[发明专利]基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备

说明书

本发明公开了一种基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备，涉及设备管理技术领域。所述方法包括：收集设备的关系变量及关系变量的历史数据；对设备进行FMEA分析，将关系变量与故障信息相关联；利用数据挖掘算法寻出各关系变量的合理运行区间，并与实时参数进行比较，分析各参数值是否存在异常；基于各关系变量对设备可靠性的影响以及设备发生故障的严重程度建立动态风险矩阵，然后根据动态风险矩阵制定维修策略。本申请采用FMEA分析及数据挖掘方法，基于多级可靠性分级及多级故障后果分级建立动态风险矩阵，解决了现有的静态风险矩阵不能随着设备运行状态的变化而进行动态风险评价的问题，可以更有效地规避风险、避免高风险故障的发生。

技术领域

本发明实施例涉及设备管理技术领域，具体来说涉及一种基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备。

背景技术

以可靠性为中心的维修(Reliability Centered Maintenance，RCM)是目前国内外认可度较高的一种设备维修策略方法，其综合考虑经济性和可靠性优化设备维修，以消耗最少的维修资源保持设备固有的可靠性和安全性水平。在该方法中，设备的可靠性通常采用可靠度来表征，目前已有多种可靠度计算模型，例如威布尔分布、指数分布、正态分布等。通常先将设备的历史检维修或故障数据进行梳理验证其满足何种分布规律，然后计算出分布模型中的相关参数以得到相应的设备可靠度或平均故障间隔等可靠性指标，并以此实施状态维修。上述方法存在的不足之处在于，获得完整且准确的故障数据往往存在一定困难，即使能够获得较为完善的故障数据，采用数学模型计算出的设备可靠度也往往只能反映设备发生故障的概率，不能很好的反映设备的真实状态。

另一方面，国内相关企业在实施RCM的过程中，通常需要建立设备的风险矩阵，即利用设备发生故障的概率和发生故障的后果评价设备的风险，并分别利用不同的颜色代表不同风险的大小，如图1中所示，以此辨别高风险设备，进而在日常管理中对高风险设备重点关注，避免高风险的发生。由于这种对设备风险的评价方法所建立的是一个静态风险矩阵，不会随着设备运行状态的变化而进行动态的风险评价，因此存在设备风险过高或过低的问题，同时无法判断设备的何种故障模式为高风险，以至于不能合理的制定设备风险管理方案，不能有效地规避风险。

发明内容

本发明实施例提供了基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备，通过采用FEMA分析及数据挖掘方法，并基于设备可靠性与故障后果建立动态风险矩阵，确保设备可靠度判断的准确性，避免高风险故障的发生。

为实现上述目的，本发明公开了如下技术方案：

本发明一方面提供一种基于数据挖掘的设备可靠性及动态风险评价方法，所述方法包括以下步骤：

收集设备的关系变量及关系变量的历史数据；

对设备进行FMEA分析，将关系变量与故障信息相关联；

利用数据挖掘算法寻出各关系变量的合理运行区间，并与实时参数进行比较，分析各参数值是否存在异常；

基于各关系变量对设备可靠性的影响以及设备发生故障的严重程度建立动态风险矩阵，然后根据动态风险矩阵制定维修策略。

基于上述方案，进一步的，所述基于各关系变量对设备可靠性的影响以及设备发生故障的严重程度建立动态风险矩阵，包括下述步骤：

根据各关系变量对设备可靠性影响的大小进行多级可靠性评分；

根据设备发生故障的严重程度进行多级故障后果分级；

将多级可靠性评分及多级故障后果分别作为横纵坐标建立动态风险矩阵。

进一步的，上述步骤中，所述根据各关系变量对设备可靠性影响的大小进行多级可靠性评分，包括下述步骤：

将设备满足其固有可靠性时的总分值设置为Z；