设备检修费用的研究

设备检修费用分析的重点之一是研究显著影响检修费用的因素，如设备数量、单位价格、使用年限、可靠性、维修性、使用消耗、维修费用等因素，它们对检修费用的影响存在相互制约的关系，某个或几个因素的变化会造成检修费用剧烈变化，而另外一些因素的变化对检修费用的影响不大。

设备检修费用的研究

设备系统本身及其设计性能，决定了可靠性和维修性。设备的使用特性还决定了使用费。设备可靠性(以MTBF为标志)、维修性(MTTR)和维修保障(影响MWT)决定了它的可用度，直接影响后勤保障的投资，以及各种维修费用。设备不可用度带来的损失视为费用支出，为不可用度费，也由影响可用度的因素决定。

从管理的角度，主要是应把握好对检修费用影响敏感的因素;而从决策的角度，弄清敏感因素的准确数值。对敏感性函数进行处理时，必须依据参数的量值及其敏感性函数这两个因素。

维修费用特性具有非线性特点，即在前期投入很少，随着时间的推移而增加，直至报废而终止投入，整个过程具有非线性增加的特点。检修费用模型一般符合威布尔分布、正态分布、对数正态分布、指数分布等四种分布形态。传统的确定运行维护费用分布类型的方法主要有:均方差最小准则法、基于模糊理论的模糊贴近度法、灰色关联分析法。但是，从研究结果来看，前两者在数据量较小时都较容易产生较大的误差，对数据样本量要求较高。而灰色关联分析的基本思想是通过对系统动态发展过程进行量化分析来考察系统诸因素之间的相关程度，即根据曲线间的相似程度来判断因素间的关联程度，以关联度作为其关系密切程度及相互比较的相对标志。由于此方法对样本量的大小没有太高要求，而且分析的结果一般与定性分析相吻合，因而具有广泛的适用性。

维修性是通过设计赋予设备的固有属性。然而，任何设备在其全寿命周期中必须经过反复试验、改进、再试验的过程，才能使其维修性不断提高，直到满足要求。在这个过程中，制约设备维修性水平的维修性设计)维修工艺等不断地暴露出缺陷，而经过分析和改进不断趋于完善，从而使设备的维修性不断提高，这就是维修性增长。

由于检修费用与设备可靠性、维修性具有直接关系。通过可靠性增长降低费用已经得到了重视，并形成了可靠性增长与费用的数学关系。但是，目前对维修性增长与寿命周期费用关系的关注仍比较少。

进一步，部分研究对存在某些装备的使用年限较短，使用数据有限，或者以前的数据没有记载或丢失等问，主要采用灰色预测模型描述这些装备使用维护保障费用的历史数据，并预测其未来值，并用灰色理论解决费用的增长性问题，用神经网络解决内部复杂模糊问题，即用组合灰色神经网络模型进行研究。

此外，由于大多数系统或设备属于可修复性系统，在运行过程中，对于故障的处理是采用“最小维修”修复，只是让系统恢复工作而并不是将系统完全恢复到初始状态。这需要对系统的可靠性进行动态的预测和分析。可靠性增长评估方法的核心是可靠性增长模型。

在相关模型中，Crow-AMSAA模型(CA模型)是建立在严格随机过程理论基础上的对系统可靠性评估的有效统计学模型，它通过将故障发生看为一随机过程更好地实现对电力设备使用中可靠性的良好拟合，在此基础上达到了对电力设备检修成本的较准确估计。CA模型特点在于:它是对过程的建模而不是对系统的建模，使其可以用于较少数据的可靠性增长建模。同时CA模型对于小样本，缺失数据以及多种故障类型混合的情况也很实用。CA方法是预测计算以时间变化的故障率和故障发生次数的有效方法。基于CA模型可靠性分析在电力设备维修决策和费用增长建模方面有较高的实际应用价值。

了解更多，请点击乾元坤和设备管理系统，或拨打13522956919、13522956919进行咨询。