多态混联可修系统备件需求预测方法

    公开(公告)号:CN106227994A

    公开(公告)日:2016-12-14

    申请号:CN201610555499.1

    申请日:2016-07-14

    IPC分类号: G06F19/00 G05B23/02

    CPC分类号: G06F19/00 G05B23/0283

    摘要: 本发明公开了一种多态混联可修系统备件需求预测方法,用于解决现有备件需求预测方法复杂的技术问题。技术方案是首先分析系统的部件组成,按照系统的部件组成顺序确定MMDD的生成顺序;其次,以状态变量为非终结点,以非终结点的所有状态取值为单向箭线,按照生成顺序指向下一个非终结点,直到终结点0,1结束;最终,基于建立的MMDD模型,搜索所有从根节点开始,到达终结点的路径,计算出每条路径所需备件数量及相应的响应概率,从而计算出所有路径对应备件数量的可靠性,给定系统可靠性Rs与对应备件数量的可靠性比较,预测该可修系统备件需求。该方法简单易行,有效地提高了备件需求预测的效率。

    基于K2算法的装备故障贝叶斯网络预测方法

    公开(公告)号:CN104217251B

    公开(公告)日:2017-04-05

    申请号:CN201410392853.4

    申请日:2014-08-12

    IPC分类号: G06Q10/04

    摘要: 本发明公开了一种基于K2算法的装备故障贝叶斯网络预测方法,用于解决现有装备故障贝叶斯网络预测方法搜索效率低的技术问题。技术方案是采用基于K2搜索算法的FPBN网络结构学习算法构建能够真实反映故障数据集内各变量关联关系的FPBN网络结构,从而建立FPBN模型。最终,基于建立的故障预测模型,利用参数学习算法预测装备的实际运行状态。该方法以K2搜索算法为基础,将故障知识、专家经验和故障数据进行有效融合,解决了装备预测过程中系统向FPBN转化建模困难的问题。另外,FPBN‑K2算法计算过程全部采用确定性搜索算法,无需进行多次重复搜索,降低了搜索空间并减少了评分函数计算次数,提高了FPBN网络结构学习算法的搜索效率。

    多阶段任务系统可修备件需求预测方法

    公开(公告)号:CN105825045A

    公开(公告)日:2016-08-03

    申请号:CN201610140031.6

    申请日:2016-03-11

    IPC分类号: G06F19/00

    CPC分类号: G06F19/00

    摘要: 本发明公开了一种多阶段任务系统可修备件需求预测方法,用于解决现有方法备件需求预测效果差的技术问题。技术方案是首先分析不同阶段任务所要求的装备部件组成,确定部件及系统状态,包括运行状态及失效状态;其次,对每个部件(组)进行其失效模式建模,计算出其在整个阶段任务的可用度。当有备件且备件可修时,将系统中的不同部件及其相应备件作为一个部件组整体考虑;然后,在一定排序规则的前提下生成该多阶段任务系统的BDD模型;最后,基于所建立的BDD模型和部件(组)的马尔科夫链,计算出相应备件数量下该阶段任务系统的可靠性,与所要求的任务系统可靠性进行比较,从而预测该可修系统的可修备件需求量,可修备件需求预测精确。

    多阶段任务系统可修备件需求预测方法

    公开(公告)号:CN105825045B

    公开(公告)日:2018-02-02

    申请号:CN201610140031.6

    申请日:2016-03-11

    IPC分类号: G06F19/00

    摘要: 本发明公开了一种多阶段任务系统可修备件需求预测方法,用于解决现有方法备件需求预测效果差的技术问题。技术方案是首先分析不同阶段任务所要求的装备部件组成,确定部件及系统状态,包括运行状态及失效状态;其次,对每个部件(组)进行其失效模式建模,计算出其在整个阶段任务的可用度。当有备件且备件可修时,将系统中的不同部件及其相应备件作为一个部件组整体考虑;然后,在一定排序规则的前提下生成该多阶段任务系统的BDD模型;最后,基于所建立的BDD模型和部件(组)的马尔科夫链,计算出相应备件数量下该阶段任务系统的可靠性,与所要求的任务系统可靠性进行比较,从而预测该可修系统的可修备件需求量,可修备件需求预测精确。

    基于成本的并联系统可修部件维修决策方法

    公开(公告)号:CN106919984A

    公开(公告)日:2017-07-04

    申请号:CN201710094697.7

    申请日:2017-02-22

    IPC分类号: G06Q10/00

    CPC分类号: G06Q10/20

    摘要: 本发明公开了一种基于成本的并联系统可修部件维修决策方法,用于解决现有基于可靠性的开关设备维修决策方法实用性差的技术问题。技术方案是首先,分析并联可修装备系统部件组成,确定部件及系统的各种运行及失效状态,利用故障树分析方法建立系统MMDD模型;其次,根据马尔可夫过程计算多态并联系统各部件的转移概率矩阵;然后,基于生成矩阵和各部件在任务周期内的转移率矩阵计算各部件的任务成功重要度,确定重要度值大的部件为并联可修系统的薄弱部件;最后,计算薄弱部件的维修成本,选择薄弱部件维修成本不超过薄弱部件最大维修成本的部件完成整个系统的维修,实用性好。

    基于权重的装备多属性维修决策方法

    公开(公告)号:CN104915730B

    公开(公告)日:2018-02-13

    申请号:CN201510315010.9

    申请日:2015-06-09

    IPC分类号: G06Q10/04

    摘要: 本发明公开了一种基于权重的装备多属性维修决策方法,用于解决现有装备多属性维修决策方法装备维修效率低的技术问题。技术方案是根据维修条件和维修方案建立维修决策层次模型结构;其次,分析维修决策层次模型参数,针对要展开维修的装备,根据维修条件及相互影响给出各状态节点和目标节点的参数,量化状态节点对目标节点的影响;再由各维修条件及相应的评价指标构造判断矩阵,并根据判断矩阵得到权重向量,检验判断矩阵避免不相容造成权重误差;最终,基于建立的维修决策层次模型,以权重为驱动,利用所得判断矩阵和目标节点参数值,计算对应维修方案的效益值,从而给出最优决策。该方法有效解决了多个决策目标和决策者的偏好,提高了维修效率。

    面向任务的多态串联可修装备薄弱部件识别方法

    公开(公告)号:CN106886822A

    公开(公告)日:2017-06-23

    申请号:CN201710036457.1

    申请日:2017-01-18

    IPC分类号: G06Q10/00

    摘要: 本发明公开了一种面向任务的多态串联可修装备薄弱部件识别方法,用于解决现有备件需求预测方法实用性差的技术问题。技术方案是首先分析多态串联可修装备部件组成,确定部件及整个装备的各种运行及失效状态,利用故障树分析方法建立MMDD模型;其次用布尔变量的乘积表示MMDD模型中从根节点到终节点的所有路径;然后根据马尔科夫过程计算多态串联可修装备各部件的可用度模型生成矩阵、可靠度模型生成矩阵以及各部件在任务周期内的转移概率矩阵、保持正常运行状态的转移率矩阵和处于失效状态的转移率矩阵;最后分别计算各部件的任务成功重要度,并按照由小到大的顺序排序,进而确定重要度值大的部件为多态串联可修装备的薄弱部件,实用性好。

    基于权重的装备多属性维修决策方法

    公开(公告)号:CN104915730A

    公开(公告)日:2015-09-16

    申请号:CN201510315010.9

    申请日:2015-06-09

    IPC分类号: G06Q10/04

    摘要: 本发明公开了一种基于权重的装备多属性维修决策方法,用于解决现有装备多属性维修决策方法装备维修效率低的技术问题。技术方案是根据维修条件和维修方案建立维修决策层次模型结构;其次,分析维修决策层次模型参数,针对要展开维修的装备,根据维修条件及相互影响给出各状态节点和目标节点的参数,量化状态节点对目标节点的影响;再由各维修条件及相应的评价指标构造判断矩阵,并根据判断矩阵得到权重向量,检验判断矩阵避免不相容造成权重误差;最终,基于建立的维修决策层次模型,以权重为驱动,利用所得判断矩阵和目标节点参数值,计算对应维修方案的效益值,从而给出最优决策。该方法有效解决了多个决策目标和决策者的偏好,提高了维修效率。

    基于成本重要度的复杂系统维修方法

    公开(公告)号:CN108133308A

    公开(公告)日:2018-06-08

    申请号:CN201711263360.0

    申请日:2017-12-05

    IPC分类号: G06Q10/06 G06Q10/00

    摘要: 本发明公开了一种基于成本重要度的复杂系统维修方法,用于解决现有复杂系统维修方法效率低的技术问题。技术方案是将Birnbaum重要度与组件维修成本分析相结合,首先根据复杂系统的工作原理和结构,确定系统的结构函数并记录复杂系统中各个组件的可靠性信息;其次,分析组件可靠性提升过程的维修成本和组件可靠性提升引起的系统可靠性提升量;然后,从单位成本系统可靠性提升量最大化的角度确定组件的成本重要度计算方法,并对组件的成本重要度进行排序;最终,基于组件替换分析的复杂系统快速维修方法对组件进行反复替换,直到满足规定的系统可靠性要求,得到高效且经济的快速维修方案。