一种多维资产运维分析管理方法及系统与流程

本发明属于工业园区的设备管理，更具体地，涉及一种多维资产运维分析管理方法及系统。

背景技术：

1、资产巡检是指定期检查和评估组织的资产，以确保它们的运行状态、安全性和可靠性。资产巡检的主要目的是保护资产价值、降低风险、提高生产效率和延长资产寿命。以下是资产巡检的一般步骤和常见方法：

2、确定巡检目标和范围：首先，需要明确资产巡检的目标和范围。确定需要检查的资产类型、位置、数量以及巡检的频率。

3、制定巡检计划：制定巡检计划是非常重要的一步，包括确定巡检周期、时间安排、巡检人员、使用的工具和技术等。

4、资产标识和分类：对资产进行标识和分类，确保每个资产都能被准确识别并归类。这可以通过使用唯一的标识符、标签或条形码等方式实现。

5、执行巡检：根据制定的巡检计划和要求，对资产进行实际的检查和评估。这可能涉及到使用各种传感器、设备、工具和技术来检查资产的物理状态、运行情况、安全性等方面。

6、但是现有技术中一般都是对园区的资产/设备进行巡检之后，简单的记录在案，并不能针对巡检的设备数据，进行有针对性的数据分析，从而发现设备的问题。

技术实现思路

1、为解决以上技术问题，本发明提出一种多维资产运维分析管理方法，所述资产为工业园区的设备，包括：

2、运维人员利用移动端app对设备进行巡检，获取被巡检设备的设备信息，并生成巡检工单，将保存有所述设备信息的所述生成巡检工单上传到远程服务器；

3、设置设备健康评估模型、设备能耗异常检测模型和设备安全性评估模型，并部署在所述远程服务器上，并根据所述设备信息，分别计算设备健康指数、设备的能耗异常值和设备安全性得分；

4、将所述设备健康指数、所述设备的能耗异常值和所述设备安全性得分，在管理人员的客户端上进行显示，且所述设备健康指数、所述设备的能耗异常值和所述设备安全性得分出现异常时，指派所述运维人员到相应的巡检点进行设备运维。

5、进一步的，所述设备健康评估模型包括：

6、health_index

7、＝α·e-β·age·(1-γ·failure_rate)ρ·(1-λ·repair_freq)φ

8、·(1+θ·criticality)ω

9、其中，health_index为设备健康指数，α为设备已使用年限的权重，β为设备已使用年限的调整因子，age为设备已使用年限，γ为设备故障率的权重，failure_rate为设备故障率，ρ为设备故障率的调整因子，λ为设备维修频率的权重，repair_freq为设备维修频率，φ为设备维修频率的调整因子，θ为设备停机时间的权重，criticality为由于故障引起的设备停机时间，ω为设备停机时间的调整因子。

10、进一步的，所述设备能耗异常检测模型包括：

11、

12、其中，anomaly_score为设备的能耗异常值，α′为能耗异常检测第一调整因子，x为设备的当前能耗值，μ为设备的历史能耗的均值，σ为设备的历史能耗的标准差，β′为能耗异常检测第二调整因子，median为设备的历史能耗的中位数，iqr为设备的历史能耗的四分位数范围。

13、进一步的，所述设备安全性评估模型包括：

14、safety_score＝α″·tanh(c1·s+c2·q+c3·l)+γ′·(η-mc)ρ′·alφ′

15、其中，safety_score为设备安全性得分，α″为设备安全性得分的第一调整因子，c1为设备的事故率权重，s为设备的事故率，c2为设备导致人员受伤的人员数量权重，q为设备导致人员受伤的人员数量，c3为受伤人员的住院率权重，l为受伤人员的住院率，γ′为设备安全性得分的第二调整因子，η为设备事故导致的运维成本，mc为设备正常工作时的运维成本，ρ′为运维成本的调整因子，al为设备事故导致的生产损失成本，φ′为设备事故导致的生产损失成本的调整因子。

16、进一步的，通过蚁群算法对设备已使用年限的权重α、设备已使用年限的调整因子β、设备故障率的权重γ、设备故障率的调整因子ρ、设备维修频率的权重λ、设备维修频率的调整因子φ、设备停机时间的权重θ、设备停机时间的调整因子ω、能耗异常检测第一调整因子α′、能耗异常检测第二调整因子β′、设备安全性得分的第一调整因子α″、设备的事故率权重c1、设备导致人员受伤的人员数量权重c2、受伤人员的住院率权重c3、设备安全性得分的第二调整因子γ′、运维成本的调整因子ρ′和设备事故导致的生产损失成本的调整因子φ′，进行拟合。

17、本发明还提出一种针对ppp项目的多维资产运维分析管理系统，包括：

18、生成工单模块，用于运维人员利用移动端app对设备进行巡检，获取被巡检设备的设备信息，并生成巡检工单，将保存有所述设备信息的所述生成巡检工单上传到远程服务器；

19、评估模块，用于设置设备健康评估模型、设备能耗异常检测模型和设备安全性评估模型，并部署在所述远程服务器上，并根据所述设备信息，分别计算设备健康指数、设备的能耗异常值和设备安全性得分；

20、运维模块，用于将所述设备健康指数、所述设备的能耗异常值和所述设备安全性得分，在管理人员的客户端上进行显示，且所述设备健康指数、所述设备的能耗异常值和所述设备安全性得分出现异常时，指派所述运维人员到相应的巡检点进行设备运维。

21、进一步的，所述设备健康评估模型包括：

22、health_index

23、＝α·e-β·age·(1-γ·failure_rate)ρ·(1-λ·repair_freq)φ

24、·(1+θ·criticality)ω

25、其中，health_index为设备健康指数，α为设备已使用年限的权重，β为设备已使用年限的调整因子，age为设备已使用年限，γ为设备故障率的权重，failure_rate为设备故障率，ρ为设备故障率的调整因子，λ为设备维修频率的权重，repair_freq为设备维修频率，φ为设备维修频率的调整因子，θ为设备停机时间的权重，criticality为由于故障引起的设备停机时间，ω为设备停机时间的调整因子。

26、进一步的，所述设备能耗异常检测模型包括：

27、

28、其中，anomaly_score为设备的能耗异常值，α′为能耗异常检测第一调整因子，x为设备的当前能耗值，μ为设备的历史能耗的均值，σ为设备的历史能耗的标准差，β′为能耗异常检测第二调整因子，median为设备的历史能耗的中位数，iqr为设备的历史能耗的四分位数范围。

29、进一步的，所述设备安全性评估模型包括：

30、safety_score＝α″·tanh(c1·s+c2·q+c3·l)+γ′·(η-mc)ρ′·alφ′

31、其中，safety_score为设备安全性得分，α″为设备安全性得分的第一调整因子，c1为设备的事故率权重，s为设备的事故率，c2为设备导致人员受伤的人员数量权重，q为设备导致人员受伤的人员数量，c3为受伤人员的住院率权重，l为受伤人员的住院率，γ′为设备安全性得分的第二调整因子，η为设备事故导致的运维成本，mc为设备正常工作时的运维成本，ρ′为运维成本的调整因子，al为设备事故导致的生产损失成本，φ′为设备事故导致的生产损失成本的调整因子。

32、进一步的，通过蚁群算法对设备已使用年限的权重α、设备已使用年限的调整因子β、设备故障率的权重γ、设备故障率的调整因子ρ、设备维修频率的权重λ、设备维修频率的调整因子φ、设备停机时间的权重θ、设备停机时间的调整因子ω、能耗异常检测第一调整因子α′、能耗异常检测第二调整因子β′、设备安全性得分的第一调整因子α″、设备的事故率权重c1、设备导致人员受伤的人员数量权重c2、受伤人员的住院率权重c3、设备安全性得分的第二调整因子γ′、运维成本的调整因子ρ′和设备事故导致的生产损失成本的调整因子φ′，进行拟合。

33、通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

34、本发明通过对园区内设备的巡检，获取设备信息，从而设置相应模型，计算设备健康指数、设备的能耗异常值和设备安全性得分，当出现异常时，指派所述运维人员到相应的巡检点进行设备运维，从而达到了根据设备信息，对设备进行实时维护的技术效果，能够提高设备的使用寿命及减小安全风险。