基于ITIL运维服务管理体系的研究和设计

随着信息化应用的不断普及和深入,信息系统已成为支撑企业运作不可缺少的一部分,系统的运行维护也显得越来越重要。文章基于对ITIL最佳实践的研究,设计了一套IT运维服务管理体系,从而达到加强运维管理、提高运维效率、改善运维质量的目的,充分发挥信息化对企业的支撑和推动作用。     

油罐常用安全附件的维护与保养

目前油田使用的各式储罐基本上可分为钢制拱顶地上油罐和单盘式外浮顶储油罐两大类。这些储罐在日常运行和维护保养中的操作比较繁琐,带来的安全隐患也比较多,尤其是油罐安全附件的安全运行、检查、维护与保养,都关系到油区的日常安全生产。文章从日常运行管理方面,探讨了日常使用的油罐安全附件的日常运行、安检、维护和保养方法。     

基于S1000D的IETM维修计划信息制作

文章详细阐述了S1000D中维修计划信息的文档类型定义,并通过3个实例演示了IETM中维修计划信息的制作,对IETM的开发有一定的借鉴意义。     

一种继电保护在线状态检修辅助决策信息系统的PIM模型

分析目前电网继电保护状态评价与辅助决策系统的现状,指出缺乏统一建模是相关系统在架构上的主要缺陷,提出根据模型驱动体系结构的核心思想,建立继电保护状态评价与辅助决策全过程的平台无关信息模型(PIM)。首先对继电保护状态评价与辅助决策的全过程进行抽象总结,然后通过对状态量采集和存储、状态评价和辅助决策这3个过程分别进行分析和建模,最终给出继电保护在线状态评价与辅助决策系统PIM模型的参考架构。     

单位计算机网络的建设与维护

计算机网络有效地提高了工的作效率和信息的使用效率,计算机网络的建设既要抓住时机,又要结合本单位的实际情况,注重网络的实际应用价值。从电子政务、办公自动化、数据库以及交通信息化等角度分析了单位计算机网络的建设工作,并对网络的维护工作进行了探讨。     

《计算机组装及维护》课程项目教学法研究

项目教学法对于中高职院校培养学生的实际操作能力十分有效,针对《计算机组装与维护》这门课程,通过项目设置、任务分解、组织完成的形式,激发学生学习的兴趣,提高了学生的实际动手能力,取得较好的教学效果。     

考虑多样化需求的诊疗设备维护和患者调度联合优化研究

针对诊疗设备维护和住院患者候诊难以有效协调的问题,建立了联合优化模型。首先,假设设备具有离散的劣化状态,将设备的劣化过程建模为连续时间马尔可夫链;其次,考虑到患者对诊疗设备的不同功能频率需求,以及不同劣化状态对患者治疗时间、费用的影响,以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型;最后,采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力,且具有鲁棒性。     

复杂系统维护策略最新研究进展: 从视情维护到预测性维护

对于复杂、可修复的工程系统, 设备维护是确保系统安全性、可靠性、可用性的重要手段之一. 系统维护策略已经历修复性维护、定时维护、视情维护等多种维护策略. 其中, 视情维护是目前最受关注的维护策略, 它通过收集和评估系统的实时状态信息进行维护决策, 具有全寿命周期内系统可靠性高、运营维护成本低等优点. 近年来, 随着物联网技术、信息技术和人工智能的快速发展, 一种更新颖的视情维护策略——预测性维护逐渐成为领域研究热点. 本文首先简要回顾了系统维护策略的发展历程; 然后, 重点介绍了视情维护的研究进展, 根据决策支持技术的不同, 将视情维护划分为基于随机退化模型的视情维护和基于数据驱动的预测性维护, 对每类技术的发展分支与研究现状进行了疏理、分析和总结; 最后, 探讨了当前复杂系统维护策略面临的挑战性问题和可能的未来研究方向.     

Real-time integrated production-scheduling and maintenance-planning in a flexible job shop with machine deterioration and condition-based maintenance

The introduction of modern technologies in manufacturing is contributing to the emergence of smart (and data-driven) manufacturing systems, known as Industry 4.0. The benefits of adopting such technologies can be fully utilized by presenting optimization models in every step of the decision-making process. This includes the optimization of maintenance plans and production schedules, which are two essential aspects of any manufacturing process. In this paper, we consider the real-time joint optimization of maintenance planning and production scheduling in smart manufacturing systems. We have considered a flexible job shop production layout and addressed several issues that usually take place in practice. The addressed issues are: new job arrivals, unexpected due date changes, machine degradation, random breakdowns, minimal repairs, and condition-based maintenance (CBM). We have proposed a real-time optimization-based system that utilizes a modified hybrid genetic algorithm, an integrated proactive-reactive optimization model, and hybrid rescheduling policies. A set of modified benchmark problems is used to test the proposed system by comparing its performance to several other optimization algorithms and methods used in practice. The results show the superiority of the proposed system for solving the problem under study. The results also emphasize the importance of the quality of the generated baseline plans (i.e., initial integrated plans), the use of hybrid rescheduling policies, and the importance of rescheduling times (i.e., reaction times) for cost savings.     

注意力ConvLSTM模型在RUL预测中的应用

预测性维护的应用能够极大地降低企业运维成本,而设备剩余使用寿命(Remaining Useful Life,RUL)预测是预测性维护的关键技术之一.针对传统RUL预测算法难以提取时序数据的潜藏特征以及特征权重分配不合理的问题,本文提出一种基于注意力机制(Attention Mechanism)的卷积长短时记忆(Convolution Long-Short Term Memory,ConvLSTM)预测模型,该模型充分利用LSTM网络处理和预测长期时间序列的优势,并引入注意力机制对产生显著影响的特征因子提高权重,极大地优化了模型的时空特征提取能力.为验证模型预测效果,本文以NASA提供的CMAPSS数据集为对象进行实验,以均方根误差(Root Mean Squared Error,RMSE)和数据集自定义的Score为评价指标,将预测结果与其他RUL预测算法作比对,证明了该模型具有更佳的预测准确性.