摘要：提出了一种设备健康预测和库存优化方法。使用自编码器提取监测信号特征,基于深度神经网络模型进行时序预测,构建设备健康度指标;采用统计分布判定和参数拟合的预测方法实现库存优化;最后,根据设备健康状态与备件数量实现生产主动预警。实例结果表明,该方法预测精度高于LSTM算法,可对设备故障进行精确预警,且备件库存优化模型的可靠性高达90.4%,可有效减少备件库存。

关键词：石油化工设备 设备健康监测 统计库存控制 大数据 

单位：中石化上海赛科石油化工有限责任公司; 上海201507; 华东理工大学商学院; 上海200237; 埃森哲(中国)有限公司; 上海200050