一种基于船舶装备维修历史记录的维修需求预测方法

本发明属于船舶维修保障领域，涉及船舶装备历史维修工作量，具体是一种基于船舶装备维修历史记录的维修需求预测方法。

背景技术：

1、现有的船舶装备维修需求的预测方法，多采用传统的可靠性数据分析方法主要针对装备故障间隔时间数据（time between failures data ,tbf）开展，这类数据类型较适合用于组件级装备在研制试验阶段的数据分析。而对于船舶装备使用阶段的维修工作量分析与预计工作，由于船舶系统装备的复杂性、使用环境和任务剖面的多样性和数据采集的不精确性，使用故障计数数据（failure count data）具有更好的容错性和健壮性，因此提出一种基于船舶故障计数数据类型预测维修需求方法。

技术实现思路

1、本发明的目的是为了克服已有技术的缺陷，为了预计船舶装备使用阶段的维修工作量分析与预计工作，提出一种基于船舶装备维修历史记录的维修需求预测方法，利用历史记录的维修数据来预测未来的维修需求，提高船舶维修保障的可靠性和维修经济性。

2、为了解决上述技术问题，本发明采用的技术方案如下：

3、一方面，本发明提供一种基于船舶装备维修历史记录的维修需求预测方法，包括以下步骤：

4、设定统计时间单位，以统计时间单位为最小单位统计船舶维修历史数据，所述船舶维修历史数据包括船舶上所有设备故障维修过程记录数据；

5、数据清洗，对船舶维修历史数据进行数据清洗，修正不规范记录，获得标准化数据；

6、建立预测模型，预测模型包括非齐次泊松过程模型或几何过程模型；

7、将历史连续统计时间单位的标准化数据代入到预测模型中进行训练，得到相应预测模型的模型参数，预测后续统计时间单位的维修需求。

8、优选地，所述统计时间单位包括日、月、季度和年。考虑到船舶任务的周期性和不确定性等因素，如果计数时间单位长度太短，预测结果不会太准确，如果时间太长不符合实际情况，因此，一般对于近海航行船只，采用月作为单位，对于以远洋航行为主的船舶选取年为计数时间段。

9、优选地，统计船舶维修历史数据过程中，统计每个故障设备的累计工作时间，设定统计时间单位时，时间单位大于所有设备的单次最长运行时间。

10、优选地，所述数据清洗包括删除重复信息、纠正错误的信息（如不合法的日期）、归并同类项以及对不完整数据条目进行填补。对原始历史维修数据记录进行清洗，以使得数据尽可能的规整化，便于下一步的数据统计和分析工作。

11、优选地，所述预测模型为非齐次泊松过程模型（non homogeneous poissonprocess，nhpp），预测模型定义如下：

12、假设在时刻t前发生的维修工作量x(t)是一个独立增量过程，定维修工作量x(t)为服从非齐次泊松过程，λ(t)为维修工作量的强度函数；

13、根据非齐次泊松分布的期望为对应t时刻期望的维修工作量；

14、由于λ(t)与维修工作发生间隔即（i=1.2.3…n，n为时间段总数）同分布都服从指数分布，故采用经典的指数模型，其强度函数定义为：

15、公式（1）

16、其中参数λ代表初始强度，即最初统计的维修工作量，而β是一个表示强度增长速率的参数。对于指数模型，通过对参数β的判别，可知强度变化趋势。显然当β大于1时，系统有故障增加的趋势，而当β小于1时，则表面故障有减少的趋势。对于β=1，则指数模型退化为齐次泊松过程模型；

17、通过统计统一固定时长，不同时间段内维修工作量的发生次数，来预测后面时间段的维修工作量发生次数，即期望的维修工作量，为了便于数学处理，使用第 i个区间内统计发生的维修次数 xi作为的估计值，则有：

18、公式（2）

19、表示第 i个时间段内维修工作量的初始强度，表示第i个时间段内的强度增长速率系数，表示 i个时间段的长度；

20、利用最小二乘法，通过前面n个时间段的标准化数据计算第n+1时间段的参数λ与β的估计值和：

21、公式（3）

22、公式（4）

23、下一时间段的维修工作量预测：将参数λ与β的估计值和代入公式（2）计算得到n+1时间段的维修工作量。

24、优选地，所述预测模型还可以采用为几何过程模型（geometric process，gp），预测模型定义如下：

25、定义1（几何过程）：如果非负随机变量序列{ yn, n= 1, 2, 3…}构成一个更新过程，那么对于给定实数α，随机变量序列{ xn= αn-1 yn, n= 1, 2, 3…}称为一个几何过程。

26、显然，几何过程可以直观地理解成“等比随机序列”。如果使用 xn表示第 n个区间的维修工作量，那么参数α则是工作量均值增加的比例系数。如果α = 1，几何过程就是经典的更新过程，反映了系统运行处于平稳期，工作强度并未随时间增加；如果α>1，xn的均值呈几何级数增加，表明工作强度增大；而α<1则表明工作强度有减小的趋势。由于几何过程的数学描述形式简洁，参数物理意义清晰，有利于对区间计数类型数据的定量分析。

27、使用 xi表示第 i个时间区间的维修工作量，那么参数 α则是工作量均值增加的比例系数；对于几何过程的参数估计问题，采用非参数化方法进行估计，令

28、公式（5）

29、 n为时间段总数，为第 i个时间段的非负随机变量；

30、对公式（5）两边取对数有

31、公式（6）

32、由于 yi构成一个更新过程，因此设，，，则公式（6）写为

33、公式（7）

34、e表示期望，公式（7）中，是一组均值为0、方差为的随机变量序列；

35、预测模型的训练方法如下：

36、采用线性回归方法，对公式（7）计算求得α和λ的估计值，如式（8）和（9）所示

37、公式（8）

38、公式（9）

39、利用前面n个时间段的历史维修记录，代入公式（8）和公式（9）中，得到n+1时间段α和λ的估计值和；

40、下一时间段的维修工作量预测：利用n+1时间段α和λ的估计值代入公式（7）中，预测n+1的维修工作量。

41、优选地，至少统计n+1个时间段的船舶维修历史数据，利用前面n个时间段的标准化数据采用预测模型预测n+1个时间段的维修工作量，将预测的维修工作量与统计的维修工作量进行对比，如果误差满足要求，则表示预测模型合理。

42、优选地，可以采用多个模型预测n+1个时间段的维修工作量，通过测试后选择准确度高的模型预测来预测n+1个时间段的维修工作量

43、另一方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述维修需求预测方法。

44、另一方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述维修需求预测方法。

45、另一方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述维修需求预测方法。

46、另一方面，本发明还提供一种基于船舶装备维修历史记录的维修需求预测系统，包括

47、数据统计模块，用于统计船舶维修历史数据；

48、数据清洗模块，用于对船舶维修历史数据进行数据清洗和标准化；

49、预测计算模块，内置预测模型，用于根据统计的前面n个时间段的标准化数据预测n+1时间段的维修需求。

50、与现有技术相比，本发明有益效果如下：

51、本发明提出了一种新的船舶维修需求预测方法，能够在面对船舶系统装备的复杂性、使用环境和任务剖面的多样性和数据采集的不精确性的情况下，实现准确预测，提高船舶航行过程维修保障的可靠性，降低了维修成本，防止远洋航行船只过多携带无用备件。