CN108960669A - 一种面向可靠性退化的设备维修与过程控制联合策略优化方法 - Google Patents

一种面向可靠性退化的设备维修与过程控制联合策略优化方法 Download PDF

Info

Publication number
CN108960669A
CN108960669A CN201810807050.9A CN201810807050A CN108960669A CN 108960669 A CN108960669 A CN 108960669A CN 201810807050 A CN201810807050 A CN 201810807050A CN 108960669 A CN108960669 A CN 108960669A
Authority
CN
China
Prior art keywords
scene
maintenance
sub
signal period
reliability
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
Application number
CN201810807050.9A
Other languages
English (en)
Other versions
CN108960669B (zh
Inventor
何益海
崔家铭
刘枫棣
韩笑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201810807050.9A priority Critical patent/CN108960669B/zh
Publication of CN108960669A publication Critical patent/CN108960669A/zh
Application granted granted Critical
Publication of CN108960669B publication Critical patent/CN108960669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种面向可靠性退化的设备维修与过程控制联合策略优化方法,具体步骤是：一、建立制造过程质量‑产品可靠性退化关联模型；二、对联合策略进行预设计，并确定全部子场景；三、计算各子场景的发生概率；四、计算各子场景单个周期的期望时长；五、计算各子场景的单个周期内总运行成本的期望值；六、计算各子场景的单个周期内产品可靠性退化总量的期望值；七、计算系统平均可靠性退化量与平均运行成本的期望；八、以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化。本发明有效结合了设备维修与过程控制的优势，有效遏制了因制造过程导致的批次产品可靠性退化，在质量管理与可靠性保证领域有广阔的应用前景。

Description

一种面向可靠性退化的设备维修与过程控制联合策略优化 方法
技术领域
本发明提供了一种面向可靠性退化的设备维修与过程控制联合策略优化方法，属于制造可靠性控制领域。
背景技术
为应对全球化挑战，制造商需要不断满足市场与客户对于产品质量与可靠性方面不断提升的要求。制造过程是产品形成的决定性过程，其稳定性与精确性直接决定了批次产品可靠性退化的程度。因此，加强在传统制造质量管理与控制中产品可靠性保证工作已逐步成为学术界和工业界的共识。
目前，现存的以提升批次产品可靠性为目标的制造阶段质量管理技术主要可以分为以下两类：第一类是根据已知工程经验选取能够定性表征产品可靠性的制造阶段指标，进而对制造可靠性进行间接的、定性的、框架式的管理和控制；第二类则在确定与可靠性相关的核心工艺参数后，利用相应的制造质量控制技术实现制造过程中的可靠性保证。然而，上述方法均是通过过程质量的监控来间接实现批次产品可靠性的提升，然而它们均无法定量刻画制造过程质量与产品批次可靠性退化关联关系，导致无法对为增强批次可靠性所额外投入的生产成本和相应获得的批次可靠性提升进行费效比分析。针对上述缺陷，本专利提出了一种面向可靠性退化的设备维修与过程控制联合策略优化方法，首先建立制造过程质量-产品可靠性退化关联模型，随后对由预防性维修与事件时间间隔控制图组成的联合策略进行预设计，并确定全部子场景，进而计算各子场景的发生概率、单个周期的期望时长、单个周期内总运行成本的期望值、单个周期内产品可靠性退化总量的期望值，随后计算系统平均可靠性退化量与平均运行成本的期望，最后以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化。本发明给出的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，在定量描述制造过程质量与批次可靠性退化关联关系的基础上，能提升制造阶段产品可靠性退化控制的准确性和有效性。
发明内容
(1)本发明的目的：
针对目前的面向产品可靠性的制造质量控制中由于忽视各类生产约束与相应批次可靠性提升之间定量关系带来的不足，本发明提出了一种面向可靠性退化的设备维修与过程控制联合策略优化方法，首先建立制造过程质量-产品可靠性退化关联模型，随后对由预防性维修与事件时间间隔控制图组成的联合策略进行预设计，并确定全部子场景，进而计算各子场景的发生概率、单个周期的期望时长、单个周期内总运行成本的期望值、单个周期内产品可靠性退化总量的期望值，随后计算系统平均可靠性退化量与平均运行成本的期望，最后以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化。
(2)技术方案：
本发明是一种面向可靠性退化的设备维修与过程控制联合策略优化方法，提出的基本假设如下：
假设1产品可靠性仅由制造过程中的关键过程偏差和缺陷决定；
假设2涉及的加工工位均为高质量过程且采用连续监控；
假设3制造过程退化服从离散马尔可夫链模型且转移强度矩阵已知；
假设4预防性维修与修复性维修都使过程恢复到最佳状态
(一)基于上述假设，本发明提出的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其步骤如下：
步骤1建立制造过程质量-产品可靠性退化关联模型；
步骤2对联合策略进行预设计，并确定全部子场景；
步骤3计算各子场景的发生概率；
步骤4计算各子场景单个周期的期望时长；
步骤5计算各子场景的单个周期内总运行成本的期望值；
步骤6计算各子场景的单个周期内产品可靠性退化总量的期望值；
步骤7计算系统平均可靠性退化量与平均运行成本的期望；
步骤8以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化。
其中，步骤1中所述的“建立制造过程质量-产品可靠性退化关联模型”，是指根据客户需求与产品设计结构，确定与产品可靠性最为相关的一种关键过程偏差与关键制造缺陷；随后建立制造质量-产品可靠性关联模型，以表征产品可靠性退化量ΔR，表达式为这里R0(tw)表示产品设计可靠度在质保期终点时的理想值，cw表示产品在质保期内因自身质量原因出现故障引起的质保成本，k表示关键过程偏差对质保成本增加的影响系数，V表示关键过程偏差量，G(tw)表示单个关键制造缺陷在质保期内引发失效的概率，D表示关键制造缺陷的个数。
其中，步骤2中所述的“对联合策略进行预设计，并确定全部子场景”，是应用定期预防性维修与事件时间间隔控制图进行对目标制造过程进行初步监控，以保证制造过程处在理想状态，并根据控制图报警与预防性维修活动的时序关系划分出全部三类子场景；具体而言，场景I是指制造过程始终处于理想状态直到执行预防性维修，使过程恢复到最佳状态；场景II是指制造过程在预防性维修时刻前转移到恶劣状态，且控制图正确报警，通过恢复性维修使过程恢复到最佳状态；场景III是制造过程在预防性维修时刻前转移到恶劣状态，但控制图未在预防性维修时刻前正确报警，通过恢复性维修使过程恢复到最佳状态。
其中，步骤3中所述的“计算各子场景的发生概率”，是指计算控制策略长期运行时单个周期属于各子场景的概率；具体地，场景I的发生概率可表示为其中x表示过程的临界状态，H表示预防性维修时间间隔，p1,i(t) 表示过程在t时刻处于状态i的概率，其概率向量p1,1(t)＝[p1,1(t),p1,2(t),L,p1,N(t)] 可通过解方程组得到，其中Λ1表示过程状态转移强度矩阵；场景II 的发生概率可表示为其中N表示过程的状态总数，表示过程在t时刻处于报警状态Aj的概率，其概率向量可通过解方程组得到，其中Λ2表示过程的状态转移强度增广矩阵，写为：
其中，λi,j为矩阵Λ1的对应元素，υi表示过程处于状态i时目标监控事件的发生强度，LCL表示事件时间间隔控制图的下控制限；场景III的发生概率可表示为
其中，步骤4中所述的“计算各子场景单个周期的期望时长”，是指计算各子场单个周期的期望时间长度；具体地，场景I单个周期的期望时长可表示为 E(Tcycle|SI)＝H；
场景II单个周期的期望时长可表示为
其中p2,i(t)表示过程在t时刻处于运行状态i的概率，其对应的状态转移强度矩阵为Λ2；场景III单个周期的期望时长可表示为E(Tcycle|SIII)＝H；
其中，步骤5所述的“计算各子场景的单个周期内总运行成本的期望值”，是指综合考虑维修活动和控制图运行时产生的各类成本，计算联合控制策略长期运行时各子场景的单个周期内总运行成本的期望值；具体地，场景I单个周期内总运行成本的期望值可表示为其中cPM为单次预防性维修成本，cACI为单次过程检查成本，cFA为单次控制图虚警成本，cOPE为单次控制图打点成本；
场景II单个周期内总运行成本期望值表示为
其中cCM表示单次修复性维修成本；场景III单个周期内总运行成本期望值表示为
其中cTT表示由预防性维修转修复性维修所需费用。
其中，步骤6中所述的“计算各子场景的单个周期内产品可靠性退化总量的期望值”，是指算联合控制策略长期运行时，各子场景的单个周期内产品可靠性退化总量的期望值；具体地，场景I单个周期内可靠性退化总量期望值为
其中其中Φ(g)为过程质量-可靠性退化模型的简化形式，fi(v)表示关键过程偏差在过程状态i时的概率密度函数，gi(d)表示关键制造缺陷在过程状态i时的概率质量函数；场景II单个周期内可靠性退化总量期望值为场景III单个周期内可靠性退化总量期望值为
其中，步骤7中所述的“计算系统平均可靠性退化量与平均运行成本的期望”，是指基于各子场景性能，计算系统长期运行时平均可靠性退化量与平均运行成本的期望；具体地，
系统平均可靠性退化量可表示为
ETBE&PM(ΔRaverage)＝ETBE&PM(ΔRtotal)/ETBE&PM(Tcycle)，
其中，
系统平均运行成本的期望可表示为
ETBE&PM(Caverage)＝ETBE&PM(Ctotal)/ETBE&PM(Tcycle)，
其中，
其中，步骤8中所述的“以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化”，是指对过程临界状态x，预防性维修时间间隔H，事件时间间隔控制图下控制限LCL行联合优化，在满足经济性能与统计性能的同时，实现最小的系统平均可靠性退化量；该问题为非线性优化问题，其目标函数为 ETBE&PM(ΔRaverage)＝minimum；两个约束函数为ETBE&PM(Caverage)≤ω与θx≤1/τ，其中τ与ω均为给定常数；决策变量为x，H，LCL；在实际优化过程中，为提升计算效率，首先对x采用枚举法，对每一确定的x，通过MATLAB自带的优化工具箱完成优化，获得最佳参数组合(H,LCL)，完成全局搜索后，进而得到系统全局最优解 (x,H,LCL)。
(二)本发明提出的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其使用方法如下：
步骤1建立制造过程质量-产品可靠性退化关联模型；
步骤2对联合策略进行预设计，并确定全部子场景；
步骤3计算各子场景的发生概率；
步骤4计算各子场景单个周期的期望时长；
步骤5计算各子场景的单个周期内总运行成本的期望值；
步骤6计算各子场景的单个周期内产品可靠性退化总量的期望值；
步骤7计算系统平均可靠性退化量与平均运行成本的期望；
步骤8以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化。
通过以上步骤，在定量描述制造过程质量与批次可靠性退化关联关系的基础上，能提升制造阶段产品可靠性退化控制的准确性和有效性。
(3)本发明的优点和功效：
本发明是一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其优点是：
i.本发明提供了制造过程质量与批次产品可靠性退化的定量描述模型。
ii.本发明结合了设备维修和过程质量控制的优点，增强了了批产品可靠性退化抑制的效果。
iii.本发明能够在满足统计性能与经济性能要求的基础上，达到最佳的制造可靠性保证效果。
附图说明
图1是本发明所述方法流程图。
图2是与关键过程变量对应的加工过程示意图。
具体实施方式
下面将结合附图和实例对本发明做进一步详细说明。
本发明是一种面向可靠性退化的设备维修与过程控制联合策略优化方法，见图1所示，其步骤如下：
步骤1某型号气缸盖部分对应加工过程如图2所示。根据设计结构与可靠性要求，确定其工位4中引入的槽C宽度为关键过程参数，且工位4中引入的制造缺陷为关键制造缺陷。随后，确定建模系数，得到产品可靠性退化与制造过程状态的关系为ΔR＝0.95-(0.95-8V2)×0.6D。
步骤2根据事件时间间隔控制图所监控的观测事件，对联合策略进行预设计，并确定全部子场景。
步骤3计算各子场景的发生概率，当临界状态x＝3时所需要的增广强度矩阵为
当临界状态x＝2时所需要的增广强度矩阵为：
当临界状态x＝1时所需要的增广强度矩阵为：
步骤4计算各子场景单个周期的期望时长，当临界状态x＝3,2,1时所需的增广强度矩阵同步骤3中的结果。
步骤5计算各子场景的单个周期内总运行成本的期望值，当临界状态x＝3,2,1时所需的增广强度矩阵同步骤3中的结果。
步骤6计算各子场景的单个周期内产品可靠性退化总量的期望值，当临界状态 x＝3,2,1时所需的增广强度矩阵同步骤3中的结果，且设备属于各状态时，批次可靠性退化期望为E(ΔR1)＝0.0028,E(ΔR2)＝0.0110,E(ΔR3)＝0.0231,E(ΔR4)＝0.0385。
步骤7根据步骤3-步骤6中的结果，计算系统平均可靠性退化量与平均运行成本的期望表达式。
步骤8通过咨询专家，确定系统统计性能与经济性能的要求τ＝2000，ω＝0.01。进而明确两个约束函数为θx≤1/2000与ETBE&PM(Caverage)≤0.01。随后利用MATLAB 中自带优化工具箱，以ETBE&PM(ΔRaverage)＝minimum作为目标函数，分别在临界状态 x＝3,2,1时，以自变量为(H,LCL)进行迭代优化，完成全局搜索后，进而得到系统全局最优解(x,H,LCL)其结果为：x＝2,H＝2088,LCL＝0.5989。此时对应的低批次产品可靠性退化值为ETBE&PM(ΔRaverage)min＝0.004682
最后，以相同的成本约束，将传统的定期修复性维修方案作为对照，代入计算可知传统的定期修复性维修方案能达到的最低批次产品可靠性退化值为0.006277，由此可知根据本专利所提方法进行优化设计得到的联合控制策略成功减少了25.41％的批次可靠性退化值，说明该设计方法能有效地在制造过程中实现产品可靠性提升。这是因为本专利充分利用了制造过程质量与产品可靠性的定量关联关系，且结合了设备维修策略和统计过程控制策略的优点，利用设备维修技术进行主动式、前驱式的可靠性保证，同时利用统计过程控制技术保证产品可靠性出现恶化的趋势能被及时快速地检测出来，使该联合策略较之传统方法更具有针对性和科学性，能较好地将制造过程导致的产品可靠性退化始终保持在一个较低的水平，能够帮助企业显著提升在制造过程进行产品可靠性保证工作的效率。

Claims (10)

1.一种面向可靠性退化的设备维修与过程控制联合策略优化方法，提出的基本假设如下：
假设1产品可靠性仅由制造过程中的关键过程偏差和缺陷决定；
假设2涉及的加工工位均为高质量过程且采用连续监控；
假设3制造过程退化服从离散马尔可夫链模型且转移强度矩阵已知；
假设4预防性维修与修复性维修都使过程恢复到最佳状态；
其特征在于：其步骤如下：
步骤1建立制造过程质量-产品可靠性退化关联模型；
步骤2对联合策略进行预设计，并确定全部子场景；
步骤3计算各子场景的发生概率；
步骤4计算各子场景单个周期的期望时长；
步骤5计算各子场景的单个周期内总运行成本的期望值；
步骤6计算各子场景的单个周期内产品可靠性退化总量的期望值；
步骤7计算系统平均可靠性退化量与平均运行成本的期望；
步骤8以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化；
通过以上步骤，在定量描述制造过程质量与批次可靠性退化关联关系的基础上，能提升制造阶段产品可靠性退化控制的准确性和有效性。
2.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：其使用方法如下：
步骤1建立制造过程质量-产品可靠性退化关联模型；
步骤2对联合策略进行预设计，并确定全部子场景；
步骤3计算各子场景的发生概率；
步骤4计算各子场景单个周期的期望时长；
步骤5计算各子场景的单个周期内总运行成本的期望值；
步骤6计算各子场景的单个周期内产品可靠性退化总量的期望值；
步骤7计算系统平均可靠性退化量与平均运行成本的期望；
步骤8以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化。
3.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤1中所述的“建立制造过程质量-产品可靠性退化关联模型”，是指根据客户需求与产品设计结构，确定与产品可靠性最为相关的一种关键过程偏差与关键制造缺陷；随后建立制造质量-产品可靠性关联模型，以表征产品可靠性退化量ΔR，表达式为这里R0(tw)表示产品设计可靠度在质保期终点时的理想值，cw表示产品在质保期内因自身质量原因出现故障引起的质保成本，k表示关键过程偏差对质保成本增加的影响系数，V表示关键过程偏差量，G(tw)表示单个关键制造缺陷在质保期内引发失效的概率，D表示关键制造缺陷的个数。
4.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤2中所述的“对联合策略进行预设计，并确定全部子场景”，是应用定期预防性维修与事件时间间隔控制图进行对目标制造过程进行初步监控，以保证制造过程处在理想状态，并根据控制图报警与预防性维修活动的时序关系划分出全部三类子场景；具体而言，场景I是指制造过程始终处于理想状态直到执行预防性维修，使过程恢复到最佳状态；场景II是指制造过程在预防性维修时刻前转移到恶劣状态，且控制图正确报警，通过恢复性维修使过程恢复到最佳状态；场景III是制造过程在预防性维修时刻前转移到恶劣状态，但控制图未在预防性维修时刻前正确报警，通过恢复性维修使过程恢复到最佳状态。
5.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤3中所述的“计算各子场景的发生概率”，是指计算控制策略长期运行时单个周期属于各子场景的概率；具体地，场景I的发生概率表示为其中x表示过程的临界状态，H表示预防性维修时间间隔，p1,i(t)表示过程在t时刻处于状态i的概率，其概率向量p1,1(t)＝[p1,1(t),p1,2(t),L,p1,N(t)]可通过解方程组得到，其中Λ1表示过程状态转移强度矩阵；场景II的发生概率表示为其中N表示过程的状态总数，表示过程在t时刻处于报警状态Aj的概率，其概率向量能通过解方程组得到，其中Λ2表示过程的状态转移强度增广矩阵，写为：
其中，λi,j为矩阵Λ1的对应元素，υi表示过程处于状态i时目标监控事件的发生强度，LCL表示事件时间间隔控制图的下控制限；场景III的发生概率表示为
6.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤4中所述的“计算各子场景单个周期的期望时长”，是指计算各子场单个周期的期望时间长度；具体地，场景I单个周期的期望时长表示为E(Tcycle|SI)＝H；场景II单个周期的期望时长表示为其中p2,i(t)表示过程在t时刻处于运行状态i的概率，其对应的状态转移强度矩阵为Λ2；场景III单个周期的期望时长表示为E(Tcycle|SIII)＝H。
7.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤5所述的“计算各子场景的单个周期内总运行成本的期望值”，是指综合考虑维修活动和控制图运行时产生的各类成本，计算联合控制策略长期运行时各子场景的单个周期内总运行成本的期望值；具体地，场景I单个周期内总运行成本的期望值表示为其中cPM为单次预防性维修成本，cACI为单次过程检查成本，cFA为单次控制图虚警成本，cOPE为单次控制图打点成本；场景II单个周期内总运行成本期望值表示为其中cCM表示单次修复性维修成本；场景III单个周期内总运行成本期望值表示为其中cTT表示由预防性维修转修复性维修所需费用。
8.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤6中所述的“计算各子场景的单个周期内产品可靠性退化总量的期望值”，是指算联合控制策略长期运行时，各子场景的单个周期内产品可靠性退化总量的期望值；具体地，场景I单个周期内可靠性退化总量期望值为其中其中Φ(g)为过程质量-可靠性退化模型的简化形式，fi(v)表示关键过程偏差在过程状态i时的概率密度函数，gi(d)表示关键制造缺陷在过程状态i时的概率质量函数；场景II单个周期内可靠性退化总量期望值为场景III单个周期内可靠性退化总量期望值为
9.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤7中所述的“计算系统平均可靠性退化量与平均运行成本的期望”，是指基于各子场景性能，计算系统长期运行时平均可靠性退化量与平均运行成本的期望；具体地，系统平均可靠性退化量表示为ETBE&PM(ΔRaverage)＝ETBE&PM(ΔRtotal)/ETBE&PM(Tcycle)，
其中
系统平均运行成本的期望表示为ETBE&PM(Caverage)＝ETBE&PM(Ctotal)/ETBE&PM(Tcycle)，
其中
10.根据权利要求1所述的一种面向可靠性退化的设备维修与过程控制联合策略优化方法，其特征在于：步骤8中所述的“以期望平均可靠性退化量最小为目标，对联合策略的决策参数进行联合优化”，是指对过程临界状态x，预防性维修时间间隔H，事件时间间隔控制图下控制限LCL行联合优化，在满足经济性能与统计性能的同时，实现最小的系统平均可靠性退化量；该问题为非线性优化问题，其目标函数为ETBE&PM(ΔRaverage)＝minimum；两个约束函数为ETBE&PM(Caverage)≤ω与θx≤1/τ，其中τ与ω均为给定常数；决策变量为x，H，LCL；在实际优化过程中，为提升计算效率，首先对x采用枚举法，对每一确定的x，通过MATLAB自带的优化工具箱完成优化，获得最佳参数组合(H,LCL)，完成全局搜索后，进而得到系统全局最优解(x,H,LCL)。
CN201810807050.9A 2018-07-18 2018-07-18 一种面向可靠性退化的设备维修与过程控制联合策略优化方法 Active CN108960669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810807050.9A CN108960669B (zh) 2018-07-18 2018-07-18 一种面向可靠性退化的设备维修与过程控制联合策略优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810807050.9A CN108960669B (zh) 2018-07-18 2018-07-18 一种面向可靠性退化的设备维修与过程控制联合策略优化方法

Publications (2)

Publication Number Publication Date
CN108960669A true CN108960669A (zh) 2018-12-07
CN108960669B CN108960669B (zh) 2021-07-06

Family

ID=64495522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810807050.9A Active CN108960669B (zh) 2018-07-18 2018-07-18 一种面向可靠性退化的设备维修与过程控制联合策略优化方法

Country Status (1)

Country Link
CN (1) CN108960669B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898833A (zh) * 2020-08-07 2020-11-06 中国人民解放军空军工程大学 多备件预防性更换策略方法、系统、介质、计算机设备
CN113094827A (zh) * 2021-04-01 2021-07-09 北京航空航天大学 基于qfd分解和扩展rpn值的产品制造可靠性退化根原因识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600072A (zh) * 2016-12-21 2017-04-26 中国航空工业集团公司雷华电子技术研究所 一种基于故障预测的维修决策优化算法
CN107229979A (zh) * 2017-04-17 2017-10-03 北京航空航天大学 一种可修退化系统周期性预防维修策略的优化方法
US20170323231A1 (en) * 2016-05-06 2017-11-09 General Electric Company Computing system to control the use of physical state attainment of assets to meet temporal performance criteria
CN108268730A (zh) * 2018-01-23 2018-07-10 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170323231A1 (en) * 2016-05-06 2017-11-09 General Electric Company Computing system to control the use of physical state attainment of assets to meet temporal performance criteria
CN106600072A (zh) * 2016-12-21 2017-04-26 中国航空工业集团公司雷华电子技术研究所 一种基于故障预测的维修决策优化算法
CN107229979A (zh) * 2017-04-17 2017-10-03 北京航空航天大学 一种可修退化系统周期性预防维修策略的优化方法
CN108268730A (zh) * 2018-01-23 2018-07-10 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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHANGCHAO GU ETAL.: "product quality oriented predictive maintenance strategy for manufacturing systems", 《2017 PROGNOSTICS AND SYSTEM HEALTH MANAGEMENT CONFERENCE》 *
何益海 等: "基于过程质量数据的制造系统可靠性建模分析", 《北京航空航天大学学报》 *
李丹丹: "间歇状态监测下缓慢退化系统的剩余寿命预测与维修策略优化研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
柳剑: "制造系统运行可靠性分析与维修保障策略研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898833A (zh) * 2020-08-07 2020-11-06 中国人民解放军空军工程大学 多备件预防性更换策略方法、系统、介质、计算机设备
CN111898833B (zh) * 2020-08-07 2023-07-07 中国人民解放军空军工程大学 多备件预防性更换策略方法、系统、介质、计算机设备
CN113094827A (zh) * 2021-04-01 2021-07-09 北京航空航天大学 基于qfd分解和扩展rpn值的产品制造可靠性退化根原因识别方法

Also Published As

Publication number Publication date
CN108960669B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
He et al. Mission reliability evaluation for fuzzy multistate manufacturing system based on an extended stochastic flow network
US6622055B2 (en) Method of control management of production line
US9240360B2 (en) Run-to-run control utilizing virtual metrology in semiconductor manufacturing
JP2006505876A5 (zh)
CN108960669A (zh) 一种面向可靠性退化的设备维修与过程控制联合策略优化方法
CN109946965A (zh) 一种基于改进的多目标Jaya算法的离散制造车间排产方法
US20150241876A1 (en) Clustering for Prediction Models in Process Control and for Optimal Dispatching
González et al. An efficient memetic algorithm for the flexible job shop with setup times
CN115600774A (zh) 一种装配式建筑构件产线的多目标生产调度优化方法
US20190041810A1 (en) Fuzzy energy saving control method for manufacturing system based on real-time production data
US20090259332A1 (en) Fuzzy control method for adjusting a semiconductor machine
CN117010666B (zh) 一种汽修工具生产工作站智能管理方法及系统
CN108009111A (zh) 数据流连接方法及装置
CN110222402A (zh) 电气设计系统和方法
CN106408130B (zh) 一种用于电力系统经济调度的分布式拍卖方法
Akhavan-Tabatabaei et al. Effective WIP dependent lot release policies: A discrete event simulation approach
CN108268730A (zh) 一种面向产品可靠性退化的tbe控制图系统优化设计方法
CN114579824B (zh) 应用于工业互联网的设备状态识别方法及识别终端
Li et al. A predictive maintenance method of series-parallel system based on condition monitoring
CN117666518B (zh) 一种医用玻璃瓶的数智化生产方法、设备及介质
TW202006568A (zh) 提升產品製程品質之回饋系統及其方法
CN115498629B (zh) 一种场景增强型电力负荷运行控制方法及装置
CN108876043A (zh) 一种基于改进帝国竞争算法的柔性作业车间调度方法
El-Khouly et al. A simulation study of lot flow control in wafer fabrication facilities
CN109899233B (zh) 一种风力发电机群的分散协调控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant