CN106249709B - 动态的过程质量控制图和定龄维修联合设计优化控制方法 - Google Patents
动态的过程质量控制图和定龄维修联合设计优化控制方法 Download PDFInfo
- Publication number
- CN106249709B CN106249709B CN201610581513.5A CN201610581513A CN106249709B CN 106249709 B CN106249709 B CN 106249709B CN 201610581513 A CN201610581513 A CN 201610581513A CN 106249709 B CN106249709 B CN 106249709B
- Authority
- CN
- China
- Prior art keywords
- design
- quality control
- control
- cost
- repair
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000013461 design Methods 0.000 title claims abstract description 63
- 230000008439 repair process Effects 0.000 title claims abstract description 54
- 238000003908 quality control method Methods 0.000 title claims abstract description 42
- 230000008569 process Effects 0.000 title claims abstract description 34
- 238000012423 maintenance Methods 0.000 claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 claims abstract description 48
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000026676 system process Effects 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 12
- 238000010206 sensitivity analysis Methods 0.000 claims description 9
- 230000002950 deficient Effects 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000003449 preventive effect Effects 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31359—Object oriented model for fault, quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种动态的过程质量控制图和定龄维修联合设计优化控制方法，解决了以生产运行综合费用最小为目标的生产系统过程质量控制图和定龄维修联合设计方案的持续优化问题。其方法包括：一、构建以生产运行综合费用最小为目标的生产系统过程质量控制图和定龄维修联合设计模型，二、根据联合设计模型利用遗传算法求解过程质量控制图和定龄维修的设计方案；三、执行联合设计初始方案和成本管理对策，并在系统运行触发停机维修时，判断显著性影响因素的成本水平是否发生明显变化；四、根据判断结果优化实施执行方案，如无变化需提出新的成本改进对策并执行原设计方案，如有变化则需进行设计方案的优化，根据变化结果利用遗传算法重修求解设计方案并确定执行。
Description
技术领域
本发明涉及生产系统过程质量与可靠性控制领域，特别涉及一种动态的过程质量控制图和定龄维修联合设计优化控制方法。
背景技术
在生产过程中，对设备系统进行预防维修和利用控制图对生产过程进行质量监控是保证产品质量的两种基本手段和方法。由于定时、定龄等预防维修策略和质量控制图两者的集成经济决策相对于单一措施的独立经济决策在生产运行综合费用方面更具经济性，关于预防维修策略和控制图的联合经济设计问题近年来广受关注，是生产系统质量经济效益领域的研究热点之一。
自统计过程质量控制和预防维修联合设计问题提出至今，其研究主要集中在系统运行质量成本要素处于静态不变条件下的质量控制图和预防维修参数联合设计的数学建模及其分析领域，并且要求每次维修都修复如新，这与现实生产实际并不相符。在现实生产中，每次维修不仅往往难以修复如新，因此系统每个运行阶段的故障率并非完全一样的，而且由于改进策略的实施、成本要素市场价格变化等因素的影响，系统维修成本、产品质量抽检成本、不合格品的生产费用、维修停机生产损失等质量成本要素在不同维修间隔运行阶段的成本状况也并不一定是确定不变的，而是呈现出动态变化的特征。因此，在每次维修完成后，需要根据系统可靠性变化和运行成本要素结果变化对联合设计的参数方案进行持续的动态调整优化，否则难以实现通过过程质量控制图和预防维修联合设计最大可能降低系统生产运行综合费用的目的。
本发明在充分考虑生产系统运行实际状态具有变化性的基础上，提出一种动态的过程质量控制图和定龄维修联合设计优化控制方法，可以解决生产系统过程质量控制图和定龄维修联合设计方案的持续优化问题。
发明内容
针对上述情况，本发明的目的在于克服现有技术存在的不足而提供一种可以解决生产系统过程质量控制图和定龄维修联合设计方案的持续优化问题的动态的过程质量控制图和定龄维修联合设计方案的控制方法。
本发明所采用的技术方案如下，一种动态的过程质量控制图和定龄维修联合设计方案的控制方法，该方法包括以下阶段：
第一阶段：构建以维修间隔期生产运行综合费用最小为目标的生产系统过程质量控制图和定龄维修联合设计模型并进行灵敏度分析；
第二阶段：基于联合设计模型，根据生产过程质量与维修成本的参数信息，利用遗传算法求解过程质量控制图和定龄维修的设计方案；
第三阶段：执行设计方案和管控对策，触发停机维修时判断显著性影响因素的成本水平是否发生变化；
第四阶段：优化确定实施方案；
根据第三阶段判定结果的不同，本优化过程分为两种情况：
(1)如果显著性影响因素值未发生变化，执行步M；
(2)如果显著性影响因素值发生了变化，执行步骤N；
步骤M：原有联合设计方案不变，优化管控对策并确定执行；
步骤N：更新系统过程质量和设备运行可靠性状态信息，利用遗传算法求解联合设计模型产生新的优化设计方案，并确定执行。
第一阶段包括以下步骤：
步骤A：根据生产系统过程质量控制过程和设备运行过程的特征及其相互关联性，建立生产系统过程质量控制图和维修策略的耦合机制，并由历史数据分析确定生产系统的产品质量特性分布函数和设备运行的寿命分布函数的特征信息；
步骤B：基于生产系统过程质量控制图和维修策略的耦合机制及两者的特征信息，在确定所用控制图和相关假设前提下，建立以生产运行综合费用最小为目标的生产系统过程质量控制图和定龄维修联合设计数学模型；
步骤C：由步骤B的数学模型，对模型的成本相关参数与目标值的影响关系进行灵敏度分析，识别判定显著性影响因素；
步骤D：针对步骤C的显著性影响因素，根据实际生产状况和环境提出改进的管控对策。
所述第二阶段包括以下步骤：
步骤E：基于matlab语言利用遗传算法求解联合设计模型；
步骤F：根据求解结果确定过程质量控制图和定龄维修的设计方案。
所述第三阶段包括以下步骤：
步骤G：执行设计方案和管控对策，记录系统运行的过程质量和设备运行信息，尤其是系统产量、合格品、不合格品、质量抽检成本、抽检时间、抽检次数、设备运行可靠性状态信息等；
步骤H：触发停机维修时，根据记录的过程质量和设备运行状态信息，判定显著性影响因素值在这一阶段的运行过程中是否发生变化。
本发明的技术方案产生的积极效果如下：
(1)本方案可以实现针对实施过程显著性因素的数据变化重新优化确定实施方案，与传统技术相比，具有能够实现设计方案根据系统运行实际变化情况持续改进和优化的优点；
(2)本方案实施无需要求每次维修都修复如新这一假设前提，并且考虑了成本要素市场价格是个动态变化过程等问题，与传统技术相比，具有更符合生产实际情况的优点；
(3)本方案模型的运行时间都是基于系统实际运行状态数据实时更新测定，不再需根据控制图的ARL进行估计，与传统技术相比，具有数据更精确的优点。
本发明给出了一种动态的生产系统过程质量控制图和定龄维修联合设计优化控制方法，充分考虑了生产系统实际运行状态具有阶段变化性的现实特征，可以解决生产系统过程质量控制图和定龄维修联合设计方案的持续优化问题。
附图说明
图1为本发明为实现动态的对生产系统过程质量控制图和定龄维修联合设计优化控制的流程图。
图2为本发明测试用生产系统的联合模型灵敏度分析结果主效应图。
图3为本发明测试用生产系统的联合模型灵敏度分析结果方差分析表。
图4本发明测试用生产系统联合模型基本参数在不同维修间隔期的动态信息数据表。
图5为本发明测试用生产系统的过程质量控制图和定龄维修在不同运行周期的联合设计方案结果。
具体实施方式
以下以一个测试生产系统为例，对本发明的实施方式作进一步详细说明。
动态的过程质量控制图和定龄维修联合设计方案的控制方法，如图1、2、3、4、5所示，该方法的具体如下步骤：
步骤1：分析系统建立维修策略和控制图监测的耦合机制；
假设系统存在三种可能状态：受控、失控、故障。已知在每个维修间隔期内，系统由受控转为失控和由失控转为故障停机的时间点t分别服从参数为λ1和λ2的指数分布，密度函数分别为f1(u)和f2(v)；系统输出的过程质量特性为X，受控时X～N(μ,σ2)，失控时X～N(μ+δ,σ2)；采用控制图监控系统过程质量特性X，维修事件由控制图报警、系统故障或定龄维修时间到达三种情况触发。基于以上假设，经分析可知，在一个维修间隔周期内，系统的维修方式和控制图监测存在以下5种可能形成停机维修事件的耦合机制：
事件S1：从上一次维修完成后开始，系统在整个定期维修周期内一直受控且控制图未误发报警信号，最后运行到达定期维修时间点触发停机维修，形成定龄维修事件；
事件S2：从上一次维修完成后开始，系统一直受控，但控制图在第i次抽检时误发报警信号触发停机维修行为，形成补偿维修事件；
事件S3：从上一次维修完成后开始，系统运行至u时刻(u发生在第r个抽样间隔期)由受控转为失控状态，控制图在第j次抽检时发出了正确报警信号触发停机维修，形成状态维修事件；
事件S4：从上一次维修完成后开始，系统运行至u时刻(u发生在第r个抽样间隔期)由受控转为失控状态，由于控制图一直漏发报警信号，系统一直失控运行至定期维修时间点触发停机维修，形成状态维修事件；
事件S5：从上一次维修完成后开始，系统运行至u时刻(u发生在第r个抽样间隔期)由受控转为失控状态，但由于控制图一直漏发警报，系统运行至v时刻(v发生在第m个抽样间隔期)进一步转为故障停机状态，形成故障维修事件。
步骤2：建立以上各维修事件的周期期望运行时间长度函数ET(Si)；
若记控制图的参数为(n,h,w)，犯第一类错误和第二类错误的概率分别为a和β；定期维修的间隔周期为Td＝(k+1)h；定龄维修时间为T1，补偿维修时间为T2，状态维修时间为T3，故障维修时间为T4，则分析可知，各维修事件的周期期望运行时间长度为：
步骤3：建立以上各维修事件的周期期望运行成本函数EC(Si)；
假设系统的过程质量检测时间不计，系统故障、控制图报警或到达定龄维修点立即进行相应维修，系统修好后马上投入运行，则系统成本主要由以下几部分组成：系统维修成本、产品抽检成本、不合格品的生产费用、维修停机生产损失。记平均每次定龄维修成本为Cm1，平均每次补偿维修成本为Cm2，平均每次状态维修成本为Cm3，平均每次故障维修成本为Cm4；平均每个样品的抽检成本为Cq；系统正常时单位时间不合格品生产费用为Cp1，系统异常时单位时间不合格品生产费用为Cp2；维修停机单位时间生产损失为Cs。由此可得S1事件的周期期望运行成本为：
同理可得，
步骤4：建立生产系统的过程质量控制和定龄维修联合设计目标函数；
以两次维修间隔期内期望单位时间生产运行综合费用最小为目标，可得目标函数为
式中：EC(Si)-事件Si状态下的周期期望运行成本；ET(Si)-事件Si状态下的周期期望运行时间；i＝1,2,3,4,5。
步骤5：进行模型参数的灵敏度分析，并根据结果提出过程管控对策；
灵敏度分析利用mintab16方差分析模块的主效应图分析功能进行计算，如图2所示。
步骤6：利用遗传算法求解联合设计模型，确定实施方案；
遗传算法采用matlab语言编程实现，种群规模popsize＝50，交叉概率pc＝0.6，变异概率pm＝0.1，最大遗传代数maxgen＝100。
步骤7：执行过程质量控制和定龄维修的设计方案以及过程管控对策；
方案执行过程中，收集相关参数的基础信息数据。
步骤8：判定是否停机维修；
根据停机维修的触发条件，判定是否停机维修；如果不停机维修，继续运行，执行步骤9，如果停机维修，执行步骤10。
步骤9：原有联合设计方案不变，优化管控对策并确定执行；
步骤10：停机维修后优化确定下一个运行周期的设计方案和管控对策；
停机维修时，基于新收集的参数基础信息数据，分析判定显著性因素结果是否变化：如果无变化，提出新的过程管控对策并结合原有设计方案执行下一个运行周期；如果有变化，则根据变化结果优化确定下一个运行周期的设计方案，并结合原有管控对策执行下一个运行周期。
整个实施控制的流程图如图1所示。
(1)测试系统定义。
测试用设备系统定义如下：系统发生异常前的受控时间服从参数λ1的指数分布，故障停机前的失控时间服从参数λ2的指数分布；受控状态下输出质量特性X～N(77,82)，失控时引起X的均值漂移值为δ，过程质量采用控制图(n,h,w)进行监控，定龄维修周期长度为Td＝(k+1)h，系统停机维修行为由控制图报警、故障或到达定龄维修时间点三个事件触发，n,h,w,k均为决策变量；成本因素包括平均每个样品的抽检成本Cq，定龄维修的单次平均成本Cm1、补偿维修的单次平均成本Cm2、状态维修的单次平均成本Cm3、故障维修的单次平均成本Cm4，系统受控时单位时间不合格品生产费用Cp1、系统失控时单位时间不合格品生产费用Cp2、维修停机的单位时间生产损失Cs；时间因素包括系统运行时间T、定龄维修时间T1、补偿维修时间T2、状态维修时间T3、故障维修时间T4。
(2)测试系统联合模型参数的的灵敏度分析。
基于测试系统定义，为联合模型参数灵敏度分析结果如图2和图3所示，即该系统联合设计的显著性因素为λ1，δ、Cm4和Cs，针对以上显著性因素提出过程管控对策；
(3)测试系统初始过程设计方案求解。
基于图4中的初始数据信息，利用遗传算法求解联合设计模型，得到过程质量控制和定龄维修的初始设计方案见图5中的初始过程设计方案结果数据。
遗传算法采用matlab语言编程实现，种群规模popsize＝50，交叉概率pc＝0.6，变异概率pm＝0.1，最大遗传代数maxgen＝100。
(4)执行初始设计方案和过程管控对策触发停机维修。
根据初始设计方案和过程管控对策，执行生产系统的过程质量控制和定龄维修活动，收集过程质量和设备运行可靠性和维护的相关基础信息。
(5)停机维修后下一运行周期设计方案的优化。
在增加上一个运行过程所收集的相关基础信息数据后，分析得到的模型参数新数据见图4中的更新数据，发现显著性因素的结果具有显著变化；基于更新数据计算得到的下一个运行周期的过程质量控制和定龄维修优化设计方案见图5中的优化方案结果数据。遗传算法的参数设置与(3)相同。
本发明在系统的全寿命周期内，将每个维修间隔期作为一个决策阶段，并在每个阶段都根据更新数据借助遗传算法对系统过程质量控制图和定龄维修进行联合设计或管控对策的优化，通过这种持续优化获得更符合生产实际的执行方案，从而实现降低生产运行综合成本的目的。
Claims (4)
1.一种动态的过程质量控制图和定龄维修联合设计方案的控制方法，其特征在于：该方法包括以下阶段：
第一阶段：构建以维修间隔期生产运行综合费用最小为目标的生产系统过程质量控制图和定龄维修联合设计模型并进行参数的灵敏度分析；第二阶段：基于联合设计模型，根据生产过程质量与维修成本的参数信息，利用遗传算法求解过程质量控制图和定龄维修的设计方案；第三阶段：执行设计方案和管控对策，触发停机维修时判断显著性影响因素的成本水平是否发生变化；第四阶段：优化确定实施方案；根据第三阶段判定结果的不同，本优化过程分为两种情况：(1)如果显著性影响因素值未发生变化，执行步骤M；
(2)如果显著性影响因素值发生了变化，执行步骤N；
步骤M：原有联合设计方案不变，优化管控对策并确定执行；
步骤N：更新系统过程质量和设备运行可靠性状态信息，利用遗传算法求解联合设计模型产生新的优化设计方案，并确定执行。
2.根据权利要求1所述的动态的过程质量控制图和定龄维修联合设计方案的控制方法，其特征在于：第一阶段包括以下步骤：步骤A：根据生产系统过程质量控制过程和设备运行过程的特征及其相互关联性，建立生产系统过程质量控制图和维修策略的耦合机制，并由历史数据分析确定生产系统的产品质量特性分布函数和设备运行的寿命分布函数的特征信息；
步骤B：基于生产系统过程质量控制图和维修策略的耦合机制及两者的特征信息，在确定所用控制图和相关假设前提下，建立以综合质量成本最小为目标的生产系统过程质量控制图和定龄维修联合设计数学模型；
步骤C：由步骤2的数学模型，对模型的成本相关参数与目标值的影响关系进行灵敏度分析，识别判定显著性影响因素；
步骤D：针对步骤3的显著性影响因素，根据实际生产状况和环境提出改进的管控对策。
3.根据权利要求1所述的动态的过程质量控制图和定龄维修联合设计方案的控制方法，其特征在于：所述第二阶段包括以下步骤：步骤E：基于matlab语言利用遗传算法求解联合设计模型；
步骤F：根据求解结果确定过程质量控制图和定龄维修的设计方案。
4.根据权利要求1所述的动态的过程质量控制图和定龄维修联合设计方案的控制方法，其特征在于：所述第三阶段包括以下步骤：步骤G：执行设计方案和管控对策，记录系统运行的过程质量和设备运行信息，具体是系统产量、合格品、不合格品、质量抽检成本、抽检时间、抽检次数及设备运行可靠性状态信息；步骤H：触发停机维修时，根据记录的过程质量和设备运行状态信息，判定显著性影响因素值在这一阶段的运行过程中是否发生变化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610581513.5A CN106249709B (zh) | 2016-07-21 | 2016-07-21 | 动态的过程质量控制图和定龄维修联合设计优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610581513.5A CN106249709B (zh) | 2016-07-21 | 2016-07-21 | 动态的过程质量控制图和定龄维修联合设计优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106249709A CN106249709A (zh) | 2016-12-21 |
| CN106249709B true CN106249709B (zh) | 2018-10-09 |
Family
ID=57604387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610581513.5A Active CN106249709B (zh) | 2016-07-21 | 2016-07-21 | 动态的过程质量控制图和定龄维修联合设计优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106249709B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107256002A (zh) * | 2017-05-27 | 2017-10-17 | 四川用联信息技术有限公司 | 新的衡量制造过程多元质量能力的算法 |
| JP6984370B2 (ja) * | 2017-12-06 | 2021-12-17 | 横河電機株式会社 | 生産支援システム、生産支援方法及びプログラム |
| CN108268730B (zh) * | 2018-01-23 | 2021-06-04 | 北京航空航天大学 | 一种面向产品可靠性退化的tbe控制图系统优化设计方法 |
| CN108445761B (zh) * | 2018-03-15 | 2021-06-29 | 南京林业大学 | 基于gert网络统计过程控制与维护策略联合建模方法 |
| CN108710946B (zh) * | 2018-03-17 | 2021-12-10 | 青岛农业大学 | 深水立管系统风险维修决策优化的人因可靠性平衡法 |
| CN110794809B (zh) * | 2019-10-28 | 2021-05-11 | 郑州航空工业管理学院 | 基于预防维修和质量损失函数的vsi ewma控制图经济设计方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608916A (zh) * | 2012-02-15 | 2012-07-25 | 浙江工业大学 | 一种基于元胞机的大型零件柔性作业车间的动态调度方法 |
| CN104504540A (zh) * | 2015-01-13 | 2015-04-08 | 郑州航空工业管理学院 | 基于多阶段智能优化算法的动态柔性作业车间调度控制方法 |
| CN105785954A (zh) * | 2016-04-22 | 2016-07-20 | 北京航空航天大学 | 基于质量状态任务网络的制造系统任务可靠性建模方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8606386B2 (en) * | 2010-03-12 | 2013-12-10 | Ana Maria Dias Medureira Pereira | Multi-agent system for distributed manufacturing scheduling with Genetic Algorithms and Tabu Search |
-
2016
- 2016-07-21 CN CN201610581513.5A patent/CN106249709B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608916A (zh) * | 2012-02-15 | 2012-07-25 | 浙江工业大学 | 一种基于元胞机的大型零件柔性作业车间的动态调度方法 |
| CN104504540A (zh) * | 2015-01-13 | 2015-04-08 | 郑州航空工业管理学院 | 基于多阶段智能优化算法的动态柔性作业车间调度控制方法 |
| CN105785954A (zh) * | 2016-04-22 | 2016-07-20 | 北京航空航天大学 | 基于质量状态任务网络的制造系统任务可靠性建模方法 |
Non-Patent Citations (1)
| Title |
|---|
| 生产系统维修策略和控制图经济设计研究综述;陈洪根;《现代制造工程》;20150531(第5期);141-146 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106249709A (zh) | 2016-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106249709B (zh) | 动态的过程质量控制图和定龄维修联合设计优化控制方法 | |
| CN112202736B (zh) | 基于统计学习和深度学习的通信网络异常分类方法 | |
| US10521490B2 (en) | Equipment maintenance management system and equipment maintenance management method | |
| US20190347590A1 (en) | Intelligent Decision Synchronization in Real Time for both Discrete and Continuous Process Industries | |
| JP2023017888A (ja) | 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法 | |
| Bang et al. | Novel real-time model-based fault detection method for automatic identification of abnormal energy performance in building ventilation units | |
| EP2871585B1 (en) | Control system database systems and methods | |
| CN117393076B (zh) | 耐热环氧树脂生产过程智能监测方法及系统 | |
| CN117494032B (zh) | 建筑能耗实时监测控制系统及方法 | |
| AU2021329227B2 (en) | Systems and methods for HVAC equipment predictive maintenance using machine learning | |
| CN108470699B (zh) | 一种半导体制造设备和工艺的智能控制系统 | |
| CN107818523A (zh) | 基于非稳定频率分布与频率因子学习的电力通信系统数据真值判别与推断方法 | |
| US11665193B2 (en) | Method for managing plant, plant design device, and plant management device | |
| US11334061B2 (en) | Method to detect skill gap of operators making frequent inadvertent changes to the process variables | |
| CN116997867A (zh) | 用于预测技术设施的运行的方法和系统 | |
| GB2623693A (en) | Power consumption estimation device, power consumption estimation method, and power consumption estimation program | |
| KR102617618B1 (ko) | 산업용 공장의 고효율 설비 교체를 위한 인공지능 기반 의사 결정 서비스 제공 장치, 방법 및 시스템 | |
| CN117113886B (zh) | 一种压力预测方法及装置 | |
| Timoshenko et al. | Algorithm for validation of the radar digital twin based on the results of diagnostic control data processing | |
| Bagchi et al. | Data analytics and stochastic modeling in a semiconductor fab | |
| Karagiorgou et al. | On making factories smarter through actionable predictions based on time-series data | |
| CN117940863A (zh) | 用于改进技术设备中的生产过程的方法和系统 | |
| Bai | Network Equipment Fault Maintenance Decision System Based on Bayesian Decision Algorithm | |
| CN117977536A (zh) | 一种智能电网负荷辨识方法 | |
| CN110705133A (zh) | 一种预测性维护的方法及预测性维护设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |