基于OSA-CBM的设备健康管理体系结构研究

合集下载

民用飞机健康管理技术研究_曹全新

民用飞机健康管理技术研究_曹全新
16
2
2.1
民机健康管理的现状
国内外发展现状 国际一流飞机制造商已经建立起了基于空地
双向数据通信系统的健康管理系统,实时收集飞机 的状态信息,及时获取飞机的健康状态,并对飞机 的全寿命周期内的健康状态进行有效管ቤተ መጻሕፍቲ ባይዱ。此类系 统的典型代表是波音的飞机健康管理系统( AHM: Aircraft Health Management)和空客的 AIRMAN 系 统(Aircraft Maintenance Analysis ) 。巴西航空和庞 巴迪公司也建立了自己的健康管理系统。 波音公司的 AHM 为全球 42%以上的 777 飞机 和 28% 以上的 747-400 飞机提供实时监控和决策支 持 服 务 。 AHM 收 集 飞 行 中 的 数 据 , 并 通 过 网 站实时传 送给地面维修 人 员。在飞机降落前准备好零备件和资料,可更有效 地提高航线维修效率,同时还可以帮助用户确定一 些重复出现的故障和性能趋势。 2000 年空中客车公司推出的 AIRMAN 加快了 飞机的放行时间,提高了飞机的可用率。 2006 年 6 月巴西航空为 E170/190 飞机推出了 基于网络的飞机健康分析和诊断排故 (AHEAD) 软 件,明显地提高飞机的技术签派率。
17
December 2014 Vol.45 No.4 (serial No.158)
航 空 电 子 技 术
AVIONICS
TECHNOLOGY
测结果的置信区间,置信区间能对预测的准确度和 精确度给出较为直观描述。 基于统计的预测方法不需要对系统精确的物 理模型和先验的知识储备,仅仅通过采集系统相关 的数据,通过各种数据分析处理方法挖掘其中隐含 的信息进行预测操作,从而避免了基于失效物理模 型中部件故障类型不唯一、不终止运行难以鉴别故 障的缺点,成为一种使用的故障预测方法。实际中 一些重要设备的历史运行数据、故障注入数据获取 代价高昂;而且所获得的数据往往也具有一定的不 确定性和不完整性。这些问题增加了基于统计的预 测方法实现的难度。 基于统计的预测方法通常有贝叶斯预测方法、 隐马尔科夫模型、隐半马尔科夫模型的预测方法、 威布尔分布的稳定区与退化区间隔表示的预测方 法、比例风险模型预测方法、智能乘积极限估计器 预测方法。 4.1.3. 基于数据挖掘的问题分析法 数据挖掘融合了数据库、 人工智能、 机器学习、 统计学等多个领域的理论和技术[3] ,是指从存放于 大型数据库或数据仓库中的海量集合中,提取出人 们感兴趣的知识(模型或规则)的过程,这些知识 是隐含的、未知的、非平凡的、潜在的、有价值的。 基于数据挖掘的分析方法其核心思想是通过 对历史数据的分析来获取系统运行的状态和知识 , 从而解决知识获取困难的问题。 基于数据挖掘的具体分析方法有自适应门限 方法、动态模型方法、基于临近度的故障诊断方法

关于视情维护技术

关于视情维护技术

关于视情维护技术
视情维护即基于状态的维护。

视情维护是事后维护、定期维护、预防维护等维护方式后出现的一种能实现设备有效维护与有效管理的维护模式,并逐渐成为设备维护管理领域的研究热点。

OSA-CBM标准把CBM系统分成了7个层次不同的技术模块:表示层、决策支持层、预诊断层、健康评估层、状态监测层、数据处理层、数据采集层。

如图所示,研究表明视情维护总成本最低,节省费用可达25%。

塔机维修和维护的传统模式有故障维修和定期维修(维护)两种,理论上采用视情维护可以大大减少维修保障费用,塔机事后维护不但损失代价大,而且维修耗时长,由于塔机故障发生随机性大,定期维修的时间和频率较难安排,费用较高,设备利用率也较低。

为此,针对塔机这一相对复杂且产生故障或发生事故则损失惨重的建筑工地设备,富友慧明在国内首次将视情维护(CBM)引入国内建筑施工安全领域,研究开发出具有重要工程应用价值的塔式起重机视情维护系统,以实现有效的、低成本的设备维护与管理,保证建筑企业具有能够开展主动维护的能力,减少和避免建筑工地生产过程中事故的发生。

塔式起重机视情维护系统包括信息采集与存储系统和安全评价系统。

塔式起重机安全评价系统包括工作环境安全评价、工作人员安全评价、吊装设备安全评价、吊装操作安全评价、安全吊装远程指导等子系统组成,能够实现塔式起重机吊装过程的全面安全评价以及吊装过程重大危险源危险度远程监测,可对不安全因素和重大吊装活动远程吊装工作进行安全指导。

OSA-CBM系统每层功能介绍

OSA-CBM系统每层功能介绍
OSSA-CBM系统分为7层
数据采集层DA(Data Acquisition) 数据处理层DM(Data Manipulation)
状态监测层CM(Condition Monitoring)
健康评估层HA(Health Assessment) 预诊断层(Prognostics) 决策支持层(Decision Support) 描述层(Presentation)
预诊断层(Prognostics)
主要根据底层模块的数据信息, 推断设备未来的有效工作时间 RUL(Remaining Useful Life)。
决策支持层(Decision Support)
主要负责接收由各系统健康管理传递 的各种部件级健康信息,并依次参照数学 模型和历史数据,对维修决策进行决策支持。
主要完成DA、DM模块的输出数 据与系统工作限定值比较的功能, 也可以完成简单的报警功能。
健康评估层HA(Health Assessment)
主要用于对监测系统、子系统、 组成部件的性能衰退进行评估,如果 系统的性能处于衰退期,模块产生一 些诊断记录,描述一些可能发生的故 障和故障迹象。HA模块在进行系统 评估时考虑了系统的历史书趋势,操 作状态,维护历史和系统运行负载等 因素。
描述层(Presentation)
主要用于CBM系统的描述, 包括报警信息的显示,CBM系统用 户对于信息的存取、人机接口的显 示等。
Thank you for listening!
数据采集层DA(Data Acquisition)
用于采集现场设备上 的实时数据,为其他模块 提供现场的数据信息。
数据处理层DM(Data Manipulation)
用于完成单/多信道数据处理任务,提 供对DA模块的输出数据进行预处理功能。 如特征向量提取、软件滤波、均值计算等 功能。

关于输变电设备状态检修的模式研讨

关于输变电设备状态检修的模式研讨

关于输变电设备状态检修的模式研讨摘要:文章介绍当前先进的检修模式-状态检修的概念和内涵。

阐述了实施输变电设备状态检修工作的重要作用,重点分析了状态检修的实施关键及实践中应注意的问题。

关键词:状态检修检修策略输变电设备在线监测设备检修是提高设备健康水平,保证设备运行安全可靠的重要手段。

在多年的实践中,定期检修有效减少了设备运行过程中的突发故障,保证了设备的健康运行。

但这种检修模式有很多缺点:检修模式一刀切,设备的实际状况考虑不周,存在盲目检修的现象。

近年来随着电网规模的发展,输变电设备数量的迅速增加,定期检修不能满足安全可靠供电的需要,检修人员和检修手段较匮乏。

怎样安排电力设备的检修,即节省费用、降低运行成本,又保证系统保持较高可靠性,成为当今电力行业的一个重要问题。

状态检修就是在掌握设备运行状态基础上来识别少数状态不好的设备以实施及时检修,最好是在设备性能出现故障之前实施检修。

这种方式要求及时搜集整理输变电设备各个状态参数,及时准确评价,视情制定检修策略并确定检修项目。

随着传感微电子、人工神经网络与专家系统、数字信号处理技术和模糊理论等在状态监测及故障诊断中得到应用,使以状态监测和先进诊断为基础的状态检修技术得到快速发展,成为电力系统中的重要应用开发领域。

进行输变电设备状态检修的目的是增强设备检修的有效性、提高设备可用率和供电可靠性,从而全面提高企业综合经济效益和社会效益。

1 实行状态检修首先要改变观念状态检修不仅是技术层面的工作,更多体现在加强设备管理上。

对设备进行全寿命周期管理,在设计、制造、施工、运行、试验和检修等全方面建立规范标准,从定期检修过渡到状态检修,实现检修模式的转变。

在定期检修模式中,设备的实际运行条件和运行环境不是影响检修周期的决定因素,而是检修计划。

因此,设备到期就修,不考虑其健康状况如何,只是一味地按计划实施检修或更换,势必会造成某些设备检修不及时或成本浪费。

所以以针对设备状态为基础的预防性检修和故障检修相结合检修模式势在必行,电力企业首先要从思想上彻底转变,打破纯计划检修模式下固有检修周期的束缚。

基于数据挖掘的个性化健康管理系统设计与实现

基于数据挖掘的个性化健康管理系统设计与实现

基于数据挖掘的个性化健康管理系统设计与实现随着移动互联网的快速发展和人们对健康生活的重视,个性化健康管理系统成为了满足用户需求的重要工具之一。

本文将介绍一种基于数据挖掘技术的个性化健康管理系统设计与实现的方法。

一、系统概述个性化健康管理系统是一种将人们的健康数据进行整合、分析和挖掘,并提供个性化的健康管理建议的系统。

该系统基于用户的个人健康数据,使用数据挖掘算法进行分析和挖掘,以预测用户的健康风险和提供有效的健康管理方案。

二、系统设计1. 数据收集与整合个性化健康管理系统需要从多个数据源收集用户的健康数据,包括医疗记录、健康问卷调查、生理指标监测等。

这些数据需要通过数据清洗和预处理过程进行整合和标准化,以便进行后续的数据挖掘分析。

2. 数据挖掘算法选择选择适合的数据挖掘算法对用户的健康数据进行分析和挖掘。

常用的算法包括决策树、聚类分析、关联规则挖掘等。

根据系统需求和数据特点,结合算法的性能指标,选择合适的算法进行数据挖掘。

3. 健康风险预测通过数据挖掘算法对用户的健康数据进行分析,可以预测用户的患病风险和生活习惯对健康的影响。

系统可以根据用户的数据和历史记录,预测用户可能面临的健康问题,并提供相应的应对策略和建议。

4. 个性化健康管理建议根据用户的个人特征和挖掘的数据,系统可以生成个性化的健康管理建议。

这些建议可以包括定制的健身计划、饮食推荐、生活习惯调整等,帮助用户保持健康的生活方式。

5. 智能推送与反馈个性化健康管理系统通过与用户的交互,不断学习和更新用户的健康数据,提供更加精准和有效的个性化建议。

系统可以根据用户的反馈和实际情况,调整和优化推送的内容,提高用户的满意度和参与度。

三、系统实现个性化健康管理系统的实现需要结合各种技术和工具,包括数据库管理系统、数据挖掘算法库、前端开发技术等。

1. 数据库管理系统个性化健康管理系统需要建立一个适合存储和管理健康数据的数据库系统。

可以通过关系型数据库或者NoSQL数据库来存储用户的健康数据,并提供相应的数据查询和管理功能。

(论文)民航发动机控制系统故障在线监测方法研究

(论文)民航发动机控制系统故障在线监测方法研究

毕业设计题目民航发动机控制系统故障在线监测方法研究学生姓名学号学院专业班级指导教师民航发动机控制系统故障在线监测方法研究摘要航空发动机控制系统是航空发动机的安全关键系统,保证了航空发动机在各种可能的条件下安全可靠地工作,为了保持可靠性,需要对其进行在线监测并且隔离出故障。

异常监测算法的研究能为维修人员提供直接有效的信息,能有效保障安全和降低维修成本。

本文以CFM56-7B控制系统为研究对象,针对最可能发生故障的传感器部分开展了方法研究,提出了基于多元状态估计和极限学习机的传感器信号在线监测方法,利用译码得到的QAR数据进行了验证。

通过对正常航班的训练得到模型,然后对正常测试数据进行了故障模拟,并对残差进行了序贯概率比检验,最后开发了MATLAB GUI交互界面,该图形界面整合了数据的训练和测试、故障模拟及残差检验。

关键词:CFM56-7B,QAR数据,传感器,多元状态估计,极限学习机目录摘要 (ⅰ)Abstract (ⅱ)第一章绪论 (1)1.1研究背景及意义 (1)1.2国内外研究现状 (2)1.3论文主要内容 (3)第二章CFM56-7B航空发动机控制系统 (5)2.1CFM56-7B航空发动机控制原理 (5)2.2CFM56-7B航空发动机控制系统组成 (6)2.2.1 电子控制器EEC (7)2.2.2敏感元件传感器 (7)2.2.3放大元件和执行机构 (14)2.3CFM56-7B航空发动机控制系统主要故障 (15)第三章航空发动机控制系统传感器故障检测算法研究 (16)3.1多元状态估计(MSET) (16)3.1.1MSET基本原理 (16)3.1.2在线异常检测步骤 (17)3.2极限学习机(ELM) (18)3.3基于序贯概率比(SPRT)的异常检测 (20)3.3.1序贯概率比 (20)3.3.2残差检验的一般步骤 (21)第四章MSET和ELM在CFM56-7B控制系统传感器上的故障监测 (23)4.1QAR数据 (23)4.2基于MSET的全航班多飞行阶段的传感器故障监测 (23)4.2.1数据的预处理 (23)4.2.1实例检测 (25)4.2.3CFM56-7B传感器故障模拟及在线监测 (32)4.3基于ELM的传感器故障监测 (36)4.3.1数据的训练及人工神经网络的建立 (36)4.3.2CFM56-7B传感器故障模拟及监测 (38)4.4两种监测方法的比较 (40)4.5CFM56-7B传感器在线监测人机交互GUI界面的设计 (42)第五章总结与展望 (45)5.1 总结 (45)5.1 展望 (45)参考文献 (46)致谢 (48)第一章绪论1.1 研究背景及意义我国民航业正进入高速发展的新时期,中国作为一个航空大国,其航空安全关系到我国的整个航空工业体系和经济的发展。

装备预测与健康管理体系结构及关键技术

装备预测与健康管理体系结构及关键技术

Ke r s: r g o t sa d h at n g me t o e r g e s f utd a n ssa d pr g sis;e s rl — y wo d p o n si n e lh ma a e n ; p n p o r s ;a l ig o i n o no tc s n o o c
A s atT emenn n o ni ee t o Pon sc n el n gm n ( HM)i d c g b t c :h a iga dp t t l n fs f rg ot s dH at Ma ae e t P r e ab i i a h nr ui e n
e u p n a no i n r g o i. n a di o s v r lk yc mp n nt ft e PHM , . . a l mo q i me tdig ssa d p o n ss I d t n, e e a e o o e so h i eg f ut de, fe t efc
中 图分 类 号 :E 2 P 7 9 ;T 2 7 文 献 标 识 码 :A
Hale Waihona Puke Ke c no o y a d Ar h t c u e o o no tc y Te h l g n c ie t r f Pr g si s
a d H e lh M a g m e o ui m e t n at na e ntf r Eq p n
P M y tm r nay e a d a n w nd o r h tcu e b s d o H s se a e a lz d, n e ki fa c i tr a e n PHM y tm sp o o e o lcr n c e s se i r p s d fre e to i

某型火炮预测与健康管理技术(PHM)体系结构设计与应用

某型火炮预测与健康管理技术(PHM)体系结构设计与应用

某型火炮预测与健康管理技术(PHM)体系结构设计与应用赵征凡;刘婧波;黄萌;刘舜鑫【摘要】故障预测与健康管理(PHM)技术已在航空航天领域取得较为广泛的应用,而在地面装备领域鲜有应用,为将故障预测与健康管理(PHM)技术从航空航天领域推广到地面装备领域,设计和构建了某型火炮的PHM体系结构;首先,通过对比和借鉴航空航天领域典型的4种PHM体系结构OSA-CBM开放式体系结构、集中式体系结构、分布式体系结构、分层融合式体系结构的特点,结合地面装备作战特点和实际工作环境,设计并构建了适于地面装备的PHM体系结构;然后,以地面装备的PHM构建思路为依托,将PHM体系应用到具体的某型火炮中,设计出了基于某型火炮的PHM体系结构,根据所构建PHM体系结构,详细描述了在火炮上的应用情况;最后展望了PHM技术在地面装备领域的发展趋势和对国防工业发展的借鉴意义.%Prognostics and health management (PHM) technology has been widely used in the aerospace field,but its application is still very few in the field of ground equipment.In order to promote the application of prognostics and health management technology in the field of ground equipment,the PHM system frame of a certain type gun is designed and constructed.Firstly,the four typical aerospace PHM architectures,OSA-CBM open architecture,centralized architecture,distributed architecture and hierarchical fusion architecture are compared and researched.Considered these characteristics and working environment,a suitable PHM system structure is proposed for ground equipment.Secondly,based on proposed the ground equipment PHM construction,the PHM system for a specific type gun is designed and its application in detail is described.Finally,thedevelopment trend of PHM technology in ground equipment and its future use in defense industry are prospected.【期刊名称】《计算机测量与控制》【年(卷),期】2017(025)012【总页数】3页(P114-116)【关键词】PHM;火炮;结构体系;地面装备【作者】赵征凡;刘婧波;黄萌;刘舜鑫【作者单位】中国人民解放军63961部队,北京100012;中国人民解放军63961部队,北京100012;防空兵学院,郑州 410052;工业和信息化电子第五研究所,广州510610【正文语种】中文【中图分类】TP242故障预测与健康管理(prognostics and health management,PHM)技术对电子系统和机械系统的监控技术,在航空和航天领域已有成熟的理论和全面的应用,在地面装备中还属于理论向工程化过渡的摸索期,如何真正实现提前发现故障,适时开展维修,准确预测故障发生的时间和位置,提高系统运行可靠性,同时记录分析系统的使用数据,对整个系统进行健康管理还有许多关键技术需要研究和试验。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Value Engineering • 75 •基于OSA -CBM 的设备健康管理体系结构研究Research on the Equipment Health Management Architecture Based on OSA-CBM吴高杰WUGao-jie(装甲兵工程学院学员3旅,北京100072)(3rd Cadets ' Brigade , Academy of Ar^nored Force Engineering , Beijing 100072, China )摘要:〇SA-CBM 是一个指导实现CBM 系统的标准框架,能够推进设备健康管理的实施。

描述了 OSA-CBM 的层次结构,在此基础上,构建了设备健康管理的总体架构,主要包括基础设施架构、资源管理架构、业务逻辑架构和应用表现架构;分析了基于OSA -CBM 的设备健康管理业务体系。

设备健康管理的总体架构和业务体系对实现科学的健康管理非常重要。

A bstract: The Open System Architecture for CBM (OSA-CBM ) is a standard framework for achieving the system of CBM . It is a basis to carry out equipment health management . This paper describes the framework of OSA -CBM . Based on OSA -CBM , the paper constructs the general architecture of equipment health management . The general architecture mainly includes basic facilities architecture , resources management architecture , operation logic architecture , and application representation architecture . Furthermore , the paper analyses the business system of equipment health management based on OSA -CBM . The general architecture and the business system are important for achieving scientific equipment health management .关键词:健康管理;OSA -CBM ;系统架构;业务体系Key words : health management ; OSA -CBM ; system architecture ;中图分类号:TP 311 文献标识码:A 0引言随着信息技术、网络技术与维修管理技术的日益融 合,设备健康管理需要更加主动地推进信息获取、互联互 通和信息应用[|],这直接关系到企业管控设备状态和实施 维修决策的能力和水平。

设备健康管理,是通过感知并充 分使用状态监测信息,融合维修、使用和环境信息,结合规 范的设备管理方法和业务流程,对维修活动进行科学规划 和合理优化,对影响设备健康状态和剩余寿命的技术、管 理和人为因素进行全过程控制的活动[2,。

在CBM 开放系 统结构(Open System Architecture for CBM ,OSA-CBM )的 基础上,设备健康管理体系发生了一些变化,不仅关注设 备状态监测和维修,而且强调智能化和信息化设备管理。

1 OSA -CBM 层次结构OSA -CBM 是一个指导实现CBM 系统的标准框架,由 美国海军出资组建的工业研究小组进行研究和验证,小组成员遍布工业、商业和军事等领域,例如,Boeing , Caterpillar,Rockwell Automation 和 Rockwell Scientific Company 等。

另外,美国宾夕法尼亚州的应用研究实验室 和机械信息管理开放系统联盟(Machinery Information Management Open System Alliance,MIMOSA )也为此做出 了贡献。

OSA -CBM 将CBM 系统分成七个层次[3]:① 数据获取层(Data Acquisition Layer )。

数据获取层 基本上是一个服务器,存储着经过校准的数字传感器的数 据记录。

该层为CBM 系统提供了访问数字传感器数据的 接口。

②数据处理层(Data Manipulation Layer )。

数据处理层 的输出包括过滤后的传感器数据、频谱、实际的传感器信基金项目:总装某部科研资助项目(2010SY 4308002 )。

作者简介:吴高杰(1991-)男,江苏沐阳人,本科,研究方向为控 制科学与工程。

business system 文章编号:1006-431( 2017 )01-0075-03号和其它CBM 特征量。

该层接受来自数据获取层或其他信号处理模块的信号和数据,使用专门的CBM 特征提取 算法进行单个或多个信道的信号转换。

③ 状态监测层(Condition Monitor Layer )。

状态监测层 接受来自数据获取层、数据处理层和其它状态监测层的 数据,主要作用是将特征值与期望值或运行阈值进行比 较,输出到状态指示器上,也可以根据事先规定的阈值发 出警报。

④ 健康评估层(Health Assessment Layer )。

健康评估层 接受来自不同的状态监测器或其它健康评估模块的数据, 当被监测的系统、子系统或设备部件退化时,确定它们是 否健康,并对故障状态提出具有一定置信度的建议。

⑤ 预测层(Prognostics Layer )。

预测层根据设备当前的健康状态预测设备未来的健康状态,或估计在给定计划使 用剖面下的设备剩余使用寿命(RUL,Residual UsefulLife )。

⑥ 决策支持层(Decision Support Layer )。

决策支持层 接受来自健康评估层和预测层的数据,给出活动建议和方 案选择,包括相关的维修活动时间表。

⑦ 表达层(Presentation Layer )表达层是显示健康评 估、预测评估或决策支持建议以及报警的人机界面,具备报告异常状态将在什么时间出现的能力。

2基于OSA-CBM 的设备健康管理架构体系根据设备健康管理的要求,基于OSA -CBM 的设备健 康管理总体架构由资源管理架构、业务逻辑架构、应用表 现架构和基础设施架构等组成13,,]。

2.1基础设施架构在OSA -CBM 的支撑下,基础设施架构把自动感知技术(传感器、RFID )、监测与控制技术(PLC \DCS \SCADAD \ 状态监测)、制造执行技术(MES )集成在一起,直接服务于 资源管理架构、应用表现架构和业务逻辑架构。

基础设施• 76•价值工程架构提供了支持设备健康管理系统运行的硬件、系统软件和网络,为应用表现架构提供软件应用系统以及系统和数据的交互界面,还提供辅助决策系统(DSS)、工业控制系统(CCS)以及数据库、方法库、知识库及外界交换信息的接口。

2.2资源管理架构设备健康管理的有形资源包括各级各类设备管理力量、设备维修力量和设备操作力量,以及检测设备、维修设备、备件等。

无形资源包括知识、经验、标准、方法、技术等等。

在资源管理架构中,信息系统一方面将有形资源以数据的形式采集、存储到数据库中,另一方面将无形资源转化、存储到模型库、方法库、标准库、知识库中。

资源管理架构中主要包括各类结构化、半结构化和非结构化的数据信息,以及实现信息采集、存储、传输、存取和管理的各种资源管理系统,主要有数据库管理系统、目录服务系统、内容管理系统等。

2.3业务逻辑架构设备健康管理涉及状态监控、健康评估、维修决策支持、规划及控制等许多业务,这些业务之间又存在一定的逻辑关系。

业务逻辑架构是描述驱动设备健康管理活动的主要业务架构,由设备健康管理各种业务的功能、流程、规则、策略等组成。

业务逻辑架构也包含描述业务对象以及它们之间的关系,包含这些业务对象在业务流程和业务功能中的使用。

2.4应用表现架构通过人机交互等方式,应用表现架构将业务逻辑架构和资源管理架构紧密结合在一起,并以图形、多媒体等丰富的形式向用户展现信息处理的结果。

应用表现架构是各项数据、信息流、信息对象以及数据交换界面的综合描述,清楚地表述了在各种应用中的数据以及数据在各应用间的交互。

应用表现架构能够展现:确定的信息需求、信息的采集与处理、为管理人员提供信息及结果、各种图形的显现。

3基于OSA-CBM的设备健康管理业务体系在OSA-CBM的支撑下,一个完整的设备健康管理业务体系包括11:以全员全程为主线的健康管理基础体系、以闭环管理为保证的日常维护保养体系、以寿命预测为核心的设备运行预警体系和以状态维修为主导的多元维修管理体系,如图1所示。

3.1健康管理基础体系设备健康管理基础体系以全员全程为主线,需要从仅仅依靠专家或维修人员转变为全员关注设备健康、促进设全员全程为主线的健康管理基础体系闭环管理为保证的日常维护保养体系寿命预测为核心的设备运行预警体系伏态维修为主导的多元维修管理体系1T1T trOSA-CBM图1基于OSA-CBM的设备健康管理业务体系备健康;从偏重某个环节管理转变为注重全过程管理。

全 员即强调全体人员(特别是设备管理人员、维修人员和使 用人员)共同参与,互相协作,各负其责。

全员健康管理,不是将设备管理责任平均化,而是以设备健康为中心,全体 人员协调配合确保设备健康状态良好。

当然,全员健康管 理以专门从事该项业务的人员为主,设备使用人员或操作 人员为辅。

全程即要求设备健康管理贯穿从接装到退役报 废为止的整个过程。

如果将外延进一步扩大,还应该考虑 设备的“优生优育”,即在设备的设计研制阶段就将影响设 备健康的因素考虑在内。

全程健康管理应根据企业和设备 的特点,进行个性化、科学化和制度化管理。

3.2日常维护保养体系设备日常维护保养体系以闭环管理为保证,是基于各 项标准信息库的闭环管理,将点检的主体行为向前与设备 清扫相连接,向后与设备自主与维护相连接,形成彻底的 一体化自主维护闭环;自主维护闭环从“记录分析”节点导 出,传递到专业的“诊断”和“修理”,形成专业维护闭环;专业维护闭环从“诊断”节点导出,引申出“他机类比点检”和“主动维护”,又形成“预防维修”闭环。

相关文档
最新文档