[发明专利]基于风险控制的有形资产全寿命周期维修方案优化方法

说明书

本发明公开了基于风险控制的有形资产全寿命周期维修方案优化方法，包括以下步骤：S1确定样本量；S2数据收集；S3数据处理；S4数据分析，本发明基于有形资产风险控制要求，使用有形资产所涉及的工程与设计数据、运行与维修数据等，维修以安全性、可靠性、经济性、可用性为约束，通过科学的工程分析与数据分析，在全寿命周期内持续优化有形资产维修方案，包括：维修任务增加、删除、维修项目变更，以及维修间隔延长、缩短，从而有效解决有形资产维修过度和维修不足的问题，在维持有形资产固有安全性及可靠性基础上，持续降低维修成本，提高可用性。

技术领域

本发明涉及有形资产维修技术领域，尤其涉及基于风险控制的有形资产全寿命周期维修方案优化方法。

背景技术

有形资产维修指硬件产品维修，有形资产的维修需要综合考虑使用、安全、经济等各方面因素，过度维修一方面会增加成本，另一方面也会影响产品寿命，特别是对于飞机、高铁等大型资产中的各个部件的维修方案如果不科学，将会造成极大的浪费。维修不足会影响产品运营安全及使用，也可能由于维修不足造成更大的经济损失。因此，针对上述问题，有必要提出进一步地解决方案。

发明内容

本发明旨在提供一种基于风险控制的有形资产全寿命周期维修方案优化方法，以克服现有技术中存在的不足。

为解决上述技术问题，本发明的技术方案是：

一种基于风险控制的有形资产全寿命周期维修方案优化方法，包括以下步骤：

S1确定样本量：根据最小抽样任务量和最小抽样有形资产量确定样本量；

S2数据收集：选择高质量数据样本，高质量数据样本指执行任务间隔平均偏离比率≤10％，且最大偏离比率≤20％，其中，

I_task,i＝|T_i-T₀|/T₀

I_max＝MAX(I_task，i)，i＝1,2,…n

I_task,i为某任务执行任务间隔偏离比率，T_i为该任务实际执行任务间隔，T₀为规定的任务间隔，为执行任务间隔平均偏离比率，I_max为执行任务间隔最大偏离比率；

S3数据处理：对数据进行剔除重复和无效数据、缺失数据还原处理，并根据有形资产维修数据的完备程度将数据归纳为A类数据集、B类数据集和C类数据集，其中，A类数据集包含计划维修数据中的故障数据，B类数据集包括计划维修数据、非计划维修数据和试验数据中的故障数据，C类数据集包括计划维修数据、非计划维修数据和试验数据中的性能检查数据，并将故障数据分为潜在故障和功能故障，其中，潜在故障又分为相关重要潜在故障、非相关重要潜在故障和非重要潜在故障；

S4数据分析：根据有形资产维修数据的完备程度采用不同分析方法，其中，

针对A类数据集，采用方法A：针对相关重要潜在故障进行维修任务间隔延长判断，针对非相关重要潜在故障和非重要潜在故障进行趋势判断以增加、定义或删除相关维修任务；

针对B类数据集，采用方法B：将潜在故障数据、功能故障数据分别进行威布尔分布参数估计，进行退化特征评估以判断任务合理性，并结合可靠性、经济性及可用度评估以判断任务间隔；

针对C类数据集，采用方法C：根据性能检查数据中的退化数据建立退化模型并结合失效阈值以确定失效工龄。

本发明还公开了一种基于风险控制的有形资产全寿命周期维修方案优化装置，包括：抽样计算单元；数据收集单元；数据处理单元；数据分析单元。