航空發(fā)動機在修理廠維修時間的預測方法
【專利摘要】本發(fā)明提供一種航空發(fā)動機在修理廠維修時間的預測方法，所述航空發(fā)動機包括多個部件，包括以下步驟：基于航空發(fā)動機的工作范圍對航空發(fā)動機的修理級別進行分類；將航空發(fā)動機在修理廠的維修流程分為三個階段：第一階段：航空發(fā)動機進入修理廠維修站位和主檢，第二階段：航空發(fā)動機的部件修理和集件，第三階段：航空發(fā)動機的組裝和試車；分別得到第一至第三階段的所需時間，將第一至第三階段的所需時間進行加和并考慮節(jié)假日信息，最后獲得航空發(fā)動機在修理廠維修時間的預測。
【專利說明】
航空發(fā)動機在修理廠維修時間的預測方法
技術領域
[0001] 本發(fā)明涉及航空發(fā)動機修理流程控制及周期預測領域，特別涉及一種航空發(fā)動機 在修理廠維修時間的預測方法。
【背景技術】
[0002] 由于航空發(fā)動機原廠的技術限制，修理廠對航空發(fā)動機的部分核心部件沒有維修 能力，需要將其送往原廠指定的具有維修資質(zhì)的廠商修理，導致修理廠難以有效控制外送 部件的修理周期。此外，由于航空發(fā)動機的部件制造工藝要求高，全球范圍內(nèi)可供應新件的 廠商少，修理廠在訂購新件時經(jīng)常會遇到發(fā)貨周期過長或缺貨的狀況。無法準確預估外送 修理部件和新件周期導致修理廠無法有效控制和預測航空發(fā)動機的在廠時間。
[0003] 航空發(fā)動機價值昂貴，航空運營人一般會采用少量自有備發(fā)或租發(fā)的形式來保障 機隊運營。由于無法精確預測航空發(fā)動機的修理周期，對備發(fā)和下發(fā)計劃造成很大挑戰(zhàn)，航 空運營人往往被迫采用臨時租發(fā)以支撐機隊運行，但臨時租發(fā)產(chǎn)生的高額費用會對航空運 營人的資金鏈造成一定壓力。
[0004] 航空發(fā)動機特別是民用航空發(fā)動機的修理周期對發(fā)動機修理廠和航空營運人影 響密切。提前準確預估航空發(fā)動機的修理周期，對修理廠和航空運營人都是極為有益的。因 此，現(xiàn)在所需要的就是，在航空發(fā)動機進修理廠維修之前準確預估修理時間；并隨著實際維 修狀況的推進，動態(tài)調(diào)整預估周期的方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種航空發(fā)動機在修理廠維修時間的預測方法，能夠?qū)崿F(xiàn) 對航空發(fā)動機在修理廠維修時間的精準預測。
[0006] 為了實現(xiàn)上述目的，本發(fā)明提供如下技術方案：
[0007] -種航空發(fā)動機在修理廠維修時間的預測方法，所述航空發(fā)動機包括多個部件， 包括以下步驟：
[0008] 步驟1:基于航空發(fā)動機的工作范圍對航空發(fā)動機的修理級別進行分類；
[0009] 步驟2:將航空發(fā)動機在修理廠的維修流程分為三個階段：
[0010] 第一階段:航空發(fā)動機進入修理廠維修站位和主檢，
[0011] 第二階段:航空發(fā)動機的部件修理和集件，
[0012] 第三階段:航空發(fā)動機的組裝和試車；
[0013] 步驟3:利用貝葉斯方法和馬爾可夫狀態(tài)轉(zhuǎn)移矩陣預測航空發(fā)動機在第一階段的 所需時間；
[0014] 步驟4:利用隱馬爾可夫模型預測航空發(fā)動機在第二階段所需的時間；
[0015] 步驟5:根據(jù)第二階段尚未修理完成的部件對第三階段的影響及組裝和試車過程 出現(xiàn)的新問題預測航空發(fā)動機在第三階段所需時間；
[0016] 步驟6:通過步驟3至5,分別得到第一至第三階段的所需時間，將第一至第三階段 的所需時間進行加和并考慮節(jié)假日信息，最后獲得航空發(fā)動機在修理廠維修時間的預測。
[0017] 優(yōu)選地，在上述的預測方法中，所述步驟1包括如下子步驟：
[0018] 步驟1.1:收集航空發(fā)動機的工作范圍，根據(jù)工作范圍對航空發(fā)動機各部件的修理 級別進行定義，構建航空發(fā)動機工作范圍的原始特征矩陣0WSL: 鳥a…U
[0019] \ I ； :滅搗,i.…財凡m丨
[0020] 其中:是第i臺航空發(fā)動機第j個部件的修理級別；
[0021]步驟1.2:對所述原始特征矩陣0WSL進行數(shù)值化處理，獲得新的原始特征矩陣WSL:
[0022] WSI 念 I % 5 產(chǎn)Wi…為Wn.
[0023]其中:表示經(jīng)過數(shù)值化處理后的第i臺航空發(fā)動機第j個部件的修理級別；
[0024]步驟1.3:在系統(tǒng)聚類法框架下，采用WARD離差平方和法以歐式距離為度量標準， 獲取當前航空發(fā)動機的修理級別；
[0025] 優(yōu)選地，所述步驟1.3包括如下子步驟：
[0026] 步驟1.3.1:將當前航空發(fā)動機的工作范圍帶入WSL;
[0027] 步驟1 ? 3 ? 2:將n+1臺航空發(fā)動機分成k類Gi，G2，…，Gk，Gt表示的是Gi，G2，…，Gk中的 某一組，0<t<k，則Gt的離差平方和St為： ?%
[0028] 5, - f (% ? Ij)
[0029]其中:Xit表示Gt中的第i臺航空發(fā)動機的工作范圍，表示匕的重心；
[0030] GP和Gq表示的是Gi，G2,…，Gk中的某一組，0彡t彡k，將G P和Gq合并為新類Gr即Gr = GP UGq，類內(nèi)離差平方和分別為：
[0034]定義歐式距離忽|€ = ; - 和Gq越類似，則越小，反之越大；
[0035]步驟1.3.3:將n+1臺航空發(fā)動機各自組成一類，然后縮小一類，每縮小一類會導致 St增大，選擇使St增加最小的兩類合并，直到所有航空發(fā)動機都歸為一類為止；
[0036]步驟1.3.4:基于步驟1.3.3的聚類結果，將其分為k類，獲取當前航空發(fā)動機的工 作范圍所在類。
[0037] 優(yōu)選地，在上述的預測方法中，所述步驟3包括如下子步驟：
[0038]步驟3.1:根據(jù)步驟1獲取的當前航空發(fā)動機的修理級別，統(tǒng)計航空發(fā)動機在該修 理級別時第一階段的所需時間，第一階段的所需時間除去節(jié)假日和航空發(fā)動機的工作范圍 升級延誤時間，獲得第一階段的先驗分布?。％1 (31|^和第一階段的區(qū)間01 = {(11，-_，(^};
[0039] 步驟3.2:獲取最近三次航空發(fā)動機在第一階段的所需時間集ds = {dS1，ds2，ds3};
[0040] 步驟3.3:明確第三階段對第一階段的影響；
[0041] 步驟3.4:構建"Head to Head"貝葉斯網(wǎng)絡預測第二階段的所需時間；貝葉斯方法 的基本表達式為：
[0043] 其中:P(H)稱為先驗概率，即在得到新樣本前某一假設的概率；
[0044] P(H|D)稱為后驗概率，即在獲得新樣本數(shù)據(jù)后，需要計算的概率；
[0045] P(D|H)是在該假設下得到這一數(shù)據(jù)的概率，稱為似然度；
[0046] P(D)是在任何假設下得到這一數(shù)據(jù)的概率，稱為標準化常量；
[0047]步驟3.5:通過步驟3.1到3.4，可在航空發(fā)動機進修理廠維修之前獲得航空發(fā)動機 第一階段的所需時間的后驗概率及最大后驗估計；
[0048] 優(yōu)選地，步驟3.3包括如下子步驟：
[0049]步驟3.3.1:選取修理廠最近三年的維修記錄，統(tǒng)計獲得航空發(fā)動機第一階段時處 于第三階段的同類型其它航空發(fā)動機的數(shù)量，形成數(shù)量區(qū)間N={m，…，nn}，并構成原始資 料矩陣0C1: 乂Vi.…％微*|
[0050] 0C1 ~ ^
[0051] 其中：表示當處于第三階段的同類型其它航空發(fā)動機的臺數(shù)為N(i)時，第一階 段天數(shù)為Dl (j)的航空發(fā)動機臺次；
[0052] 步驟3.3.2:受訓練樣本數(shù)據(jù)量限制，矩陣0(：1可能會有0事件出現(xiàn)，即：(^ = 0 1< i<n且l<j<n，需要對0C1進行拉普拉斯平滑，獲得修正后的原始資料矩陣0Clm:
[0053]步驟3.3.3:對修正后原始資料矩陣0Clm進行概率歸一化處理得到概率矩陣Cl: 乳：1… 丨
[0054] C1 == ^ 、 * |
[0055] 其中：pu表示當處于第三階段的同類型其它航空發(fā)動機臺數(shù)為N(i)時，第一階段 天數(shù)為D(j)所出現(xiàn)的概率;且iffpy = 1 ￥1 E ,(H] =
[0056] 優(yōu)選地，步驟3.3.2包括如下子步驟：
[0057]步驟3.3.2.1:若矩陣0C1第i行含有0事件，則將其提取出來C( i) = {Ci, i，. . . Ci,n};
[0058] 步驟3.3.2.2:對C( i)進行拉普拉斯平滑獲得(*( i):
[0059] Cm(i) = {ci，i+入，Ci，2+入，? ? .Ci，n+M，〇<入<1 步驟；
[0060] 優(yōu)選地，步驟3.4包括如下子步驟：
[0061] 步驟3.4.1:根據(jù)步驟3.1獲得航空發(fā)動機第一階段的所需時間的先驗分布 Pcyclel-prior ;
[0062] 步驟3.4.2:研究發(fā)現(xiàn)航空發(fā)動機第一階段過程服從期望為A的廣義泊松分布，將 其作為似然函數(shù)，BP:
[0063] 其中：人一S daysday S X Pi day SGDl ?PiGP cyclel-prior ；
[0064]步驟3.4.3:以ds作為最新的樣本信息，利用貝葉斯公式，求得該情況下的后驗概 率Pcycdei-ds及最大后驗估計MLEds;即在已知修理廠第一階段的所需時間總體分布的前提下， 利用最新的航空發(fā)動機第一階段的所需時間對下一次航空發(fā)動機第一階段的所需時間進 行估計；
[0065]步驟3.4.4:利用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣獲得從概率矩陣C1獲取當組裝航空發(fā)動 機臺數(shù)為eng時的概率分布Pcycdeimg及最大估計MLEeng;
[0066]步驟3.4.5:利用修理廠第一階段的所需時間的歷史數(shù)據(jù)對貝葉斯網(wǎng)絡進行訓練， 即訓練x取值，使預測值與實際值之間的誤差Err最??；
[0068] 其中：cU,re5al指的是第i臺發(fā)動機第一階段的真實天數(shù)。
[0069] 優(yōu)選地，在上述的預測方法中，所述步驟4包括以下子步驟：
[0070] 步驟4.1:采用標準化方法記錄部件的維修數(shù)據(jù)；
[0071 ]步驟4.2:構建標簽為"機隊影響"的航空發(fā)動機特征部件資料庫，即對每一臺航空 發(fā)動機記錄特征部件；
[0072] 步驟4.3:根據(jù)特征部件資料庫，統(tǒng)計出對每臺航空發(fā)動機第二階段持續(xù)時間最長 的部件得到其概率分布Pfleet-prior;
[0073] 其中Pfle5(5t-pric^$照概率值由大到小對部件進行排序，得到部件序列Xfht
[0074] 步驟4.4:從特征部件庫中提取最近一段時間的航空發(fā)動機數(shù)據(jù)，統(tǒng)計序列Xfleet中 部件出現(xiàn)的次數(shù)，得到序列Nx;
[0075]步驟4.5:Nx若有0元素出現(xiàn)，則對0元素進行古德圖靈估計進行修正，消除0元素， 然后對其進行歸一化處理得到概率分布Px;本步驟在于獲取最近一段時間內(nèi)標簽為"機隊 影響"的航空發(fā)動機特征部件的變化趨勢；
[0076] 步驟4.6:獲取標簽為"機隊影響"的航空發(fā)動機部件的后驗概率Pfle5e5t-pcist及最大 后驗估計Xfleet-postl和次最大后驗概率Xfleet-post2 ;
[0077] 其中：Pfleet-post 為 Pfleet-prior 點乘 Px 后的歸一化數(shù)組；
[0078] 步驟4.7:為及時體現(xiàn)"批次影響"對航空發(fā)動機在修理廠時間的影響，構建非齊次 馬爾可夫鏈，動態(tài)調(diào)整預測的延誤部件，獲得的狀態(tài)轉(zhuǎn)移概率矩陣n;
[0079] 步驟4.8:利用步驟4.7獲得的狀態(tài)轉(zhuǎn)移概率矩陣II確定延誤時間最長的部件；
[0080] 步驟4.9:通過對部件乂￡1(^1。^1上1(^1。^ 2和&的趨勢分析，預測第二階段所需時 間。
[0081] 優(yōu)選地，在上述的預測方法中，所述步驟4.2中對每一臺航空發(fā)動機按照如下方法 記錄特征部件：
[0082]步驟4.2.1:將標簽為"機隊影響"且滿足如下三條條件之一的航空發(fā)動機部件放 入特征部件資料庫中：a)集件完成日期與部件結束日期之差小于第二階段的l/3，b)部件結 束日期大于集件完成日期，c)部件持續(xù)時間大于第二階段總時間的2/3;
[0083]步驟4.2.2:資料庫由兩張數(shù)據(jù)表組成:第一張表記錄航空發(fā)動機第二階段的節(jié)點 及統(tǒng)計信息，第二張表記錄符合4.2.1條件的航空發(fā)動機部件信息；
[0084] 優(yōu)選地，所述步驟4.7包括如下子步驟：
[0085] 步驟4.7.1:從原始數(shù)據(jù)中提取最近一段時間的航空發(fā)動機數(shù)據(jù)，統(tǒng)計每臺航空發(fā) 動機第二階段持續(xù)時間最長的部件；
[0086] 步驟4.7.2:根據(jù)步驟4.6獲取的后驗概率Pfle5e5t-pcist，將后驗概率最大的前幾個部 件劃為集合T，將其它未出現(xiàn)的部件劃分為集合C;
[0087]步驟4.7.3:增加狀態(tài)變量Ek，用來表示部件是否屬于集合T，EkG {〇，1}，其中〇和1 分別表示部件不屬于集合T和屬于集合T的假設，其狀態(tài)轉(zhuǎn)移概率矩陣可以表示為：
[0088] n-i1?4x!y
[0089] 其中：
，ek表示事件Ek= 1，辱'表示Ek = 〇; II 為非齊次馬爾可夫狀態(tài)轉(zhuǎn)移矩陣，所述非齊次是指&，？(1的值是非固定的，其值由步驟4.7.1 決定；
[0090] 優(yōu)選地，所述步驟4.8包括如下子步驟：
[0091] 步驟4.8.1:若預測部件屬于集合T，將^分別作為第二階段 延誤時間最長部件和第二階段所需時間；
[0092] 步驟4.8.2:若預測部件屬于集合C，則需采取如下步驟：
[0093] 步驟4.8.2.1:獲取步驟4.7.1中的影響標簽，篩選出標簽為"機隊影響"和"批次影 響"的部件，統(tǒng)計各部件出現(xiàn)的頻數(shù)并進行排序，對于已經(jīng)結束的帶有"批次影響"標簽的部 件不進行統(tǒng)計；
[0094] 步驟4.8.2.2:篩選出頻數(shù)最大且大于等于2的部件XC，作為潛在影響下一臺航空 發(fā)動機第二階段時間的延誤部件。
[0095] 優(yōu)選地，在上述的預測方法中，所述步驟4.9包括如下子步驟：
[0096] 步驟4.9.1 :采用如下方法對部件Xfleet-postl和Xfleet-P〇St2進行趨勢分析：
[0097] 步驟4 ? 9 ? 1 ? 1 :建立如下2個指標對部件Xfleet-postl和Xfleet-pcist2進行統(tǒng)計：
[0098] fs = Tstart-Tmain insp
[0099] fd = T closed-Tstart
[0100] 步驟4.9.1.2:將乂￡1(^-[)。^1和乂￡1 (^-1)。^2放在同一坐標系下分別對匕和€(1進行最小 二乘法線性擬合，預測兩個部件的f s和fd，將結束時間最晚的部件記為Xfhtlost;
[0101 ]步驟4.9.1.3:基于最小二乘法線性擬合利用公式
[0102] ^ 立main 卿
[0103] 對部件Xfleet-post所需時間進行趨勢分析，確定;
[0104] 步驟4.9.2:以步驟4.7.1獲取的數(shù)據(jù)作為數(shù)據(jù)源，f4Pfd作為指標利用最小二乘法 線性擬合獲取部件Xc的開始時間也持續(xù)時間文％.一 胃
[0105] 步驟4.9.3:比較部件Xfleet-post和XC的開始時間、持續(xù)時間，將結束時間最晚的部件 作為第二階段延誤時間最長的部件Xww，則第二階段時間為
[0106] %偷2 =胸減巧>滅"_，
[0107] 優(yōu)選地，在上述的預測方法中，所述步驟5包括如下子步驟：
[0108] 步驟5.1:航空發(fā)動機第三階段服從期望為的廣義泊松分布；
[0109] 步驟5.2:除去節(jié)假日因素，試車和組裝出現(xiàn)的新問題對第三階段的影響，統(tǒng)計發(fā) 現(xiàn)1 入cycle3 ~ Ttest_MaX ( Tcritical，Tmarshalling );
[0110] 其中：Ttest是指航空發(fā)動機的試車日期，TCTitic:ai是指每臺航空發(fā)動機最后結束的 特征部件；
[0111] 步驟5 ? 3:以Acycle3作為第三階段的時間。
[0112] 優(yōu)選地，在上述的預測方法中，所述步驟3的具體方法還包括：
[0113]航空發(fā)動機進入第一階段，若有工作范圍升級，則進行如下操作：
[0114]步驟a. 1:獲取工作范圍升級的部件，最初修理級別和升級后建議修理級別；
[0115] 步驟a. 2:統(tǒng)計航空發(fā)動機所有人對該類升級的處理時間，采用趨勢分析獲取預估 該類升級解決所需的時間，修正第一階段的所需時間。
[0116] 優(yōu)選地，在上述的預測方法中，所述步驟4的具體方法還包括：
[0117]步驟b. 1:航空發(fā)動機進入第二階段，根據(jù)航空發(fā)動機實際修理進展發(fā)現(xiàn):延誤部 件與進修理廠之前預計的特征件不同或預計結束時間與實際最晚的結束時間不同，則進行 如下修正；
[0118] 步驟b. 2:統(tǒng)計該臺航空發(fā)動機每個部件的結束時間，若最晚結束的部件與之前預 測的特征件相同，在部件確定發(fā)貨或部件實際結束日期之前以對第二階段預計的時間為 準，若已發(fā)貨或結束時間已確定則以發(fā)貨或結束時間作為第二階段結束時間；
[0119] 步驟b.3:若最晚結束部件與之前預測的特征部件不同，則以航空發(fā)動機實際的最 晚結束部件為準，采用步驟4.9的方法，采用趨勢分析預計第二階段時間；若部件結束時間 已確定，則以確定時間作為第二階段結束時間；
[0120] 步驟b . 4:航空發(fā)動機進入第一或第二階段，若預測的延誤部件標簽為"批次影 響"，且該批次的問題部件已解決，則重復步驟b. 1，b. 2，b3，重新對部件進行預測。
[0121] 優(yōu)選地，在上述的預測方法中，所述步驟5的具體方法還包括：
[0122] 步驟c:航空發(fā)動機進入第三階段，若試車安排有調(diào)整或組裝過程出現(xiàn)新問題，則 進行如下修正：
[0123] 步驟c.l:試車安排有沖突，以修理廠的實際試車安排為準，進行修正，航空發(fā)動機 試車安排的影響天數(shù)為1到2天；
[0124] 步驟c. 2:組裝過程出現(xiàn)新問題，該情況出現(xiàn)概率很小，以修理廠提出的建議調(diào)整 天數(shù)為參考進行調(diào)整。
[0125] 分析可知，本發(fā)明公開一種航空發(fā)動機在修理廠維修時間的預測方法，實現(xiàn)了對 航空發(fā)動機在修理廠維修時間的精準預測，對修理廠和航空運營人都是極為有益的。
【附圖說明】
[0126] 構成本申請的一部分的說明書附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示 意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。其中：
[0127] 圖1是航空發(fā)動機修理的三個階段示意圖；
[0128] 圖2是本發(fā)明一實施例的流程示意圖。
【具體實施方式】
[0129] 下面將參考附圖并結合實施例來詳細說明本發(fā)明。需要說明的是，在不沖突的情 況下，本申請中的實施例及實施例中的特征可以相互組合。
[0130] 如圖1至圖2所示，根據(jù)本發(fā)明的實施例，提供了一種航空發(fā)動機在修理廠維修時 間的預測方法，所述航空發(fā)動機包括多個部件，包括以下步驟：
[0131] 步驟1:基于航空發(fā)動機的工作范圍（工作范圍是指規(guī)定發(fā)動機各部件的分解程度 和修理深度的規(guī)范性文件)對航空發(fā)動機的修理級別進行分類，將所述修理級別分類為:部 件深度大修、性能恢復修理和故障排除式修理；
[0132] 步驟2:將航空發(fā)動機在修理廠的維修流程分為三個階段：
[0133] 第一階段:航空發(fā)動機進入修理廠維修站位和主檢，
[0134] 第二階段:航空發(fā)動機的部件修理和集件，
[0135] 第三階段:航空發(fā)動機的組裝和試車；
[0136] 步驟3:利用貝葉斯方法和馬爾可夫狀態(tài)轉(zhuǎn)移矩陣預測航空發(fā)動機在第一階段的 所需時間，影響第一階段所需時間的因素有：
[0137] 航空發(fā)動機前幾次維修在第一階段的所需時間，
[0138] 第一階段開始時處于第三階段的其它航空發(fā)動機的臺數(shù)和工作范圍的修訂，航空 發(fā)動機進入修理廠和主檢過程中，根據(jù)部件的實際損傷情況，對原有工作范圍的界定修理 深度和分解程度的改變稱為工作范圍的修訂；
[0139] 步驟4:利用隱馬爾可夫模型預測航空發(fā)動機在第二階段所需的時間；
[0140]步驟5:預測航空發(fā)動機在第三階段所需時間，影響第三階段時間的因素有：
[0141]第二階段尚未修理完成的部件對第三階段的影響，
[0142] 組裝和試車過程出現(xiàn)的新問題；
[0143] 步驟6:通過步驟3至5,分別得到第一至第三階段的所需時間，將第一至第三階段 的所需時間進行加和并考慮節(jié)假日信息，最后獲得航空發(fā)動機在修理廠維修時間的預測。
[0144] 由于航空發(fā)動機特別是民用航空發(fā)動機的修理周期對發(fā)動機修理廠和航空營運 人影響密切。本發(fā)明提供的方法能夠獲得航空發(fā)動機在修理廠維修時間的預測，對修理廠 和航空運營人都是極為有益的。
[0145] 進一步地，在上述預測方法中，步驟2的具體方法為：
[0146] 步驟1.1:收集航空發(fā)動機的工作范圍，根據(jù)工作范圍對航空發(fā)動機各部件的修理 級別進行定義，構建航空發(fā)動機工作范圍的原始特征矩陣0WSL: '氣i…鉍X-m'
[0147] OirSI I \ i MnS - Mam
[0148] 其中:是第i臺航空發(fā)動機第j個部件的修理級別；
[0149] 步驟1.2:對所述原始特征矩陣0WSL進行數(shù)值化處理，獲得新的原始特征矩陣WSL: 氣1…漢
[0150] im = I !
[0151] 其中:表示經(jīng)過數(shù)值化處理后的第i臺航空發(fā)動機第j個部件的修理級別；
[0152] 步驟1.3:在系統(tǒng)聚類法框架下，采用WARD離差平方和法以歐式距離為度量標準， 獲取當前航空發(fā)動機的修理級別；
[0153] 步驟1.3.1:將當前航空發(fā)動機的工作范圍帶入WSL;
[0154] 步驟1 ? 3 ? 2:將n+1臺航空發(fā)動機分成k類Gi，G2，…，Gk，Gt表示的是Gi，G2，…，Gk中的 某一組，0<t<k，則Gt的離差平方和St為：
[0155] SV = ^(^ i?I
[0156] 其中:Xit表示Gt中的第i臺航空發(fā)動機的工作范圍，表示Gt的重心；
[0157] GP和Gq表示的是Gi，G2,…，Gk中的某一組，0彡t彡k，將G P和Gq合并為新類Gr即Gr = GP UGq，類內(nèi)離差平方和分別為：
[0161] 定義歐式距離沒& =知~ &，GjPGq越類似，則沒|\越小，反之越大；
[0162] 步驟1.3.3:將n+1臺航空發(fā)動機各自組成一類，然后縮小一類，每縮小一類會導致 St增大，選擇使St增加最小的兩類合并，直到所有航空發(fā)動機都歸為一類為止；
[0163] 步驟1.3.4:基于步驟1.3.3的聚類結果，將其分為k類，獲取當前航空發(fā)動機的工 作范圍所在類。
[0164] 優(yōu)選地，步驟2還包括：
[0165] 航空發(fā)動機進入第一階段，若有工作范圍升級，則進行如下操作：
[0166] 步驟a. 1:獲取工作范圍升級的部件，最初修理級別和升級后建議修理級別；
[0167] 步驟a. 2:統(tǒng)計航空發(fā)動機所有人對該類升級的處理時間，采用趨勢分析獲取預估 該類升級解決所需的時間，修正第一階段的所需時間。
[0168] 進一步地，在上述預測方法中，步驟3的具體方法為：
[0169] 步驟3.1:根據(jù)步驟1獲取的當前航空發(fā)動機的修理級別，統(tǒng)計航空發(fā)動機在修理 級別時第一階段的所需時間，第一階段的所需時間除去節(jié)假日和航空發(fā)動機的工作范圍升 級延誤時間，獲得第一階段的先驗分布?。％1 (31|^和第一階段的區(qū)間01 = {(11，-_，(^};
[0170] 步驟3.2:獲取最近三次航空發(fā)動機在第一階段的所需時間集加={(181，如2，如 3}; [0171]步驟3.3:下述步驟的目的在于明確第三階段對第一階段的影響：
[0172]步驟3.3.1:選取修理廠最近三年的維修記錄，統(tǒng)計獲得航空發(fā)動機第一階段時處 于第三階段的同類型其它航空發(fā)動機的數(shù)量，形成數(shù)量區(qū)間N={m，…，nn}，并構成原始資 料矩陣0C1:
[0173] QC1 ^ ^ ^ |
[0174] 其中：cu表示當處于第三階段的同類型其它航空發(fā)動機的臺數(shù)為N(i)時，第一階 段天數(shù)為Dl (j)的航空發(fā)動機臺次；
[0175] 步驟3.3.2:受訓練樣本數(shù)據(jù)量限制，矩陣0(：1可能會有0事件出現(xiàn)，即：(^ = 0 1< i<n且l<j<n，需要對0C1進行拉普拉斯平滑，獲得修正后的原始資料矩陣0Clm:
[0176] 步驟3.3.2.1:若矩陣0C1第i行含有0事件，則將其提取出來C( i) = {ci, i，. . . ci,n}
[0177] 步驟3.3.2.2:對C( i)進行拉普拉斯平滑獲得(*( i):
[01 78] Cm( i ) = {ci, 1+入，Ci, 2+入，? ? ? Ci,n+M，0<入< 1
[0179] 步驟3.3.3:對修正后原始資料矩陣0Clm進行概率歸一化處理得到概率矩陣Cl: 、Pl、i …
[0180] Cl ~ * ' *
[0181] 其中：pu表示當處于第三階段的同類型其它航空發(fā)動機臺數(shù)為N(i)時，第一階段 天數(shù)為D(j)所出現(xiàn)的概率;且= 1 VI €
[0182] 步驟3.4:航空發(fā)動機的工作范圍升級對第一階段的影響已在步驟3.1中消除，影 響第一階段的所需時間的因素只剩下最近前幾次航空發(fā)動機處于第一階段的時間（以下用 數(shù)據(jù)集ds表示），第一階段開始時處于第三階段的同類型其它航空發(fā)動機臺數(shù)（以下用eng 表示），ds與eng之間完全獨立，構建"Head to Head"貝葉斯網(wǎng)絡預測第二階段的所需時間； 貝葉斯方法的基本表達式為：
[0184] 其中:P(H)稱為先驗概率，即在得到新樣本前某一假設的概率；
[0185] P(H|D)稱為后驗概率，即在獲得新樣本數(shù)據(jù)后，需要計算的概率；
[0186] P(D|H)是在該假設下得到這一數(shù)據(jù)的概率，稱為似然度；
[0187] P(D)是在任何假設下得到這一數(shù)據(jù)的概率，稱為標準化常量；
[0188] 步驟3.4.1:根據(jù)步驟3.1獲得航空發(fā)動機第一階段的所需時間的先驗分布 Pcyclel-prior ;
[0189]步驟3.4.2:研究發(fā)現(xiàn)航空發(fā)動機第一階段過程服從期望為A的廣義泊松分布，將 其作為似然函數(shù)，BP:
[01 90]其中：人一S daysday S X Pi day SGDl ?PiGP cyclel-prior
[0191] 步驟3.4.3:以ds作為最新的樣本信息，利用貝葉斯公式，求得該情況下的后驗概 率Pcycdei-ds及最大后驗估計MLEds;即在已知修理廠第一階段的所需時間總體分布的前提下， 利用最新的航空發(fā)動機第一階段的所需時間對下一次航空發(fā)動機第一階段的所需時間進 行估計；
[0192] 步驟3.4.4:利用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣獲得從概率矩陣C1獲取當組裝航空發(fā)動 機臺數(shù)為eng時的概率分布Pcycdeimg及最大估計MLEeng;
[0193] 步驟3.4.5:利用修理廠第一階段的所需時間的歷史數(shù)據(jù)對貝葉斯網(wǎng)絡進行訓練， 即訓練x取值，使預測值與實際值之間的誤差Err最??；
[0195] 其中：cUmdg的是第i臺發(fā)動機第一階段的真實天數(shù)；
[0196] 步驟3.5:通過步驟3.1到3.4，可在航空發(fā)動機進修理廠維修之前獲得航空發(fā)動機 第一階段的所需時間的后驗概率及最大后驗估計。
[0197] 進一步地，在上述預測方法中，步驟4的具體方法為：
[0198] 步驟4.1:采用標準化方法記錄部件的維修數(shù)據(jù)，所述部件的維修數(shù)據(jù)包括：
[0199] 步驟4.1.1:記錄修理廠內(nèi)修理的部件的如下內(nèi)容：部件名稱，所屬部件，開始時 間，結束時間和相關描述；
[0200] 步驟4.1.2:記錄新訂購的部件的如下內(nèi)容:部件名稱，所屬部件，訂貨日期（即開 始時間），供應商發(fā)貨日期，供應商所在城市，修理廠接收時間（即結束時間)及相關描述；
[0201] 步驟4.1.3:記錄外送修理的部件的如下內(nèi)容:部件名稱，所屬部件，修理廠發(fā)貨日 期（即開始時間），外送修理商接收日期，外送修理商發(fā)貨日期，外送修理商所在城市，修理 廠接收日期（即結束時間)及相關描述；
[0202] 步驟4.1.4:對于其它類型的部件，比如申請"工程偏離許可"，則需要新建新類型 "工程偏離許可"，并記錄其它類型的部件的如下內(nèi)容:部件名稱，所屬部件，申請日期（即開 始時間），批準日期（即結束時間)及相關描述；
[0203] 步驟4.1.5:對每條記錄添加影響標簽:機隊影響、批次影響和單臺影響;機隊影響 是指該條記錄所描述部件對整個機隊產(chǎn)生影響;批次影響是指該條記錄所描述部件受供應 鏈等其它因素影響短期內(nèi)會對航空發(fā)動機在修理廠時間產(chǎn)生影響，若記錄具有批次影響標 簽，必須余外標記批次影響標簽的開始時間、結束時間；單臺影響是指該條記錄所描述部件 只對該臺航空發(fā)動機產(chǎn)生影響，并不會影響其它航空發(fā)動機；
[0204] 步驟4.2:構建標簽為"機隊影響"的航空發(fā)動機特征部件資料庫，即對每一臺航空 發(fā)動機按照如下方法記錄特征部件:為體現(xiàn)特征部件資料庫錄入數(shù)據(jù)的時效性，選取最近 一至五年來的航空發(fā)動機的維修數(shù)據(jù)作為數(shù)據(jù)源；
[0205] 步驟4.2.1:將標簽為"機隊影響"且滿足如下三條條件之一的航空發(fā)動機部件放 入特征部件資料庫中：a)集件完成日期與部件結束日期之差小于第二階段的l/3，b)部件結 束日期大于集件完成日期，C)部件持續(xù)時間大于第二階段總時間的2/3;
[0206]步驟4.2.2:資料庫由兩張數(shù)據(jù)表組成:第一張表記錄航空發(fā)動機第二階段的節(jié)點 及統(tǒng)計信息，第二張表記錄符合步驟4.2.1條件的航空發(fā)動機部件信息，基本形式如下：
[0209]步驟4.3:根據(jù)特征部件資料庫，統(tǒng)計出對每臺航空發(fā)動機第二階段持續(xù)時間最長 的部件得到其概率分布Pfleet-prior;
[021 0]其中Pf leet-_。:按照概率值由大到小對部件進行排序，得到部件序列Xf leet;
[0211] 步驟4.4 :從特征部件庫中提取最近一段時間的航空發(fā)動機數(shù)據(jù)，統(tǒng)計序列Xfkt中 部件出現(xiàn)的次數(shù)，得到序列NX;
[0212] 步驟4.5:NX-般會出現(xiàn)0元素，若有0元素出現(xiàn)，則需對0元素進行古德圖靈估計進 行修正，消除〇元素，然后對其進行歸一化處理得到概率分布Px;本步驟的實質(zhì)在于獲取最 近一段時間內(nèi)標簽為"機隊影響"的航空發(fā)動機特征部件的變化趨勢；
[0213] 步驟4.6:獲取標簽為"機隊影響"的航空發(fā)動機部件的后驗概率Pfieet-pcist及最大 后驗估計Xfleet-postl和次最大后驗概率Xfle3e3t-post2 ;
[0214]其中：Pfleet-pcistSPfleet-priQr 點乘 PX 后的歸一化數(shù)組；
[0215] 步驟4.7:為及時體現(xiàn)"批次影響"對航空發(fā)動機在修理廠時間的影響，需構建非齊 次馬爾可夫鏈，動態(tài)調(diào)整預測的延誤部件；
[0216] 步驟4.7.1:從原始數(shù)據(jù)中提取最近一段時間的航空發(fā)動機數(shù)據(jù)，統(tǒng)計每臺航空發(fā) 動機第二階段持續(xù)時間最長的部件；
[0217] 步驟4.7.2:根據(jù)步驟4.6獲取的后驗概率Pflatiost，將后驗概率最大的前幾個部 件劃為集合T(集合T中部件的具體數(shù)量由P fle5e5t-pcist分布形式?jīng)Q定），將其它未出現(xiàn)的部件劃 分為集合C;
[0218] 步驟4.7.3:增加狀態(tài)變量Ek，用來表示部件是否屬于集合T，EkG {〇，1}，其中〇和1 分別表示部件不屬于集合T和屬于集合T的假設，其狀態(tài)轉(zhuǎn)移概率矩陣可以表示為： _ A]
[0220]其中：巧i =蘆(兔；丨％~：1丄.心=，ek表示事件Ek=l，％表示Ek = 〇; II 為非齊次馬爾可夫狀態(tài)轉(zhuǎn)移矩陣(非齊次是指&，？(1的值是非固定的，其值由步驟4.7.1決 定)；
[0221 ]步驟4.8:利用步驟4.7獲得的狀態(tài)轉(zhuǎn)移概率矩陣II確定延誤時間最長的部件；
[0222]步驟4.8.1:若預測部件屬于集合T，則簡化步驟4.9,將Xfle5e5t-pcis4P^^ m*"^^分 別作為第二階段延誤時間最長部件和第二階段所需時間；
[0223] 步驟4.8.2:若預測部件屬于集合C，則需采取如下步驟：
[0224] 步驟4.8.2.1:獲取步驟4.7.1中的影響標簽，篩選出標簽為"機隊影響"和"批次影 響"的部件，統(tǒng)計各部件出現(xiàn)的頻數(shù)并進行排序，對于已經(jīng)結束的帶有"批次影響"標簽的部 件不進行統(tǒng)計；
[0225] 步驟4.8.2.2:篩選出頻數(shù)最大且大于等于2的部件XC，作為潛在影響下一臺航空 發(fā)動機第二階段時間的延誤部件；
[0226] 步驟4.9:通過對部件乂￡1(^1。^1上1(^1。^2和)^的趨勢分析，預測第二階段所需時 間；
[0227] 步驟4.9.1:采用如下方法對部件Xfleet-pcistdPX fleet-pcist2進行趨勢分析：
[0228] 步驟4 ? 9 ? 1 ? 1 :建立如下2個指標對部件Xfleet-postl和Xfleet-pcist2進行統(tǒng)計：
[0229] fs = Tstart-Tmain insp
[0230] fd = T closed-Tstart
[0231] 步驟4.9.1.2:將乂￡1(^-1)。^1和乂￡1 (^-1)。^2放在同一坐標系下分別對匕和€(1進行最小 二乘法線性擬合，預測兩個部件的f s和fd，將結束時間最晚的部件記為Xfhtlost;
[0232] 步驟4.9.1.3:基于最小二乘法線性擬合利用公式 ------
[0233] ~ ~~
[0234] 對部件Xf leet-post所需時間進行趨勢分析，確定;
[0235] 步驟4.9.2:以步驟4.7.1獲取的數(shù)據(jù)作為數(shù)據(jù)源，f4Pfd作為指標利用最小二乘法 線性擬合獲取郃件Xc的開始時間》灸-攻art '持續(xù)時間~~ Uos祕~ 'JmsiTUs-;'
[0236] 步驟4.9.3:比較部件Xfleet-pcist和XC的開始時間、持續(xù)時間，將結束時間最晚的部件 作為第二階段延誤時間最長的部件Xww，則第二階段時間為
[0237] TcycU2 ^ f
[0238] 優(yōu)選地，步驟4的具體方法還包括：
[0239] 步驟b . 1:航空發(fā)動機進入第二階段，根據(jù)航空發(fā)動機實際修理進展發(fā)現(xiàn):延誤部 件與進修理廠之前預計的特征件不同或預計結束時間與實際最晚的結束時間不同，則進行 如下修正：
[0240] 步驟b. 2:統(tǒng)計該臺航空發(fā)動機每個部件的結束時間，若最晚結束的部件與之前預 測的特征件相同，在部件確定發(fā)貨(對外送修理或訂購的新件)或部件實際結束日期(對修 理廠內(nèi)修理部件)之前以對第二階段預計的時間為準，若已發(fā)貨或結束時間已確定則以發(fā) 貨或結束時間作為第二階段結束時間；
[0241] 步驟b.3:若最晚結束部件與之前預測的特征部件不同，則以航空發(fā)動機實際的最 晚結束部件為準，采用步驟4.9類似的方法，采用趨勢分析預計第二階段時間；若部件結束 時間（外送修理或新件已發(fā)貨、修理廠內(nèi)修理部件確定結束）已確定，則以確定時間作為第 二階段結束時間；
[0242] 步驟b. 4:航空發(fā)動機進入第一或第二階段，若預測的延誤部件標簽為"批次影 響"，且該批次的問題部件已解決，則重復步驟b. 1，b. 2，b3，重新對部件進行預測。
[0243] 進一步地，在上述預測方法中，所述步驟5的具體方法為：
[0244] 步驟5.1:航空發(fā)動機第三階段服從期望為的廣義泊松分布；
[0245] 步驟5.2:除去節(jié)假日因素，試車和組裝出現(xiàn)的新問題對第三階段的影響，統(tǒng)計發(fā) 現(xiàn)1 入cycle3 ~ Ttest_MaX ( Tcritical，Tmarshalling );
[0246] 其中：Ttest是指航空發(fā)動機的試車日期，TCTitic:ai是指每臺航空發(fā)動機最后結束的 特征部件；
[0247] 步驟5 ? 3:以Acycle3作為第三階段的時間。
[0248] 優(yōu)選地，步驟5的具體方法還包括：
[0249] 步驟c :航空發(fā)動機進入第三階段，若試車安排有調(diào)整或組裝過程出現(xiàn)新問題，則 進行如下修正：
[0250]步驟c.l:試車安排有沖突，以修理廠的實際試車安排為準，進行修正，航空發(fā)動機 試車安排的影響天數(shù)一般在1到2天；
[0251 ] 步驟c. 2:組裝過程出現(xiàn)新問題，該情況出現(xiàn)概率很小，以修理廠提出的建議調(diào)整 天數(shù)為參考進行調(diào)整。
[0252]工作范圍規(guī)定了航空發(fā)動機的每個部件的具體修理級別，在標準修理流程下，可 以將航空發(fā)動機在修理廠的時間劃分為三個階段(如圖1所示）：第一階段:航空發(fā)動機進修 理廠至主檢結束，第二階段:航空發(fā)動機主檢結束至集件完成，第三階段:航空發(fā)動機開始 組裝至準備試車。第一階段和第三階段均發(fā)生在修理廠中，修理廠對這兩個階段的控制性 強，且每個階段的時間偏差很小;對CFM56-5B/7B航空發(fā)動機而言，第一階段一般為10天，第 三階段一般為13天。在第二階段，修理廠需將某些部件外送修理或訂購新件，修理廠對該階 段的控制能力差，無法準確預估部件的返回或發(fā)貨時間，第二階段的時間偏差大，是影響航 空發(fā)動機在修理廠時間的主要因素。
[0253] 從以上的描述中，可以看出，本發(fā)明上述的實施例實現(xiàn)了如下技術效果:本發(fā)明提 供的方法能夠獲得航空發(fā)動機在修理廠維修時間的預測，即實現(xiàn)航空發(fā)動機在修理廠的第 一階段，第二階段和第三階段的分別預測，最后獲得航空發(fā)動機在修理廠維修時間的總體 預測，對修理廠和航空運營人都是極為有益的。
[0254] 以上所述僅為本發(fā)明的優(yōu)選實施例，并不用于限制本發(fā)明，對于本領域的技術人 員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、 等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
【主權項】
1. 一種航空發(fā)動機在修理廠維修時間的預測方法，所述航空發(fā)動機包括多個部件，其 特征在于，包括以下步驟： 步驟1:基于航空發(fā)動機的工作范圍對航空發(fā)動機的修理級別進行分類； 步驟2:將航空發(fā)動機在修理廠的維修流程分為三個階段： 第一階段:航空發(fā)動機進入修理廠維修站位和主檢， 第二階段:航空發(fā)動機的部件修理和集件， 第三階段:航空發(fā)動機的組裝和試車； 步驟3:利用貝葉斯方法和馬爾可夫狀態(tài)轉(zhuǎn)移矩陣預測航空發(fā)動機在第一階段的所需 時間； 步驟4:利用隱馬爾可夫模型預測航空發(fā)動機在第二階段所需的時間； 步驟5:根據(jù)第二階段尚未修理完成的部件對第三階段的影響及組裝和試車過程出現(xiàn) 的新問題預測航空發(fā)動機在第三階段所需時間； 步驟6:通過步驟3至5,分別得到第一至第三階段的所需時間，將第一至第三階段的所 需時間進行加和并考慮節(jié)假日信息，最后獲得航空發(fā)動機在修理廠維修時間的預測。2. 根據(jù)權利要求1所述的預測方法，其特征在于，所述步驟1包括如下子步驟： 步驟1.1:收集航空發(fā)動機的工作范圍，根據(jù)工作范圍對航空發(fā)動機各部件的修理級別 進行定義，構建航空發(fā)動機工作范圍的原始特征矩陣OWSL:其中:是第i臺航空發(fā)動機第j個部件的修理級別； 步驟1.2:對所述原始特征矩陣OWSL講行數(shù)倌化樸理，獲得新的原始特征矩陣WSL:其中:表示經(jīng)過數(shù)值化處理后的第i臺航空發(fā)動機第j個部件的修理級別； 步驟1.3:在系統(tǒng)聚類法框架下，采用WARD離差平方和法以歐式距離為度量標準，獲取 當前航空發(fā)動機的修理級別； 優(yōu)選地，所述步驟1.3包括如下子步驟： 步驟1.3.1:將當前航空發(fā)動機的工作范圍帶入WSL; 步驟1.3.2:將n+1臺航空發(fā)動機分成1^類6!，G2，…，Gk，Gt表示的是G 1，G2，…，Gk中的某一 組，0彡t彡k，則Gt的離差平方和St為：其中:Xit表示Gt中的第i臺航空發(fā)動機的工作范圍，耳表示Gt的重心； Gp和Gq表示的是G1，G2，…，Gk中的某一組，0彡t彡k，將G p和Gq合并為新類Gr即Gr = Gp U Gq， 類內(nèi)離差平方和分別為：定義歐式距離PGq越類似，貝I小，反之越大； 步驟1.3.3:將n+1臺航空發(fā)動機各自組成一類，然后縮小一類，每縮小一類會導致St增 大，選擇使St增加最小的兩類合并，直到所有航空發(fā)動機都歸為一類為止； 步驟1.3.4:基于步驟1.3.3的聚類結果，將其分為k類，獲取當前航空發(fā)動機的工作范 圍所在類。3.根據(jù)權利要求1所述的預測方法，其特征在于，所述步驟3包括如下子步驟： 步驟3.1:根據(jù)步驟1獲取的當前航空發(fā)動機的修理級別，統(tǒng)計航空發(fā)動機在該修理級 別時第一階段的所需時間，第一階段的所需時間除去節(jié)假日和航空發(fā)動機的工作范圍升級 延誤時間，獲得第一階段的先驗分布?^1 (31|_和第一階段的區(qū)間〇1 = {(11，···，^}; 步驟3.2:獲取最近三次航空發(fā)動機在第一階段的所需時間集ds = {dS1，ds2，ds3}; 步驟3.3:明確第三階段對第一階段的影響； 步驟3.4:構建"Head to Head"貝葉斯網(wǎng)絡預測第二階段的所需時間；貝葉斯方法的基 本表達式為：其中:P(H)稱為先驗概率，即在得到新樣本前某一假設的概率； P(H ID)稱為后驗概率，即在獲得新樣本數(shù)據(jù)后，需要計算的概率； P(D|H)是在該假設下得到這一數(shù)據(jù)的概率，稱為似然度； P(D)是在任何假設下得到這一數(shù)據(jù)的概率，稱為標準化常量； 步驟3.5:通過步驟3.1到3.4，可在航空發(fā)動機進修理廠維修之前獲得航空發(fā)動機第一 階段的所需時間的后驗概率及最大后驗估計； 優(yōu)選地，步驟3.3包括如下子步驟： 步驟3.3.1:選取修理廠最近三年的維修記錄，統(tǒng)計獲得航空發(fā)動機第一階段時處于第 三階段的同類型其它航空發(fā)動機的數(shù)量，形成數(shù)量區(qū)間N= {ηι，···，ηη}，并構成原始資料矩 陣 0C1:其中：CU表示當處于第三階段的同類型其它航空發(fā)動機的臺數(shù)為N(i)時，第一階段天 數(shù)為Dl (j)的航空發(fā)動機臺次； 步驟3.3.2:受訓練樣本數(shù)據(jù)量限制，矩陣OCl可能會有O事件出現(xiàn)，即：Ci, j = O I < i <n 且l<j<n，需要對OCl進行拉普拉斯平滑，獲得修正后的原始資料矩陣OClm: 步驟3.3.3:對修正后原始資M拓陡nn m講軒擗鑾丨丨q-仆,々卜裡得到概率矩陣Cl:其中：PU表示當處于第三階段的同類型其它航空發(fā)動機臺數(shù)為N(i)時，第一階段天數(shù) 為D(j)所出現(xiàn)的概率； 優(yōu)選地，步驟3.3.2包括如下子步驟：步驟3.3.2.1:若矩陣OCl第i行含有0事件，則將其提取出來C(i) = {Ci,i，. . . Ci,n}; 步驟3.3.2.2:對C(i)進行拉普拉斯平滑獲得(^(i): Cm(i) = {ci,i+X，ci,2+X，· · .Ci,n+A}，〇<λ<1 步驟； 優(yōu)選地，步驟3.4包括如下子步驟： 步驟3.4.1:根據(jù)步驟3.1獲得航空發(fā)動機第一階段的所需時間的先驗分布; 步驟3.4.2:研究發(fā)現(xiàn)航空發(fā)動機第一階段過程服從期望為λ的廣義泊松分布，將其作 為似然函數(shù)，BP其中：λ - Σ daysdayS X Pi days G Dl j Pi G Pcyclel -prior ； 步驟3.4.3:以ds作為最新的樣本信息，利用貝葉斯公式，求得該情況下的后驗概率 Pcyclel-ds及最大后驗估計MLEds;即在已知修理廠第一階段的所需時間總體分布的前提下，利 用最新的航空發(fā)動機第一階段的所需時間對下一次航空發(fā)動機第一階段的所需時間進行 估計； 步驟3.4.4:利用馬爾可夫狀態(tài)轉(zhuǎn)移矩陣獲得從概率矩陣Cl獲取當組裝航空發(fā)動機臺 數(shù)為eng時的概率分布Pcy cdel-eng及最大估計MLEeng; 步驟3.4.5:利用修理廠第一階段的所需時間的歷史數(shù)據(jù)對貝葉斯網(wǎng)絡進行訓練，SP訓 /擊莉?、/古t=；命古+問的]呈裝其中:CU,raal指的是第i臺發(fā)動機第一階段的真實天數(shù)。4.根據(jù)權利要求1所述的預測方法，其特征在于，所述步驟4包括以下子步驟： 步驟4.1:采用標準化方法記錄部件的維修數(shù)據(jù)； 步驟4.2:構建標簽為"機隊影響"的航空發(fā)動機特征部件資料庫，即對每一臺航空發(fā)動 機記錄特征部件； 步驟4.3:根據(jù)特征部件資料庫，統(tǒng)計出對每臺航空發(fā)動機第二階段持續(xù)時間最長的部 件得到其概率分布Pfleet-prior ; 其中Pfl%t-Pric^$照概率值由大到小對部件進行排序，得到部件序列Xflmt 步驟4.4 :從特征部件庫中提取最近一段時間的航空發(fā)動機數(shù)據(jù)，統(tǒng)計序列Xf 中部件 出現(xiàn)的次數(shù)，得到序列Nx; 步驟4.5: Nx若有O元素出現(xiàn)，則對O元素進行古德圖靈估計進行修正，消除O元素，然后對 其進行歸一化處理得到概率分布Px;本步驟在于獲取最近一段時間內(nèi)標簽為"機隊影響"的 航空發(fā)動機特征部件的變化趨勢； 步驟4.6:獲取標簽為"機隊影響"的航空發(fā)動機部件的后驗概率Pfle3e3tIcist及最大后驗估 計Xfleet-postl和次最大后驗概率Xfleet-post2 ; 其中：Pfleet-post為Pfleet-prior點乘Px后的歸一化數(shù)組； 步驟4.7 :為及時體現(xiàn)"批次影響"對航空發(fā)動機在修理廠時間的影響，構建非齊次馬爾 可夫鏈，動態(tài)調(diào)整預測的延誤部件，獲得的狀態(tài)轉(zhuǎn)移概率矩陣Π ; 步驟4.8:利用步驟4.7獲得的狀態(tài)轉(zhuǎn)移概率矩陣π確定延誤時間最長的部件； 步驟4.9:通過對部件Xf Ie3e3t-Pcistl，Xf 1^1_2和&的趨勢分析，預測第二階段所需時間。5.根據(jù)權利要求4所述的預測方法，其特征在于，所述步驟4.2中對每一臺航空發(fā)動機 按照如下方法記錄特征部件： 步驟4.2.1:將標簽為"機隊影響"且滿足如下三條條件之一的航空發(fā)動機部件放入特 征部件資料庫中:a)集件完成日期與部件結束日期之差小于第二階段的1/3，b)部件結束日 期大于集件完成日期，c)部件持續(xù)時間大于第二階段總時間的2/3; 步驟4.2.2:資料庫由兩張數(shù)據(jù)表組成:第一張表記錄航空發(fā)動機第二階段的節(jié)點及統(tǒng) 計信息，第二張表記錄符合4.2.1條件的航空發(fā)動機部件信息； 優(yōu)選地，所述步驟4.7包括如下子步驟： 步驟4.7.1:從原始數(shù)據(jù)中提取最近一段時間的航空發(fā)動機數(shù)據(jù)，統(tǒng)計每臺航空發(fā)動機 第二階段持續(xù)時間最長的部件； 步驟4.7.2:根據(jù)步驟4.6獲取的后驗概率Pf ，將后驗概率最大的前幾個部件劃為 集合T，將其它未出現(xiàn)的部件劃分為集合C; 步驟4.7.3:增加狀態(tài)變量Ek，用來表示部件是否屬于集合T，Eke{0，l}，其中0和l分別 表示部件不屬于集合T和屬于集合T的假設，其狀態(tài)轉(zhuǎn)移概率矩陣可以表示為： 其?牛Ek=I，表示Ek = O; Π 為非 齊次馬爾可夫狀態(tài)轉(zhuǎn)移矩陣，所述非齊次是指Pb，Pd的值是非固定的，其值由步驟4.7.1決 定； 優(yōu)選地，所述步驟4.8包括如下子步驟： 步驟4.8.1:若預測部件屬于集合T，將Xf 分別作為第二階段延誤時 間最長部件和第二階段所需時間； 步驟4.8.2:若預測部件屬于集合C，則需采取如下步驟： 步驟4.8.2.1:獲取步驟4.7.1中的影響標簽，篩選出標簽為"機隊影響"和"批次影響" 的部件，統(tǒng)計各部件出現(xiàn)的頻數(shù)并進行排序，對于已經(jīng)結束的帶有"批次影響"標簽的部件 不進行統(tǒng)計； 步驟4.8.2.2:篩選出頻數(shù)最大且大于等于2的部件Xc，作為潛在影響下一臺航空發(fā)動機 第二階段時間的延誤部件。6. 根據(jù)權利要求5所述的預測方法，其特征在于，所述步驟4.9包括如下子步驟： 步驟4.9.1:采用如下方法對部件Xf Ie3e3t-Pcistl和Xf Ie3e3t-PCist2進行趨勢分析： 步驟4.9.1.1:建立如下2個指標對部件Xf leet-postjPXf Ieet-Pcist2進行統(tǒng)計： f s = Tstart-T maininsp fdTc Iosed-Ts tart 步驟4.9.1.2 :將Xfleet-postjPXfleet-Pcist2放在同一坐標系下分別對fs和fd進行最小二乘 法線性擬合，預測兩個部件的fS和fd，將結束時間最晚的部件記為Xfhtiost; 步驟4.9.1.3:基于最小二乘法線性擬合利用公式對部件1|1(3(31；-_1；所需時間進行趨勢分析，確定'巧:|^^_;：；5^; 步驟4.9.2:以步驟4.7.1獲取的數(shù)據(jù)作為數(shù)據(jù)源，fjPfd作為指標利用最小二乘法線性 擬合獲取郃件知的開始時間級ari '持續(xù)時間'巧^~~ Tc僅微這~~ 步驟4.9.3:比較部件XfktiosjPXc的開始時間、持續(xù)時間，將結束時間最晚的部件作為 第二階段延誤時間最長的部件Χ-1β2，則第二階段時間為7. 根據(jù)權利要求1所述的預測方法，其特征在于，所述步驟5包括如下子步驟： 步驟5.1:航空發(fā)動機第三階段服從期望為Iycde33的廣義泊松分布； 步驟5.2:除去節(jié)假日因素，試車和組裝出現(xiàn)的新問題對第三階段的影響，統(tǒng)計發(fā)現(xiàn) ^?cycle3 ~ Ttest-MflX ( Tcritical，Tmarshalling ); 其中：Ttest是指航空發(fā)動機的試車日期，IVritlral是指每臺航空發(fā)動機最后結束的特征 部件； 步驟5.3:以Acycle3作為第三階段的時間。8. 根據(jù)權利要求4所述的預測方法，其特征在于，所述步驟3的具體方法還包括： 航空發(fā)動機進入第一階段，若有工作范圍升級，則進行如下操作： 步驟a. 1:獲取工作范圍升級的部件，最初修理級別和升級后建議修理級別； 步驟a. 2:統(tǒng)計航空發(fā)動機所有人對該類升級的處理時間，采用趨勢分析獲取預估該類 升級解決所需的時間，修正第一階段的所需時間。9. 根據(jù)權利要求4所述的預測方法，其特征在于，所述步驟4的具體方法還包括： 步驟b.l:航空發(fā)動機進入第二階段，根據(jù)航空發(fā)動機實際修理進展發(fā)現(xiàn):延誤部件與 進修理廠之前預計的特征件不同或預計結束時間與實際最晚的結束時間不同，則進行如下 修正； 步驟b.2:統(tǒng)計該臺航空發(fā)動機每個部件的結束時間，若最晚結束的部件與之前預測的 特征件相同，在部件確定發(fā)貨或部件實際結束日期之前以對第二階段預計的時間為準，若 已發(fā)貨或結束時間已確定則以發(fā)貨或結束時間作為第二階段結束時間； 步驟b.3:若最晚結束部件與之前預測的特征部件不同，則以航空發(fā)動機實際的最晚結 束部件為準，采用步驟4.9的方法，采用趨勢分析預計第二階段時間；若部件結束時間已確 定，則以確定時間作為第二階段結束時間； 步驟b. 4:航空發(fā)動機進入第一或第二階段，若預測的延誤部件標簽為"批次影響"，且 該批次的問題部件已解決，則重復步驟b. I，b. 2，b3，重新對部件進行預測。10.根據(jù)權利要求7所述的預測方法，其特征在于，所述步驟5的具體方法還包括： 步驟c:航空發(fā)動機進入第三階段，若試車安排有調(diào)整或組裝過程出現(xiàn)新問題，則進行 如下修正： 步驟c. 1:試車安排有沖突，以修理廠的實際試車安排為準，進行修正，航空發(fā)動機試車 安排的影響天數(shù)為1到2天； 步驟c . 2:組裝過程出現(xiàn)新問題，該情況出現(xiàn)概率很小，以修理廠提出的建議調(diào)整天數(shù) 為參考進行調(diào)整。
【文檔編號】G06Q10/00GK105894097SQ201610265302
【公開日】2016年8月24日
【申請日】2016年4月25日
【發(fā)明人】程琳
【申請人】程琳