(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211049044.4 (22)申请日 2022.08.30 (71)申请人 深圳市东昂科兴技 术有限公司 地址 518000 广东省深圳市大鹏新区大鹏 街道大亚湾 核电站基地鹭鸣轩LC1 (72)发明人 朱从政　孟雷同　赵笑苹　 (74)专利代理 机构 深圳众鼎汇成知识产权代理 有限公司 4 4566 专利代理师 朱业刚 (51)Int.Cl. G06Q 10/00(2012.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 设备维护计划生成方法、 装置、 设备及存储 介质 (57)摘要 本申请涉及设备预测性 维护技术领域， 提供 了一种设备维护计划生成方法、 装置、 设备及存 储介质， 方法部分包括： 实时获取引起目标设备 异常的异常因子， 并记录各个异常因子引起目标 设备异常的异常时长， 得到各个异常 因子的异常 时长列表； 通过对每一异常因子对目标设备使用 寿命的影 响程度进行分析， 为每一异常因子分配 权重系数， 根据每一异常因子对应的权重系数与 异常时长列表， 来计算每一异常因子引起目标设 备异常的分项累计异常时长， 考虑到异常因子对 目标设备的使用寿命的影 响， 能够更精确的预测 目标设备的剩余使用寿命， 及时触发制定设备维 护计划， 以避免设备事实已经损坏严重， 却仍然 不做维护处 理， 导致出现无法挽回的重大故障。 权利要求书3页 说明书9页 附图3页 CN 115526348 A 2022.12.27 CN 115526348 A 1.一种设备维护计划生成方法， 其特 征在于， 所述设备维护计划生成方法包括： 实时接收监测终端发送的目标设备的N个影响因子的状态值， 并通过预设异常检测模 型实时判断N个所述影响因子中是否存在异常因子； 所述异常因子是指所述状态值异常的 影响因子； 当通过所述预设异常检测模型判定存在异常因子时， 记录各个所述异常因子引起所述 目标设备异常的异常时长， 得到各个所述异常因子的异常时长列表， 同时实时统计所有所 述影响因子的状态值 正常时的正常时长， 得到所述目标设备的总正常累计时长； 根据每一所述异常因子对应的所述异常时长列表与每一所述异常因子对应的权重系 数， 计算得到每一所述异常因子引起所述 目标设备异常的分项累计异常时长； 每一所述异 常因子的权重系数是基于每一所述异常因子对所述目标设备的使用寿命的影响程度分析 得到的； 根据每一所述异常因子对应的所述分项累计异常时长， 计算得到所有所述异常因子引 起所述目标设备异常的总异常累计时长； 基于所述总异常累计时长、 所述总正常累计时长及预设使用寿命， 计算得到所述目标 设备的剩余使用寿命； 其中， 所述预设使用寿命是通过对同种 所述目标设备 的使用寿命进 行大数据分析 得到的； 当所述剩余使用寿命达到预设报警条件时， 基于所述异常因子制定设备维护计划； 所 述设备维护计划用于指示用户对所述目标设备进行设备维护。 2.如权利要求1所述的设备维护计划生成方法， 其特征在于， 所述根据每一所述异常因 子对应的所述异常时长列 表与每一所述异常因子对应的权重系数， 计算得到每一所述异常 因子引起所述目标设备异常的分项累计异常时长， 包括： 按照下列公式计算每一所述异常因子的分项累计异常时长： 式中， Ti表示第i个异常因子的分项累计异常时长， λi表示第i个异常因子的权重系数， M 表示异常因子的数量， M取等于或大于1， 且等于或小于N的整数； m表示第i个异常因子对应 异常时长列表中异 常时长的段数， m取等于或大于1的整数； tj表示第i个异 常因子对应异 常 时长列表中第j段异常时长的时长值。 3.如权利要求2所述的设备维护计划生成方法， 其特征在于， 所述根据每一所述异常因 子对应的所述分项异常累计时长， 计算得到所有 所述异常因子引起所述目标设备异常的总 异常累计时长包括： 按照下列公式计算所有所述异常因子引起所述目标设备异常的总异常累计时长： 式中， T是指总异常累计时长； Ti是指第i个异常因子的分项累计异常时长 。 4.如权利要求1所述的设备维护计划生成方法， 其特征在于， 所述基于所述总异常累计 时长、 所述总正常累计时长及预设使用寿命， 计算得到所述目标设备的剩余使用寿命， 包 括：权　利　要　求　书 1/3 页 2 CN 115526348 A 2按照下列公式计算所述目标设备的剩余使用寿命： TS＝TA‑T‑TC； 式中， TS是指剩余使用寿命； TA是指预设使用寿命； TC是指总正常累计时长； T是指总异 常累计时长 。 5.如权利要求1所述的设备维护计划生成方法， 其特征在于， 所述基于所述异常因子制 定设备维护计划， 包括： 基于目标异常原因识别模型与各个所述异常因子确定所述目标设备的异常部位与异 常原因； 基于所述异常部位和所述异常原因制定所述设备维护计划。 6.如权利要求5所述的设备维护计划生成方法， 其特征在于， 在所述基于目标异常原 因 识别模型与各个所述异常因子确定所述目标设备的异常部位与 异常原因的步骤之前， 还包 括： 利用所述目标设备对应的各个影响因子、 所述目标设备中受所述影响因子影响的设备 部位与各个所述设备部位在所述所述影响因子影响存在的异常原因作为训练样本， 对预设 异常原因识别模型进行训练， 以构建各个所述影响因子、 设备部位及异常原因之间的映射 关系， 得到所述目标异常原因识别模型。 7.一种设备维护计划生成装置， 其特 征在于， 所述设备维护计划生成装置包括： 判断模块： 用于实时接收监测终端发送的目标设备的N个影响因子的状态值， 并通过预 设异常检测模型实时判断N个所述影响因子中是否存在异常因子； 所述异常因子是指所述 状态值异常的影响因子； 记录模块： 用于当通过所述预设异常检测模型判定存在异常因子时， 记录各个所述异 常因子引起所述目标设备异常的异常时长， 得到各个所述异常因子的异常时长列表， 同时 实时统计所有 所述影响因子的状态值正常时的正常时长， 得到所述目标设备的总正常累计 时长； 第一计算模块： 用于根据每一所述异常因子对应的所述异常时长列表与每一所述异常 因子对应的权重系数， 计算得到每一所述异常因子引起所述目标设备异常的分项累计异常 时长； 每一所述异常因子的权重系数是基于每一所述异常因子对所述目标设备的使用寿命 的影响程度分析 得到的； 第二计算模块： 用于根据每一所述异常因子对应的所述分项累计异常时长， 计算得到 所有所述异常因子引起所述目标设备异常的总异常累计时长； 第三计算模块： 用于基于所述总异常累计时长、 所述总正常累计时长及预设使用寿命， 计算得到所述 目标设备 的剩余使用寿命； 其中， 所述预设使用寿命是通过对同种 所述目标 设备的使用寿命进行 大数据分析 得到的； 维护模块： 用于当所述剩余使用寿命达到预设报警条件时， 基于所述异常因子制定设 备维护计划； 所述设备维护计划用于指示用户对所述目标设备进行设备维护。 8.如权利要求7 所述的设备维护计划生成装置， 其特 征在于， 所述维护模块包括： 识别模块： 基于目标异常原 因识别模型与 各个所述异常因子确定所述目标设备的异常 部位与异常原因； 制定模块： 用于基于所述异常部位和所述异常原因制定所述设备维护计划。权　利　要　求　书 2/3 页 3 CN 115526348 A 3