本发明专利技术公开了一种基于云服务平台的设备全生命周期管理方法及系统，涉及设备全生命周期管理技术领域，包括：设备运行期间进行预设频率采样，将收集到的数据上传到云服务平台；对设备健康进行评估，输出设备健康评分，反映设备当前状态；根据设备健康评分，模型自动调整设备的维护策略；根据设备的维护策略，执行设备管理策略迭代。本发明专利技术提供的基于云服务平台的设备全生命周期管理方法在设备可能出现故障前，减少了设备的停机时间和生产损失，实现了真正的智能维护，确保资源被优先分配到关键和易故障的设备，提高整体资源利用率，智能的健康评估和维护策略调整，减少了设备的突发性故障，延长设备的使用寿命，减少企业的设备更换和维修成本。
【技术实现步骤摘要】
本专利技术涉及设备全生命周期管理，具体为一种基于云服务平台的设备全生命周期管理方法及系统。
技术介绍
1、随着工业领域设备的复杂性增加，设备的管理和维护变得越来越复杂。传统的设备管理方法主要基于规则或历史数据，对设备进行定期维护和检查，这种方法不仅效率低下，而且可能导致资源浪费，不能针对性地处理特定的设备故障。因此，需要一种新的方法，能够根据实时数据，对设备的健康状态进行实时评估，并及时进行维护和管理。
2、在传统的工业领域，设备管理主要基于经验或者定期的设备检查，即使采用了一些自动化工具，这些工具多数也是基于历史数据进行预测和管理。这样的做法存在以下问题和不足：
3、(1)响应延迟：传统的设备管理方法常常在设备出现故障后才开始介入，这导致了大量的生产损失和额外的维护成本。
4、(2)缺乏精准性：基于经验或历史数据的管理策略难以考虑到所有设备的实时状态和外部环境的变化，可能导致资源的浪费或遗漏某些潜在问题。
5、(3)维护策略固化：传统方法往往采用固定的维护策略，缺乏针对性和灵活性。
6、为了更加精确、及时地管理和维护设备，避免设备的突然故障，保证设备的持续、稳定运行，亟需一种基于云服务平台的设备全生命周期管理方法，及时对设备的健康状态进行评估，根据评估结果自动调整设备的维护策略，并实时迭代设备管理策略，从而提高设备的管理和维护效率，减少设备的停机时间。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
>2、因此，本专利技术解决的技术问题是：现有的设备管理方法存在响应延迟、缺乏精准性和维护策略固化的问题，以及如何实时、准确且灵活地进行设备的健康评估和维护策略制定问题。3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于云服务平台的设备全生命周期管理方法，包括：设备运行期间进行预设频率采样，将收集到的数据上传到云服务平台；对设备健康进行评估，输出设备健康评分，反映设备当前状态；根据设备健康评分，模型自动调整设备的维护策略；根据设备的维护策略，执行设备管理策略迭代。
4、作为本专利技术所述的基于云服务平台的设备全生命周期管理方法的一种优选方案，其中：所述预设频率采样包括通过iot传感器在设备运行期间收集温度、压力、运行速度、振动频率，对收集的数据进行预处理，删除异常值、重复值，并处理缺失数据，将数据进行归一化处理；所述删除异常值表示为，
5、x′＝x||x-mean(x)|≤3×std(x)
6、其中，x′表示处理后的数据，mean(x)表示数据的均值，std(x)表示数据的标准差；
7、所述归一化处理表示为，
8、
9、其中，x″表示归一化后的数据，min(x′)表示数据中的最小值，max(x′)表示数据中的最大值。
10、作为本专利技术所述的基于云服务平台的设备全生命周期管理方法的一种优选方案，其中：所述预设频率采样包括使用gnn对设备间的交互关系进行建模，基于设备的历史故障数据确定设备状态；所述确定设备状态包括使用gnn进行设备间关系建模，使用历史故障数据与gnn的输出进行训练，定义设备的关键性评分函数，结合设备的历史故障数据，定义易故障评分函数；
11、所述定义易故障评价函数表示为，
12、h(l+1)＝σ(ah(l)w(l))
13、sk＝σ(wk×h(final)+bk)
14、sf＝σ(wf×h(final)+bf)
15、其中，a表示设备间的邻接矩阵，h(l)表示第1层的隐藏状态，w(l)表示第1层的权重，σ表示relu激活函数，sk表示关键性得分，h(final)表示gnn的最后一层输出，wk、bk分别表示关键性评分函数的权重和偏置，sf表示易故障得分，wf、bf分别表示易故障评分函数的权重和偏置。
16、作为本专利技术所述的基于云服务平台的设备全生命周期管理方法的一种优选方案，其中：所述对设备健康进行评估包括结合sk和sf，构建多层感知机进行设备健康评估，根据健康评分自动调整设备的维护策略，若sk大于等于预设阈值，判断为关键设备sk1，若sk小于预设阈值，判断为非关键设备sk2，若sf大于等于预设阈值，判断为易故障设备sf1，若sf小于预设阈值，判断为非易故障设备sf2，当设备满足sk1且sf1时，确定设备状态为s1，当设备满足sk1且sf2时，确定设备状态为s2，当设备满足sk2且sf1时，确定设备状态为s3，当设备满足sk2且sf2时，确定设备状态为s4。
17、作为本专利技术所述的基于云服务平台的设备全生命周期管理方法的一种优选方案，其中：所述健康评估包括当设备状态判断为s1时，对收集的设备数据进行归一化处理，删除可能的异常值，切分数据集为训练集和验证集，使用autoencoder模型对处理后的数据进行特征提取，将归一化后的数据输入autoencoder，训练autoencoder至收敛，使用编码器部分获得数据的压缩特征，使用提取的特征数据作为lstm模型的输入，设置时间步长，预测未来的设备状态，与实际状态进行对比，计算预测准确率，根据验证集的表现优化lstm模型的参数；当设备状态判断为s2时，合并数据集中设备数据，对齐时间戳，进行缺失值填充，采用arima模型预测设备未来的状态，利用prophet模型进行时间序列分析，获得长期和短期的设备状态趋势，结合arima和prophet的结果，进行综合评估；当设备状态判断为s3时，根据设备的特点和历史故障记录，确定关键的评估参数，使用基于规则的算法，对设备状态进行初步评估，采用强化学习对规则进行动态修正，基于修正后的规则再次进行评估，将评估结果与实际故障记录相比较，修正规则；当设备状态判断为s4时，使用移动平均方法得到初步的设备状态估算，结合kalman滤波优化估算结果，将估算的设备状态与维护记录进行核对，根据对比结果，调整设备的评估策略。
18、作为本专利技术所述的基于云服务平台的设备全生命周期管理方法的一种优选方案，其中：所述输出设备健康评分包括对于每个设备状态si，其中i∈{1,2,3,4}，抽取特征向量xi，表示为，
19、
20、其中，n表示该状态下的特征数量，featureij表示状态si的第j个特征，wij表示第j个特征在状态si下的权重；
21、为每个状态都使用强化学习模型更新特征权重，表示为，
22、δwij＝η·(hactual-hpredicted)·featureij
23、其中，δwij表示权重的更新量，η表示学习率，hactual表示设备的实际健康评分，hpredicted表示模型预测的健康评分；
24、设e为外部环境特征向量，对于每个状态si，评分修正函数表示为，
25、f(xi,e)＝xi+βi·e
26、其中，βi表示外部环境因素在状态si下的影响权重；
27、对本文档来自技高网...
【技术保护点】
1.一种基于云服务平台的设备全生命周期管理方法，其特征在于，包括：
2.如权利要求1所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述预设频率采样包括通过IoT传感器在设备运行期间收集温度、压力、运行速度、振动频率，对收集的数据进行预处理，删除异常值、重复值，并处理缺失数据，将数据进行归一化处理；
3.如权利要求2所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述预设频率采样包括使用GNN对设备间的交互关系进行建模，基于设备的历史故障数据确定设备状态；
4.如权利要求3所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述对设备健康进行评估包括结合Sk和Sf，构建多层感知机进行设备健康评估，根据健康评分自动调整设备的维护策略，若Sk大于等于预设阈值，判断为关键设备Sk1，若Sk小于预设阈值，判断为非关键设备Sk2，若Sf大于等于预设阈值，判断为易故障设备Sf1，若Sf小于预设阈值，判断为非易故障设备Sf2，当设备满足Sk1且Sf1时，确定设备状态为S1，当设备满足Sk1且Sf2时，确定设备状态为S2，当设备满足Sk2且Sf1时，确定设备状态为S3，当设备满足Sk2且Sf2时，确定设备状态为S4。
5.如权利要求4所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述健康评估包括当设备状态判断为S1时，对收集的设备数据进行归一化处理，删除可能的异常值，切分数据集为训练集和验证集，使用Autoencoder模型对处理后的数据进行特征提取，将归一化后的数据输入Autoencoder，训练Autoencoder至收敛，使用编码器部分获得数据的压缩特征，使用提取的特征数据作为LSTM模型的输入，设置时间步长，预测未来的设备状态，与实际状态进行对比，计算预测准确率，根据验证集的表现优化LSTM模型的参数；
6.如权利要求5所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述输出设备健康评分包括对于每个设备状态Si，其中i∈{1,2,3,4}，抽取特征向量Xi，表示为，
7.如权利要求6所述的基于云服务平台的设备全生命周期管理方法，其特征在于：输出设备健康评分还包括当健康评分满足第一阈值时，每两周对设备的运行数据进行深度分析，运用机器学习模型，基于预设时间的历史数据，预测未来30天内需要的维护时间，并安排维护，将所述设备置于低优先级的维护队列；
8.一种采用如权利要求1～7任一所述的基于云服务平台的设备全生命周期管理方法的系统，其特征在于，包括：数据采集模块、健康评估模块、策略调整模块以及评分优化模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于云服务平台的设备全生命周期管理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于云服务平台的设备全生命周期管理方法的步骤。
...
【技术特征摘要】
1.一种基于云服务平台的设备全生命周期管理方法，其特征在于，包括：
2.如权利要求1所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述预设频率采样包括通过iot传感器在设备运行期间收集温度、压力、运行速度、振动频率，对收集的数据进行预处理，删除异常值、重复值，并处理缺失数据，将数据进行归一化处理；
3.如权利要求2所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述预设频率采样包括使用gnn对设备间的交互关系进行建模，基于设备的历史故障数据确定设备状态；
4.如权利要求3所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述对设备健康进行评估包括结合sk和sf，构建多层感知机进行设备健康评估，根据健康评分自动调整设备的维护策略，若sk大于等于预设阈值，判断为关键设备sk1，若sk小于预设阈值，判断为非关键设备sk2，若sf大于等于预设阈值，判断为易故障设备sf1，若sf小于预设阈值，判断为非易故障设备sf2，当设备满足sk1且sf1时，确定设备状态为s1，当设备满足sk1且sf2时，确定设备状态为s2，当设备满足sk2且sf1时，确定设备状态为s3，当设备满足sk2且sf2时，确定设备状态为s4。
5.如权利要求4所述的基于云服务平台的设备全生命周期管理方法，其特征在于：所述健康评估包括当设备状态判断为s1时，对收集的设备数据进行归一化处理，删除可能的异常值，切分数据集为训练集和验证集，使用autoencoder模型对处理后的...
【专利技术属性】
技术研发人员：宁春明，周骅，陈著作，欧天海，林倬阳，赖亦斌，李小龙，洪颖，
申请(专利权)人：广西柳钢物流有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。