本發(fā)明涉及生產制造設備監(jiān)控應用領域，尤其涉及基于原始故障數據的設備壽命與健康度監(jiān)控方法及系統(tǒng)。

背景技術：

隨著高新技術的不斷革新，現代設備的高度集成化、智能化及問題分析處理能力的高效化日益增強，與之相對的即是設備的故障診斷、維修和可靠度越來越受到人們的關注。

生產制造行業(yè)的設備種類繁多，數量巨大，某一設備或關鍵設備的故障、不穩(wěn)定都會導致整個生產線的中斷或產品質量的下降。生產制造行業(yè)設備壽命預測與健康監(jiān)控旨在對設備的故障進行精準的預測，通過設備故障的預測制定針對故障的高效維修保障策略，降低設備停機時間，提高設備利用率，避免因“過度維修”造成的人力和物力方面的浪費，也避免因設備未及時維修造成的更為嚴重的后果。

目前針對設備壽命的預測出現了眾多方法：

中國發(fā)明專利：結合bp神經網絡與二參數威布爾分布的故障率預測方法中故障數據的采集以設備運行狀態(tài)的監(jiān)測數據為基礎，故障數據的采集復雜、難度大，故障數據一旦失效將導致該方法的失效，方法模型適用性較差。

中國發(fā)明專利：基于三參數威布爾分布確定電網設備最佳退役時間的方法采用最大相關系數優(yōu)化法求解位置參數，求解過程復雜，增加了算法的復雜度，降低了運行速度。

中國發(fā)明專利：一種基于可靠性的變壓器設備壽命評估方法主要針對輸變電領域大型變壓器設備的壽命預測，數據算法以人工經驗為主，對其他領域的設備尤其是生產制造過程設備的適用性較低。

上述舉例算法具有隨機性較大且對輸入數據的要求較高，算法復雜，運算速度慢，沒有根據生產制造設備的實際使用情況對其是否需要構建模型進行劃分，針對健康度測量方面缺乏科學定量的界限，進而未對設備故障嚴重程度制定優(yōu)先級順序，未將故障維修計劃考慮進生產計劃排程。

技術實現要素：

本發(fā)明的目的就是為了解決上述問題，提供一種基于原始故障數據的設備壽命與健康度監(jiān)控方法及系統(tǒng)，該方法基于小樣本抽樣，通過對輸入數據進行預處理，判定設備是否需要立即進行壽命模型建模。基于兩參數的威布爾分布統(tǒng)計模型構建設備壽命模型。通過模型函數估計設備的可靠度，依據設備的健康狀況對設備的維修緊急程度進行優(yōu)先級的劃分判定，并將制定的維修計劃融入生產排程計劃，提高設備利用率及生產執(zhí)行效率。

為了實現上述目的，本發(fā)明采用如下技術方案：

基于原始故障數據的設備壽命與健康度監(jiān)控方法，包括以下步驟：

步驟(1)：原始故障數據預處理；

步驟(2)：建立二參數威布爾分布模型，利用近似中位秩公式法來確定失效分布函數值，在發(fā)生故障時間和通過計算出來的失效分布函數值的基礎上，利用最小二乘參數估計法，擬合出二參數威布爾分布模型的回歸方程，從而確定出二參數威布爾分布的尺度參數和形狀參數；將得到的尺度參數和形狀參數代入二參數威布爾分布的失效分布函數，確定二參數威布爾失效分布函數模型；并確定可靠度函數；

步驟(3)：設備可靠度計算：將給定時刻與最近一次修復故障時刻的時間間隔代入可靠度函數中，計算設備可靠度；

步驟(4)：依據步驟(3)得到的設備可靠度對設備健康度區(qū)間進行劃分；

步驟(5)：根據每個設備所處的健康度區(qū)間，給出建議設備維護起止時間。

所述步驟(1)中，原始故障數據包括：設備歷史故障記錄、設備維修記錄、設備點檢記錄數據。設備歷史故障記錄，主要包括：故障記錄編號、工位、設備名稱、設備型號、設備故障開始時間；設備維修記錄，主要包括：設備故障修復時間、是否已修復、維修人員、故障原因；設備點檢記錄，主要包括：設備點檢計劃開始時間、設備點檢計劃結束時間、設備點檢實際開始時間、設備點檢實際結束時間。

上述原始數據隨著生產過程產生，由人為系統(tǒng)輸入或手工填寫。

所述步驟(1)對原始故障數據預處理操作包括：數據格式初期檢查、設備建模判別、數據分類與整合、時間格式轉換、數據排序、獲取數據、數據校驗操作。通過原始故障數據預處理步驟得到符合二參數威布爾分布模型需要的數據。

所述步驟(1)原始故障數據預處理步驟為：

步驟(1-1)：數據格式初期檢查：對設備歷史故障記錄、設備維修記錄及設備點檢記錄進行格式、邏輯及完整性檢查，以確保數據的有效性；

步驟(1-2)：設備建模判別：根據設備額定使用壽命和實際使用年限選擇設定時間范圍內的設備歷史故障記錄、設備維修記錄、設備點檢記錄，并檢驗記錄條數是否達到最小記錄數；若達到最小記錄數，則對設備構建二參數威布爾分布模型；

步驟(1-3)：數據分類與整合：對每臺設備的設備歷史故障記錄、設備維護記錄、設備點檢記錄進行分類整合，提取記錄中隸屬同一設備的記錄，存入對應設備的記錄中，用于后續(xù)設備建模使用；

步驟(1-4)：時間格式轉換：對設備原始故障數據進行時間轉換，將本地時間格式轉化為時間戳格式；

步驟(1-5)：數據排序：對整合后的記錄按時間先后順序進行排序，按照故障發(fā)生結束時間先后順序和設備點檢發(fā)生結束時間先后順序進行排序；

步驟(1-6)：獲取二參數威布爾分布模型所需數據：依據排序數據提取建模所需的故障時間間隔數據。

所述故障時間間隔的提取方法如下：

步驟(1-6-1)：首先取排序后記錄數據的第一條記錄為當前記錄；

步驟(1-6-2)：檢查當前記錄是否超出記錄范圍；如果沒有超出則轉入步驟(1-6-3)，否則結束；

步驟(1-6-3)：檢查下一條記錄是否超出記錄范圍，如果沒有超出則轉入步驟(1-6-4)，否則結束；

步驟(1-6-4)：檢查下一條記錄整合前是否為故障記錄，如果整合前為故障記錄，則令：

故障時間間隔＝下一條記錄的開始時間–當前記錄的結束時間；

并轉入步驟(1-6-6)；否則轉入步驟(1-6-5)；

步驟(1-6-5)：如果整合前不是故障記錄，則將下一條記錄的序號加1，轉到步驟(1-6-3)；

步驟(1-6-6)：取下一條記錄的序號作為當前記錄的序號；轉入步驟(1-6-2)；

通過步驟(1-6)的方法以原始故障數據為基礎求出模型所需要的故障時間間隔數據。

步驟(1-7)：數據校驗：采用3σ原則剔除異常數據，異常數據包括手工輸入的錯誤數據及明顯過大值。

所述步驟(2)包括：

引入威布爾分布函數：

若隨機變量時間t服從三參數威布爾分布，則三參數威布爾分布概率密度函數為：

公式(1)兩邊分別求積分，即為三參數威布爾分布失效分布函數：

其中，β>0為形狀參數，決定分布曲線的形狀；η>0為尺度參數，起到縮小和放大橫坐標尺度的作用；γ≥0為位置參數，決定了分布曲線的起始位置。

位置參數γ又稱為起始參數，表示產品在時間γ之前具有100％的可靠度，即故障在γ之后開始的；

γ＝0時，三參數威布爾分布轉換為二參數威布爾分布；

二參數威布爾分布的概率密度函數為：

二參數威布爾分布的失效分布函數為：

采用回歸估計法進行參數估計：二參數威布爾分布的待估計參數包括形狀參數β和尺度參數η；

二參數威布爾分布的失效分布函數，變形得：

對公式(5)兩邊兩次取自然對數，可得：

令則公式(6)轉換為線性回歸方程：

y＝ax+b(7)

對于公式(7)，利用最小二乘參數估計法求解回歸系數得：

其中，為參數a的估計值，為參數b的估計值，為均值，由可知，影響回歸系數估計準確度的是二參數威布爾分布的失效分布函數f(t)；

采用近似中位秩公式法來確定失效分布函數，公式如下：

式中，i表示設備故障記錄的順序號，n表示設備故障記錄總條數。基于發(fā)生故障時間和通過計算出來的失效分布函數，利用最小二乘參數估計法，擬合出二參數威布爾分布模型的回歸直線，從而確定出二參數威布爾分布的尺度參數η和形狀參數β。

所述步驟(2)的實現步驟為：建立二參數威布爾分布模型，模型建立過程如下：

步驟(2-1)：建立線性回歸方程：y＝ax+b，其中

其中，y表示線回歸方程因變量，x表示線性回歸方程自變量，a、b表示線性回歸方程的兩個參數，f(t)表示二參數威布爾分布的失效分布函數，β表示二參數威布爾分布的形狀參數，η表示二參數威布爾分布的尺度參數。

步驟(2-2)：將i、n帶入近似中位秩公式法估計失效分布函數值，利用公式y(tǒng)＝lnln[1/(1-f(t))]從而確定對應的yi值；利用步驟(1)預處理所得的故障時間間隔數據，代入公式x＝lnt，計算對應ti時間間隔的xi值。

其中i表示設備故障記錄的順序號，n表示設備故障記錄總條數，ti表示設備故障記錄順序為i時的故障時間間隔，fn(ti)表示距離當前時刻ti時間間隔的設備的不可靠度，i、n取值范圍依據生產實際記錄情況決定。

步驟(2-3)：利用最小二乘參數估計法求解y＝ax+b中的a、b，通過進而求出η、β；

其中，為參數a的估計值，為參數b的估計值，為均值，

步驟(2-4)：將η、β帶入二參數威布爾分布的失效分布函數確定二參數威布爾失效分布函數模型，并確定可靠度函數。

所述步驟(3)設備可靠度計算：可靠度是設備在設定的條件下和設定的時間內，完成設定功能的概率，記為r；可靠度函數是時間t的函數，記為r(t)；用隨機變量t表示產品從開始工作到發(fā)生失效或故障的時間；

當γ＝0時，得到二參數威布爾分布的可靠度函數表達式：

輸入給定時刻與最近一次修復故障時刻的時間間隔，從而確定給定時刻設備的可靠度r(t)。

所述步驟(4)中，根據設備可靠度界值劃分設備健康度區(qū)間，設備健康度區(qū)間由高到低分為：無需維護、可以維護、建議維護、強烈建議維護、緊急維護。健康度區(qū)間用不同顏色代表，亦反映了設備需要維護的優(yōu)先級別。

所述步驟(5)給出設備維護起止時間建議。根據不同設備的不同健康度，給出相應的維護起止時間建議。

步驟(5)的步驟為：

步驟(5-1)：檢查給定時刻是否為正數；若為0，返回的信息為設備未啟動；若為負數，返回數據錯誤；

步驟(5-2)：將正確格式的時刻與最近一次修復故障時間的時間間隔帶入可靠度函數表達式，求得給定時刻的可靠度值，根據可靠度值判斷是否需要進行停機維護；如不需要則結束，如需要維護則給出所需的維護時間；

步驟(5-3)：確定維護起止時間；根據設備的可靠度值確定所歸屬的健康度區(qū)間；通過健康度區(qū)間下限值利用可靠度函數推導出設備維護結束時間，給定時刻即為設備維護起始時間。

所述步驟(5-3)過程中，特殊情況處理：

①根據可靠度值所處的健康度區(qū)間判斷是否需要維護，如果需要維護則設置維護開始時間為給定時刻；如果不需要維護，不設置維護開始時間；

②當維護周期小于排程周期時，只安排第一次的維護任務；例如：在一次排程周期內，設備故障周期為1個月，排程周期為6個月，這時需要安排多個維護任務，此時只安排第一次的維護任務，不考慮后續(xù)維護任務。

③維護任務最晚結束時間取計算得到的可靠度值所在健康度區(qū)間的下限值所對應的時間，維護任務最晚結束時間的確定需要同時考慮設備使用壽命和維護任務對生產任務的影響；如果維護任務的最晚結束時間過小，則維護時間間隔較短，可能導致設備維護任務還未完成，即開始后面的生產任務，將導致排程出現錯誤。如果最晚結束時間過大，則維護時間間隔較長，設備出現故障的概率較大，因為設備故障而延誤生產的風險較高。

④當可靠度值處于緊急維護健康度區(qū)間內時，默認該維護任務的起止時間間隔為10天。維護任務最晚結束時間為距此時刻有10天間隔的時間。該時間間隔可以根據設備具體運行狀態(tài)進行設置。

⑤當計算得到的維護任務時間間隔不足24小時時，默認維護任務的起止時間間隔為48小時，即設置維護任務結束時間為據此刻時間有48小時的間隔的時間。

基于原始故障數據的設備壽命與健康度監(jiān)控系統(tǒng)，包括：

原始故障數據預處理模塊；

二參數威布爾分布模型建立模塊：利用近似中位秩公式法來確定失效分布函數值，在發(fā)生故障時間和通過計算出來的失效分布函數值的基礎上，利用最小二乘參數估計法，擬合出二參數威布爾分布模型的回歸方程，從而確定出二參數威布爾分布的尺度參數和形狀參數；將得到的尺度參數和形狀參數代入二參數威布爾分布的失效分布函數，確定二參數威布爾失效分布函數模型；并確定可靠度函數；

設備可靠度計算模塊：將給定時刻與最近一次修復故障時刻的時間間隔代入可靠度函數中，計算設備可靠度；

設備健康度區(qū)間劃分模塊：依據得到的設備可靠度對設備健康度區(qū)間進行劃分；

設備維護起止時間建議模塊：根據每個設備所處的健康度區(qū)間，給出建議設備維護起止時間。

本發(fā)明的有益效果：

1該方法的數據輸入以歷史故障信息、設備維修信息、設備點檢信息等原始故障數據為基礎，隨著生產過程由人為系統(tǒng)輸入或手工填寫，輸入要求低且易獲得，實現了基于歷史故障記錄與維修記錄的壽命模型的預測，對具有相同格式設備故障記錄及點檢記錄的設備具有普適性。

2在原始故障數據預處理階段根據設備的故障記錄條數劃分判定設備是否需要進行及時的故障預測。通過該步驟減輕了設備的維護建設所投入的人力及物力。

3對原始故障數據預處理的過程采用特有的處理方式，在易獲得的原始故障數據的基礎上計算出故障時間間隔，作為威布爾模型建模的唯一輸入數據，數據簡單有效。

4通過威布爾模型函數計算設備的可靠度，并結合設備實際健康狀況劃分設備的健康等級，依據此確定優(yōu)先級并制定設備維護計劃，提供相應的建議維護起止時間，提高設備維修效率，加快生產執(zhí)行進度。

附圖說明

圖1為本發(fā)明提供的基于原始故障數據的設備壽命預測與健康度監(jiān)控方法的流程圖；

圖2為原始故障數據預處理流程圖；

圖3為威布爾分布函數求解過程流程圖；

圖4為設備健康度劃分示意圖。

具體實施方式

下面結合附圖與實施例對本發(fā)明作進一步說明。

本發(fā)明基于原始故障數據的設備壽命預測與健康度監(jiān)控方法，如圖1所示，包括以下步驟：

1.原始故障數據預處理，如圖2所示，具體的處理步驟為：

1-1數據格式初期檢查。對設備歷史故障數據、設備維護記錄及設備點檢記錄進行格式、邏輯及完整性檢查，以確保數據輸入格式的正確性。若輸入有誤，返回輸入錯誤狀態(tài)碼。

1-2設備建模判別。根據設備額定使用壽命和實際使用情況選擇最近5年內或者10年內的設備歷史故障記錄、設備維修記錄、設備點檢記錄，并檢驗記錄條數是否達到最小記錄數min_record_number。若達到最小記錄數，則對設備構建二參數威布爾分布模型。

1-3數據分類與整合。對每臺設備的設備歷史故障記錄、設備維護記錄、設備點檢記錄進行分類整合，提取記錄中隸屬同一設備的記錄，存入該設備的記錄中，用于后續(xù)設備建模使用。

1-4時間格式轉換。對設備原始故障數據進行時間轉換，將本地時間格式轉化為時間戳格式。

1-5數據排序。對整合后的記錄進行排序，按照故障發(fā)生結束時間先后順序和設備點檢發(fā)生結束時間先后順序進行排序。

1-6獲取二參數威布爾分布模型所需數據。依據排序數據提取建模所需的故障時間間隔數據。故障時間間隔的提取方法如下：

步驟(1-6-1)：首先取排序后記錄數據的第一條記錄為當前記錄；

步驟(1-6-2)：檢查當前記錄是否超出記錄范圍；如果沒有超出則轉入步驟(1-6-3)，否則結束；

步驟(1-6-3)：檢查下一條記錄是否超出記錄范圍，如果沒有超出則轉入步驟(1-6-4)，否則結束；

步驟(1-6-4)：檢查下一條記錄整合前是否為故障記錄，如果整合前為故障記錄，則令：

故障時間間隔＝下一條記錄的開始時間–當前記錄的結束時間；

并轉入步驟(1-6-6)；否則轉入步驟(1-6-5)；

步驟(1-6-5)：如果整合前不是故障記錄，則將下一條記錄的序號加1，轉到步驟(1-6-3)；

步驟(1-6-6)：取下一條記錄的序號作為當前記錄的序號；轉入步驟(1-6-2)；

1-7數據校驗。采用3σ原則剔除異常數據，異常數據包括手工輸入的錯誤數據及明顯過大值。

2.建立二參數威布爾分布模型，如圖3所示，具體模型建立過程如下：

2-1建立線性回歸方程：y＝ax+b，其中

2-2將i、n帶入近似中位秩公式法估計失效分布函數值，利用公式y(tǒng)＝lnln[1/(1-f(t))]從而確定對應的yi值；利用步驟1預處理所得的故障時間間隔數據，代入公式x＝lnt，計算對應ti時間間隔的xi值。

2-3利用最小二乘參數估計法求解y＝ax+b中的a、b，通過進而求出η、β；

2-4將η、β帶入二參數威布爾分布的失效分布函數確定二參數威布爾失效分布函數模型，并確定可靠度函數。

3.設備可靠度計算。根據公式t≥0，輸入給定時刻與最近一次修復故障時刻的時間間隔，從而確定給定時刻設備的可靠度r(t)。

4.設備健康度劃分。根據設備可靠度界值劃分設備健康度區(qū)間，并反映設備需要維護的優(yōu)先級別。根據設備可靠度界值劃分設備健康度區(qū)間，可設置設備健康度區(qū)間0-80％為緊急維護、80％-85％為強烈建議維護、85％-90％為建議維護、90％-95％為可以維護、95％-100％為無需維護，不同顏色反映設備需要維護的優(yōu)先級別，健康度劃分示意，如圖4所示。

5.給出設備維護起止時間建議。具體步驟如下：

5-1檢查給定時刻是否為正數。若為0，返回的信息為設備未啟動；若為負數，返回數據錯誤。

5-2將正確格式的時刻與最近一次修復故障時間的時間間隔帶入可靠度函數表達式，求得給定時刻的可靠度值，根據可靠度值判斷是否需要進行停機維護；如不需要則結束，如需要維護則給出所需的維護時間。

5-3確定維護起止時間。根據設備的可靠度值確定所歸屬的健康度區(qū)間；通過健康度區(qū)間下限值利用可靠度函數推導出設備維護結束時間，給定時刻即為設備維護起始時間。確定過程涉及以下幾個問題：

①根據可靠度值所處的健康度區(qū)間判斷是否需要維護，如果需要維護則設置維護開始時間為給定時刻；如果不需要維護，不設置維護開始時間；

②當維護周期小于排程周期時，只安排第一次的維護任務；例如：在一次排程周期內，設備故障周期為1個月，排程周期為6個月，這時需要安排多個維護任務，此時只安排第一次的維護任務，不考慮后續(xù)維護任務。

③維護任務最晚結束時間取計算得到的可靠度值所在健康度區(qū)間的下限值所對應的時間，維護任務最晚結束時間的確定需要同時考慮設備使用壽命和維護任務對生產任務的影響；如果維護任務的最晚結束時間過小，則維護時間間隔較短，可能導致設備維護任務還未完成，即開始后面的生產任務，將導致排程出現錯誤。如果最晚結束時間過大，則維護時間間隔較長，設備出現故障的概率較大，因為設備故障而延誤生產的風險較高。

④當可靠度值處于緊急維護健康度區(qū)間內時，默認該維護任務的起止時間間隔為10天。維護任務最晚結束時間為距此時刻有10天間隔的時間。該時間間隔可以根據設備具體運行狀態(tài)進行設置。

⑤當計算得到的維護任務時間間隔不足24小時時，默認維護任務的起止時間間隔為48小時，即設置維護任務結束時間為據此刻時間有48小時的間隔的時間。

基于原始故障數據的設備壽命與健康度監(jiān)控系統(tǒng)，包括：

原始故障數據預處理模塊；

二參數威布爾分布模型建立模塊：利用近似中位秩公式法來確定失效分布函數值，在發(fā)生故障時間和通過計算出來的失效分布函數值的基礎上，利用最小二乘參數估計法，擬合出二參數威布爾分布模型的回歸方程，從而確定出二參數威布爾分布的尺度參數和形狀參數；將得到的尺度參數和形狀參數代入二參數威布爾分布的失效分布函數，確定二參數威布爾失效分布函數模型；并確定可靠度函數；

設備可靠度計算模塊：將給定時刻與最近一次修復故障時刻的時間間隔代入可靠度函數中，計算設備可靠度；

設備健康度區(qū)間劃分模塊：依據得到的設備可靠度對設備健康度區(qū)間進行劃分；

設備維護起止時間建議模塊：根據每個設備所處的健康度區(qū)間，給出建議設備維護起止時間。

綜上所述，本發(fā)明的基于原始故障數據的設備壽命預測與健康度監(jiān)控方法及系統(tǒng)，對設備原始故障數據進行處理，以此為基礎實現生產制造設備的威布爾分布建模，估計設備的故障概率及時間，并以此為理論基礎提出符合實際生產的設備維護時間建議。

上述雖然結合附圖對本發(fā)明的具體實施方式進行了描述，但并非對本發(fā)明保護范圍的限制，所屬領域技術人員應該明白，在本發(fā)明的技術方案的基礎上，本領域技術人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護范圍以內。