CN103426073B - 一种基于设备寿命预测的客服系统备件库存管理方法 - Google Patents
一种基于设备寿命预测的客服系统备件库存管理方法 Download PDFInfo
- Publication number
- CN103426073B CN103426073B CN201310367666.6A CN201310367666A CN103426073B CN 103426073 B CN103426073 B CN 103426073B CN 201310367666 A CN201310367666 A CN 201310367666A CN 103426073 B CN103426073 B CN 103426073B
- Authority
- CN
- China
- Prior art keywords
- equipment
- fault
- customer service
- service system
- spare part
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于设备寿命预测的客服系统备件库存管理方法,属于物流管理技术领域。该方法首先利用威布尔过程对设备的寿命进行建模,并通过历史数据来求解寿命模型中的参数,从而可以较准确地预测设备的寿命;然后在库存管理策略中,考虑设备投入使用的时间、设备数量以及故障类型对设备故障率的影响,从而准确地预测备件的需求量,得到合理的库存管理方案;同时,该方法通过在每次到货之后根据当前状态调整订货点和订货量,使得该方法的库存管理方案更符合实际需求,是一种适用于客服系统设备备件库存管理的方法。
Description
技术领域
本发明涉及一种基于设备寿命预测的客服系统备件库存管理方法,属于物流管理技术领域。
背景技术
库存管理主要是对备件的库存量进行科学的管理,以求用最少的库存量满足设备对备件的需求。
备件是保障设备正常运行的重要因素,当设备发生故障的时候,需要更换一定量的备件以修复设备。随着科学技术的发展,设备复杂性越来越高,需要采购多少备件,保持什么样的库存水平已经成为了困扰企业的一个难题。一方面,如果库存不够,在设备发生故障的时候很有可能无法修复设备,导致生产无法继续,有可能引发更为严重的后果;另一方面,储备大量的备件又会占用企业过多的流动资金,限制企业的发展。因此,研究备件库存管理技术是十分重要的。
备件库存管理的主要目标是以最少的成本保证设备的正常运行,主要解决三个问题:(1)确定库存检查的周期,即何时对库存进行检查;(2)确定每次的订货量,即每次订货的数量;(3)确定每次的订货点,即每次订货的时间或者库存量的临界值。订货点法是一种常见的库存管理策略,其基本思路为:对库存进行连续的检查,当库存量下降到最低安全限度R的时候,发出订货请求,每次订货的数量均为Q,其中R被称为订货点,订货点R的选取需要保证下一批备件到达仓库之前,备件数量是足够的,Q被称为订货量,订货量Q的选取需要使得库存成本和运输成本等各种成本之和最小。
为了计算订货点R和订货量Q,传统的订货点法假定了备件的年消耗量是不变的。该假设存在有以下问题:
1、设备随着使用年限的增加,其故障率也会增加,仅仅考虑这一点,备件的年消耗量应该是缓慢上升的。
2、客服系统可能会新增或者更换一些设备,新增设备会使得备件的年消耗量上升,而更换旧的设备则使得备件的年消耗量下降。
3、传统的订货点法在计算年消耗量的时候,关注的是所有故障类型下备件的年消耗量,但实际上一些类型的故障可能会很少发生,这些故障类型对备件的年消耗量估计会带来很大的影响,通过对不同的故障类型进行分析,可以得到更为准确的备件年消耗量。
综上所述,订货点法存在有一定的缺陷,它没有考虑设备投入使用的时间的影响、设备数量变化的影响以及故障类型的影响。
发明内容
本发明的目的是提出一种基于设备寿命预测的客服系统备件库存管理方法,在进行备件库存管理的时候,利用已经积累的客服系统的运维报表数据对客服系统设备进行寿命预测,估计备件的年需求量,从而得到更加合理的库存管理方案。
本发明提出的一种基于设备寿命预测的客服系统备件库存管理方法包括以下步骤:
(1)设客服系统设备因某种故障类型导致的失效过程服从威布尔过程:
若随机过程{N(t),t≥0}满足以下条件,则该随机过程为非时齐泊松过程:
(1-1)N(0)=0;
(1-2){N(t),t≥0}是独立增量过程,即任取0<t1<…<tr,N(t1),N(t2)-N(t1),…,N(tr)-N(tr-1)互相独立;
(1-3)对任意0≤t<s,N(t)-N(s)服从泊松分布,即:
上式中,u(b)为强度函数,若u(b)=λβbβ-1,则该随机过程为威布尔过程,用W(λ,β)表示,其中β为形状参数,λ为尺度参数,N(t)为第0天到第t天内的故障数量,s,t,t1,…,tr为故障发生时间,N(s)-N(t)表示第t天到第s天内的故障次数,P{N(s)-N(t)=j}表示第t天到第s天内故障次数等于j的概率,e表示自然常数;
(2)设设备故障的类型有ftype1,…,ftypen,其中故障的类型为ftypei的设备共有numi台,从客服系统的运维报表中获取第k天发生故障类型为ftypei的故障发生次数xi,k;
(3)根据客服系统设备因故障导致的失效过程服从威布尔过程,因故障ftypei而导致的失效过程服从威布尔过程W(λi,βi),求解如下方程组,
得到参数λi,βi的估计值,其中,ri表示对设备进行的寿命实验的持续天数;
用Ni(t)表示一台设备在第0天到第t天内发生故障ftypei的次数,{Ni(t),t≥0}服从威布尔过程W(λi,βi),则该设备在第t天到第s天内发生故障ftypei次数的期望值为:
(4)设所有故障中有m种故障使用备件A进行修复,则备件A在时间[s,t]内的需求量为f(A,t,s):
其中,表示m种故障,zg为故障类型的下标,1≤g≤m,发生故障的设备有台,第k台设备投入使用的时间为表示修复故障需要的备件A的数量;
(5)当备件库存量达到订货点R时,客服系统发起订货,假设在一个订货周期(两次到货之间的间隔)内,设备的数量numi保持不变,则订货点R为:
R=f(A,y1,y1+T),
其中,T表示供货周期,T=T1+T2+T3+T4,其中T1为客服系统流程审批时间,T2为供应商合同签订时间,T3为货物运输时间,T4为报关时间,y1表示本次订货的订货时间,通过求解方程Qp=f(A,y,y1)+f(A,y1,y1+T)=f(A,y,y1+T),得到y1,其中y为备件A的上一次订货的到货时间,Qp为上一次订货的订货量;
(6)客服发起订货时的订货量为Q:
其中,D为年需求量,D=f(A,y1,y1+365),C2为一次客服系统订货的业务成本,C3为客服系统的单位产品年存储成本;
本发明提出的基于设备寿命预测的客服系统备件库存管理方法,在进行备件的年消耗量预测的时候考虑设备使用时间、设备数量以及故障类型对备件需求的影响,动态地进行备件需求预测,每次订货之后,将根据实际情况调整下一次的库存策略,最终得到一个可行的库存管理方案。其优点是:
1、本发明提出的基于设备寿命预测的客服系统备件库存管理方法可以对订货点R和订货量Q进行估计,能够给出一种合理的库存管理方法。
2、本发明在估计备件的年消耗量时,考虑了设备投入使用的时间、设备的数量以及故障类型对备件的年消耗量的影响,从而能对备件的年消耗量进行更准确的预测。
附图说明
图1是本发明方法的流程框图。
图2是本发明方法的一个实施例中寿命预测示意图。
图3是本发明方法的一个实施例中库存量变化示意图。
具体实施方式
本发明所述的一种基于设备寿命预测的客服系统备件库存管理方法,其流程框图如图1所示,包括以下步骤:
(1)设客服系统设备因某种故障导致的失效过程服从威布尔过程:
若随机过程{N(t),t≥0}满足以下条件,则该随机过程为非时齐泊松过程:
(1-1)N(0)=0;
(1-2){N(t),t≥0}是独立增量过程,即任取0<t1<…<tr,N(t1),N(t2)-N(t1),…,N(tr)-N(tr-1)互相独立;
(1-3)对任意0≤t<s,N(t)-N(s)服从泊松分布,即:
上式中,u(b)为强度函数,若u(b)=λβbβ-1,则该随机过程为威布尔过程,用W(λ,β)表示,其中β为形状参数,λ为尺度参数,N(t)为第0天到第t天内的故障数量,s,t,t1,…,tr为故障发生时间,N(s)-N(t)表示第t天到第s天内的故障次数,P{N(s)-N(t)=j}表示第t天到第s天内故障次数等于j的概率,e表示自然常数;
(2)设设备故障的类型有ftype1,…,ftypen,其中故障的类型为ftypei的设备共有numi台,从客服系统的运维报表中获取第k天发生故障类型为ftypei的故障发生次数xi,k,这些数据可以认为来自以下寿命实验:设numi台设备同时开始运行,当某台设备发生故障ftypei时,修复该设备并重新投入实验,第k天凌晨记录前一天发生的故障总数xi,k,即xi,k表示在[k,k+1)天内发生的故障总数,一共持续ri天;
(3)设客服系统一台设备因故障ftypei而导致的失效过程服从威布尔过程W(λi,βi),则numi台设备由于故障ftypei而导致故障的失效过程服从威布尔过程W(numi×λi,βi),即可以认为是来自威布尔过程W(numiλi,βi)的样本;
威布尔过程W(numiλi,βi)第k天发生故障数量为xi,k的概率为:
由于威布尔过程也是独立增量过程,则样本出现的概率为:
从而有
为了使得样本xi,0,xi,1,…,xi,r-1出现的概率最大,令可以得到:
求解以上方程组即可得到参数λi,βi的估计值;
用Ni(t)表示一台设备在第0天到第t天内发生故障ftypei的次数,{Ni(t),t≥0}服从威布尔过程W(λi,βi),则该设备在第t天到第s天内发生故障ftypei次数的期望值为:
(4)设所有故障中有m种故障使用备件A进行修复,则备件A在时间[s,t]内的需求量为f(A,t,s):
其中,表示m种故障,zg为故障类型的下标,1≤g≤m,发生故障的设备有台,第k台投入使用的时间为表示修复故障需要的备件A的数量;
(5)当备件库存量达到订货点R时,客服系统发起订货;假设在一个订货周期(两次到货之间的间隔)内,设备的数量numi保持不变,则订货点R需要保证在发起订货到收到货物之间,库存不会告罄,因此订货点R为:
R=f(A,y1,y1+T),
其中,T表示供货周期,T=T1+T2+T3+T4,其中T1为客服系统流程审批时间,T2为供应商合同签订时间,T3为货物运输时间,T4为报关时间,y1表示本次订货的订货时间;
用Qp表示备件A的上一次订货的订货量,y表示上一次订货的订货时间,则下式成立:
Qp=f(A,y,y1)+f(A,y1,y1+T)=f(A,y,y1+T),
通过求解上式可得到y1,从而可以得到订货点R;
(6)客服发起订货时的订货量为Q:
其中,D为年需求量,D=f(A,y1,y1+365),C2为一次客服系统订货的业务成本,C3为客服系统的单位产品年存储成本;
上式是这样得到的:定义年总成本TRC如下:
其中C1为单位产品价格,C2为一次订货的业务成本,C3为单位产品年存储成本,C4为单位产品运输成本,C5为单位产品报关成本。为了使得TRC最小,令可以得到:
以下结合附图介绍本发明方法的一个应用实例:
本实例通过客服系统设备在实际运行中的数据以及仿真数据说明基于设备寿命预测的客服系统备件库存管理方法的优越性。在本实例中,对比了本发明所述备件管理方法和传统的备件管理方法。结合附图对测试过程说明如下:
寿命预测模型的建立
针对实际的客服系统设备,基于实际运维报表数据,可以建立确定寿命实验的类型、求解参数并建立寿命预测模型。以上海南站闸机设备的闸机门故障为例,利用前300天的数据来确定参数,利用后50天的数据来验证寿命预测模型的有效性。利用前300天的数据,可得λ=0.0052,β=1.50。
以时间t为横坐标,平均故障次数EN(t)为纵坐标,得到的结果如图2所示。图中折线表示实际数据,曲线表示得到的寿命预测模型的结果,竖直线左边表示前300天的数据,用于进行参数估计,竖直线的右边表示后50天的数据,用于验证寿命预测模型的有效性。
从图2可以看到,使用威布尔过程来建立寿命预测模型,不管是拟合现有数据还是预测未来的数据,准确度都比较高,因此用寿命预测模型来进行备件的预测是可靠的。
动态库存管理方案:
假定只有一种备件,两种设备故障,即m=2,每种设备故障发生后需要的备件数量如下表所示:
表1修复故障需要的备件数量
设备 | 数量 |
ftype1 | 1 |
ftype2 | 1 |
假定故障ftype1的寿命预测模型服从W1(0.002,1.2),故障ftype2的寿命预测模型服从W2(0.01,1.5),假设在y=3的时刻收到上一次的订货,Qp=10,目前可能发生故障ftype1的设备数量和可能发生故障ftype2的设备各有一台,其中可能发生故障ftype1的设备起始工作时间为a11=1,可能发生故障ftype2的设备起始工作时间为a21=0,备件的订货业务成本和单位年存储成本均为1,即C2=C3=1,订货周期T=20,本实施例将展示如何利用这些数据确定订货点和订货量。
显然,有 为了得到订货点,需要求解方程R=Qp-f(A,y,y1)=f(A,y1,y1+T),通过二分法,可以解得y1=77,从而R=3,也就是说当库存量为3的时候需要开始订货,预计的订货时间为第77天。
根据D=f(A,y1,y1+365),可以预测得到年需求量为:
于是可以得到下次订货量为:
假定实际情况与预估的一致,那么在第97天,将收到货物,此时y=97,Qp=14,假定此时增加了一台可能发生故障ftype1的设备,其起始工作时间为a12=97,此时有:
于是求解方程R=Qp-f(A,y,y1)=f(A,y1,y1+T)可以得到:
y1=153,R=4
也就是说当库存为4的时候开始订货,预计的订货时间为第153天。
根据D=f(A,y1,y1+365),可以预测得到年需求量为D=104,于是可以得到下次的订货量为:
这两个订货周期内,库存量的变化如图3所示,图3中横坐标表示时间,纵坐标表示库存量。
应当看到,本发明的方法是优于传统的订货点法的。首先,传统的订货点法不会考虑新增设备的影响,因此,在订货量和订货点一旦确定之后不会再改变,因此在第二次确定订货点和订货量的时候,会选择R=3,Q=12,显然,由于R选择过小,会导致备件储备不足,无法满足设备对备件的需求,同时由于Q并非最优值,这会导致库存成本较高;其次,就算考虑新增设备的问题,由于传统的方法不会考虑设备起始工作时间不同对故障率的影响,因此传统的方法会选择订货点为R=3+3*0.5=5,实际上由于新设备的故障率会明显小于老旧的设备,所以传统方法选择的订货点会比较靠前,对设备年需求量的估计也会有一定偏差。
以上应用实例说明,本发明提出的基于设备寿命预测的客服系统备件库存管理方法的优越性:首先是寿命模型的准确性,从实验结果可知,利用威布尔过程来对客服系统设备的寿命进行建模是合理的,从图2可以看出,不管是拟合还是预测,威布尔过程均能得到较好的结果。因此,威布尔模型能很好地描述客服系统设备的失效过程,从而也能基于此对备件的需求进行较为准确的预测。其次是动态库存管理方案的优越性,从实施例可以看到,由于考虑了设备投入使用的时间、设备数量以及故障类型对备件年消耗量的影响,本发明提出的动态库存管理方案得到的结果比传统的订货点法更合理。同时,由于在每次到货之后,动态库存管理方案可以根据实际情况动态地调整库存管理方案。因此该方法优于传统的订货点法。
综上所述,本发明的基于设备寿命预测的客服系统备件库存管理方法优于传统的库存管理算法。本发明的基于设备寿命预测的客服系统备件库存管理方法,首先利用威布尔过程对设备寿命进行建模,并通过历史数据来求解寿命预测模型中的参数,从而可以较准确地预测备件的年消耗量。接下来在库存管理策略中,本发明考虑了设备投入使用的时间、设备数量以及故障类型对设备故障率的影响,并在每次到货之后重新计算订货量和订货点,得到的库存管理方案要优于传统的库存管理方案。因此,本发明的方法是一种适用于客服系统设备备件库存管理的方法。
Claims (1)
1.一种基于设备寿命预测的客服系统备件库存管理方法,其特征在于该方法包括以下步骤:
(1)设客服系统设备因故障导致的失效过程服从威布尔过程:
若随机过程{N(t),t≥0}满足以下条件,则该随机过程为非时齐泊松过程:
(1-1)N(0)=0;
(1-2){N(t),t≥0}是独立增量过程,即任取0<t1<…<tr,N(t1),N(t2)-N(t1),…,N(tr)-N(tr-1)互相独立;
(1-3)对任意0≤t<s,N(t)-N(s)服从泊松分布,即:
上式中,u(b)为强度函数,若u(b)=λβbβ-1,则该随机过程为威布尔过程,用W(λ,β)表示,其中β为形状参数,λ为尺度参数,N(t)为第0天到第t天内的故障数量,s,t,t1,…,tr为故障发生时间,r为同一种设备故障持续的天数,N(s)-N(t)表示第t天到第s天内的故障次数,P{N(s)-N(t)=j}表示第t天到第s天内故障次数等于j的概率,e表示自然常数;
(2)设设备故障的类型有ftype1,…,ftypen种,即设备故障的类型在数量上有n种,其中故障的类型为ftypei的设备共有numi台,从客服系统的运维报表中获取第k天发生类型为ftypei的故障发生次数xi,k,i为n种设备故障类型中的一种;
(3)根据步骤(1)设定的客服系统设备因故障导致的失效过程服从威布尔过程,则因故障ftypei而导致的失效过程服从威布尔过程W(λi,βi),求解如下方程组,
得到参数λi,βi的估计值,其中,ri表示对设备进行的寿命实验的持续天数;
用Ni(t)表示一台设备在第0天到第t天内发生故障ftypei的次数,{Ni(t),t≥0}服从威布尔过程W(λi,βi),则该设备在第t天到第s天内发生故障ftypei次数的期望值为:
(4)设所有故障中有m种故障使用备件A进行修复,则备件A在时间[s,t]内的需求量为f(A,t,s):
其中,表示m种故障,zg为故障类型的下标,1≤g≤m,表示发生故障的设备台数,表示第k台设备投入使用的时间,表示修复故障需要的备件A的数量;
(5)当备件库存量达到订货点R时,客服系统发起订货,设在两次到货之间的间隔即供货周期T内,设备的数量numi保持不变,则订货点R为:
R=f(A,y1,y1+T),
其中,T表示供货周期,T=T1+T2+T3+T4,其中T1为客服系统流程审批时间,T2为供应商合同签订时间,T3为货物运输时间,T4为报关时间,y1表示本次订货的订货时间,通过求解方程Qp=f(A,y,y1)+f(A,y1,y1+T)=f(A,y,y1+T),得到y1,其中y为备件A的上一次订货的到货时间,Qp为上一次订货的订货量;
(6)客服发起订货时的订货量为Q:
其中,D为设备的年需求量,D=f(A,y1,y1+365),C2为客服系统一次订货的业务成本,C3为客服系统的单位产品年存储成本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310367666.6A CN103426073B (zh) | 2013-08-21 | 2013-08-21 | 一种基于设备寿命预测的客服系统备件库存管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310367666.6A CN103426073B (zh) | 2013-08-21 | 2013-08-21 | 一种基于设备寿命预测的客服系统备件库存管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103426073A CN103426073A (zh) | 2013-12-04 |
CN103426073B true CN103426073B (zh) | 2016-06-29 |
Family
ID=49650775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310367666.6A Active CN103426073B (zh) | 2013-08-21 | 2013-08-21 | 一种基于设备寿命预测的客服系统备件库存管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103426073B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732287B (zh) * | 2013-12-19 | 2018-04-13 | 广州地铁集团有限公司 | 一种基于备件最佳补充周期的库存控制方法 |
CN103729693A (zh) * | 2013-12-23 | 2014-04-16 | 清华大学 | 基于确定性库存退化模型的维修及备件供给联合优化方法 |
CN105160513B (zh) * | 2015-09-07 | 2019-01-29 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
CN106874238B (zh) * | 2017-01-20 | 2020-07-07 | 中国人民解放军海军工程大学 | 一种威布尔型单元备件需求量的计算方法 |
CN107194571B (zh) * | 2017-05-18 | 2020-12-15 | 武汉烽火技术服务有限公司 | 一种基于风险量化控制的通信设备备件配置方法 |
CN108536960B (zh) * | 2018-04-09 | 2022-04-05 | 中国人民解放军海军工程大学 | 一种贮存失效风险下的指数型单元备件需求量计算方法 |
CN108334720B (zh) * | 2018-04-09 | 2021-08-31 | 中国人民解放军海军工程大学 | 一种贮存失效风险下的正态型单元备件需求量计算方法 |
CN108564270B (zh) * | 2018-04-09 | 2021-11-02 | 中国人民解放军海军工程大学 | 一种贮存失效风险下的伽玛型单元备件需求量计算方法 |
CN110428170A (zh) * | 2019-08-01 | 2019-11-08 | 优必爱信息技术(北京)有限公司 | 一种汽车配件需求动态预测方法、系统和存储介质 |
CN112668728A (zh) * | 2019-10-15 | 2021-04-16 | 深圳怡化电脑股份有限公司 | 设备模块配置方法、装置、计算机设备及存储介质 |
CN113610308A (zh) * | 2021-08-12 | 2021-11-05 | 国网江苏省电力有限公司常州供电分公司 | 基于剩余寿命预测的安全库存预测方法 |
CN113793102A (zh) * | 2021-09-18 | 2021-12-14 | 中广核风电有限公司 | 基于平台的库存管理方法和装置 |
CN115081997B (zh) * | 2022-08-18 | 2022-12-13 | 庞械(天津)科技有限公司 | 设备备件库存诊断系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320455A (zh) * | 2008-06-30 | 2008-12-10 | 西安交通大学 | 基于在役寿命评估的备件需求预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266518B2 (en) * | 2005-12-29 | 2007-09-04 | Kimberly-Clark Worldwide, Inc. | Spare parts inventory management |
-
2013
- 2013-08-21 CN CN201310367666.6A patent/CN103426073B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320455A (zh) * | 2008-06-30 | 2008-12-10 | 西安交通大学 | 基于在役寿命评估的备件需求预测方法 |
Non-Patent Citations (3)
Title |
---|
Spare parts inventory control considering stochastic growth of an installed base;Tongdan Jin;《Computers & Industrial Engineering》;20090228;第56卷(第1期);第452-460页 * |
基于年龄更换策略的多-单维修备件库存控制优化;李淑敏等;《中国制造业信息化》;20100228;第39卷(第3期);第18-21页 * |
基于故障预测的装备维修备件协同库存控制系统研究;司书宾;《中国优秀博硕士学位论文全文数据库(博士)经济与管理科学辑》;20070515(第5期);J145-12 * |
Also Published As
Publication number | Publication date |
---|---|
CN103426073A (zh) | 2013-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103426073B (zh) | 一种基于设备寿命预测的客服系统备件库存管理方法 | |
Golmakani et al. | Periodic inspection optimization model for a two-component repairable system with failure interaction | |
Kang et al. | Integrated control policy of production and preventive maintenance for a deteriorating manufacturing system | |
Taleizadeh et al. | An imperfect multi-product production system with rework | |
Nourelfath et al. | Integrating production, inventory and maintenance planning for a parallel system with dependent components | |
Nielsen et al. | On risk-based operation and maintenance of offshore wind turbine components | |
Wang et al. | Spare parts demand: Linking forecasting to equipment maintenance | |
Alimian et al. | A robust integrated production and preventive maintenance planning model for multi-state systems with uncertain demand and common cause failures | |
Kim et al. | Multi-objective probabilistic optimum monitoring planning considering fatigue damage detection, maintenance, reliability, service life and cost | |
Abiri-Jahromi et al. | An efficient mixed-integer linear formulation for long-term overhead lines maintenance scheduling in power distribution systems | |
Rodriguez et al. | Optimal supply chain design and management over a multi-period horizon under demand uncertainty. Part I: MINLP and MILP models | |
Chien et al. | Optimal spare ordering policy for preventive replacement under cost effectiveness criterion | |
CN104573877A (zh) | 配电网设备需求量预测和定量方法及其系统 | |
Cai et al. | Joint optimization of preventive maintenance and spare parts inventory with appointment policy | |
Nouri Qarahasanlou et al. | Spare part requirement prediction under different maintenance strategies | |
Zheng et al. | Joint condition-based maintenance and spare provisioning policy for a K-out-of-N system with failures during inspection intervals | |
Ghodrati et al. | Developing effective spare parts estimations results in improved system availability | |
Al Hanbali et al. | Spare parts supply with incoming quality control and inspection errors in condition based maintenance | |
Barabadi et al. | Reliability and spare parts estimation taking into consideration the operational environment—a case study | |
Banerjee et al. | Analysis of a two-dimensional warranty servicing strategy with an imperfect repair option | |
Ouali et al. | A survey of replacement models with minimal repair | |
Saeedi Mehrabad et al. | An integrated production and preventive maintenance planning model with imperfect maintenance in multi-state system | |
Kim et al. | The effects of lump-sum subsidies on the structure of production and productivity in regulated industries | |
Qian et al. | Condition based maintenance optimization for the hydro generating unit with dynamic economic dependence | |
Liu et al. | Uncertain programming model for location problem of multi-product logistics distribution centers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |