1、設備全壽命周期管理基本概念（Equipment management）主要是指設備在役期間的運行維修維修直至拆換，體現出的是設備的物質運動狀態。資產管理(Asset management)資產的價值運動狀態。現代意義上的設備全壽命周期管理，涵蓋了資產管理和設備管理雙重概念， 應該稱為設備資產全壽命周期管理（Equipment-Asset life-cycle management）更為（安裝）使用，維修（輪換）因此考慮設備全壽命周期管理，要綜合考慮設備的可靠性和經濟性。設備全壽命周期管理的任務過程進行管理，以獲得設備壽命周期費用最經濟、設備綜合產能最高的理想目標。設備全壽命周期管理的階段前前期

2、管理運行維修管理輪換報廢管理設備全壽命周期示意圖設備的全壽命周期管理包括三個階段（1. 前期管理設備的前期管理包括規劃決策，計劃，調研，購置，庫存，直至安裝調試， 試運轉的全部過程。采購期：在投資前期做好設備的能效分析，確認能夠起到最佳的作用， 進而通過完善的采購方式，進行招標比價，在保證性能滿足需求的情況下進行最低成本購置。庫存期：設備資產采購完成后，進入企業庫存存放，屬于庫存管理的范疇。安裝期：此期限比較短，屬于過渡期，若此階段沒有規范管理，很可能造成庫存期與在役期之間的管理真空。（2運行維修管理更新等管理，其目的是保證設備在運行過程中經常處于良好技術狀態，并有效地降低維修費用。在設備運行

3、和維修過程中，可采用現代化管理思想和方法，如行為科學，系統工程，價值工程，定置管理，信息管理與分析，使用分析，PDCA 方法，網絡技術，虛擬技術，可靠性維修等。（3. 輪換及報廢管理具有一定的意義。其維修成本已超出設備購置費用，必須對設備進行更換，更換后的設備資產進行變賣或轉讓或處置，相應的費用進入企業營業外收入或支出，建立完善的報廢流程，以使資產處置在帳管理，既有利于追溯設備使用歷史， 也利于資金回籠。至此，設備壽命正式終結。設備全壽命周期的閉環管理設備全壽命周期管理系統為了從管理上達到對設備全壽命周期的合理管理，必須構建一個適合本企業的設備全壽命周期管理系統。該系統不僅具有資產管理（臺賬，

4、設備管理，維（輸入數據必須準確然后利用分析結果采取針對性措施，以達到故障率大幅下降的目的。（1. 設備全壽命周期管理系統具體的管理功能/ 時數等。入、轉出、故障、事故、報廢等的管理，為管理決策層準確快速地提供設備當前狀態。信息等。管理；對備件進行 ABC 分析，提供各類統計分析報表。設備全壽命周期費用管理基本概念（Life Cycle Cost）管理是從設備的長期經濟效益出發， LCC LCC 管理的核心內容是LCC 分析，并進行決策。設備全壽命周期費用管理國內外應用情況LCC LCC 技術并普LCC 技術。1999 6 月，美國總統克林頓簽署政府命令，各州所需的裝備及工程項目， LCC LC

5、C 估算、評價，一律不準簽約。同年，以英國、LCC 50 LCC 估算。LCC 管理的方法首先應用于核電站，因為核電站建設是以可靠作為LCC 管理，更具必要性和緊迫性。在LCC 管理和可持續性發展結合起來， LCC 管理方法在高壓開關、變電站方面的應用。設備全壽命周期費用分析的方法（118貝葉斯推斷原理。（2 馬爾可夫過程分析法由于設備的全壽命周期過程常常伴隨一定的隨機過程，而在隨機過程理論中（3 層次分析法（AHP）AHP 20 70 年代中期提出的一種定性與定量分析相結合的多準則決策方法。AHP 經常可以作為一種確定指標權重的方法加以應用。AHP 的特點是：將人的思維過程數學AHP 使用過

6、程中無論是建立層次結構還是構造判斷矩陣，人的主觀判斷、AHP AHP 在規模指標判斷矩陣的給出。（3 模糊綜合評價法（4數據包絡分析（DEA）DEA ACharnes WWCopper 等學者以“相對效率” Making Units，DMU)進行生產有效性DEA DEA 方法是一種（5人工神經網絡（ANN）ANN 評價方法是一種交互式評價方法，它可以根據用戶期望的輸出不斷修改指標的權值，直到用戶滿意為止。ANN 評價方法能夠充分考慮評價專家的經綜合評價過程中出現的隨機性和評價專家主觀上的不確定性及認識上的模糊性問題。ANN 評價方法具有自適應能力、可容錯性能夠處理非線性、非局域性的大型復雜系統

7、。在對學習樣本訓練中，無須考慮輸入因子之間的權系數，ANN ANN方法也存在一些缺點。如需要大量影響評價工作效率等。（5灰色綜合評價法們所掌握；數據不必進行歸一化處理，可用原始數據進行直接計算，可靠性強； 面詳細介紹神經網絡及灰色理論在設備全壽命周期費用分析的應用。神經網絡在設備全壽命費用分析中的應用在設備全壽命分析過程中，全壽命費用與其影響因素之間存在著極其復雜的BP網絡以其良好的非線性功能、自學習功能等許多優良特性而在很多領域獲得了成功，已漸漸成為解決此類問題的工具。BP網絡原理人工神經網絡是一個并行和分布式的信息處理網絡結構。近年較為流行的反向傳播神經網絡（BP，Back Propaga

8、tion）網BPBP 3 層次之間的神經元形成全互連接，各層次內的神經元之間沒有連接。BP 神經網絡的預測功能是通過誤差的反向傳播學習算法來實現。其主要思想是：對于q 個p1p2 . pq T1T2 . Tq 學習的目的是用網絡的實際輸出A1A2. Aq 與目標矢量T1T2 . Tq 之間Al (l q與期望的Tl Pr個，隱含s1f1s2個神經元，對應的激活函數為 f2， 輸出為 A，目標矢量為 T，其步驟如下：i個神經元的輸出：ri f1(j pj i )i ,3 1j 1k個神經元的輸出：s1a2k f2(2kii 2k )i ,3 1j1定義誤差函數為：21 s2 (tk a2 k )

9、k1用梯度法求輸出層的權值變化對從第 i 個輸入到第 k 個輸出的權值變化為：w2ki Ew2 ki Ea2 k. a2kw2ki (tka2k) f kia1i其中ki (tk a2k )f2 ek f2ek tk a2 k同理可得：b2ki Eb2ki Ea2k.a2kb2ki (tka2k) f ki利用梯度法求隱含層權值變化對從第 j 個輸入到第 i 個輸出的權值為：w2k .w2k .) aa k22ki1jij p其中：2kks2j i f1i ki 2kii k 1全壽命費用預測結構神經網絡設計（1 全壽命費用分解結構的構成因素命剖面的各個事件內所消耗的總費用，即設備在開發、試驗

10、、 裝備、使用、維用分解結構有以下幾個方面：研究與研制費該型設備的生產量無關。最初投資費用最初投資費用是最初工廠裝備一套設備所花的全部費用，主要包括設備的采購費，包括生產費、運輸費等、設施建筑費、人員訓練費及首批備件的采購費。最初投資費用也是一次性支付的。使用保障費用研制費用和最初投資費用。退役費用退役費用是設備退役或報廢時，加以處理所用的費用。與前 3 類相比，退役費用的數額很小。（2 全壽命費用預測神經網絡模型設計現在的問題已經不是設備的研究與研制費、最初投資費、使用保障費和退役費等分別加以管理，而是把這幾個環節結合起來作為全壽命費用進行綜合管理。為了給設備的全壽命分析提供一個參考依據，可

11、以運用神經網絡的模型設計方法，對整個設備的全系統、全壽命費用進行綜合設計，得出其預測模型。輸入輸出層的設計4際中， 但這并不是包括了全部費用。在實際使用中，根據影響費用因素的重要BP網絡的設計特性不考慮各71。隱含層節點數及選取隱含層節點選取是一個復雜的問題，節點數太多會導致訓練時間過長，誤差可能達不到預期的要求。若節點數太少會導致容錯性較差，不能識別新的樣本。所以隱含層節點數要根據經驗來選取，一般的選取方法如下：n m n m式中：n1 為隱含層節點的數目；n 為輸入層節點數；m 為輸出層節點數；a 為1-10,的常數，根據上式權衡最優可以確定隱含層的節點數為 5。初始權值的選取N 落在了網

12、絡模型的 S 型激活函數的飽和期中，從而會導致f(s非常小。而在其后計算各個階段費用的權值修正公式中，因為 正比于f(Nf(N0時，則有 0，使得wij 0，從而使得調節過程幾乎s 型函數最大之處進行調節。所以，一般取初始權值在(-1,1)2r s11r s1滿意的費用結果。目標值的選取期望誤差值，以及依照精度的要求來選定最大循環次數。通過以上的分析可得網絡結構如圖 1。適應學習中獲得，從而大大減少了人為的影響， 對全壽命費用的預測會更高。灰色理論在設備全壽命費用分析中的應用律，用于預測系統未來的發展狀態。設備全壽命費用預測指標體系（1 設備全壽命費用結構個階段，以此形成相應的經費構成。定出設

13、備全壽命費用宏觀預測的指標體系，以指標體系為預測和分析的依據。（2 設備全壽命費用預測指標體系設備全壽命費用預測指標體系設備全壽命費用宏觀預測指標體系圖1 設備全壽命費用預測指標體系設備全壽命費用宏觀預測指標體系圖費用總量預測費用結構比例預價格指數預測物價指數按按設階備段類別按設備類別按階段設備市場價格指數配套設備市場價格指設備出廠價格指數設備全壽命費用預測方法與模型（1 設備費用預測模型分析裝備費用是一個影響因素繁多的問題，從全壽命階段上講，有科研、采購、維修費用等來，能對設備費用的使用進行合理有效的指導，在對因變量(上，通過對其內在規律進行整合預測，才能得到合理的總設備費用。（2灰色預測模

14、型（1）GM(1，1)模型可以對設x1 ， x2 ,. x p 等確定性變量進行灰色預測，模型分析如下：模型的實質是對原始數據作一次累加生成(1再作一次累加生成(1-I-AGO)，用以對系統進行預測。設有變量序列，x(1)， x(2)，x(n)，其中：x(k)1(x(1)(k)x(1)(k1)kn2構造一階線性灰色微分方程xd (1)x1 ax(1) udt利用最小二乘法求解參數a ， uaaT Tu B BB Y Nu 式中：1(x(1)x(1)(2)2 x(0) (2) 1(0)B 2 (x (2) x (3)Y xN.x(0)(n)1(x(1)(n1)x(1)(n)2x(1) 的灰色預測

15、模型為：)(k)(x(0)u)ek uaa(k)再作一次累加生成 LAGD得x(0) 的灰色預測模型為：(0)(k)1ea)(x(0)u)ek(k ,2 )a（2）GM(1,1)模型精度檢驗：灰色模型的精度通常采用后驗差方法檢驗，殘差為：e(k) x0(k)(0)(k)(k ,2 n)原始數列x(0) 及殘差值數列e 的方差分別為s 2 和s 2 ，則：1s2 11 nn kn 122(x(0) (k) x)2s2 21 n k2n (e(0) (k) e)n 1(0)1(0)x n x(k)e n e(k)k 1殘差比值和小誤差概率：c s2p (k) e51k 1模型精度等級pc1級（好）

16、模型精度等級pc1級（好）p0.95c0.352級（及格）0.85p 0.950.35c0.503級（勉強）0.7p 0.850.50c0.654級（不合格）p0.65實時狀態維修實時狀態維修是故障是否存在征兆否定期預防維修高風險故障模式風險評價中風險是定期視清維修否故障率是否與時間相關是定期預防維修低風險否日常巡檢和機會維修是日常巡檢和事后維修否日常巡檢和報廢基于風險的維修方式決策故障模式風險評價故障模式風險評價故障常見原因及根本原因分析是否為失誤性故障是提高操作人員素質否是否為維修性故障是提高操作人員素質否是否為先天性故障是改進設計否其他故障原因分析和根治維修水平水平發生程度定義水平發生程度定義E易于發生在一個大修周期內經常發生D有時發生在一個大修周期內有時可能發生C偶爾發生在壽命期內偶爾發生B不太可能發生在壽命期內不易發生，但有可能發生（同行業發生過）A極少發生（）后果對生產的影響（c1）安全后果（c2）環境后果基本無影響基本無影響基本無影響