CN111898833A - 多备件预防性更换策略方法、系统、介质、计算机设备 - Google Patents
多备件预防性更换策略方法、系统、介质、计算机设备 Download PDFInfo
- Publication number
- CN111898833A CN111898833A CN202010790847.XA CN202010790847A CN111898833A CN 111898833 A CN111898833 A CN 111898833A CN 202010790847 A CN202010790847 A CN 202010790847A CN 111898833 A CN111898833 A CN 111898833A
- Authority
- CN
- China
- Prior art keywords
- replacement
- maintenance
- state
- cost
- degradation
- 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
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明属于多备件预防性更换技术领域,公开了一种多备件预防性更换策略方法、系统、介质、计算机设备,可用于已确定退化状态的多备件预防性更换等场景,提升设备可靠性和维修经济性;本发明可针对元件的退化状态动态确定更换阈值,解决了非固定周期(或固定寿命)的元件批量更换节点选择问题。根据优化目标不同,该维修策略可分为最小停机时间和最小费用两种模型。在上述两种模型中,分别设计了潜在维修时间和潜在维修费用两种参数并给出了求解方法,实现了维修策略和元件退化状态之间的关联;根据关联指标可优化求解最佳的备件更换时间,实现了提高设备可靠性和降低维修费用的预定目标。验证了所提方法的有效性。
Description
技术领域
本发明属于多备件预防性更换技术领域,尤其涉及一种多备件预防性更换策略方法、系统、介质、计算机设备。
背景技术
目前,维修是指为使系统维持、恢复或改善到特定功能(状态)而采取的各类技术或管理活动,主要包括预防性维修和修复性维修(GJB 306B-2009.装备维修性工作通用要求[S].中国人民解放军总装备部,2009.)。维修决策是依据约束条件和优化目标对各种维修活动进行的优选行为,是装备状态监测与故障诊断的主要目的和重要内容。随着装备信息化水平的不断提升,现代装备维修保障难度不断提升,成本亦随之增大。“定期维修”和“事后维修”等传统维修方式虽在一定程度上减少了故障发生概率和持续时间,对于提高装备可靠性和安全性发挥了积极作用。然而,随着对装备故障规律和统计特征认识的深入,人们发现,对于部分故障类型(如故障规律服从指数分布的随机故障),定期维修并不能降低故障率,而且频繁的定期维修还将影响装备的可用度,并造成维修成本增大,因而开展基于状态的维修研究有重要意义。
预防性更换是在元件故障前主动进行的更换活动。在预防性更换相关研究中,确定更换周期一直是研究重点。文献【王秀明,辛开远.电力设备最优预防更换策略及寿命分布试验研究[J].电力学报,2006(02):169-171.】利用线性回归模型估计元件的剩余寿命,通过寿命均值确定预防性更换周期;文献【王雷,王少华,张耀辉.基于平均停机时间率的劣化系统状态维修决策优化模型[J].装甲兵工程学院学报,2018,32(03):1-6.】使用伽马分布函数描述系统的劣化过程,通过平均停机时间率确定了元件的预防性更换周期;文献【赵星贺,周斌,封会娟,许凯.车辆装备单部件视情维修检测间隔期优化[J].军事交通学院学报,2019,21(07):33-36.】通过求解单位时间的最小维修费用,确定了某型车辆部件的预防性更换周期;文献【马晓洋,付玉强.基于两种相关故障类型的预防性维修模型[J].北京信息科技大学学报(自然科学版),2019,34(05):25-28.】通过分析系统更新过程建立了长周期的成本函数,进而确定了最优的预防性更换周期;文献【林名驰,钟强晖,李大伟.不可修复产品的组合维修和备件供应策略[J].系统工程与电子技术,2020,42(06):1417-1423.】使用累积失效理论建立了产品的性能退化模型,以费用率为优化目标确定了维修周期、预防性更换阈值等维修策略值。然而实际应用中,同型号元件数量并不唯一,不同元件的退化状态也不尽相同,定时或定寿更换策略难以实现系统维修费用和可靠性之间的平衡,“过维修”和“欠维修”等情况仍可能存在。
通过上述分析,现有技术存在的问题及缺陷为:(1)传统方法以单元件更换周期或更换寿命为求解目标,然而实际中多元件批量更换的场景更加常见;(2)多元件批量更换时,不同元件所处的退化状态不尽相同,统一更换时间或更换寿命将带来极大经济浪费;(3)传统方法认为不可修元件更换后价值相同或不存在,事实上更换后元件仍有“剩余价值”(即本文所提“残值”),不同退化状态的元件残值亦不相同,忽略残值影响的费用计算不够精确。
综上所述,现有方法主要以确定的更换周期或更换寿命为决策目标,决策目标和元件退化状态之间缺乏必要的指标性参数,无法直接针对退化状态不同的多备件设备给出动态的维修阈值,将影响设备维修费用和可靠性之间的平衡,即“过维修”和“欠维修”等情况仍可能存在。
解决以上问题及缺陷的难度为:设计一种关联决策目标和元件退化状态的指标性参数,以便针对退化状态不同的多备件设备给出动态的维修阈值。
解决以上问题及缺陷的意义为:现有方法给出的维修决策结论均为固定的周期或确定的寿命,难以根据退化状态动态给出设备维修阈值,在多备件批量更换场景应用具有极大限制,本发明旨在解决上述问题。通过设计“潜在维修时间”、“潜在维修费用”等参数并给出计算方法,找到了一种将维修阈值和退化状态相结合的指标,实现了动态确定阈值的目的。动态化的维修阈值可随设备中元件退化状态的改变而改变,可更大程度的利用元件的“剩余寿命”或“剩余价值”,有利于减少维修频次,提高设备可靠性。
发明内容
针对现有技术存在的问题,本发明提供了一种多备件预防性更换策略方法、系统、介质、计算机设备。
本发明是这样实现的,一种多备件预防性更换策略方法,所述多备件预防性更换策略方法包括:
根据优化目标不同,构建最小停机时间和最小费用两种模型;
根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
进一步,所述多备件预防性更换策略方法的考虑退化状态的最小停机时间模型为:若元件共有K种退化状态并分别记作qi,各状态的故障率服从参数λi的指数分布,则每种状态在检测周期td内发生故障并导致停机的概率pi为:
pi=1-exp(-λitd) i∈[1,2,...K];
将潜在停机时间定义为多元件系统竞争失效造成的停机时间期望,则状态i潜在停机时间为:
tpd(i):=E(pi)×Tf i∈[1,2,...K];
元件的总数量为L,其中处于退化状态i的元件数量为ni,检测后对各状态的更换数量为xi,各元件在td内竞争失效,则系统的潜在停机时间为:
将单位停机时间定义为潜在停机时间和维修停机时间之和;其中维修停机时间Tp指进行预防性更换消耗的时间,是和更换的备件数量有关的函数g();潜在停机时间是系统的内在属性,仅由各备件的退化状态决定,单位停机时间数学定义如下:
系统的单位停机时间D(xi)由各元件的退化状态ni和更换方案xi共同确定,给定系统退化状态ni时,增大预防性更换时间Tp可降低系统的故障概率,降低潜在停机时间Tpd,通过对D(xi)进行最优化求解即可确定不同退化状态下的更换方案。
进一步,所述最小停机时间模型的维修决策包括:根据GMM-HMM模型可确定每个元件的退化状态,共分为6个等级,随机给定一种退化状态,将其状态矩阵记作:
式中S[i,:]表式退化状态i的备件分布情况,S[:,j]表示备件j所处的退化状态;
对每个元件都可选择更换或不更换,维修方案共有26=64种;确定的更换策略是对处于4级以上退化状态的备件进行全部更换,将维修矩阵记作:
式中,xij是指对处于状态i的备件j采取的维修行动,0代表不更换,1代表更换,有xij≤sij;
确定维修策略的活动即在线性空间X6×6中搜索X使D(xi)最小的优化过程,建立如下求解方程:
每个元件发生故障后修复用时为2h;在故障发生前对1个元件进行预防性更换用时为2h,每多更换1个元件用时增加0.8h;检测周期为4h;退化状态1至6对应的故障率分别为λi=[0.05 0.1 0.15 0.2 0.25 0.3];对64种维修方案进行编号,其中1号方案代表不进行任何预防性更换,64号方案表示对全部元件都进行预防性更换;
第46种维修方案总停机时间最短,为6.5232,方案的维修矩阵为:
维修矩阵表明对退化状态3级以上退化状态的备件进行更换属于最优维修方案。
进一步,所述多备件预防性更换策略方法的考虑退化状态的最小费用模型为:定义为多元件系统竞争失效造成的故障维修费用期望,记作Cpm,得:
将预防性维修费用分为直接费用和间接费用两部分,其中直接费用是和备件有关的采购、运输和管理费用;间接费用指备件的残值,由其退化状态决定,记作:
式中Cd为直接更换成本,Cr为接更换成本;
将单位时间维修费用定义为检测周期内直接更换成本、备件残值和潜在维修费用的总和,记作:
进一步,所述最小费用模型的维修决策包括:变频配电车变频器整流电路开关管元件的状态矩阵为:
每个元件发生故障后维修费用为2万元,基层级共储备备件2个,成本为0.5万元/个;调拨配件成本为0.8万元/个;处于无退化状态的备件价值为0.5万元,每退化1级元件残值损失10%,故障率、维修方案编号等参数设置不变;
第10种维修方案维修费用最小,为5.7503,方案的维修矩阵为:
对退化状态5级以上退化状态的备件进行更换属于最优维修方案,此时系统停机时间为6.9270,属于次优维修方案。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
根据优化目标不同,构建最小停机时间和最小费用两种模型;
根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
根据优化目标不同,构建最小停机时间和最小费用两种模型;
根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
本发明的另一目的在于提供一种实施所述多备件预防性更换策略方法的多备件预防性更换策略系统,所述多备件预防性更换策略系统包括:
最小停机时间模型构建模块,用于构建最小停机时间;
最小费用模型构建模块,用于构建最小费用模型;
阈值确定模块,用于根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
本发明的另一目的在于提供一种终端,所述终端搭载所述的多备件预防性更换策略系统。
本发明的另一目的在于提供一种变频配电设备,所述汽车搭载所述的多备件预防性更换策略系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:现有方法给出的维修决策结论均为固定的周期或确定的寿命,难以根据退化状态动态给出设备维修阈值,在多备件批量更换场景应用具有极大限制,本发明旨在解决上述问题。通过设计“潜在维修时间”、“潜在维修费用”等参数并给出计算方法,找到了一种将维修阈值和退化状态相结合的指标,实现了动态确定阈值的目的。法无此功能,不具有过多可比较性。图4、图5即为典型状态下的仿真结果;改变退化状态等参数,根据本文程序可重新搜索最佳维修方案。本发明通过设计文中所述的两种指标,实现了根据退化状态动态确定维修时机的目标,相较于现有方法解决了一类新问题。
本发明针对元件的退化状态动态确定更换阈值,解决了非固定周期(或固定寿命)的元件批量更换节点选择问题。根据优化目标不同,该维修策略可分为最小停机时间和最小费用两种模型。在上述两种模型中,发明人分别设计了潜在维修时间和潜在维修费用两种参数并给出了求解方法,进而优化求解最佳的备件更换时间,实现了提高设备可靠性和降低维修费用的预定目标。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的多备件预防性更换策略方法流程图。
图2是本发明实施例提供的多备件预防性更换策略系统的结构示意图;
图2中:1、最小停机时间模型构建模块;2、最小费用模型构建模块;3、阈值确定模块。
图3是本发明实施例提供的三相整流电路拓扑图
图4是本发明实施例提供的不同维修方案停机时间示意图。
图5是本发明实施例提供的不同维修方案费用示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种多备件预防性更换策略方法、系统、介质、计算机设备,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供的多备件预防性更换策略方法包括以下步骤:
S101:根据优化目标不同,该维修策略可分为最小停机时间和最小费用两种模型;
S102:根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
本发明提供的多备件预防性更换策略方法业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的多备件预防性更换策略方法仅仅是一个具体实施例而已。
如图2所示,本发明提供的多备件预防性更换策略系统包括:
最小停机时间模型构建模块1,用于构建最小停机时间。
最小费用模型构建模块2,用于构建最小费用模型。
阈值确定模块3,用于根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
下面结合附图对本发明的技术方案作进一步的描述。
1、最小停机时间模型
1.1典型最小停机时间模型
最小停机时间模型是以设备单位时间内的停机时间最小为目标进行的维修模型,典型的单位停机时间通常定义如下:
式(1)中,Tp表示预防性更换所需的时间,Tf表示故障更换所需的时间,tp表示预防性更换的时间间隔,M(tp)表示元件在预防性维修的时间间隔内发生故障的期望值。M(tp)的求解通常用如下更新方程(E.A.ELSAYED,可靠性工程(第二版)[M]杨舟,译.北京:电子工业出版社,2013):
可见,典型的最小停机时间模型存在以下缺点:(1)该模型建立存在最佳维修间隔tp假设的基础上,在不以固定周期或寿命为求解目标的场景中难以应用;(2)M(tp)的求解中使用了固定的故障率函数f(x),对于诸如某型变频配电车开关管之类的电气元件,不同退化状态的故障率常常不同,难以统一在固定的故障率函数中;(3)该模型认为元件发生故障是相互孤立的,然而针对安装有故障保护装置的设备(如某型变频配电车),某个元件的故障将触发保护电路。各元件实质上处于竞争失效状态,不能将各元件故障完全看作孤立现象。综上所述,典型的最小停机时间模型针对有保护电路的设备中备件批量更换问题应用还存在一定的局限性。
1.2考虑退化状态的最小停机时间模型
为了解决上述问题,本发明基于元件的退化状态建立了“潜在停机时间”(Potential Downtime,PD)概念,并对单位停机时间进行了重新定义。
若元件共有K种退化状态并分别记作qi,假设各状态的故障率服从参数λi的指数分布,则每种状态在检测周期td内发生故障并导致停机的概率pi为:
pi=1-exp(-λitd) i∈[1,2,...K] (3)
将潜在停机时间定义为多元件系统竞争失效造成的停机时间期望,则状态i潜在停机时间为:
tpd(i):=E(pi)×Tf i∈[1,2,...K] (4)
假设元件的总数量为L,其中处于退化状态i的元件数量为ni,检测后对各状态的更换数量为xi,各元件在td内竞争失效,则系统的潜在停机时间为:
结合分析,可将单位停机时间定义为潜在停机时间和维修停机时间之和。其中维修停机时间Tp指进行预防性更换消耗的时间,是和更换的备件数量有关的函数;潜在停机时间是系统的内在属性,仅由各备件的退化状态决定。单位停机时间数学定义如下:
由式(6)可以看出,系统的单位停机时间D(xi)由各元件的退化状态ni和更换方案xi共同确定。给定系统退化状态ni时,增大预防性更换时间Tp可降低系统的故障概率,从而降低潜在停机时间Tpd。通过对D(xi)进行最优化求解即可确定不同退化状态下的更换方案。
1.3基于最小停机时间的维修决策
下面以某型变频配电车为例进行分析。其变频器整流电路如图3所示:
该电路中共有某型元件6个,根据GMM-HMM模型可确定每个元件的退化状态,假设共分为6个等级,随机给定一种退化状态,可将其状态矩阵记作:
式(7)中S[i,:]表式退化状态i的备件分布情况,S[:,j]表示备件j所处的退化状态。
对每个元件都可选择更换或不更换,因此维修方案共有26=64种。假设确定的更换策略是对处于4级(含)以上退化状态的备件进行全部更换,可将维修矩阵记作:
式(8)中,xij是指对处于状态i的备件j采取的维修行动,0代表不更换,1代表更换。显然有xij≤sij。
可见,确定维修策略的活动即在线性空间X6×6中搜索X使D(xi)最小的优化过程,可建立如下求解方程:
(假设每个元件发生故障后修复用时为2h;在故障发生前对1个元件进行预防性更换用时为2h,每多更换1个元件用时增加0.8h;检测周期为4h;退化状态1至6对应的故障率分别为λi=[0.05 0.1 0.15 0.2 0.25 0.3]。对64种维修方案进行编号,其中1号方案代表不进行任何预防性更换,64号方案表示对全部元件都进行预防性更换,则不同维修方案的停机时间如图4所示:
由图4可见,第46种维修方案总停机时间最短,为6.5232。该方案的维修矩阵为:
式(10)表明:该维修矩阵表明对退化状态3级(含)以上退化状态的备件进行更换属于最优维修方案。
2、最小费用模型
2.1典型最小费用模型
考虑了基于最小停机时间的维修决策问题。实际中,有时并不将最小停机时间作为维修决策的首要目标,而是优先考虑维修费用问题,这种以维修费用最小为目标的决策模型即最小费用模型。
最小费用模型以单位时间内总预计费用为优化函数,通常为:
其中Cp指进行一次预防性更换的费用,Cf指进行一次故障更换的费用,M(tp)表示在一个周期内可能更换的备件数量。显然,典型的最小费用模型针对有保护电路的设备中备件批量更换问题应用同样存在局限性。
2.2考虑退化状态的最小费用模型
同样地,本发明针对已知退化状态的多备件批量更换问题提出了潜在维修费用(Potential Maintenance)的概念,定义为多元件系统竞争失效造成的故障维修费用期望,记作Cpm。类比式(3)~(5),可得:
在计算预防性维修费用Cp时,习惯上使用备件成本进行线性叠加。事实上,由于某型变频配电车开关管备件分为随车备件和调拨备件两类,不同级别的储备数量不同,运输和管理成本也不尽相同,备件费用和数量并不总是线性关系。此外,元件状态退化可视为一种价值损耗的过程,不同退化状态的备件残值不同。计算预防性维修费用时不仅需要考虑备件的数量、储备级别,还要考虑备件的退化状态。因此,本发明将预防性维修费用分为直接费用和间接费用两部分。其中直接费用是和备件有关的采购、运输和管理费用;间接费用指备件的残值,由其退化状态决定。记作:
式(13)中Cd为直接更换成本,Cr为接更换成本。
综上所述,可将单位时间维修费用定义为检测周期内直接更换成本、备件残值和潜在维修费用的总和,记作:
2.3基于最小费用的维修决策
仍以某型变频配电车变频器整流电路开关管为例进行分析,设该元件的状态矩阵为:
假设每个元件发生故障后维修费用为2万元,基层级共储备备件2个,成本为0.5万元/个;调拨配件成本为0.8万元/个;处于无退化状态的备件价值为0.5万元,每退化1级元件残值损失10%,故障率、维修方案编号等参数设置不变。
不同维修方案的总费用如图5所示:
由图5可见,第10种维修方案维修费用最小,为5.7503。该方案的维修矩阵为:
式(16)表明:对退化状态5级(含)以上退化状态的备件进行更换属于最优维修方案,此时系统停机时间为6.9270,属于次优维修方案。
附件1:最小停机时间模型主要程序(基于MATLAB语言)
附件2:最小费用模型主要程序(基于MATLAB语言)
本发明提出了一种基于退化状态的多备件预防性更换策略,可根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。根据优化目标不同,该维修策略可分为最小停机时间和最小费用两种模型。通过对某型变频配电车开关管进行仿真分析,验证了所提方法的有效性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种多备件预防性更换策略方法,其特征在于,所述多备件预防性更换策略方法包括:
根据优化目标不同,构建最小停机时间和最小费用两种模型;
根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
2.如权利要求1所述的多备件预防性更换策略方法,其特征在于,所述多备件预防性更换策略方法的考虑退化状态的最小停机时间模型为:若元件共有K种退化状态并分别记作qi,各状态的故障率服从参数λi的指数分布,则每种状态在检测周期td内发生故障并导致停机的概率pi为:
pi=1-exp(-λitd) i∈[1,2,...K];
将潜在停机时间定义为多元件系统竞争失效造成的停机时间期望,则状态i潜在停机时间为:
tpd(i):=E(pi)×Tf i∈[1,2,...K];
元件的总数量为L,其中处于退化状态i的元件数量为ni,检测后对各状态的更换数量为xi,各元件在td内竞争失效,则系统的潜在停机时间为:
将单位停机时间定义为潜在停机时间和维修停机时间之和;其中维修停机时间Tp指进行预防性更换消耗的时间,是和更换的备件数量有关的函数g();潜在停机时间是系统的内在属性,仅由各备件的退化状态决定,单位停机时间数学定义如下:
系统的单位停机时间D(xi)由各元件的退化状态ni和更换方案xi共同确定,给定系统退化状态ni时,增大预防性更换时间Tp可降低系统的故障概率,降低潜在停机时间Tpd,通过对D(xi)进行最优化求解即可确定不同退化状态下的更换方案。
3.如权利要求1所述的多备件预防性更换策略方法,其特征在于,所述最小停机时间模型的维修决策包括:根据GMM-HMM相关模型可确定每个元件的退化状态,共分为6个等级,随机给定一种退化状态,将其状态矩阵记作:
式中S[i,:]表式退化状态i的备件分布情况,S[:,j]表示备件j所处的退化状态;
对每个元件都可选择更换或不更换,维修方案共有26=64种;确定的更换策略是对处于4级以上退化状态的备件进行全部更换,将维修矩阵记作:
式中,xij是指对处于状态i的备件j采取的维修行动,0代表不更换,1代表更换,有xij≤sij;
确定维修策略的活动即在线性空间X6×6中搜索X使D(xi)最小的优化过程,建立如下求解方程:
每个元件发生故障后修复用时为2h;在故障发生前对1个元件进行预防性更换用时为2h,每多更换1个元件用时增加0.8h;检测周期为4h;退化状态1至6对应的故障率分别为λi=[0.05 0.1 0.15 0.2 0.25 0.3];对64种维修方案进行编号,其中1号方案代表不进行任何预防性更换,64号方案表示对全部元件都进行预防性更换;
第46种维修方案总停机时间最短,为6.5232,方案的维修矩阵为:
维修矩阵表明对退化状态3级以上退化状态的备件进行更换属于最优维修方案。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
根据优化目标不同,构建最小停机时间和最小费用两种模型;
根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
7.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
根据优化目标不同,构建最小停机时间和最小费用两种模型;
根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
8.一种实施权利要求1~6任意一项所述多备件预防性更换策略方法的多备件预防性更换策略系统,其特征在于,所述多备件预防性更换策略系统包括:
最小停机时间模型构建模块,用于构建最小停机时间;
最小费用模型构建模块,用于构建最小费用模型;
阈值确定模块,用于根据元件的退化状态不同动态确定更换阈值,进行非固定周期的成批更换活动。
9.一种终端,其特征在于,所述终端搭载权利要求8所述的多备件预防性更换策略系统。
10.一种变频配电设备,其特征在于,所述汽车搭载权利要求8所述的多备件预防性更换策略系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790847.XA CN111898833B (zh) | 2020-08-07 | 2020-08-07 | 多备件预防性更换策略方法、系统、介质、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790847.XA CN111898833B (zh) | 2020-08-07 | 2020-08-07 | 多备件预防性更换策略方法、系统、介质、计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898833A true CN111898833A (zh) | 2020-11-06 |
CN111898833B CN111898833B (zh) | 2023-07-07 |
Family
ID=73246201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010790847.XA Active CN111898833B (zh) | 2020-08-07 | 2020-08-07 | 多备件预防性更换策略方法、系统、介质、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898833B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288108A (zh) * | 2020-11-09 | 2021-01-29 | 常州大学 | 基于故障风险的动车组塞拉门多部件预防性机会维修策略 |
CN113393176A (zh) * | 2021-08-17 | 2021-09-14 | 北京航空航天大学 | 一种基于产品事实状态的维修决策方法 |
CN113392991A (zh) * | 2021-06-09 | 2021-09-14 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及系统 |
CN113435613A (zh) * | 2021-08-26 | 2021-09-24 | 北京航空航天大学 | 一种面向多维修事件的机会维修决策方法 |
CN113705896A (zh) * | 2021-08-30 | 2021-11-26 | 中国工商银行股份有限公司 | 目标设备的确定方法、装置及电子设备 |
CN114418150A (zh) * | 2022-03-30 | 2022-04-29 | 深圳市永达电子信息股份有限公司 | 一种站台门系统的故障维护方法及装置 |
CN115271128A (zh) * | 2022-09-29 | 2022-11-01 | 海油来博(天津)科技股份有限公司 | 一种随钻设备全阶段精细化运维监测管理方法及系统 |
CN115859486A (zh) * | 2023-02-28 | 2023-03-28 | 深圳市信润富联数字科技有限公司 | 汽车可互换零件再分配的方法、装置、设备及存储介质 |
CN116843119A (zh) * | 2023-05-23 | 2023-10-03 | 中国人民解放军海军工程大学 | 一种考虑维修耗时的电子单元备件设计方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764551A (zh) * | 2018-05-21 | 2018-11-06 | 北京航空航天大学 | 基于系统级寿命信息的成组维修决策方法 |
CN108960669A (zh) * | 2018-07-18 | 2018-12-07 | 北京航空航天大学 | 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 |
-
2020
- 2020-08-07 CN CN202010790847.XA patent/CN111898833B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764551A (zh) * | 2018-05-21 | 2018-11-06 | 北京航空航天大学 | 基于系统级寿命信息的成组维修决策方法 |
CN108960669A (zh) * | 2018-07-18 | 2018-12-07 | 北京航空航天大学 | 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 |
Non-Patent Citations (2)
Title |
---|
XIAOHUI CHEN, ETC.: "An integrated model for maintenance policies and production scheduling based on immune-culture algorithm", 《PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS, PART O:JOURNAL OF RISK AND RELIABILITY》, vol. 234, no. 5 * |
王雷等: "基于平均停机时间率的劣化系统状态维修决策优化模型", 《装甲兵工程学院学报》, vol. 32, no. 3 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288108A (zh) * | 2020-11-09 | 2021-01-29 | 常州大学 | 基于故障风险的动车组塞拉门多部件预防性机会维修策略 |
CN113392991B (zh) * | 2021-06-09 | 2022-08-12 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及系统 |
CN113392991A (zh) * | 2021-06-09 | 2021-09-14 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及系统 |
CN113393176A (zh) * | 2021-08-17 | 2021-09-14 | 北京航空航天大学 | 一种基于产品事实状态的维修决策方法 |
CN113435613A (zh) * | 2021-08-26 | 2021-09-24 | 北京航空航天大学 | 一种面向多维修事件的机会维修决策方法 |
CN113705896A (zh) * | 2021-08-30 | 2021-11-26 | 中国工商银行股份有限公司 | 目标设备的确定方法、装置及电子设备 |
CN114418150A (zh) * | 2022-03-30 | 2022-04-29 | 深圳市永达电子信息股份有限公司 | 一种站台门系统的故障维护方法及装置 |
CN114418150B (zh) * | 2022-03-30 | 2022-09-09 | 深圳市永达电子信息股份有限公司 | 一种站台门系统的故障维护方法及装置 |
CN115271128A (zh) * | 2022-09-29 | 2022-11-01 | 海油来博(天津)科技股份有限公司 | 一种随钻设备全阶段精细化运维监测管理方法及系统 |
CN115271128B (zh) * | 2022-09-29 | 2023-01-06 | 海油来博(天津)科技股份有限公司 | 一种随钻设备全阶段精细化运维监测管理方法及系统 |
CN115859486A (zh) * | 2023-02-28 | 2023-03-28 | 深圳市信润富联数字科技有限公司 | 汽车可互换零件再分配的方法、装置、设备及存储介质 |
CN115859486B (zh) * | 2023-02-28 | 2023-06-23 | 深圳市信润富联数字科技有限公司 | 汽车可互换零件再分配的方法、装置、设备及存储介质 |
CN116843119A (zh) * | 2023-05-23 | 2023-10-03 | 中国人民解放军海军工程大学 | 一种考虑维修耗时的电子单元备件设计方法及系统 |
CN116843119B (zh) * | 2023-05-23 | 2024-02-20 | 中国人民解放军海军工程大学 | 一种考虑维修耗时的电子单元备件设计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111898833B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898833A (zh) | 多备件预防性更换策略方法、系统、介质、计算机设备 | |
Liu et al. | A value-based preventive maintenance policy for multi-component system with continuously degrading components | |
Wang et al. | A multi-objective optimization of imperfect preventive maintenance policy for dependent competing risk systems with hidden failure | |
US20140365191A1 (en) | Industrial asset health model update | |
Bao et al. | An analysis of availability for series Markov repairable system with neglected or delayed failures | |
CN107239876B (zh) | 一种核电厂i&c设备老化生命周期的管理方法及系统 | |
CN105872061B (zh) | 一种服务器集群管理方法、装置及系统 | |
CN115374658A (zh) | 一种电子设备最少耗时故障排查次序优化方法和系统 | |
CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
TWI549075B (zh) | 機台維護排程的方法與系統 | |
CN113391611B (zh) | 动力环境监控系统的预警方法、装置及系统 | |
Petrochenkov et al. | The planning operation process of electrotechnical equipment using the Markov process theory | |
CN113408969B (zh) | 一种分布式系统的维修方案生成方法及系统 | |
CN115688025A (zh) | 一种设备故障修复时间的概率分布的估计方法和系统 | |
Qi et al. | Joint optimization of maintenance and spares inventory policy for a series-parallel system considering dependent failure processes | |
Koutras et al. | Opportunistic maintenance on the automatic switching mechanism of a two-unit multi-state system | |
Malefaki et al. | Modeling software rejuvenation on a redundant system using Monte Carlo simulation | |
Castro et al. | Opportunistic maintenance for heterogeneous complex systems under continuous monitoring | |
CN117609927B (zh) | 排碳机构的生产状态确定方法、装置与电子设备 | |
D'Addio et al. | Reliability centered maintenance: a solution to optimise mass transit system cost effectiveness | |
CN116862480B (zh) | 一种电力设备故障预测与维修的智能决策支持方法及装置 | |
Wang et al. | Maintenance Optimization of a 2‐Component Swappable Series System Using the Delay‐Time Concept | |
Cao et al. | Mission-oriented maintenance optimization subject to resources constraints | |
Ma et al. | Joint optimization of inspection-based and age-based preventive maintenance and spare ordering policies for single-unit systems | |
WO2024001666A1 (zh) | 网络风险评估方法及相关装置 |
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 |