紀錄資訊及感測資訊,以多個維護程序33A至33N的結果,計算出一組以上的候選維護時間、預期維護成本及信心度,其中候選維護時間、預期維護成本與信心度一一對應。決策模組37係用以根據前述候選維護時間、前述預期維護成本及前述信心度決定一個排定維護時間。
其中,上述的成本資訊係選自由使用者介面輸入、讀檔方式及資料庫系統所組成的群組其中之一,紀錄資訊係選自由讀檔方式及資料庫系統所組成的群組其中之一,感測資訊係選自由讀檔方式、資料擷取卡介面及資料庫系統所組成的群組其中之一。前述資料擷取模組係從上述的介面中取得成本資訊、紀錄資訊及感測資訊,機台的輸入介面可由不同的方式實作,本揭露
並不以此為限。
此外,前述維護程序主要的功能即在於根據機台的資訊提供候選維護時間或預測信心值,維護程序可以是預防性維護程序、條件式維護程序或預測性維護程序,各程序可以各式不同的模型提供資產設備候選維護時間建議。前述之模型可透過不同演算法實作,例如類神經網路(neural network),支持向量機(support vector machine),與本揭露稍後所揭示之成本導向維護模型(Cost-Based Predictive Maintenance Model)等,本揭露並不以此為限。
關於本揭露所提出的成本導向維護模型,係依據最小化訓練資料的維護成本來建立模型,即該模型會使訓練資料的維護時間與實際零件壽命所計算出的維護成本最低,其中計算維護成本時,若當此零件的維護時間點以前即發生非預期損壞時,每一維護成本係由零件的一個原始成本加上一個損失成本,再除以一個非預期使用壽命,其中非預期使用壽命係根據零件的一個啟用時間與零件發生非預期損壞的時間計算得到。若當此零件的維護時間點以前並無發生非預期損壞時,每一維護成本係由零件的一個原始成本除以一個預期使用壽命,其中預期使用壽命係根據零件的一個啟用時間與此時間點計算得到,再依據此維護成本的計算方式建立訓練法則來進行維護模型的建立。更明確的來說,在一實施例中,維護成本的係依據下列方程式:
其中為零件的預測剩餘使用壽命,r為零件的實際剩餘使用壽命,C p 為零件的原始成本,C u 為零件非預期損壞產生的損失成本,t f 為零件的實際可使用的壽命,(t f -△r)為零件的預期使用壽命,△r為零件的實際剩餘使用壽命減去零件的預測剩餘使用壽命(r-)。若維護模型的參數為θ,則預測的剩餘使用壽命可透過函數f θ (.)計算的到,因此每一筆訓練資料都可透過f θ (.)計算出剩餘使用壽命,並依據方程式(1)求出該筆資料的維護成本,最後再將所有訓練資料的維護成本加總得到總維護成本,為了訓練出最小化總維護成本的模型參數,可將總維護成本對參數θ偏微分並利用最陡梯度法(steepest decent)進行參數更新,直到收斂為止。
請參照第3圖,第3圖係依據本揭露一實施例之機台維護排程的方法流程圖。如第3圖所示,於步驟S301中,取得關於機台的成本資訊、紀錄資訊及感測資訊。於步驟S303中,根據成本資訊、紀錄資訊及感測資訊,與一個以上的維護程序的結果計算出一組以上的候選維護時間、預期維護成本及信心度。於步驟S305中,根據前述候選維護時間、前述預期維護成本及前述信心度得到關於機台的排定維護時間。
其中在步驟S303中,候選維護時間、預期維護成本與信心度一一對應。預期維護成本係依據對應的候選維護時間、多個維護成本與機台的一個零件的一使用壽命機率分佈計算出期
望值而得到。其中使用壽命機率分佈可以是多項式分布(multinomial distribution),或其他任意可模擬使用壽命機率的模型,本揭露並不以此為限。
其中在計算預期維護成本時,可利用公式(1)配合零件的使用壽命機率分佈計算加以計算。舉例來說,請參照第4圖,第4圖係依據本揭露一實施例中的成本導向維護排程法所計算之預期維護成本對應候選維護時間的折線圖。如第4圖所示,橫軸為時間點,縱軸為計算出來攤提至每一天的預期維護成本。假設過去的紀錄資訊為10次零件的使用壽命,天數分別是55,55,55,56,58,58,59,62,62,68,對應的多項式分佈機率為p(55)=0.3,p(56)=0.1,p(58)=0.2,p(59)=0.1,p(62)=0.2,p(68)=0.1。在此多項式分布的假設下,假設本次零件的實際使用壽命只可能是55、56、58、59、62與68,且機率分別是0.3、0.1、0.2、0.1、0.2與0.1,零件的原始成本為6萬元,非預期損壞產生的損失成本為10萬元。則當候選維護時間點為50天時,因沒有發生非預期損壞,所以預期維護成本為:
當候選維護時間點為60天時,若實際可使用壽命為55、56、58與59時,會發生非預期損壞,而若實際可使用壽命為62與68則沒有發生非預期損壞,所以預期維護成本為:
當候選維護時間點為70天時,只會發生非預期損壞,所以預期維
護成本為:
以此類推即可計算出候選維護時間點為50天至70天,攤提至每一天的維護成本期望值(如第4圖所示)。
此外,前述每一個候選維護時間所對應的信心度係依據前述維護程序中,提供候選維護時間的至少一個維護程序所得到。其中當該些維護程序的某一維護程序係屬於預防性維護模組或條件式維護模組,則不提供對應的該預測信心值。當該些維護程序的某一個維護程序係屬於預測性維護模組,對應至候選維護時間的信心度係選自前述維護程序的每一個維護程序所提供的一個預測信心值最大者與前述維護程序中選定預測候選維護時間於這些維護程序的比例,而後兩者取其大。更明確的來說,在一實施例中,候選維護時間所對應的信心度係依據下列方程式:
其中C(t)為一信心度方程式,C(t)之值為對應候選維護時間t的信心度,S(t)為候選維護時間t對應的預測信心值集合,NP表示某預防性維護模組或條件式維護模組提供了候選維護時間t,但無提供預測信心值。NA表示某預測性維護模組提供了候選維護時間t,但該未提供預測信心值。max(S(t)-NA)即找出預測信心值集合最大的預測信心值,∥S(t)-NP∥為預測信心值集合S(t)在候選維護時
間t所含有的元素數量。則為候選維護時間t在所有預測性維護排程模組的候選維護時間的比例,即代表各預測性維護模組支持這個候選維護時間t的贊同度,越多預測性維護模組選擇候選維護時間t,則其數值越高。換句話說,候選維護時間t的信心度即為預測信心值集合最大的預測信心值與候選維護時間t的贊同度之間兩者取其大。綜上所述,即使維護模組皆沒有提供預測信心值,只要有至少一個選擇這個候選維護時間t的維護模組係預測性維護模組,則信心度仍可由此候選維護時間t在所有預測性維護模組的候選維護時間的比例,即代表各維護模組支持這個候選維護時間t的贊同度計算而得。
舉例來說,若維護模組提供的信心值集合分別為S(9月1日)={NP、NP},S(9月5日)={NA、0.8},S(9月12日)={NA},則透過方程式(2),在候選維護時間9月1日中,因該維護排程模組為預防性維護模組或條件式維護模組並未提供預測信心值,所以C(9月1日)=NP。在候選維護時間9月5日中,有二個維護模組預測且有一維護模組提供的信心值為0.8,因此C(9月5日)=max(0.8,2/(2+1))=0.8。在候選維護時間9月12日中,僅有一維護模組預測,因此C(9月12日)=max(-,1/(2+1))=0.33。
接著,在步驟S305中,本揭露的機台維護排程系統的決策模組從前述候選維護時間中決定關於機台的排定維護時間。在一實施例中,決策模組係從候選維護時間中選擇所對應的
信心度超過一信心度閾值(threshold value)的至少一個候選維護時間,再從前述信心度超過信心度閾值的候選維護時間中,選擇對應的預期維護成本最低的候選維護時間作為該排定維護時間。
舉例來說,若機台維護排程系統依據前述維護模組所提供的資訊,得出的候選維護時間分別是9月1日,9月5日,9月10日,9月12日,9月15日,且其對應的信心度分別是0.1,0.6,0.7,0.2,0.3,預期維護成本分別是1,4,3,5,7(萬元),假設信心度閾值為0.5,則決策模組逐一判斷各信心度,超過0.5的候選維護時間為9月5日(0.6),9月10日(0.7),且兩者中預期維護成本最低者係9月10日(3萬元),因此最終得到的排定維護時間為9月10日。
在另一實施例中,決策模組係從維護時,利用此些信心度做為多個權重,與對應的候選維護時間加權平均作為此排定維護時間。
舉例來說,若機台維護排程系統依據維護模組所提供的資訊,得出的候選維護時間分別是9月1日,9月5日,9月10日,9月12日,9月15日,且其對應的信心度分別是0.1,0.6,0.7,0.2,0.3,預期維護成本分別是1,4,3,5,7(萬元),假設目前的日期為8月16日,候選維護時間在9月1日對應之零件剩餘壽命為15天,9月5日為19天,9月10日為21天,9月12日為23天,9月15日為26天,則這五個候選維護時間的權重分別為
9月1日:(0.1/(0.1+0.6+0.7+0.2+0.3))=5.3%
9月5日:(0.6/(0.1+0.6+0.7+0.2+0.3))=31.6%
9月10日:(0.7/(0.1+0.6+0.7+0.2+0.3))=36.8%
9月12日:(0.2/(0.1+0.6+0.7+0.2+0.3))=10.5%
9月15日:(0.3/(0.1+0.6+0.7+0.2+0.3))=15.8%
以加權平均計算後,由於(15*5.3%+19*31.6%+21*36.8%+23*10.5%+26*15.8%)=21.05,因此可以得到的剩餘壽命為21天,再以此推估排定維護時間為9月10日。
綜上所述,本揭露提供一個可最佳化成本效益的機台維護排程解決方案,透過分析多個維護模組所產生的資訊,以研發零件健康狀況評估和故障預診斷預測模型,再利用成本導向的機制提供最佳成本效益的資產設備維護排程建議,減少製造過程的非預期停工,以增進生產效益。
雖然本揭露以前述之實施例揭露如上,然其並非用以限定本揭露。在不脫離本揭露之精神和範圍內,所為之更動與潤飾,均屬本揭露之專利保護範圍。關於本揭露所界定之保護範圍請參考所附之申請專利範圍。
1‧‧‧機台
11‧‧‧零件
2‧‧‧資料庫
3‧‧‧機台維護排程系統
Claims (25)
- 一種機台維護排程的方法,包含:取得關於一機台中一零件的一成本資訊、一紀錄資訊及一感測資訊;根據該成本資訊、該紀錄資訊及該感測資訊,由多個維護程序的結果,計算出至少一組候選維護時間、預期維護成本及信心度,其中該候選維護時間、預期維護成本與信心度一一對應;當該至少一候選維護時間係一個候選維護時間時,以該候選維護時間作為關於該機台的一排定維護時間;以及當該至少一候選維護時間係多個候選維護時間時,根據該些預期維護成本及該至少一信心度,從該些候選維護時間中得到關於該機台該排定維護時間。
- 如請求項1所述的方法,其中該成本資訊係選自由使用者介面輸入、讀檔方式及資料庫系統所組成的群組其中之一取得。
- 如請求項1所述的方法,其中該紀錄資訊係選自由讀檔方式及資料庫系統所組成的群組其中之一取得。
- 如請求項1所述的方法,其中該感測資訊係選自由讀檔方式、資料擷取卡介面及資料庫系統所組成的群組其中之一取得。
- 如請求項1所述的方法,其中該些維護程序中包含一成本導 向維護程序,係依據該機台的該感測資訊及/或該零件的一健康指標,以最小化維護成本為目標,建立一成本導向維護模型,以計算出對應的該候選維護時間。
- 如請求項1所述的方法,其中該至少一預期維護成本的每一該預期維護成本係依據對應的該候選維護時間、多個預期維護成本與該機台的該零件的一使用壽命機率分佈計算出期望值而得到。
- 如請求項6所述的方法,其中當判斷該零件於該候選維護時間以前將發生非預期損壞時,該些維護成本的每一該維護成本係由該零件的一原始成本加上一損失成本,再除以一非預期使用壽命,其中該非預期使用壽命係根據該零件的一啟用時間與該零件發生非預期損壞的時間計算得到。
- 如請求項6所述的方法,其中當判斷該零件於該候選維護時間以前不發生非預期損壞時,該些維護成本的每一該維護成本係由該零件的一原始成本除以一預期使用壽命,其中該預期使用壽命係根據該零件的一啟用時間與該候選維護時間計算得到。
- 如請求項1所述的方法,其中每一該候選維護時間所對應的該信心度係依據該些維護程序中,提供該候選維護時間的該至少一維護程序所得到。
- 如請求項9所述的方法,其中當提供該候選維護時間的該至少一維護程序其中至少之一係一預測性維護模組,對應至該 候選維護時間的該信心度係選自該至少一維護程序中每一該維護程序所提供的預測信心值中最大者與該些維護程序中選定該候選維護時間的該些維護程序的比例,兩者取其大。
- 如請求項1所述的方法,其中根據該些預期維護成本及該至少一信心度,從該些候選維護時間中得到關於該機台該排定維護時間的步驟中,係從該些候選維護時間中選擇所對應的該信心度超過一信心度閾值(threshold value)的該至少一候選維護時間,再從該至少一候選維護時間中,選擇對應的該預期維護成本最低的該候選維護時間作為該排定維護時間。
- 如請求項1所述的方法,其中根據該些預期維護成本及該至少一信心度,從該些候選維護時間中得到關於該機台該排定維護時間的步驟中,利用該些信心度做為多個權重,與對應的該些候選維護時間利用加權平均方式,計算出該排定維護時間。
- 一種機台維護排程系統,包含:一資料擷取模組,用以取得關於一機台的一零件的一成本資訊、一紀錄資訊及一感測資訊;一計算模組,用以根據該成本資訊、該紀錄資訊及該感測資訊,由多個維護程序的結果,計算出至少一組候選維護時間、預期維護成本及信心度,其中該候選維護時間、預期維護成本與信心度一一對應;以及一決策模組,用以根據該至少一組候選維護時間、預期 維護成本及信心度決定關於該機台的一排定維護時間。
- 如請求項13所述的系統,其中該資料擷取模組係選自由使用者介面輸入、讀檔方式及資料庫系統所組成的群組其中之一取得該成本資訊。
- 如請求項13所述的系統,其中該資料擷取模組係選自由讀檔方式及資料庫系統所組成的群組其中之一取得該紀錄資訊。
- 如請求項13所述的系統,其中該資料擷取模組係選自由讀檔方式、資料擷取卡介面及資料庫系統所組成的群組其中之一取得該感測資訊。
- 如請求項13所述的系統,其中該些維護程序中包含一成本導向維護程序,係依據該機台的該感測資訊及/或該零件的一健康指標,以最小化維護成本為目標,建立一成本導向維護模型,以計算出對應的該候選維護時間。
- 如請求項13所述的系統,其中該至少一預期維護成本的每一該預期維護成本係該計算模組依據對應的該候選維護時間、多個維護成本與該機台的該零件的一使用壽命機率分佈計算出期望值而得到。
- 如請求項18所述的系統,其中當該計算模組判斷該零件於該候選維護時間以前將發生非預期損壞時,該些維護成本的每一該維護成本係由該零件的一原始成本加上一損失成本,再除以一非預期使用壽命,其中該非預期使用壽命係根據該零件的一啟用時間與該零件發生非預期損壞的時間計算得到。
- 如請求項18所述的系統,其中當該計算模組判斷該零件於該候選維護時間以前不發生非預期損壞時,該些維護成本的每一該維護成本係由該零件的一原始成本除以一預期使用壽命,其中該預期使用壽命係根據該零件的一啟用時間與該候選維護時間計算得到。
- 如請求項13所述的系統,其中每一該候選維護時間所對應的該信心度係該計算模組依據該些維護程序中,提供該候選維護時間的該至少一維護程序所得到。
- 如請求項21所述的系統,其中當提供該候選維護時間的該至少一維護程序其中至少之一係一預測性維護模組,對應至該候選維護時間的該信心度係選自該至少一維護程序中每一該維護程序所提供的預測信心值中最大者與該些維護程序中選定該候選維護時間的該些維護程序的比例,兩者取其大。
- 如請求項13所述的系統,其中當該決策模組根據該至少一組候選維護時間、預期維護成本及信心度決定該排定維護時間時,若該至少一候選維護時間係一個候選維護時間時,該決策模組以該候選維護時間作為關於該機台的該排定維護時間,若該至少一候選維護時間係多個候選維護時間時,該決策模組根據該些預期維護成本及該至少一信心度,從該些候選維護時間中得到關於該機台該排定維護時間。
- 如請求項23所述的系統,其中當該至少一候選維護時間係一個候選維護時間時,該決策模組係從該些候選維護時間中選 擇所對應的該信心度超過一信心度閾值的該至少一候選維護時間,再從該至少一候選維護時間中,選擇對應的該預期維護成本最低的該候選維護時間作為該排定維護時間。
- 如請求項23所述的系統,其中根據該些預期維護成本及該至少一信心度,從該些候選維護時間中得到關於該機台該排定維護時間的步驟中,利用該些信心度做為多個權重,與對應的該些候選維護時間利用加權平均方式,計算出該排定維護時間。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103141060A TWI549075B (zh) | 2014-11-26 | 2014-11-26 | 機台維護排程的方法與系統 |
CN201410738322.6A CN105719042A (zh) | 2014-11-26 | 2014-12-05 | 机台维护排程的方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103141060A TWI549075B (zh) | 2014-11-26 | 2014-11-26 | 機台維護排程的方法與系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201619875A TW201619875A (zh) | 2016-06-01 |
TWI549075B true TWI549075B (zh) | 2016-09-11 |
Family
ID=56144231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103141060A TWI549075B (zh) | 2014-11-26 | 2014-11-26 | 機台維護排程的方法與系統 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105719042A (zh) |
TW (1) | TWI549075B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10678232B2 (en) | 2017-01-20 | 2020-06-09 | Industrial Technology Research Institute | Prognostic method and apparatus for a processing apparatus |
US11106190B2 (en) | 2016-12-13 | 2021-08-31 | Industrial Technology Research Institute | System and method for predicting remaining lifetime of a component of equipment |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台*** |
CN111598269A (zh) * | 2020-05-26 | 2020-08-28 | 上海烟草集团有限责任公司 | 设备检修计划排程方法、***、介质及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW579476B (en) * | 2002-08-16 | 2004-03-11 | Taiwan Semiconductor Mfg | Preventive maintenance schedule system and method for machine member using machine monitoring mechanism |
US7299156B2 (en) * | 2004-01-26 | 2007-11-20 | Macronix International Co., Ltd. | Method for estimating a maintenance date and apparatus using the same |
TW201023061A (en) * | 2008-12-03 | 2010-06-16 | Ind Tech Res Inst | System and method of prognostic analysis and resource planning for apparatu |
TW201135613A (en) * | 2010-04-07 | 2011-10-16 | Inotera Memories Inc | Method for planning production schedule of equipment and associated computer readable medium |
US20130151308A1 (en) * | 2011-12-12 | 2013-06-13 | The Boeing Company | Lifecycle Obsolescence Forecasting Tool |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6532426B1 (en) * | 1999-09-17 | 2003-03-11 | The Boeing Company | System and method for analyzing different scenarios for operating and designing equipment |
CN103679280B (zh) * | 2012-09-26 | 2016-12-21 | 中国人民解放军第二炮兵工程大学 | 一种性能缓变退化的设备最优维护方法 |
CN103994199B (zh) * | 2014-05-27 | 2016-06-01 | 中能电力科技开发有限公司 | 基于状态监测的齿轮箱维护时间确定方法 |
-
2014
- 2014-11-26 TW TW103141060A patent/TWI549075B/zh active
- 2014-12-05 CN CN201410738322.6A patent/CN105719042A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW579476B (en) * | 2002-08-16 | 2004-03-11 | Taiwan Semiconductor Mfg | Preventive maintenance schedule system and method for machine member using machine monitoring mechanism |
US7299156B2 (en) * | 2004-01-26 | 2007-11-20 | Macronix International Co., Ltd. | Method for estimating a maintenance date and apparatus using the same |
TW201023061A (en) * | 2008-12-03 | 2010-06-16 | Ind Tech Res Inst | System and method of prognostic analysis and resource planning for apparatu |
TW201135613A (en) * | 2010-04-07 | 2011-10-16 | Inotera Memories Inc | Method for planning production schedule of equipment and associated computer readable medium |
US20130151308A1 (en) * | 2011-12-12 | 2013-06-13 | The Boeing Company | Lifecycle Obsolescence Forecasting Tool |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11106190B2 (en) | 2016-12-13 | 2021-08-31 | Industrial Technology Research Institute | System and method for predicting remaining lifetime of a component of equipment |
US10678232B2 (en) | 2017-01-20 | 2020-06-09 | Industrial Technology Research Institute | Prognostic method and apparatus for a processing apparatus |
Also Published As
Publication number | Publication date |
---|---|
TW201619875A (zh) | 2016-06-01 |
CN105719042A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gustavsson et al. | Preventive maintenance scheduling of multi-component systems with interval costs | |
CN104966141B (zh) | 更新用于生成工业资产健康状况简档的模型的方法和*** | |
TWI549075B (zh) | 機台維護排程的方法與系統 | |
JP6275070B2 (ja) | 設備点検順位設定装置及びプログラム | |
US8201424B2 (en) | Synthetic redundancy via prognostics | |
Liu et al. | A general modeling and analysis framework for software fault detection and correction process | |
US20150039374A1 (en) | Planning periodic inspection of geo-distributed infrastructure systems | |
US20240012407A1 (en) | Condition-Based Method for Malfunction Prediction | |
US20160048805A1 (en) | Method of collaborative software development | |
Cherkaoui et al. | Quantitative assessments of performance and robustness of maintenance policies for stochastically deteriorating production systems | |
Petchrompo et al. | A value-based approach to optimizing long-term maintenance plans for a multi-asset k-out-of-N system | |
WO2019196427A1 (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
Srinivasan et al. | Semi-Markov decision process with partial information for maintenance decisions | |
Guo et al. | Maintenance optimization for systems with dependent competing risks using a copula function | |
Basirat et al. | System dynamics meta-modelling for reliability considerations in maintenance | |
Khoury et al. | On the Use of Time‐Limited Information for Maintenance Decision Support: A Predictive Approach under Maintenance Constraints | |
KR20110046091A (ko) | 심각도와 발생가능도를 고려한 중요도 평가 방법 | |
WO2016200611A1 (en) | Dynamically adjusting industrial system outage plans | |
Mkandawire et al. | Component risk trending based on systems thinking incorporating Markov and Weibull inferences | |
Imam et al. | World Class Maintenance (WCM): Measurable indicators creating opportunities for the Norwegian Oil and Gas industry | |
Shafiee | Modelling and analysis of availability for critical interdependent infrastructures | |
Khurmi et al. | Condition based maintenance in nuclear power plants: Limitations & practicality | |
US20130173323A1 (en) | Feedback based model validation and service delivery optimization using multiple models | |
Zhang et al. | A novel approach for QoS prediction based on Bayesian combinational model | |
JP2009301341A (ja) | サービシステム、サービスシステム管理方法、及びプログラム |