买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种分析延长设备保修期的智能化系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116523490B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310216213.7，技术领域涉及：G06Q10/20；该发明授权一种分析延长设备保修期的智能化系统是由张全新;郝身刚;周伟伟;李元章;谭毓安设计研发完成，并于2023-03-02向国家知识产权局提交的专利申请。

本一种分析延长设备保修期的智能化系统在说明书摘要公布了：本发明公开了一种分析延长设备保修期的智能化系统，属于计算机与智能制造技术领域。系统包括设备基本配置模块、保修期延长情况分析模块、获利情况分析模块、用户维护意愿估计模块、设备使用状态估计模块、设备维护情况检测模块。将设备备件划分为可检测备件和不可检测备件，利用智能传感器对可检测备件的持续性监测，构建设备的老化模型。通过构建设备老化状态、设备的老化状态、设备维护情况、设备使用状态、用户维护意愿模型，分析生产企业保修期内的获利情况，智能得出保修期延长的合理设置方式，据此动态调整设备保修期，能够根据用户对设备保养的重视程度测算保修期的延长情况，能够令生产企业和用户获取最大收益。

本发明授权一种分析延长设备保修期的智能化系统在权利要求书中公布了：1.一种分析延长设备保修期的智能化系统，其特征在于，包括设备基本配置模块、保修期延长情况分析模块、获利情况分析模块、用户维护意愿估计模块、设备使用状态估计模块、设备维护情况监测模块； 其中，设备基本配置模块负责设备配置、备件配置、智能设备传感器配置、可观测设备与监控传感器关联配置、可观测设备与监控传感器关联配置、停止维护条件配置和备件异常状态配置； 设备维护情况监测模块包括备件的维护策略、备件的维护方案、维护后设备状态； 设备使用状态估计模块负责设备状态持续监测、设备异常持续监测、预估设备当前状态； 用户维护意愿估计模块，负责用户配合程度估计、用户维护意愿估计； 获利情况分析模块，负责预期维护内容分析和预期获利情况分析； 保修期延长情况分析模块，负责根据收益情况预测最长保修时间、根据损坏数量预测最长保修时间、预估保修延长情况； 上述模块之间的关系为： 设备基本配置模块为其他模块提供基础配置；设备维护情况监测模块用于监测设备的实时状态，为设备使用状态估计模块和用户维护意愿估计模块提供数据支撑； 设备使用状态估计模块用于判别设备的状态；用户维护意愿估计模块用于预估用户的维护意愿；这两个模块进行协作，根据获利情况分析模块中的模型，分析出生产企业在保修期内的获利情况；在获利分析的基础上，通过保修期延长情况分析模块中的模型预测保修期的延长情况； 在设备基本配置模块中，设备配置内容包括设备的标准保修期、最小维护次数、当前维修期，其中： 备件配置：设备的备件分为两类，一类是无法通过传感器监测的，另一类是能够通过传感器监测的，称为可监测备件accessory；设备machine与可监测备件accessory之间的关联关系，表示为设备元组：accessory_1，accessory_2，...，accessory_N，N为可监测备件的个数； 智能传感器配置：设备中安装有智能传感器，用于监测设备的运行状态；智能传感器sensor用传感器元组表示：sensor_1,sensor_2,...,sensor_M，M为智能传感器数量； 每个智能传感器能够检测的数据表示为：智能传感器编号sensor_ID，数据类型，产生间隔，能够监测到的信息的最大值value_max，能够监测到的信息的最小值value_min； 设备状态计算规则配置：每种智能传感器只能检测到一部分设备数据，传感器与备件的关系表示为：设备编号accessory_ID，智能传感器列表sensor_lista_1,a_2,...,a_M，智能传感器之间的关系sensor_relationb_1,b_2,...,b_M，其中，，如果a=0，则表示与传感器无关，a=1则表示与传感器有关；在a=1的情况下，，表示与accessory_i状态的权重，；同时，需要对数据进行归一化，方法为：value_final=value_currentvalue_max-value_min，其中value_final为归一化的值，value_current为设备的当前数据，则accessory_i的状态如下式所示： 其中，j表示第j个传感器； 备件异常状态配置：使用老化状态元组表示：error_ID，accessory_ID，aging，其中aging为加速老化情况； 老化状态分级配置：在生命周期中收集设备的状态信息，根据收集到的数据以及Weibull分布，预计设备的老化状态；由于Weibull分布是连续的曲线，将连续的状态转为离散的状态，将老化情况划分为K个状态；每个备件的老化状态表示为accessory_i，status_liststatus_1，status_2，...，status_k，status_stop，status_interval，其中，status_k代表每个状态的最高值，status_stop代表停止维护的状态，status_interval代表维护间隔； 停止维护条件配置：当设备的组件有S个组件达到设定阈值β个，生产商将停止维护；β为根据实际需要设定，当有β个组件达到status_stop时，停止维护； 在设备使用状态估计模块中： 设备状态持续监测：持续检测设备的状态情况，并获取智能传感器上的数据情况；每个传感器获取数据的时间间隔不同，要对一个时间周期内的数据做平滑处理，求平均值，同时记录中位数、最大值、最小值； 设备异常持续监测：设上次维护时间为T_m；从上次维护至今，持续监测设备的异常情况，记录发生的异常情况、异常时间和加速老化状态：error.type，error.time,error.aging，其中aging从“备件异常状态配置”中获取；对于accessor_i，其错误列表为error_list_i； 预估设备当前状态：设当前时间为； 设备情况预估为：，使距离越近的异常，对状态的影响越大； 在用户维护意愿估计模块中： 用户配合程度估计：记录从设备交付用户后，记录用户的正常维护频次Maintain_number；生产企业通过设备监测设备的状态，在系统进入下一个维护周期时，周期起始时间为T_m，生产企业与用户沟通协商；设置时间阈值为T_d，用户做设备保养的时间为通知后的T_c；设用户的配合程度为cooperate，当T_c-T_mT_d时，记录为cooperate=1，当T_md-T_mT_d时，用户的配合程度为cooperate=1-T_md-T_m-T_dT_d； 用户维护意愿估计：用户的维护意愿由维护频次和用户配合程度决定，用户的意愿值为Value_wish=a*Maintain_numbermaintain_number_min+1-a*cooperate；其中，a为权重，； 在获利情况分析模块中： 预期维护内容分析：获取可观测设备状态status_finalaccessory_i，由于每个备件所处的状态不同，根据每个设备的状态计算设备的维护点； 首先获取status_finalaccessory_i所在的维护状态status_k；根据Weibull分布，预测当前保修期warranty_current中备件可能出现的状态status_j；获取需要维护的次数maintain_number=j-k%maintain_interval；最后，根据每个备件的维护策略，获取该备件的维护内容；Rewardaccessory_i=； 预期获利情况分析：通过维护内容，计算出相应的维护成本；预期获利表示为：Reward_total=Value_wish*； 在保修期延长情况分析模块中： 根据收益情况预测最长保修时间：设当前warranty_balance=warranty_current，根据预期维护内容分析增大当前保修期warranty_balance的值，使预期获利情况中的Reward_total为0，此时warranty_balance即为平衡点； 根据损坏数量预测最长保修时间：根据Weibull分布，预测S个配件达到不可维护状态的时间为status_time； 预估保修延长情况：取warranty_balance、status_time的最小值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。