需求随机波动下多设备批量生产系统的视情维护策略研究

针对需求随机波动情况下多设备批量生产系统的设备维护问题,提出了一种基于滚动生产计划和设备退化状况的视情维护策略。首先,通过滚动时域规划方法预测不同产品的随机需求并在此基础上以总生产成本最小确定滚动生产计划。其次,在每一滚动生产周期开始前检测系统中各设备的退化水平,利用Gamma过程描述退化增量,以最小维护成本率确定当前退化状态下各设备的最佳维护时间,同时为避免生产过程中断利用提前延后维护策略对预防维护进行动态调整。在系统层,利用生产转换时机对需要维护的组件进行组合维护。再次,引入时间约束和服务水平约束,建立批量生产与视情维护的联合优化模型,以总成本最小为目标,确定实际生产计划和维护计划。最后,通过算例以整个生产计划期内的总成本和故障次数为度量验证了所提出的多设备批量生产系统视情维护策略的有效性。     

区间数可重入混合流水车间调度与预维护协同优化

针对加工时间不确定的可重入混合流水车间调度与预维护协同优化问题,构建以区间最大完工时间、区间总碳排放和区间总预维护费用为优化目标的集成调度模型.针对问题特性,通过设计改进的可能度计算方法,定义区间意义下解的Pareto占优关系.提出一种改进的离散鲸鱼群算法,通过同步调度与维护策略,实现制造与维护的联合优化;设计个体间距离计算策略,寻找“最近较优个体”;设计个体位置移动策略以及多邻域搜索策略,有效地平衡全局搜索和局部搜索,提高收敛精度.通过大量的仿真实验和结果对比分析,表明了所提出的算法对于求解区间数可重入混合流水车间调度和预维护协同优化问题的有效性和可行性.     

两部件系统视情维修与生产调度的联合优化模型

为了解决生产调度过程中由系统维护维修产生的资源闲置和时间成本增加问题,将系统维修与生产调度联合建模.在众多学者将系统作为整体进行生产调度与维修研究的基础上,考虑系统内各组成部件之间的复杂关系.针对具有经济相关性的两部件系统,以调度作业加工顺序、预防性维修阈值、机会维修阈值作为决策变量,考虑到两部件同时维修比单部件独立维修更为经济,将机会维修引入到建模之中,制订机会维修、预防性维修、故障后更换的视情维修与生产调度结合的联合策略,通过劣化状态空间划分法给出生产调度过程中所有维修组合及其对应维修概率,推导出联合概率密度函数,建立以最小化总加权期望完成时间为目标的联合优化模型.通过数值实验和灵敏度分析验证所提出的策略及模型的有效性.     

支持复杂产品并行拆卸序列规划的遗传算法

为高效求解复杂产品的并行拆卸序列规划问题,提出基于遗传算法的复杂产品并行拆卸序列规划方法.针对并行拆卸序列规划问题中拆卸序列长度和每步拆卸零部件个数不确定的特点,提出并行序列染色体编码方法,分别将拆卸单元序列和拆卸步长作为染色体的前段和后段,以此表示一个拆卸序列.基于该染色体编码,采用拆卸混合图描述产品零部件间装配约束关系和拆卸优先级,并导出拆卸约束矩阵和邻接矩阵,由矩阵随机获取可行的初始染色体种群;将基本拆卸时间和不可行拆卸惩罚因子作为优化目标来构建适应度函数,确保最优解的可行性;在初始染色体种群的基础上,适应度函数最小为优化目标,通过遗传、交叉和变异遗传算子实现并行拆卸序列的优化.最后通过实例验证了该方法的可行性和实用性.     

考虑生产和需求情况下多设备系统状态维护策略研究

针对考虑生产多于需求或少于需求的情况下多设备系统的维护问题,建立了状态维护策略模型。首先将设备退化过程分为三个状态,构建状态的转移概率模型,并且针对不同状态采取两种维护策略;其次,基于半马尔可夫模型以损失成本和超额利润、检测成本、维修成本为优化目标,建立在不同策略下维护费用模型,采用策略迭代算法求解不同状态下的维护策略。最后,通过算例分析验证模型的有效性,并对相应的参数进行了灵敏度分析。     

考虑作业空间约束的并行拆卸序列规划算法

为获取多人同时进行不同拆卸任务的并行拆卸序列,提出考虑拆卸作业空间约束的并行拆卸序列规划方法.首先从零件几何可行性、拆卸时间以及拆卸作业空间约束3个方面构建拆卸序列规划问题模型:为避免产生不可行序列,提出拆卸作业空间的快速提取和干涉检查方法;针对回收产品拆卸时间不确定的特点,引入区间数模型描述拆卸时间,从拆卸基本时间、拆卸工具准备时间和拆卸工位改变时间3个方面构建拆卸时间模型.然后基于协同工作原则设计蚁群搜索的等待机制,以求解并行的拆卸序列;为进一步提高算法求解复杂产品并行拆卸序列的质量和效率,采用具有自适应能力的信息素更新方式和蚂蚁选择策略对基本蚁群算法加以改进.通过一种锥齿轮减速器装配体实例对关键参数的取值进行讨论分析,并验证了该算法各项约束措施的有效性.     

一种混合人工蜂群算法求解顺序相依拆卸线平衡问题

拆卸线平衡问题直接影响回收再制造成本.为此,构建了最小工作站开启数量、最短总拆卸时间、均衡工作站空闲时间、尽早拆卸有危害和高需求零部件的多目标顺序相依拆卸线平衡问题优化模型,提出一种混合人工蜂群算法.所提出算法在观察蜂跟随阶段采用分阶段选择评价法,以便更好地区分蜜源;在侦查蜂开采阶段构建基于全局学习的搜索机制,以提高开采能力.蜜蜂寻优过程中设计了简化变邻域搜索策略,提高了寻优效率.对比实验结果验证了模型的有效性和算法的优越性.     

集成预防性维护和流水线调度的鲁棒性优化研究

针对离散流水车间, 设备故障率函数服从威布尔分布, 在考虑维护策略的基础上, 以工件的最终完工时间期望值为质量鲁棒性指标、以所有工序的开始加工时间的延迟总和的期望值为解鲁棒性指标, 建立了不确定性环境下预防性维护(Preventive maintenance, PM)和生产调度的集成优化模型, 联合决策各工序的开始加工时间和预防性维护位置. 进一步, 设计了基于工件优先列表、有效代理指标、邻域搜索机制的三阶段启发式算法对模型进行求解. 最后, 数值实验与传统方法对比结果表明, 系统最优缓冲时间随着解鲁棒性权重的增大而逐渐增加, 且质量鲁棒性堕化速度远小于解鲁棒性提升的速度, 使得其与传统方法相比总体目标愈加优异.     

冷/温混合贮备系统最优切换及视情维修决策

针对周期性切换冷/温混合贮备系统,研究其最优切换以及视情维修决策,在系统劣化建模的基础上,分析系统结构和切换式运行维修特性,制定基于周期切换和检测的离线视情维修策略.首先,通过分析系统运行与备用设备交替使用、维修过程中的状态转移特性,推导各检测周期时刻系统状态概率分布模型以及各维修活动的概率;然后,以系统有限时间范围内平均费用率最小为目标建立解析优化模型,以决策最优切换周期和维护阈值,并采用遗传算法对模型进行求解;最后,以汽轮发电机定子冷却水泵系统为对象验证策略和模型的正确性和有效性,并对参数进行灵敏度分析.实验结果表明,所提出离线视情维修策略能够有效地降低系统的维修成本.     

基于驾驶及路况因子的混合动力汽车能量回收及分配算法

该文研究的算法是以混合动力汽车制动过程作为研究对象。混合动力汽车能量回收在满足动力需求及各个部件性能约束的前提下,尽可能多的降低能源消耗,提高经济效益。文中构基于机械动力、路况以及驾驶行为三个方面,构建基本的因子方程。将制动能量回收这一非线性多目标优化转化为非定标问题,以油耗和排放同时作为优化目标,寻找最宜因子,为动力分配的设定提供参考依据。经过仿真测试表明,基于驾驶及路况银子的制动能量回收策略,能够将经济成本降低15%左右。     

基于性能合同的多部件系统维修策略模型优化

针对多部件串联系统维修效率低下与供应商所获利润少的问题，考虑各部件间的经济相关性，提出基于性能合同的多部件系统的维修策略模型。首先，采用韦伯（Weibull）分布描述系统各部件的使用寿命规律，并通过判断各部件使用度与预防性维修阈值和机会维修阈值的关系来实施不同的维修策略；其次，计算单位更新周期内的各维修活动概率和对应维修次数，以供应商利润最大化为目标，以预防性维修阈值和机会维修阈值为决策变量，建立基于性能合同的多部件系统的维修策略模型；最后，利用灰狼优化（GWO）算法求解该模型。通过算例分析得出与遗传（GA）算法、粒子群优化（PSO）算法相比，灰狼优化算法在准确率上分别提高了22.6%和7.6%；基于线性收益函数，所提绩效模型的利润率高达25.3%，相较于传统成本模型提高了5.2%。基于性能合同的多部件系统维修策略优化模型和算法可以有效解决供应商维修质量与效率低下问题，为供应商和运营商共同制定维修合同提供依据。     

Optimal maintenance policy for multi-component systems under Markovian environment changes

In this paper, we study multi-component systems, which environmental conditions and opportunistic maintenance (OM) involve. Environmental conditions will exert an influence on deterioration processes of the components in the system. For each component, the worse the environmental conditions are, the faster its deterioration speed is. We want to determine when to preventively maintain each component under such environmental influence. Our purpose is to minimize its long-run average maintenance cost. We decompose such a multi-component system into mutually influential single-component systems, and formulate the maintenance problem of each component as a Markov decision process (MDP). Under some reasonable assumptions, we prove the existence of the optimal (n_r, N_r) type policy for each component. A policy iteration method is used to calculate its optimal maintenance policy. Based on the method, we develop an iterative approximation algorithm to obtain an acceptable maintenance policy for a multi-component system. Numerical examples find that environmental conditions and OM pose significant effects on a maintenance policy.     

考虑生产任务的制造设备关键部件的机会维修优化

为解决制造设备关键部件的维修决策问题,将生产任务信息、视情维修以及机会维修相结合,考虑设备关键部件的剩余价值以及可靠性风险建立维修决策优化模型.在已有关于视情维修和机会维修成果的基础上,考虑关键部件的剩余寿命与下一阶段生产任务时长间的关系,以总成本最小化为目标确定是否在相邻生产任务间利用维修机会,使得在任务顺利进行的条件下降低成本.基于逆高斯过程进行部件退化建模,计算不同维修组合对应的失效概率,进而构建成本最小化目标规划函数并通过仿真算法得到预防性维修的最优值.最后通过数值实验验证所提出维修策略的有效性.     

(n,N) type maintenance policy for multi-component systems with failure interactions

This paper studies maintenance policies for multi-component systems in which failure interactions and opportunistic maintenance (OM) involve. This maintenance problem can be formulated as a Markov decision process (MDP). However, since an action set and state space in MDP exponentially expand as the number of components increase, traditional approaches are computationally intractable. To deal with curse of dimensionality, we decompose such a multi-component system into mutually influential single-component systems. Each single-component system is formulated as an MDP with the objective of minimising its long-run average maintenance cost. Under some reasonable assumptions, we prove the existence of the optimal (n, N) type policy for a single-component system. An algorithm to obtain the optimal (n, N) type policy is also proposed. Based on the proposed algorithm, we develop an iterative approximation algorithm to obtain an acceptable maintenance policy for a multi-component system. Numerical examples find that failure interactions and OM pose significant effects on a maintenance policy.     

基于退化状态空间划分的风电机组视情维修决策

风场的运维成本约占其收入的三分之一之多,风电机组的最优维修问题一直是风电系统降低运维成本的主要途径.针对同一风场多台风力机组成的系统,制定基于状态检测的视情机会维修策略,提出基于退化状态空间划分的多设备系统状态维修决策建模方法,在此基础上建立维修成本最小的解析模型,以决策风力机最优的状态检测周期和维修阈值.实验结果表明,基于状态监测的风力机视情维修机会方案可以很好地节约系统运维成本.     

基于生存分析模型的电力设备故障预测方法

本文基于某地区三年内的电力设备运行和维修数据,对设备发生故障、引起维修费用的概率进行解释,提出一种基于生存分析模型的电力设备维修成本优化方法,分析影响电力设备故障和维修的关键性影响因素。针对大量电力设备的历史运行和维修数据,观察设备从投入生产到发生故障之间的时间间隔,分析设备的众多相关数据特征对于设备故障率的影响,建立Cox比例风险分析模型,并在基准生存率的基础上得到生存率函数,对电力设备的故障率和维修成本做出预测。实验结果表明,本文构建的电力设备维修预测模型能够为电力企业维修决策提供有力的理论依据,解决了电网企业停电成本高、临检频繁、维修不足、维修过度、盲目维修等问题,具有广泛的应用和推广价值。     

Selective disassembly for virtual prototyping as applied to de-manufacturing

Selective disassembly involves separating a selected set of components from an assembly. Applications for selective disassembly include de-manufacturing (maintenance and recycling), and assembling. This paper presents a new methodology for performing design for selective disassembly analysis on the CAD model of an assembly. The methodology involves the following three steps: (i) identifying the components to be selectively disassembled for de-manufacturing by a software program or designer, (ii) determining an optimal (e.g. minimal cost) disassembly sequence for the selected components that involves a computationally efficient two-level reduction procedure: (a) the determination of a set of sequences with an objective of minimal component removals via a wave propagation approach that topologically order components in an assembly for selective disassembly, and (b) the evaluation of resulting sequences based on an objective function (e.g. minimal cost) to identify an optimal sequence, and (iii) Performing disassembly design decisions based on the evaluated optimal sequence. Preliminary implementation results of the selective disassembly methodology in sequencing and disassembly cost evaluation, and application of the selective disassembly technique for de-manufacturing assessment are presented.     

有限产能下多部件设备视情维修策略与多订单批量生产联合优化研究

针对有限产能下,面对多个不同要求订单时的订单选取和多部件设备维护决策问题,提出了基于客户满意度的多部件设备视情维修策略和多订单批量生产的联合优化模型。首先,基于比例风险模型描述出各部件的具体劣化趋势,并以虚拟年龄表示各部件的健康状态;其次,根据单次批量生产结束后的实时监测结果和维修阈值,确定不同的维修方式;再次,以利润最大化为优化目标,结合有限产能批量问题模型和客户满意度模型,建立视情维修策略和多订单批量生产联合优化模型;最后,利用模拟退火算法和粒子群算法就行模型求解,并通过算例验证了模型的有效性,使模型更具有现实意义,并对模型相应参数进行了灵敏度分析。     

相依多模失效下冷贮备系统最优切换及视情维护决策

针对存在冲击影响的冷贮备系统,研究其最优切换及视情维护决策问题.首先,在系统结构和切换式运行和维护特性分析的基础上,制定基于周期切换和状态检测的切换式离线视情维护策略;其次,建立累积冲击过程影响下系统退化所致的软失效和极端冲击过程所致的硬失效竞争可靠性模型;再次,通过分析两类冲击过程影响下系统运行与备用设备交替使用、维修过程中的状态转移特性,重点推导各检测周期时刻系统状态概率分布的迭代计算模型;然后,以系统平均费用率最小为目标,建立解析决策模型,以求解系统的最优切换周期和维护阈值.最后,以矿井主通风系统为案例验证策略及模型的有效性,并分析模型对参数的灵敏度.结果表明,系统的最优维修策略随机冲击影响的不同而变化显著.