[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

权利要求书

1.基于数据挖掘的设备可靠性及动态风险评价方法，其特征在于，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。

2.根据权利要求1所述的基于数据挖掘的设备可靠性及动态风险评价方法，其特征在于，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。

3.根据权利要求2所述的基于数据挖掘的设备可靠性及动态风险评价方法，其特征在于，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；

分析各关系变量对设备可靠性的影响，将各关系变量发生劣化时对设备可靠性影响的分值设置为X；

在总分值Z中将劣化的分值X扣除得到设备的可靠性评分，然后对可靠性评分进行多级分级。

4.根据权利要求1所述的基于数据挖掘的设备可靠性及动态风险评价方法，其特征在于，所述数据挖掘算法，包括Tukey’s Test算法、DBSCAN算法及K均值聚类算法。

5.根据权利要求1所述的基于数据挖掘的设备可靠性及动态风险评价方法，其特征在于，所述对设备进行FMEA分析，包括分析设备的故障模式、故障模式的关系变量、故障原因、故障后果及故障处理措施中的几项或全部信息。

6.根据权利要求1所述的一种基于数据挖掘的设备可靠性及动态风险评价方法，其特征在于，所述收集设备的关系变量及关系变量的历史数据，包括收集设备的机械运行参数及操作运行参数，并获取相关运行参数半年及以上的历史数据。

7.基于数据挖掘的设备可靠性及动态风险评价系统，其特征在于，所述系统包括：

数据收集单元，用于收集设备的关系变量及关系变量的历史数据；

FMEA分析单元，用于对设备进行FMEA分析，将关系变量与故障信息关联；

数据挖掘分析单元，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；

风险矩阵建立单元，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；

维修策略制定单元，基于FMEA分析及动态风险矩阵制定维修策略。

8.根据权利要求7所述的基于数据挖掘的设备可靠性及动态风险评价系统，其特征在于，所述风险矩阵建立单元包括：

可靠性分级模块，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分级；

故障后果分级模块，根据设备发生故障的严重程度进行多级故障后果分级；

动态风险矩阵建立模块，基于多级可靠性分级及多级故障后果分级，分别将其作为横纵坐标建立动态风险矩阵。

9.根据权利要求8所述的基于数据挖掘的设备可靠性及动态风险评价系统，其特征在于，所述可靠性分级模块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分级，具体包括：将设备满足其固有可靠性时的总分值设置为Z，各关系变量发生劣化时对设备可靠性影响的分值设置为X，在总分值Z中扣除劣化的分值X得到设备的可靠性评分，然后对可靠性评分进行多级分级。

10.一种计算机设备，其特征在于，包括：至少一个处理器，以及与所述处理器通信连接的至少一个存储器；

所述存储器存储有可在处理器上运行的程序指令；

所述处理器调用所述程序指令能够执行如权利要求1至6中任一项所述的基于数据挖掘的设备可靠性及动态风险评价方法的具体步骤。