CN104915730A - 基于权重的装备多属性维修决策方法 - Google Patents
基于权重的装备多属性维修决策方法 Download PDFInfo
- Publication number
- CN104915730A CN104915730A CN201510315010.9A CN201510315010A CN104915730A CN 104915730 A CN104915730 A CN 104915730A CN 201510315010 A CN201510315010 A CN 201510315010A CN 104915730 A CN104915730 A CN 104915730A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- decision
- weight
- judgment matrix
- node
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于权重的装备多属性维修决策方法，用于解决现有装备多属性维修决策方法装备维修效率低的技术问题。技术方案是根据维修条件和维修方案建立维修决策层次模型结构；其次，分析维修决策层次模型参数，针对要展开维修的装备，根据维修条件及相互影响给出各状态节点和目标节点的参数，量化状态节点对目标节点的影响；再由各维修条件及相应的评价指标构造判断矩阵，并根据判断矩阵得到权重向量，检验判断矩阵避免不相容造成权重误差；最终，基于建立的维修决策层次模型，以权重为驱动，利用所得判断矩阵和目标节点参数值，计算对应维修方案的效益值，从而给出最优决策。该方法有效解决了多个决策目标和决策者的偏好，提高了维修效率。
Description
技术领域
本发明涉及一种装备多属性维修决策方法，特别是涉及一种基于权重的装备多属性维修决策方法。
背景技术
文献“公开号是CN102623910A的中国发明专利”公开了一种基于可靠性的开关设备维修决策方法，该方法在开关设备可靠性基础上分析开关设备老化寿命，对待修开关设备元部件重要度进行定量评价分析。同时，利用开关设备可靠性数据、电压等级、故障元部件重要度，以及电网接线结构对待修设备集进行排序分组，并收集开关设备所在系统负荷预测信息，在计及检修能力约束和气象约束的基础上以电网失负荷量最小值为目标安排开关设备维修日程。但该方法没有建立决策模型解决多个决策目标和决策者的偏好对决策结果的影响，没有考虑决策目标和决策者对决策结果的影响。
发明内容
为了克服现有装备多属性维修决策方法装备维修效率低的不足，本发明提供一种基于权重的装备多属性维修决策方法。该方法建立维修决策层次模型，分析量化模型参数，引入权重用于计算维修方案效益值。首先，确定需要开展维修决策的具体装备，列出所有可行的维修方案，根据维修条件和维修方案建立维修决策层次模型结构；其次，分析维修决策层次模型参数，针对要展开维修的装备，根据维修条件及相互影响给出各状态节点和目标节点的参数，量化状态节点对目标节点的影响；然后，由各维修条件及相应的评价指标构造判断矩阵，并根据判断矩阵得到权重向量，检验判断矩阵避免不相容造成的权重误差；最终，基于建立的维修决策层次模型，以权重为驱动，利用所得判断矩阵和目标节点参数值，计算对应维修方案的效益值，从而给出最优决策。该方法有效解决了多个决策目标和决策者的偏好，提高了维修效率。
本发明解决其技术问题所采用的技术方案是：一种基于权重的装备多属性维修决策方法，其特点是采用以下步骤：
步骤一、确定需要开展维修决策的具体装备，列出所有可行的维修方案；
步骤二、建立维修决策层次模型结构为总目标层、准则层和方案层三层结构；
步骤三、分析维修决策层次模型参数，首先针对需要开展维修决策的装备，根据维修条件给出状态节点维修资源B1、维修时机B2、部件状态B3和故障风险B4的参数值，然后分析这些状态节点参数取值如何影响目标节点维修时间C1、维修费用C2、维修结果C3和故障损失C4的参数取值，以此来量化状态节点对所关联目标节点的影响；
步骤四、根据维修决策层次模型，以维修效果最优为准则，首先建立A-B判断矩阵A＝(aij)m×m、Bi-C判断矩阵Bi＝(bij)m×m，然后根据判断矩阵分别得到状态节点Bi的权重ai，目标节点Cj对状态节点的权重wij以及每一个目标节点Cj对总维修目标的组合权重其中A是维修决策要达到的总目标，B是状态节点包括Bi，i＝1,2,…,m，C是目标节点，aij表示Bi对Bj的相对重要度，bij表示Ci对Cj的相对重要度，其中，i,j＝1,2,…,n；
步骤五、由于使用判断矩阵有判断不一致的情况，在维修决策模型中要计算一个一致性指标来衡量由于不相容所造成的权重误差，当C.I.小于0.10，就认为这个判断满意，其中λmax是矩阵最大特征值；
步骤六、基于建立的维修决策层次模型，以权重为驱动，利用所得判断矩阵和目标节点参数值Cj，由分别计算对应维修方案的效益值，选择最佳维修方案。
本发明的有益效果是：该方法建立维修决策层次模型，分析量化模型参数，引入权重用于计算维修方案效益值。首先，确定需要开展维修决策的具体装备，列出所有可行的维修方案，根据维修条件和维修方案建立维修决策层次模型结构；其次，分析维修决策层次模型参数，针对要展开维修的装备，根据维修条件及相互影响给出各状态节点和目标节点的参数，量化状态节点对目标节点的影响；然后，由各维修条件及相应的评价指标构造判断矩阵，并根据判断矩阵得到权重向量，检验判断矩阵避免不相容造成的权重误差；最终，基于建立的维修决策层次模型，以权重为驱动，利用所得判断矩阵和目标节点参数值，计算对应维修方案的效益值，从而给出最优决策。该方法有效解决了多个决策目标和决策者的偏好，提高了维修效率。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明基于权重的装备多属性维修决策方法的流程图。
图2是本发明实施例所建立的装备对应的维修决策层次模型图。
具体实施方式
参照图1-2。本发明基于权重的装备多属性维修决策方法具体步骤如下：
1、确定需要开展维修决策的具体装备，列出所有可行的维修方案。
以“无线传感器”为故障模式，针对维修决策的目标有最小维修、优先最小维修、非完美维修、优先非完美维修、换件维修和优先换件维修6种维修方案。
2、建立维修决策层次模型结构。
本发明模型分为总目标层、准则层和方案层，其中总目标层为维修要达到的目标，准则层为针对目标评价各维修方案时所考虑的各子目标及其相关关系，方案层为具体的维修方案。
针对装备维修决策的总目标A，首先在模型的准则层中找到对应的子目标是状态节点维修资源B1、维修时机B2、部件状态B3和故障风险B4；然后从状态节点向下搜索需要进一步考虑的子目标是目标节点维修时间C1、维修费用C2、维修结果C3和故障损失C4；最后是具体维修方案最小维修D1、优先最小维修D2、非完美维修D3、优先非完美维修D4、换件维修D5和优先换件维修D6。
3、分析维修决策层次模型参数。
参照表1，首先针对维修决策目标A，根据维修条件给出维修资源B1、维修时机B2、部件状态B3和故障风险B4的参数值；然后分析这些状态节点参数取值如何影响目标节点维修时间C1、维修费用C2、维修结果C3和故障损失C4的参数取值，并用具体数值量化状态节点对所关联目标节点的影响；最后根据不同维修方案下状态节点的不同参数取值给出相应目标节点的参数值。
表1维修决策模型节点及取值描述
①维修时间C1。
每种维修方案需要相应的规定维修时间，其中换件维修的标准维修时间为5，最小维修的标准维修时间可以忽略，标记为1，非完美维修的标准维修时间为3。当维修现场没有所需维修资源或系统处于运行状态时，则要花费更多的时间等待系统停机和采购维修资源，标准维修时间变长，最长维修时间为9即超过装备规定换件维修时间的100％，实际维修时间超过装备规定换件维修时间的50％时，维修时间则标记为7。此时，采取优先处理的维修方案，通过增加费用的方式缩短维修等待时间。
参照表2，本实施例给出维修时间参数分布：
表2维修时间分布
| D | B1 | B2 | C1 | D | B1 | B2 | C1 |
| D5 | 是 | 是 | 5 | D4 | 是 | 是 | 1 |
| D5 | 是 | 否 | 7 | D4 | 是 | 否 | 3 |
| D5 | 否 | 是 | 7 | D4 | 否 | 是 | 3 |
| D5 | 否 | 否 | 9 | D4 | 否 | 否 | 3 |
| D6 | 是 | 是 | 3 | D1 | 是 | 是 | 1 |
| D6 | 是 | 否 | 5 | D1 | 是 | 否 | 3 |
| D6 | 否 | 是 | 5 | D1 | 否 | 是 | 3 |
| D6 | 否 | 否 | 5 | D1 | 否 | 否 | 5 |
| D3 | 是 | 是 | 3 | D2 | 是 | 是 | 1 |
| D3 | 是 | 否 | 5 | D2 | 是 | 否 | 1 |
| D3 | 否 | 是 | 5 | D2 | 否 | 是 | 1 |
| D3 | 否 | 否 | 7 | D2 | 否 | 否 | 1 |
②维修费用C2。
每种维修方案需要相应的规定维修资源，而维修资源在维修费用中占了很大部分，在换件维修中，由于采用换件模式，标准维修费用为5；在非完美维修中，只考虑一些基本维修资源的费用，标准维修费用为3；最小维修情况下维修资源费用可以忽略不计，标记为1。另外，如果采取优先处理措施，会产生临时停机或临时采购维修资源带来的额外费用。因此，实际维修费用超过装备规定换件维修费用的100％时，维修费用则标记为9；实际维修费用超过装备规定换件维修费用的50％时，维修费用则标记为7。
参照表3，本实施例给出维修费用参数分布：
表3维修费用分布
③维修结果C3
维修结果是衡量维修工作效果的主要标准，它表示维修行为对部件状态的更改。当采用换件维修时，部件将会直接回到出厂程度，即最优状态；采取最小维修时，部件将一直保持其维修前的原始状态；非完美维修则是将部件修复到两者之间的某种状态。因此，当维修后系统的不可靠性高于80％时，维修结果标记为9；不可靠性为50％-80％时，维修结果则标记为7；不可靠性为30％-50％时，维修结果则标记为5；不可靠性为10％-30％时，维修结果则标记为3；不可靠性低于10％时，维修结果则标记为1。
参照表4，本实施例给出维修结果参数分布：
表4维修结果分布
④故障损失C4。
维修决策层次模型综合考虑部件维修结果与故障风险，根据部件维修结果的状态和故障风险级别两个变量不同的取值组合，得到维修部件在产品后续运行过程中产生的预期故障损失。因此，预期故障损失超过装备价格100％时，故障损失标记为9；预期故障损失超过装备价格的70％时，故障损失标记为7；预期故障损失为装备价格的40％-70％时，故障损失标记为5；预期故障损失为装备价格的10％-40％时，故障损失标记为3；预期故障损失低于装备价格的10％时，故障损失标记为1。
参照表5，本实施例给出故障损失参数分布：
表5后续故障损失分布
4、构造判断矩阵。
参照表6-10，以维修效果最优为准则，首先根据维修决策层次模型、各节点描述和本实施例节点参数具体分布，建立A-B判断矩阵A＝(aij)4×4，Bk-C(k＝1,2,3,4)判断矩阵Bk＝(bij)4×4；然后根据AW＝λmaxW得到矩阵A的特征值及对应特征向量，进而得到状态节点的权重向量，同理可得目标节点对各状态节点的权重；最后求组合权重，每一个目标节点Cj对总维修目标的组合权重为其中λmax是矩阵最大特征值。
表6状态节点对总目标A的判断矩阵
表7目标节点对状态节点B1的判断矩阵
表8目标节点对状态节点B2的判断矩阵
表9目标节点对状态节点B3的判断矩阵
表10目标节点对状态节点B4的判断矩阵
表11 C层权重总排序
5、进行一致性检验(CC)。
参照表6-10，为了检验本实施例模型中的判断是否满意，求出各的值，C.I.<0.10即认为满意。
6、计算各维修方案的效益值。
表12不同维修条件下最优维修模式(部分)
| B1 | B2 | B3 | B4 | D1 | D2 | D3 | D4 | D5 | D6 |
| 是 | 是 | III | I | 3.5553 | 4.1899 | 3.4875 | 3.7911 | 4.0543 | 4.3579 |
| 是 | 否 | III | II | 3.3973 | 3.7009 | 3.3295 | 3.6331 | 4.3853 | 4.6889 |
| 是 | 否 | IV | II | 4.4307 | 4.7343 | 4.3629 | 4.6665 | 4.3853 | 4.6889 |
| 否 | 是 | V | IV | 4.4861 | 4.7897 | 4.4183 | 4.7219 | 3.8963 | 4.1999 |
| 否 | 是 | II | IV | 1.8749 | 2.1785 | 2.2961 | 2.5997 | 3.8963 | 4.1999 |
| 否 | 否 | II | II | 2.6949 | 2.6675 | 3.1161 | 3.0887 | 4.7163 | 4.6889 |
| 否 | 是 | III | IV | 2.4193 | 2.7229 | 2.8405 | 3.1441 | 3.8963 | 4.1999 |
| 否 | 否 | III | III | 3.7283 | 3.7009 | 3.6605 | 3.6331 | 4.2273 | 4.1999 |
| 否 | 否 | V | II | 5.3061 | 5.2787 | 5.2383 | 5.2109 | 4.2273 | 4.1999 |
参照表12。基于维修决策层次模型和步骤3分析得到的各种维修方案的维修时间、维修费用、维修结果和故障损失参数值及其对应的权重，由得到各种维修方案的效益值，据此选择最佳维修方案，该条件下的最佳维修方案已用黑体标出，其中Cj为目标节点各参数值，Wj为各参数组合权重。
Claims (1)
1.一种基于权重的装备多属性维修决策方法，其特征在于包括以下步骤：
步骤一、确定需要开展维修决策的具体装备，列出所有可行的维修方案；
步骤二、建立维修决策层次模型结构为总目标层、准则层和方案层三层结构；
步骤三、分析维修决策层次模型参数，首先针对需要开展维修决策的装备，根据维修条件给出状态节点维修资源B1、维修时机B2、部件状态B3和故障风险B4的参数值，然后分析这些状态节点参数取值如何影响目标节点维修时间C1、维修费用C2、维修结果C3和故障损失C4的参数取值，以此来量化状态节点对所关联目标节点的影响；
步骤四、根据维修决策层次模型，以维修效果最优为准则，首先建立A-B判断矩阵A＝(aij)m×m、Bi-C判断矩阵Bi＝(bij)m×m，然后根据判断矩阵分别得到状态节点Bi的权重ai，目标节点Cj对状态节点的权重wij以及每一个目标节点Cj对总维修目标的组合权重其中A是维修决策要达到的总目标，B是状态节点包括Bi，i＝1,2,…,m，C是目标节点，aij表示Bi对Bj的相对重要度，bij表示Ci对Cj的相对重要度，其中，i,j＝1,2,…,n；
步骤五、由于使用判断矩阵有判断不一致的情况，在维修决策模型中要计算一个一致性指标来衡量由于不相容所造成的权重误差，当C.I.小于0.10，就认为这个判断满意，其中λmax是矩阵最大特征值；
步骤六、基于建立的维修决策层次模型，以权重为驱动，利用所得判断矩阵和目标节点参数值Cj，由分别计算对应维修方案的效益值，选择最佳维修方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510315010.9A CN104915730B (zh) | 2015-06-09 | 2015-06-09 | 基于权重的装备多属性维修决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510315010.9A CN104915730B (zh) | 2015-06-09 | 2015-06-09 | 基于权重的装备多属性维修决策方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104915730A true CN104915730A (zh) | 2015-09-16 |
| CN104915730B CN104915730B (zh) | 2018-02-13 |
Family
ID=54084777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510315010.9A Active CN104915730B (zh) | 2015-06-09 | 2015-06-09 | 基于权重的装备多属性维修决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104915730B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503813A (zh) * | 2016-10-27 | 2017-03-15 | 清华大学 | 基于起重装备工作状态的预测性维修决策方法及系统 |
| CN107563279A (zh) * | 2017-07-22 | 2018-01-09 | 复旦大学 | 针对人体属性分类的自适应权重调整的模型训练方法 |
| CN109726084A (zh) * | 2018-12-13 | 2019-05-07 | 网联清算有限公司 | 数据中心的故障问题的分析方法及装置 |
| CN110119820A (zh) * | 2019-05-16 | 2019-08-13 | 中国人民解放军海军工程大学 | 一种整体换件预防性维修方案制定方法 |
| CN113065679A (zh) * | 2019-12-27 | 2021-07-02 | 北京国双科技有限公司 | 设备维修性能监测方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102623910A (zh) * | 2012-04-27 | 2012-08-01 | 重庆大学 | 一种基于可靠性的开关设备维修决策方法 |
| CN103091480A (zh) * | 2013-01-07 | 2013-05-08 | 河北工业大学 | 基于熵权的地下道路沥青路面使用性能评价方法 |
-
2015
- 2015-06-09 CN CN201510315010.9A patent/CN104915730B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102623910A (zh) * | 2012-04-27 | 2012-08-01 | 重庆大学 | 一种基于可靠性的开关设备维修决策方法 |
| CN103091480A (zh) * | 2013-01-07 | 2013-05-08 | 河北工业大学 | 基于熵权的地下道路沥青路面使用性能评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 蔡志强 等: ""基于影响图的装备维修决策模型研究"", 《机械科学与技术 》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503813A (zh) * | 2016-10-27 | 2017-03-15 | 清华大学 | 基于起重装备工作状态的预测性维修决策方法及系统 |
| CN107563279A (zh) * | 2017-07-22 | 2018-01-09 | 复旦大学 | 针对人体属性分类的自适应权重调整的模型训练方法 |
| CN107563279B (zh) * | 2017-07-22 | 2020-12-22 | 复旦大学 | 针对人体属性分类的自适应权重调整的模型训练方法 |
| CN109726084A (zh) * | 2018-12-13 | 2019-05-07 | 网联清算有限公司 | 数据中心的故障问题的分析方法及装置 |
| CN109726084B (zh) * | 2018-12-13 | 2021-10-15 | 网联清算有限公司 | 数据中心的故障问题的分析方法及装置 |
| CN110119820A (zh) * | 2019-05-16 | 2019-08-13 | 中国人民解放军海军工程大学 | 一种整体换件预防性维修方案制定方法 |
| CN110119820B (zh) * | 2019-05-16 | 2022-04-15 | 中国人民解放军海军工程大学 | 一种整体换件预防性维修方案制定方法 |
| CN113065679A (zh) * | 2019-12-27 | 2021-07-02 | 北京国双科技有限公司 | 设备维修性能监测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104915730B (zh) | 2018-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104915730A (zh) | 基于权重的装备多属性维修决策方法 | |
| CN109214719B (zh) | 一种基于人工智能的营销稽查分析的系统和方法 | |
| CN111553590A (zh) | 一种雷达嵌入式健康管理系统 | |
| CN110427712B (zh) | 一种基于故障影响分析的预防性维修方法及车间制造系统 | |
| Sharda et al. | Robust manufacturing system design using multi objective genetic algorithms, Petri nets and Bayesian uncertainty representation | |
| CN113935497A (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
| CN115600774B (zh) | 一种装配式建筑构件产线的多目标生产调度优化方法 | |
| CN111639815A (zh) | 一种多模型融合预测电网缺陷物资的方法及系统 | |
| CN104318332A (zh) | 一种电力负荷预测方法和装置 | |
| US9679253B2 (en) | Methods for maintaining infrastructure equipment and related apparatus | |
| CN107360026B (zh) | 分布式消息中间件性能预测与建模方法 | |
| CN104423531A (zh) | 数据中心能耗调度处理方法及装置 | |
| CN102446135A (zh) | 软件质量的检测方法 | |
| US20240037677A1 (en) | Method for power consumption analysis and troubleshooting of production line based on industrial internet of things, system and storage medium thereof | |
| CN108646684B (zh) | 一种基于变动性度量的多产品生产线生产周期预测方法 | |
| KR102574244B1 (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
| CN114169254A (zh) | 基于短期建筑能耗预测模型的异常能耗诊断方法及系统 | |
| CN114666224A (zh) | 业务资源容量动态分配方法、装置、设备及存储介质 | |
| CN110147596B (zh) | 一种航空产品生产能力评估方法 | |
| CN113468157A (zh) | 一种基于能耗分析的相似建筑挑选方法和装置 | |
| CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
| Chien et al. | Determining the operator-machine assignment for machine interference problem and an empirical study in semiconductor test facility | |
| CN112307652B (zh) | 基于平均剩余寿命重要度的复杂装备系统快速维修方法 | |
| Zhang et al. | A simulation‐based differential evolution algorithm for stochastic parallel machine scheduling with operational considerations | |
| Bratchikov | Modern Approaches for Equipment's Technical State Prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Si Shubin Inventor after: Zhao Jiangbin Inventor after: Cai Zhiqiang Inventor after: Li Yang Inventor after: Si Weitao Inventor after: Zhou Wenbao Inventor after: Zhang Shuai Inventor before: Cai Zhiqiang Inventor before: Li Yang Inventor before: Si Shubin Inventor before: Si Weitao Inventor before: Zhao Jiangbin Inventor before: Zhou Wenbao Inventor before: Zhang Shuai |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |