基于保内保外跨期维护数据融合配件间维修关联获取方法技术

本发明专利技术公开的基于保内保外跨期维护数据融合的配件间维修关联获取方法，属于配件维修领域。本发明专利技术通过构建设备及组件之间的机理模型，融入先验知识，用于指导配件之间关联关系的计算和对关联配件的状态预测；通过对保内保外数据进行标记，指导配件间维修关联神经网络模型的预测；通过客户评价，融入后验知识，对配件间维修关联神经网络模型进行修正；利用保修期内和保修期外的维修数据、配件之间维修关联性，在某些配件损坏后，通过配件间维修关联神经网络模型预测出可能需要维护的配件。本发明专利技术充分利用监控数据、先验知识和后验知识，使用人机结合的方式对损坏的配件进行预测，能够提高预测精度和预测效率，进而提高配件维修效率和降低维修成本。和降低维修成本。和降低维修成本。

【技术实现步骤摘要】
基于保内保外跨期维护数据融合配件间维修关联获取方法


[0001]本专利技术涉及一种基于保内保外跨期维护数据融合的配件间维修关系获取方法，属于配件维修计算机科学


技术介绍

[0002]工业互联网是新一代信息通信网络技术与工业制造深度融合的全新工业生态、关键基础设施和新型应用模式，通过人机物的安全可靠智联，实现生产全要素、全产业链、全价值链的全面连接，推动制造业生产方式和企业形态根本性变革，形成全新的工业生产制造和服务体系，显著提升制造业数字化、网络化、智能化发展水平。在工业互联网中，存储有大量的涵盖产品全生命周期各个环节的数据，包括客户需求、销售、订单、计划、研发、设计、工艺制造、库存、物流、售后、运维、运行、报废、再回收。这些数据具有容量大、多性强，时序性强、价值密度低、关联性强、准确度高等特点。为了使数据洞察未来和指导决策，需要对数据进行集成、分析、建模、发掘。
[0003]产品的使用和维护是工业互联网的重要一环。从产品应由哪一方维护的角度，产品分为保修期内和保修期外两个阶段。在保修期内，产品的维护是由生产方完成的；在保修期外，产品由购买方重新与某家合作单位签订维护协议。在产品的使用和维护过程中，会由产品生产方、产品用户、产品维修方参与，同时留存大量的保修期内和保修期外的记录信息。保修记录信息经常由多方保存，且每一方都保存着不同的信息。产品生产方通常保存着产品整体的配件信息、订单、生产计划、设计、制造、采购等信息，产品使用方主要记录产品运行情况、损坏情况、维修记录、维修满意度等信息，产品维修方主要记录更换的配件信息、服务使用方、维修时间等信息。
[0004]当前，产品用户企业希望通过产品的使用和维护记录来预测何时应该更换产品的配件以及进行保养。但是数据的归属权不同，产品生产方、产品使用方、产品维修方间的数据难以互联互通。于此同时，运行和维修记录大多用于预测产品中某个配件的状态，如正常、磨损、老化等，很少通过产品配件之间的关联性对配件状态进行预测。

技术实现思路

[0005]针对现有技术中的下述缺陷：(1)设备及组件之间的机理模型关系匮乏； (2)保内保外数据关联程度低等。本专利技术公开的一种基于保内保外跨期维护数据融合的配件间维修关联获取方法，通过构建设备及组件之间的机理模型，融入先验知识，用于指导配件之间关联关系的计算和对关联配件的状态预测；通过对保内保外数据进行标记，指导配件间维修关联神经网络模型的预测；通过客户评价，融入后验知识，对配件间维修关联神经网络模型进行修正；利用保修期内和保修期外的维修数据、配件之间维修关联性，在某些配件损坏后，通过配件间维修关联神经网络模型预测出可能需要维护的配件，且能够提高预测精度和预测效率，进而提高配件维修效率和降低维修成本。
[0006]本专利技术的目的是通过下述技术方案实现。
[0007]本专利技术公开的基于保内保外跨期维护数据融合的配件间维修关联获取方法，包括如下步骤：
[0008]步骤一、构建包含产品及配件信息的信息图谱。
[0009]机理图谱用于表示承载产品的各种信息，能够挖掘、分析、构建和显示机理之间的相互关联。在保内保外的产品中，需要构建的图谱主要包含三个，分别是产品基本信息图谱、产品与配件信息图谱、配件间信息图谱三部分。
[0010](1)产品基本信息图谱：主要用于保存产品的基本信息，该信息图谱用下列元组表示：<产品名称、产品编号、用途、安装时间、保修期、生产商>。
[0011](2)产品与配件信息图谱：主要用于保存产品与配件之间的关联关系，该信息图谱用下列元组表示：<配件名称、配件编号、所属产品、安装位置，故障种类，保修期，安装时间，重要性，预期损坏概率、损坏阈值>。其中关联权重主要用于表示该配件对与产品的重要性。
[0012](3)配件间信息图谱：主要用于记录配件与配件之间的关联关系，该信息图谱用以下元组表示<关系名称、配件一、配件二，关联说明、关联权重>。其中关联权重主要用于表示当更换配件一后，配件二需要更换的概率。
[0013](4)产品配件与故障类型信息图谱：主要用于保存故障类型对配件的重要性，该信息图谱可以用以下元组表示<故障名称、故障编号、配件名称，故障重要性>表示。
[0014]步骤二：获取监控数据时间序列，通过构建设备及组件之间的机理模型，融入先验知识，用于指导配件之间关联关系的计算和对关联配件的状态预测。
[0015]监控数据时间序列是反映智能配件运行状态的关键信息，通过监控数据反映出故障信息。为了充分反应某个配件损坏时的情况，不仅需要获取该配件的监控数据时间序列，还需要获取与该配件相关的监控数据时间序列，定义损坏配件为A；通过构建设备及组件之间的机理模型，融入先验知识，用于指导配件之间关联关系的计算和对关联配件的状态预测。
[0016](1)获取直接相关配件列表：根据配件间信息图谱，获取与该配件由关联的相关配件列表，定义为Accessory_list1。
[0017](2)获取间接相关配件的监控数据时间序列：根据配件间信息图谱，获取与该配件由关联的相关配件列表为Accessory_list2。由于间接关系较多，且间接关系可能形成环状，需要对间接关系进行两方面的过滤：(a)层级过滤，超过预定层数的即判定没有关系。(b)相关性过滤，即只有相关性大于某个阈值。关联性传递过程主要依靠产品与配件信息图谱中的重要性和配件间信息图谱的关联权重。
[0018]其中L表示配件A与另外一个配件相距的层数，i为层数1～L之间的某个配件。当两个条件都满足的情况下，才能将该配件加入到Accessory_list2中。
[0019](3)获取与故障配件相关的故障监控序列：设备存在故障时间点为T。由于故障存在前兆，该前兆时间点为t，则需要获取损坏配件A、Accessory_list1 和Accessory_list2在【T
‑
t,T】时间范围内的监控序列，形成某一次故障的A_Fault 【T
‑
t,T】。由于存在大量配件A的故障情况，将所有的故障序列整合在一起，形成关于配件A的故障检测序列集合A_
Fault_list。
[0020](4)获取与故障配件相关的正常监控序列：设设备正常的时间点为T，按照(3)中的前兆时间t，获取配件A、Accessory_list1和Accessory_list2在【T
‑
t, T】时间范围内的监控序列，形成正常监控序列A_OK【T
‑
t,T】。由于存在大量配件A的正常情况，将所有的正常序列整合在一起，形成关于配件A的正常监控序列集合A_OK_list。
[0021](5)获取故障时间点的监控数据：获取A、Accessory_list1、Accessory_list2 在故障时间点T的监控数据，并整合为A_Fault【T】。由于大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于保内保外跨期维护数据融合的配件间维修关联获取方法，其特征在于：包括如下步骤，步骤一、构建包含产品及配件信息的信息图谱；机理图谱用于表示承载产品的各种信息，能够挖掘、分析、构建和显示机理之间的相互关联；在保内保外的产品中，需要构建的图谱主要包含三个，分别是产品基本信息图谱、产品与配件信息图谱、配件间信息图谱三部分；步骤二：获取监控数据时间序列，通过构建设备及组件之间的机理模型，融入先验知识，用于指导配件之间关联关系的计算和对关联配件的状态预测；监控数据时间序列是反映智能配件运行状态的关键信息，通过监控数据反映出故障信息；为了充分反应某个配件损坏时的情况，不仅需要获取该配件的监控数据时间序列，还需要获取与该配件相关的监控数据时间序列，定义损坏配件为A；通过构建设备及组件之间的机理模型，融入先验知识，用于指导配件之间关联关系的计算和对关联配件的状态预测；步骤三：获取客户及维修人员对维修的评价，通过客户评价融入后验知识，用于后续步骤对配件间维修关联神经网络模型进行修正；客户及维修人员的评价是对更换配件最终结果的反馈，是衡量维修结果优略的评价标准；客户及维修人员对A、Accessory_list1和Accessory_list2评价，形成评价元组<配件名称、配件编号、故障种类、维修结果评价>；其中维修结果评价使用百分制；最后根据评价元组，形成最终本次维修评价元组<配件编号、维修时间、最终故障种类、最终维修结果评价>；通过客户评价融入后验知识，用于后续步骤对配件间维修关联神经网络模型进行修正；步骤四：构建面向保内保外维修数据集，通过对保内保外数据进行标记，指导后续步骤配件间维修关联神经网络模型的预测；步骤五：构建配件间维修关联神经网络模型，并对构建的配件间维修关联神经网络模型进行数据训练，对配件间维修关联神经网络模型进行修正；步骤六：利用保修期内和保修期外的维修数据、配件之间维修关联性，在某些配件损坏后，通过修正后的配件间维修关联神经网络模型预测出需要维护的配件，获取需要更换的配件列表，提高预测精度和预测效率。2.如权利要求1所述的基于保内保外跨期维护数据融合的配件间维修关联获取方法，其特征在于：还包括步骤七，根据步骤六获取的需要更换的配件列表，提高配件维修效率、降低维修成本。3.如权利要求1或2所述的基于保内保外跨期维护数据融合的配件间维修关联获取方法，其特征在于：步骤一实现方法为，(1)产品基本信息图谱：主要用于保存产品的基本信息，该信息图谱用下列元组表示：<产品名称、产品编号、用途、安装时间、保修期、生产商>；(2)产品与配件信息图谱：主要用于保存产品与配件之间的关联关系，该信息图谱用下列元组表示：<配件名称、所属产品、配件编号、安装位置，故障种类，保修期，安装时间，重要性，预期损坏概率、损坏阈值>；其中关联权重主要用于表示该配件对与产品的重要性；(3)配件间信息图谱：主要用于记录配件与配件之间的关联关系，该信息图谱用以下元组表示<关系名称、配件一、配件二，关联说明、关联权重>；其中关联权重主要用于表示当更换配件一后，配件二需要更换的概率；
(4)产品配件与故障类型信息图谱：主要用于保存故障类型对配件的重要性，该信息图谱可以用以下元组表示<故障名称、故障编号、配件名称，故障重要性>表示。4.如权利要求3所述的基于保内保外跨期维护数据融合的配件间维修关联获取方法，其特征在于：步骤二实现方法为，(1)获取直接相关配件列表：根据配件间信息图谱，获取与该配件由关联的相关配件列表，定义为Accessory_list1；(2)获取间接相关配件的监控数据时间序列：根据配件间信息图谱，获取与该配件由关联的相关配件列表为Accessory_list2；由于间接关系较多，且间接关系可能形成环状，需要对间接关系进行两方面的过滤：(a)层级过滤，超过预定层数的即判定没有关系；(b)相关性过滤，即只有相关性大于某个阈值；关联性传递过程主要依靠产品与配件信息图谱中的重要性和配件间信息图谱的关联权重；其中L表示配件A与另外一个配件相距的层数，i为层数1～L之间的某个配件；当两个条件都满足的情况下，才能将该配件加入到Accessory_list2中；(3)获取与故障配件相关的故障监控序列：设备存在故障时间点为T；由于故障存在前兆，该前兆时间点为t，则需要获取损坏配件A、Accessory_list1和Accessory_list2在【T
‑
t,T】时间范围内的监控序列，形成某一次故障的A_Fault【T
‑
t,T】；由于存在大量配件A的故障情况，将所有的故障序列整合在一起，形成关于配件A的故障检测序列集合A_Fault_list；(4)获取与故障配件相关的正常监控序列：设设备正常的时间点为T，按照(3)中的前兆时间t，获取配件A、Accessory_list1和Accessory_list2在【T
‑
t,T】时间范围内的监控序列，形成正常监控序列A_OK【T
‑
t,T】；由于存在大量配件A的正常情况，将所有的正常序列整合在一起，形成关于配件A的正常监控...

【专利技术属性】
技术研发人员：郝身刚，张全新，刘玉洁，李元章，谭毓安，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：