光传输设备备件数量的预测方法与流程

本发明涉及设备维护领域，具体而言，涉及一种光传输设备备件数量的预测方法。

背景技术：

随着科技水平的不断提高，各类自动化设备成为人们生产和生活的重要支撑，这就要求设备必须能够安全可靠地连续运行。这些设备有着生命周期长、价格昂贵等特点，发生故障时利用预先储存的设备配件即备件更换损坏部分的维修方法最方便快捷，可以大大缩短设备停歇时间和减少损失。因而备件数量的确定对设备运维部门而言意义重大，光纤通信网络的运行维护更是如此，既要预留充足的备件保证通信服务质量，又要尽可能避免备件过量储备，降低服务成本。

目前，在不同的行业领域，备件需求的预测研究主要有两类，一类是针对连续需求的备件需求预测，另一类是针对间断需求的备件需求预测。前者往往随时间变化，具有一定的规律性，易于采用基于时间序列的方法对其进行分析预测。光传输设备的维修备件需求预测属于前者，采用的是基于时间序列的方法。这种方法需要根据过去不同时期的实际需求值，寻求需求量和影响因子之间的关系，并依此确定需求函数模型，比如现有技术常用的神经网络模型等。这些模型若要保证预测结果的准确性，需有大量的历史数据作为计算依据，并且需求必须具有一定的连续性，而实际应用中由于部分数据缺乏往往难以满足上述要求。

以神经网络模型为例，神经网络模型为例是目前在备件预测中应用较多的一种函数拟合方法，具有一定的自学习能力可以不断提高模型精度，能够在某些特定的场合取得良好的预测效果。不过由于其学习能力是建立大量的输入数据基础上的，当历史数据有限的时候，模型会存在“欠训练”的问题，最终的预测结果将不足以反映备件需求的实际情况。此外，神经网络模型仅仅是建立在数据的基础上，对数据之外的因素缺乏必要的关注，比如网络节点的设置带有随意性、各个影响因素对备件需求量的影响不够直观等，因而存在实用性不强的问题。

技术实现要素：

本发明提供了一种光传输设备备件数量的预测方法，以至少解决相关技术中由于历史数据不足而导致的光传输设备备件数量的预测结果不准确的问题。

根据本发明的一个方面，提供了一种光传输设备备件数量的预测方法，包括：

使用设备的重要机盘，构建所述设备的可靠性模型并计算所述设备的年平均故障间隔时间；

划分维修保障区域并选择重要机盘备件的存放站点，根据所述维修保障区域内各设备的所述年平均故障间隔时间，分别计算所述维修保障区域内各设备的年平均阻断时间，并根据各设备的年允许阻断时间与所述年平均阻断时间的时间冗余量重新划分维修保障区域，直至所有维修保障区域满足预设可通率指标；

根据划定的维修保障区域和区域内所有设备的重要机盘的配置情况，确定选定的存放站点的重要机盘备件的基础量；

基于排队模型确定重要机盘备件和非重要机盘备件的补充量。

可选地，在使用设备的重要机盘，构建所述设备的可靠性模型并计算所述设备的年平均故障间隔时间之前，所述方法还包括：

根据所述设备的类型和影响通信的重要性，将所述设备的机盘划分为所述重要机盘和所述非重要机盘。

可选地，使用设备的重要机盘，构建所述设备的可靠性模型并计算所述设备的年平均故障间隔时间包括：

根据设备的类型，构建所述设备的串联、并联或者串并联混联的所述可靠性模型；

考虑所述设备的机盘类型、机盘数量和机盘故障率，基于所述可靠性模型，计算所述设备的可靠度，进而求得所述设备的所述年平均故障间隔时间。

可选地，划分维修保障区域并选择重要机盘备件的存放站点包括：

在每个维修保障区域内，利用重心法确定该维修保障区域的重要机盘备件的存放站点，其中，所述重心法是将重要机盘备件的需求站点看成分布在平面内的物流系统，将各个需求站点所需求的重要机盘备件的数量看成物流的重量，物流系统的重心对应的站点即为该维修保障区域的重要机盘备件的存放站点。

可选地，根据划定的维修保障区域和区域内所有设备的重要机盘的配置情况，确定选定的存放站点的重要机盘备件的基础量包括：

假设对于任何维修保障区域，重要机盘的故障数量与时间点无关；不同类型机盘发生故障是相互独立的；且两个相同型号的机盘同时发生故障的概率近似为零，即可利用泊松原理确定不同型号的重要机盘备件的基础量。为了保证维修保障区域内传输设备发生故障时能得到及时修复，备件的基础量少于1时按1计。

可选地，所述重要机盘备件和所述非重要机盘备件的补充量包括：故障件维修周转所需的机盘故障补充量和无法修复的机盘损毁补充量。

可选地，所述排队模型为一个闭环的排队网络，包含两个服务中心，每个服务中心各带一个队列；第一个服务中心有k个服务台，代表k个在线工作机盘，第二个服务中心有m个服务台，代表m个维修台；

当某个工作机盘损坏时，从备件队列中取一个备件替换损坏机盘，该备件即为机盘故障补充量，同时判断损坏机盘是否有维修价值；

若无维修价值，则直接丢弃同时从新备件库中提取新备件加入备件队列，该备件即为机盘损毁补充量；

若有维修价值，则将损坏机盘送往待修机盘队列等待维修，修好的故障机盘送回备件队列备用。

可选地，在于排队模型确定重要机盘备件和非重要机盘备件的补充量之后，所述方法还包括：

采用montecarlo算法对所述排队模型进行多次仿真，根据仿真结果优化所述重要机盘备件和所述非重要机盘备件的补充量。

可选地，所述方法还包括：

基于故障浴盆曲线与最小二乘法理论测算所述设备的故障率在使用寿命期限内的变化趋势曲线。

根据本发明的另一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行如下操作：

使用设备的重要机盘，构建所述设备的可靠性模型并计算所述设备的年平均故障间隔时间；

划分维修保障区域并选择重要机盘备件的存放站点，根据所述维修保障区域内各设备的所述年平均故障间隔时间，分别计算所述维修保障区域内各设备的年平均阻断时间，并根据各设备的年允许阻断时间与所述年平均阻断时间的时间冗余量重新划分维修保障区域，直至所有维修保障区域满足预设可通率指标；

根据划定的维修保障区域和区域内所有设备的重要机盘的配置情况，确定选定的存放站点的重要机盘备件的基础量；

基于排队模型确定重要机盘备件和非重要机盘备件的补充量。

通过本发明，采用使用设备的重要机盘，构建设备的可靠性模型并计算设备的年平均故障间隔时间；划分维修保障区域并选择重要机盘备件的存放站点，根据维修保障区域内各设备的年平均故障间隔时间，分别计算维修保障区域内各设备的年平均阻断时间，并根据各设备的年允许阻断时间与年平均阻断时间的时间冗余量重新划分维修保障区域，直至所有维修保障区域满足预设可通率指标；根据划定的维修保障区域和区域内所有设备的重要机盘的配置情况，确定选定的存放站点的重要机盘备件的基础量；基于排队模型确定重要机盘备件和非重要机盘备件的补充量的方式，解决了相关技术中备件数量预测依赖于历史数据的问题，实现了备件数量的准确预测。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的光传输设备备件数量的预测方法的整体思路框图；

图2是根据本发明实施例的光传输设备备件数量的预测方法的流程图；

图3是根据本发明实施例的sdh系统的可靠性模型的示意图；

图4是根据本发明实施例的重心法配置模型的示意图；

图5是根据本发明实施例的排队模型的流程示意图；

图6是根据本发明实施例的故障浴盆曲线的示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本实施例中，将以传输设备的备件数量预测为例进行描述和说明。需要说明的是，本实施例提供的方法不仅可以应用于光通信网络设备、电力通信网络设备，而且对工程机械、设备制造、医疗、航天等众多行业使用的各类大型精密设备的维修保障同样具有指导价值。

在本实施例中，综合考虑机盘类型、机盘故障率、平均维修时间和故障机盘不可修复率等影响因素，基于排队理论建立光纤通信传输设备维修备件的需求预测模型，转化为优化配置问题并选用montecarlo仿真方法，测算备件在传输设备使用寿命周期内的最优需求数量。下面将对本发明实施例进行详细说明和描述。

备件数量的预测方法的整体思路如图1所示。

图2是根据本发明实施例的光传输设备备件数量的预测方法的流程图，如图2所示，该流程包括如下步骤：

步骤s201，根据传输设备类型和影响通信的重要性划分备件类型，构建可靠性模型并计算各传输设备的年平均故障间隔时间。

为衡量光纤通信传送网的维护水平和管理能力，选用可通率作为衡量指标。不同的设备类型对可通率影响的重要性不同。在本实施例中，将备件类型分为直接影响通信通断或影响较大的重要机盘和不直接影响通信或影响较小的非重要机盘。备件类型是决定备件需求量的重要因素，因此不同类型的备件采用的需求预测方法会有差异，主要体现在备件需求基础量和补充量的确定上。

针对直接影响通信的重要机盘，根据传输设备类型构建串联、并联或串并联混联的可靠性模型。以同步数字体系(synchronousdigitalhierarchy，简称为sdh)系统设备为例，不考虑光中继设备，建立包含终端设备和分插复用设备的sdh系统可靠性模型，如图3所示。

综合考虑机盘类型、机盘数量、机盘故障率等因素，基于可靠性模型计算系统的可靠度进而求得系统的年平均故障间隔时间(简称mtbf)。

具体方法为：假设组成设备的所有n个单板都工作，但至少r个正常，产品才能正常工作，则系统可靠度的数学表达式为：

其中，rs、ri分别表示系统的可靠度和各个单板的可靠度。进一步求得系统的年平均故障间隔时间为mtbfs＝1/(1-rs)。

步骤s202，划分维修保障区域并选择重要机盘备件的存放站点，依据配置情况确定备件需求基础量。

首先，根据站点间的距离和各站点机盘的类型和数量等，从可通率指标出发，按照传输设备修复时限要求，将备件保障初步划分成若干个区域。在不同区域里，利用重心法配置模型选定该区域备件存放的站点。

重心法是将需求站点和备件存放站点看成分布在某一平面内的物流系统，将各个站点重要机盘的数量看成物流的重量，系统的重心作为物流网点的最佳设置点(即备盘存放站点)，利用求物体重心的方法来确定物流网点的位置，见图4所示。

然后，根据选择的备件存放站点，计算区域内所有站点的年平均阻断时间，考察是否满足可通率指标要求，并根据时间冗余量重新划分区域，直至所有区域满足通信指标要求。

站点年平均阻断时间的计算方法为：假设划定区域内存放备件的站点数为n，站点总数为n，则区域内各个站点的平均修复时间mttr为

其中，ti为各站点总的故障修复时间；tc为从故障发生至派修命令下达间隔时间；tp为维修分队准备车辆、仪表、备件等的时间；tli为维修分队从出发至达到各个故障站点所需时间，取决于备件存放站点到故障站点的距离和车辆行驶速度；th为更换机盘和故障修复时间。ni为距离备件存放站点路程相同的站点数，且有n+n1+n2+…+ns＝n。进一步求得区域内所有站点的年平均阻断时间为在满足传输系统可通率指标的前提下，年平均阻断时间应小于传输设备的年允许阻断时间。

最后，根据划分的维修保障区域，就可以确定保障区域内相关站点所需备件的基础量。假设对于任何维修保障区域，传输设备的机盘故障数量与时间点无关；不同类型单板发生故障是相互独立的；且两个相同型号的单板同时发生故障的概率近似为零，即可利用泊松原理确定备件数量。为了保证维修保障区域内传输设备发生故障时能得到及时修复，对于不同型号的重要机盘应至少配置有一块相同型号的备件。这个数量作为该保障区域内重要机盘的备件需求基础量。由于非重要机盘不直接影响通信，保障区域内可以不配置非重要机盘的基础备件，而由上级维修部门统一调拨。

步骤s203，基于排队模型确定备件需求的补充量，并采用montecarlo算法进行优化。

备件需求的补充量分为两种，一种是故障件维修周转所需的备件补充量，称为机盘故障补充量；另一种是无法修复的机盘消耗量，称为机盘损毁补充量。本发明实施例采用排队模型，同时测算备件在设备使用寿命周期内两种不同的备件需求补充量，其原理流程图如图5所示。

该模型为一个闭环的排队网络，包含两个服务中心，每个服务中心各带一个队列。第一个服务中心有k个服务台，代表k个在线工作机盘，第二个服务中心有m个服务台，代表m个维修台。当某个工作机盘损坏时.从备件队列中取一个备件替换损坏机盘，该备件即为机盘故障补充量。同时对损坏机盘进行判断，判断其是否有价值进行维修，如果没有维修价值直接丢弃，同时从新备件库中提取新备件加入备件队列，该备件即为机盘损毁补充量；如果该损坏机盘有维修价值，则将该损坏机盘送往待修队故障机盘队列等待维修，修好的故障机盘送回备件队列备用。备件队列里的备件数量取决于备件需求基础量，由于非重要机盘不直接影响通信，也就不存在备件需求基础量，可以不考虑维修时限要求，在故障机盘需维修时直接从备件库支取，因而对于非重要机盘仅考虑机盘损毁补充量。

光纤传输设备机盘的失效时间和维修时间均服从指数分布，可以直接引用泊松故障率的结论，即认为在充分小时间内，不会发生两块及以上相同机盘故障。对于可维修的损坏机盘，假设维修力量相对充足，即不考虑故障机盘等待维修的时间，而仅考虑维修时间。在系统的生命周期内，所需求的备件数量应保证系统在运行期内的可通率不小于预先确定的指标值。此时对补充备件数量的预测转化为最优化问题，即满足系统可靠度的条件下求解最小的备件需求补充量，最优解受业务要求的可通率指标、统计得到的机盘故障率、设备所属厂家反馈的平均维修时间和故障机盘不可修复率等因素的约束。

针对优化配置问题，选用montecarlo算法仿真得出最优的备件需求补充量。具体优化计算过程如下：

当维修台数m固定时，引入随机变量s＝“系统正常运行到ta时刻所需备件数量”。设事件ai＝“系统正常运行到ta时所需备件数恰好为i个”。很显然，当配备s个备件时，传输系统的可靠度等于随机变量s在s处的分布函数值，即

因此只要计算出s的概率分布，就可以得到系统在任意备件数条件下ta时刻的可靠度，进而可以预测出满足可靠性指标时的最优备件需求。

采用montecarlo方法，对模型作l次独立的仿真。每次仿真开始时，置备件队列为空，按事件调度法推进仿真时钟。有机盘失效而无备件替换时，则添加一新备件，或者因机盘故障严重无法维修而丢弃时，同样添加一新备件并且记录，直到仿真结束，仿真时钟推进到tclk≥ta。仿真结束时所添加的备件总量，即为保证系统正常工作到ta时刻所需备件量在一次仿真中的样本观察值，记为si。从l次仿真得到的样本观察值s1，s1，…，sl中剔除该序列中的重复值，按从小到大排成s1^*，s1^*，…，sq^*，并记fi为s1^*在序列s1，s1，…，sl中出现的次数，得到如表1所示的近似概率分布表。

表1样本观察值的近似概率分布表

则可知满足下述条件的sj^*，即为在任务期ta内，保证可靠度为r所需的最优备件量为

此外，在本实施例中，还提出了基于故障浴盆曲线与最小二乘法理论测算设备的故障率。

分析设备的机盘故障率在产品的生命周期内的时间分布特点，用到故障浴盆曲线来描述。曲线分为3阶段，即初始故障期、偶发故障期和耗损故障期，如图6所示。在设备投入使用初期，由于人为因素，或者是零件质量问题导致设备故障率较高。当设备投入使用一定年限，由于操作方法、使用环境及频率等因素的稳定，设备正常平稳工作，故障率较低。随着产品投入使用时间和负载增加，呈现不同的失效模式，设备进入损耗故障期，故障率较高。

利用故障浴盆曲线的特点，采用最小二乘法，结合实际已有的历年机盘故障统计数据，可以拟合出设备故障率在使用寿命期限内的变化趋势曲线。

综上所述，本发明的上述实施例从光纤通信传输系统的可靠性分析入手，结合可通率指标要求，依据设备所属厂家提供的故障率等相关数据，首先通过重心法配置模型确定不同类型备件需求的基础量，然后采用排队论理论模型确定备件需求补充量，从而预测维修备件的总需求量。数据来源可靠稳定，并且能客观反映不同类型备件需求量之间的差异。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。