基于大數(shù)據(jù)計(jì)量資產(chǎn)全壽命周期管理研究.pdf

1、隨著國家電網(wǎng)公司“三集五大”不斷深入和“一型五化”大營銷建設(shè)，各網(wǎng)省公司計(jì)量中心的核心業(yè)務(wù)由傳統(tǒng)的計(jì)量檢定轉(zhuǎn)變?yōu)橛?jì)量資產(chǎn)的現(xiàn)代化智能化集中檢定配送及管理，全壽命周期管理是實(shí)現(xiàn)大營銷精細(xì)化管理的有效手段。由于計(jì)量資產(chǎn)的特點(diǎn)是使用量大、平均單只價(jià)格低、使用領(lǐng)域廣、易輪換等，且直接關(guān)系國計(jì)民生、和諧穩(wěn)定等社會(huì)因素，因此計(jì)量產(chǎn)品的質(zhì)量管理是全壽命周期管理的核心。省級計(jì)量中心生產(chǎn)調(diào)度平臺(tái)實(shí)現(xiàn)了對計(jì)量產(chǎn)品從采購、驗(yàn)收、檢定、倉儲(chǔ)、配送的全過程監(jiān)控調(diào)

2、度，對自動(dòng)檢定流水線、智能化倉儲(chǔ)的協(xié)調(diào)控制，實(shí)為國網(wǎng)總部計(jì)量管控平臺(tái)建設(shè)和計(jì)量資產(chǎn)的全壽命周期管理創(chuàng)造了有利條件。但是現(xiàn)階段省級計(jì)量中心生產(chǎn)數(shù)據(jù)及系統(tǒng)采用文件存儲(chǔ)，未對數(shù)據(jù)的使用進(jìn)行多維度的分析。現(xiàn)有的傳統(tǒng)技術(shù)不能滿足設(shè)備質(zhì)量數(shù)據(jù)的分析，利用大數(shù)據(jù)技術(shù)對計(jì)量設(shè)備進(jìn)行質(zhì)量分析的研究已成為本領(lǐng)域亟待解決的關(guān)鍵問題。
　　本文對計(jì)量資產(chǎn)全壽命周期質(zhì)量分析的關(guān)鍵技術(shù)進(jìn)行了深入研究與應(yīng)用。利用三角模糊數(shù)的層次分析法建立全壽命質(zhì)量分析模型，并

3、通過MDS大數(shù)據(jù)分析平臺(tái)，根據(jù)數(shù)據(jù)抽取方案，進(jìn)行離線和實(shí)時(shí)挖掘數(shù)據(jù)，從而對表計(jì)進(jìn)行綜合質(zhì)量評價(jià)、潛在關(guān)聯(lián)分析、趨勢預(yù)測、實(shí)時(shí)檢定告警、表計(jì)質(zhì)量預(yù)測等研究。利用大數(shù)據(jù)不斷深化、細(xì)化營銷計(jì)量全壽命周期各環(huán)節(jié)檢定及故障數(shù)據(jù)，梳理實(shí)際工作應(yīng)用需求，研究數(shù)據(jù)規(guī)律，形成多維度、多視角的數(shù)據(jù)處理模型和算法，建立全了包含時(shí)間、空間、各業(yè)務(wù)流程等的多維度分析場景。論文的主要研究內(nèi)容如下:
　　(1)建立基于三角模糊數(shù)的層次分析法的全壽命質(zhì)量分析模型

4、，將各階段質(zhì)量分析體系模型都分為三個(gè)層次:質(zhì)量目標(biāo)層、質(zhì)量分析準(zhǔn)則層和質(zhì)量特性指標(biāo)層，確定質(zhì)量分析體系模型的比重關(guān)系。綜合電能表各環(huán)節(jié)的的誤差數(shù)據(jù)，從產(chǎn)品供應(yīng)商、運(yùn)行區(qū)域、產(chǎn)品型號等方面多維度分析誤差數(shù)據(jù)的分布特性與規(guī)律;研究智能電能表各環(huán)節(jié)的檢定檢測誤差數(shù)據(jù)，追溯檢定不合格項(xiàng)目與方案選型、主要元器件的關(guān)聯(lián)關(guān)系，預(yù)測及規(guī)避因檢定設(shè)備故障問題引發(fā)的批量檢定不合格數(shù)據(jù)的出現(xiàn)，發(fā)掘電能表設(shè)計(jì)方案類基因缺陷，規(guī)避質(zhì)量風(fēng)險(xiǎn)。
　　(2)建立

5、MDS大數(shù)據(jù)分析平臺(tái)，利用時(shí)間戳方式抽取MDS平臺(tái)中的誤差數(shù)據(jù)、批次信息、不合格項(xiàng)目數(shù)據(jù)及SG186營銷系統(tǒng)的故障檢測數(shù)據(jù)、報(bào)廢故障檢測數(shù)據(jù)等，通過ETL數(shù)據(jù)集成的技術(shù)實(shí)現(xiàn)對數(shù)據(jù)的轉(zhuǎn)換、清洗和加工，并將抽取到的數(shù)據(jù)進(jìn)行離線數(shù)據(jù)挖掘分析和實(shí)時(shí)數(shù)據(jù)挖掘分析，通過數(shù)理統(tǒng)計(jì)和人工智能等算法對海量的數(shù)據(jù)進(jìn)行基于聚類劃分的綜合質(zhì)量評價(jià)、表計(jì)檢定數(shù)據(jù)以及異常報(bào)廢的潛在關(guān)聯(lián)分析、趨勢預(yù)測、實(shí)時(shí)檢定告警、表計(jì)質(zhì)量預(yù)測、基于CCA方法的檢定不合格數(shù)據(jù)與故障

6、數(shù)據(jù)相關(guān)性分析等研究。
　　(3)基于MDS平臺(tái)提供的檢定誤差數(shù)據(jù)、自動(dòng)檢定流水線（或檢定裝置）信息、批次信息、供應(yīng)商信息等數(shù)據(jù)，利用大數(shù)據(jù)分析技術(shù)對數(shù)據(jù)進(jìn)行多維度、深挖掘，以圖形化方式展示數(shù)據(jù)挖掘結(jié)果，形成數(shù)據(jù)樣本;然后對數(shù)據(jù)樣本進(jìn)行分析比對，發(fā)現(xiàn)各樣本間存在的差異和誤差異常點(diǎn)，實(shí)現(xiàn)對檢定流水線（或流水線上的檢定裝置）潛在故障隱患及電能表潛在故障隱患的預(yù)估。
　　(4)對檢定不合格項(xiàng)目數(shù)據(jù)多維度深挖掘，形成不合格項(xiàng)目各維度

7、數(shù)據(jù)樣本;然后對數(shù)據(jù)樣本進(jìn)行分析比對，深入挖掘不合格項(xiàng)目大類與其對應(yīng)的小類之間的相關(guān)關(guān)系，通過在廠家、批次、同種設(shè)備等維度上與不合格項(xiàng)目間建立聯(lián)系，在相同的外部條件下，及時(shí)發(fā)現(xiàn)不合格原因分布，及時(shí)對相應(yīng)的不合格項(xiàng)進(jìn)行預(yù)警提示，對頻發(fā)的不合格原因形成專門的預(yù)警庫，預(yù)估該段時(shí)間內(nèi)入庫的設(shè)備可能存在的隱患故障，實(shí)現(xiàn)對檢定流水線（或流水線上的檢定裝置）潛在故障隱患及電能表潛在故障隱患的預(yù)估。
　　(5)利用大數(shù)據(jù)分析技術(shù)對數(shù)據(jù)進(jìn)行多維度、