CN112882440B - 一种串联数控机床的预防性维修策略方法 - Google Patents

一种串联数控机床的预防性维修策略方法 Download PDF

Info

Publication number
CN112882440B
CN112882440B CN202110095500.8A CN202110095500A CN112882440B CN 112882440 B CN112882440 B CN 112882440B CN 202110095500 A CN202110095500 A CN 202110095500A CN 112882440 B CN112882440 B CN 112882440B
Authority
CN
China
Prior art keywords
preventive maintenance
numerical control
machine tool
control machine
optimization
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
Application number
CN202110095500.8A
Other languages
English (en)
Other versions
CN112882440A (zh
Inventor
王晓峰
王柳迪
刘洋
冷岩松
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.)
Changchun University of Science and Technology College of Optical and Electronical Information
Original Assignee
Changchun University of Science and Technology College of Optical and Electronical Information
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 Changchun University of Science and Technology College of Optical and Electronical Information filed Critical Changchun University of Science and Technology College of Optical and Electronical Information
Priority to CN202110095500.8A priority Critical patent/CN112882440B/zh
Publication of CN112882440A publication Critical patent/CN112882440A/zh
Application granted granted Critical
Publication of CN112882440B publication Critical patent/CN112882440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G05B19/4086Coordinate conversions; Other special calculations
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/35Nc in input of data, input till input file format
    • G05B2219/35356Data handling

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种串联数控机床的预防性维修策略方法,为了更准确的建立设备偶发故障的可靠性模型,采用三参数威布尔分布建立设备的可靠性模型并采用差分进化算法进行参数优化,最终得到三参数威布尔分布的失效率函数,使得设备偶发故障成本计算得更加准确。在单设备的研究基础上,针对多设备串联系统作了进一步研究,给出的两个策略都以预防性维修次数N作为决策变量。策略一是以系统长期运行下的平均费用率作为优化目标的。策略二是在单部件的基础之上进行方案改进使其适应串联系统。对于给出的两个方案最终以可用度作为衡量标准进行优选,并通过实例验证了本发明所提出的策略方法的有效性和实用性。

Description

一种串联数控机床的预防性维修策略方法
技术领域
本发明涉及设备制造系统预防性维修的技术领域,尤其涉及一种串联数控机床的预防性维修策略方法。
背景技术
在制造系统中设备维护成本的占比越来越高,如何采用合理有效的预防性维修策略,从而降低产品的制造成本、提高企业经济效益已经成为制造系统可靠性研究的一个热点。现有的预防性优化模型大多只考虑预防性维修费用,而忽略了故障后的维修费用。因此本发明考虑设备预防性维修(PM)成本的同时考虑偶发故障导致的事后维修成本。
实际中随着设备的不断使用,尽管进行和合适的预防性维护,设备本身也是在不断衰退,最终将不断地劣化不再适合继续工作,此时便需要进行大修也就是对设备关键部件进行更换。因此与以往的研究不同,本发明是基于修复非新的预防性维护思想进行研究的,并且同时考虑到发生故障后的事后维修。以预防性维护次数N作为大修决策变量,以设备单位时间的效益的期望作为优化目标函数,从而得到预防性维护次数是所有策略中最优的。
对于多设备制造系统而言,串联是一种最为常见的系统连接形式,本发明主要对串联制造系统的预防性维修策略方法进行研究。
发明内容
本发明的目的是提供一种串联数控机床的预防性维修策略方法。
为了实现上述目的,本发明所采用的技术方案如下:
本发明提供的一种串联数控机床的预防性维修策略方法,包括以下步骤:
S1:建立单数控机床预防性维修策略模型:以预防性维修次数N为优化变量,数控机床在所求运行区间内可以获得最高的经济效益为优化目标,从而制定以下优化目标函数和优化条件:
min|ΔCq(N)|
st 1≤N,N∈Z+ (11)
S2:建立串联数控机床可用度模型:
Figure GDA0003037141400000021
式中,WZ(t)为系统长期运行的工作总时长,Ts为系统的寿命;
S3:建立串联数控机床预防性维修策略模型:
策略1:以预防性维修次数N为优化变量,串联系统是以系统长期运行下的平均费用率为优化目标,从而制定以下优化目标函数和优化条件:
Figure GDA0003037141400000022
策略2:以预防性维修次数N为优化变量,单独考虑串联系统中的每个数控机床在运行区间内获得的经济效益最高为优化目标,根据(11)式从而制定以下优化目标函数和优化条件:
Figure GDA0003037141400000023
S4:根据步骤S3的两种策略优化得到最优预防性维修次数后,通过计算系统的可用度来对两种方案进行优选。
进一步地,步骤S1模型建立之前,提出以下假设:
(1)假设数控机床在第n-1次预防性维护后的剩余寿命是Xn,并且设{Xn,n=1,2,3,...}是随机递减的序列,Yn是第n次预防性维护之后再进行维护所耗时间,并且序列{Yn,n=1,2,3...}是随机递增的,记EXn=φn
Figure GDA0003037141400000025
(2)假设Xn的分布函数是F(ωn-1t),并且ω>1,假设Yn的分布函数是G(vn-1t),并且0<v<1。上式中,所有t≥0,Xn与Yn相互独立,EX1=φ1
Figure GDA0003037141400000024
进一步地,步骤S2可用度A(t)的最终表达式为:
Figure GDA0003037141400000031
进一步地,步骤S3模型建立之前,提出以下假设:
(1)在串联数控机床中若其中一个数控机床要维护,则另一个数控机床也处于不工作状态,即要系统停机;当系统工作时,两个数控机床都是工作状态;
(2)假设系统中数控机床j在第n-1次预防性维护后的剩余寿命是Xnj,并且设{Xnj,n=1,2,3,...}是随机递减的序列;数控机床j第n次预防性维护之后再进行维护所耗时间为Ynj,并且序列{Xnj,n=1,2,3,...}是随机递增的,记EXnj=φnj
Figure GDA0003037141400000034
(3)假设Xnj的分布函数是
Figure GDA0003037141400000032
假设Ynj的分布函数是
Figure GDA0003037141400000035
并且0<vj<1,上面式中,所有t>0,Xnj与Ynj相互独立,对于上面所有的j有j=1,2…m,m为串联系统中数控机床个数。
进一步地,步骤S4中Cqu(N)的计算公式为:
Figure GDA0003037141400000033
进一步地,步骤S2采用三参数威布尔分布建立数控机床的可靠性模型。
进一步地,步骤S4采用差分进化算法进行参数优化。
本发明的有益效果为:
本发明的串联数控机床的预防性维修策略方法,为了更准确的建立设备偶发故障的可靠性模型,采用三参数威布尔分布建立设备的可靠性模型并采用差分进化算法进行参数优化,最终得到三参数威布尔分布的失效率函数,使得设备偶发故障成本计算得更加准确。在此基础上,在单设备预防性维修策略研究中,将预防性维修都视为修复非新的维修,同时考虑到预防性维护和偶发故障的事后小修对共同影响,从而建单设备在单位时间效益期望的数学模型,得到以预防性维修次数N作为决策变量的维修策略。在单设备的研究基础上,针对多设备串联系统作了进一步研究,给出的两个策略都以预防性维修次数N作为决策变量。策略一是以系统长期运行下的平均费用率作为优化目标的。策略二是在单部件的基础之上进行方案改进使其适应串联系统。对于给出的两个方案最终以可用度作为衡量标准进行优选。在数值实例研究中,以两设备组成的串联制造系统作为研究对象,采用差分进化算法对三参数威布尔分布进行参数估计得到失效率函数,分别根据两种策略对维修次数N进行了优化,以可用度作为衡量标准对两种方案所得结果进行了优选。从而验证了本发明所提出的策略方法的有效性和实用性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为现有的预防性维修策略的时序关系图。
图2为本发明实施例提供的两组件串联数控机床示意图。
图3本发明实施例提供的预防性维修策略1下Cqu(N)值计算结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
本发明提供的串联数控机床的预防性维修策略方法,具体包括以下步骤:
一、建立单数控机床预防性维修策略模型
与以往的研究不同,本发明是基于修复非新的预防性维护进行研究的,并且同时考虑到发生故障后的事后维修。以预防性维护次数N作为大修决策变量,以数控机床单位时间的效益的期望作为优化目标函数,从而得到预防性维护次数是所有策略中最优的。
单数控机床作为研究对象的,作出以下假设:
(1)假设数控机床在第n-1次预防性维护后的剩余寿命是Xn,并且设{Xn,n=1,2,3,...}是随机递减的序列,Yn是第n次预防性维护之后再进行维护所耗时间,并且序列{Yn,n=1,2,3...}是随机递增的。记EXn=φn
Figure GDA0003037141400000055
(2)假设Xn的分布函数是F(ωn-1t),并且ω>1。假设Yn的分布函数是G(vn-1t)并且0<v<1。上式中,所有t≥0,Xn与Yn相互独立,EX1=φ1
Figure GDA0003037141400000056
单数控机床在长期运行后,其单位时间效益的期望为
Figure GDA0003037141400000051
式中,Φ(t)为数控机床在区间[0,l]内的期望效益。根据更新过程定理,即数控机床在长期运行后的Cq(N)等价于数控机床在一个更新周期内的平均费用率即
Figure GDA0003037141400000052
式中,E(Φ)为数控机床在一个更换周期内的期望效益,E(W)为数控机床的一个更新周期时长。按照以上式可以得到
Figure GDA0003037141400000053
式中,Cy是在单位时间内运行所创经济效益,Cpd是在进行部件预防性维护时单位时间内花费的费用(此费用包含了维护的基本费用和数控机床停机费用),Cg为单次大修的费用,CM为事后维修成本。令
Figure GDA0003037141400000054
式(3)可以转化为
Figure GDA0003037141400000061
在以运行区间内可以获得最高的经济效益为目标的情况下,对ΔCq进行研究
Figure GDA0003037141400000062
因为EXn=φn,根据几何分布的性质知
Figure GDA0003037141400000063
并且
Figure GDA0003037141400000064
可以推导出
Figure GDA0003037141400000065
同理可得
Figure GDA0003037141400000066
结合公式(6)和(7)可得到
Figure GDA0003037141400000067
将式(8)代入(5)式得ΔCq最终表达形式
Figure GDA0003037141400000068
式中Δ1N和Δ1(N+1)表示为
Figure GDA0003037141400000069
以预防性维修次数N为优化变量,数控机床在所求运行区间内可以获得最高的经济效益为优化目标,从而制定以下优化目标函数和优化条件:
min|ΔCq(N)|
st 1≤N,N∈Z+ (11)
二、建立串联数控机床可用性模型
可用度的概念是系统在任一时刻,系统处在正常状态的概率,通常用A(t)表示
Figure GDA0003037141400000071
式中,WZ(t)为系统长期运行的工作总时长,Ts为系统的寿命。假定数控机床在单次大修时间区间(0,T]之间运行,部件j在该区间内总的工作时间
Figure GDA0003037141400000072
Figure GDA0003037141400000073
式中,
Figure GDA0003037141400000074
为部件j在大修周期内的运行工作时间。
Figure GDA0003037141400000075
为部件j在大修后运行时间。
相应的,部件j在该区间内总的维护时间
Figure GDA0003037141400000076
Figure GDA0003037141400000077
式中,
Figure GDA0003037141400000078
为部件j在单次大修周期内的维护工作时间,
Figure GDA0003037141400000079
为部件j在大修后维护时间。
根据公式(13)和(14)可推导出TS为
Figure GDA00030371414000000710
那么可以得到系统的可用度A(t)为
Figure GDA00030371414000000711
根据更新过程定理,可得
Figure GDA00030371414000000712
将式(17)代入(16)可得到A(t)最终表达式为
Figure GDA0003037141400000081
三、建立串联数控机床的预防性维修策略模型
对于多数控机床数控机床而言,串联是一种较为常见的系统连接方式。串联数控机床的特点是各台数控机床在运行时空间与时间上都具有连续型,其中任何一个数控机床发生故障或者失效后,整个系统将会因失效无法正常运行。系统的整体生产效率,与系统中生产效率最低的那个串联数控机床息息相关,因此,在这种连接方式下提高某一台数控机床的性能,对整个系统的性能影响将不是很大,但是,某一台数控机床可靠度的变化,却对系统的可靠性影响比较大。
在串联数控机床建立模型之前,提出以下假设:
(1)在串联数控机床中若其中一个数控机床要维护,则另一个数控机床也处于不工作状态,即要系统停机。当系统工作时,两个数控机床都是工作状态。
(2)假设系统中数控机床j在第n-1次预防性维护后的剩余寿命是Xnj,并且设{Xnj,n=1,2,3,...}是随机递减的序列;数控机床j第n次预防性维护之后再进行维护所耗时间为Ynj,并且序列{Xnj,n=1,2,3,...}是随机递增的。下面,记EXnj=φnj
Figure GDA0003037141400000083
(3)假设Xnj的分布函数是
Figure GDA0003037141400000082
假设Ynj的分布函数是
Figure GDA0003037141400000084
并且。0<vj<1。上面式中,所有t>0,Xnj与Ynj相互独立,对于上面所有的j有j=1,2…m,m为串联系统中数控机床个数。
策略1:在串联数控机床中的数控机床在经历了越来越多次的预防性维护之后,它的维护费用会随之增加,现给出对于维护费用在策略N=(N1,...,Nj,...,Nm)下的平均费用率。长期运行后的平均费用率Cq(N)
Figure GDA0003037141400000091
式中,Ng(t)为数控机床在运行区间内数控机床部件大修次数。根据更新理论有
Figure GDA0003037141400000092
根据式(17)和式(20)代入式(19)可以得到Cqu(N)最终表达式
Figure GDA0003037141400000093
以预防性维修次数N=(N1,...,Nj,...,Nm)为优化变量,串联系统在所求运行区间内可以获得最高的经济效益为优化目标,从而制定以下优化目标函数和优化条件:
min Cqu(N1,...,Nj,...,Nm)
st 1≤Nj,Nj∈Z+
2≤m,m∈Z+ (22)
策略2:根据上一节中单数控机床预防维修策略的研究结果,对各数控机床分别单独进行优化。以预防性维修次数Nj为优化变量,根据在单数控机床预防性维修策略中的研究结果,单独考虑串联系统中的每个数控机床在运行区间内获得的经济效益最高为优化目标,根据(11)式从而制定以下优化目标函数和优化条件:
min|ΔCq(Nj)|
st 1≤Nj,Nj∈Z+
j=1,...,m
2≤m,m∈Z+ (25)
式中,ΔCq(Nj)可以由下式获得
Figure GDA0003037141400000101
在根据以上两种策略优化得到最优预防性维修次数N*后,进一步可通过计算系统的可用度来对两种方案进行优选。
实施例
本发明选择由两个数控机床组成的简单串联系统为研究对象进行算例分析。该系统由数控机床1和数控机床2组成如图2所示。数控机床1完成对工件的粗加工,数控机床2对工件进行精加工从而最终保证工件的表面精度和尺寸公差要求。
数控机床1与数控机床2在无预防性维修的情况下,各自的故障间隔时间如表1所示。
表1数控机床的故障间隔时间
Figure GDA0003037141400000102
数控机床1与数控机床2的其他参数为ω1=1.05,v1=0.95,φ1=519,
Figure GDA0003037141400000106
C(pd)1=20.0,Cy1=60.0,Cg1=3000.0,CM1=170.0;ω2=1.07,v2=0.90,φ2=657,
Figure GDA0003037141400000107
C(pd)2=20.0,Cy2=50.0,Cg2=2800.0,CM2=168.0
根据表1所示故障间隔时间,对于数控机床1,相关系数为优化目标函数,采用DE利用MATLAB优化可以得到ρ(max)11)=0.98194,
Figure GDA0003037141400000103
进一步可以得到
Figure GDA0003037141400000104
故障率函数
Figure GDA0003037141400000105
同理可以得到数控机床2中ρ(max)22)=0.98553,
Figure GDA0003037141400000111
Figure GDA0003037141400000112
根据串联数控机床预防性维修策略1,取1≤Nj≤10根据式(21)可以得到Cqu(N)值如表2所示,进一步可得图3。可以发现在N1=3,N2=2时Cqu(N)达到最小,Cqu(3,2)minCqu(N)=-67.562。根据公式(18)可知在N1=3,N2=2时,串联数控机床的可用度Astrategy1(3,2)=0.6839。
表2预防性维修策略1下Cqu(N)计算结果
Figure GDA0003037141400000113
根据串联数控机床预防性维修策略2。取1≤Nj≤10根据式(11)可以得到ΔCq(Nj)值如表3所示,
表3预防性维修策略2下ΔCq(Nj)计算结果
Figure GDA0003037141400000114
根据表3可知在N1=7,N2=4时ΔCq(Nj)达到最小,对于数控机床
Figure GDA0003037141400000121
对于数控机床
Figure GDA0003037141400000122
根据公式(18)可知在N1=7,N2=4时,串联数控机床的可用度Astrategy1(7,4)=0.6421。
对比两种方案可以发现,Astrategy1(3,2)=0.6839>Astrategy1(7,4)=0.6421,因此在为了获得更好的可用度,采用策略1所得优化结果N1=3,N2=2,即数控机床1进行3次预防性维修后进行大修,数控机床2进行2次预防性维修后进行大修,此时该串联系统所获得效益和可用性最佳。
本实施例选择由两加工数控机床组成的简单串联数控机床为例,采用差分进化算法对三参数威布尔分布进行参数估计得到失效率函数,分别根据两种策略对维修次数N进行了优化,以可用度作为衡量标准对两种方案所得结果进行了优选。可以发现:1.通过对比两策略的可用度,可知策略1优于策略2,因此当数控机床1进行3次预防性维修后进行大修,数控机床2进行2次预防性维修后进行大修,此时该串联系统所获得效益和可用性最佳。2.通过所得结果可发现,初始阶段随着预防性维修次数N的增大,系统的费用率先降低后增加。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,但这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种串联数控机床的预防性维修策略方法,其特征在于,包括以下步骤:
S1:建立单数控机床预防性维修策略模型:以预防性维修次数N为优化变量,数控机床在所求运行区间内可以获得最高的经济效益为优化目标,从而制定以下优化目标函数和优化条件:
min|ΔCq(N)|
st 1≤N,N∈Z+ (11)
式中,Cq(N)为单数控机床在一个更新周期内的平均费用率,N为单数控机床预防性维修次数;
S2:建立串联数控机床可用度模型:
Figure FDA0003546556740000011
式中,WZ(t)为系统长期运行的工作总时长,Ts为系统的寿命;
S3:建立串联数控机床预防性维修策略模型:
策略1:以预防性维修次数N=(N1,...,Nj,...,Nm)为优化变量,串联系统是以系统长期运行下的平均费用率为优化目标,从而制定以下优化目标函数和优化条件:
min Cqu(N1,...,Nj,...,Nm) (22)
st 1≤Nj,Nj∈Z+
2≤m,m∈Z+
式中,Cqu(N)为串联系统在长期运行下的平均费用率,N=(N1,...,Nj,...,Nm)为串联系统的预防性维修次数,m为串联系统中数控机床个数;
策略2:以预防性维修次数Nj为优化变量,单独考虑串联系统中的每个数控机床在运行区间内获得的经济效益最高为优化目标,根据(11)式从而制定以下优化目标函数和优化条件:
min|ΔCq(Nj)| (25)
st 1≤Nj,Nj∈Z+
j=1,...,m
2≤m,m∈Z+
式中,Cq(Nj)为串联系统中的每个数控机床j在一个更新周期内的平均费用率,Nj为串联系统中的每个数控机床预防性维修次数,m为串联系统中数控机床个数;
S4:根据步骤S3的两种策略优化得到最优预防性维修次数后,通过计算系统的可用度来对两种方案进行优选。
2.根据权利要求1所述的串联数控机床的预防性维修策略方法,其特征在于,步骤S1模型建立之前,提出以下假设:
(1)假设数控机床在第n-1次预防性维护后的剩余寿命是Xn,并且设{Xn,n=1,2,3,...}是随机递减的序列,Yn是第n次预防性维护之后再进行维护所耗时间,并且序列{Yn,n=1,2,3...}是随机递增的,记EXn=φn
Figure FDA0003546556740000021
(2)假设Xn的分布函数是F(ωn-1t),并且ω>1,假设Yn的分布函数是G(vn-1t),并且0<v<1,上式中,所有t≥0,Xn与Yn相互独立,EX1=φ1
Figure FDA0003546556740000022
3.根据权利要求1所述的串联数控机床的预防性维修策略方法,其特征在于,步骤S2中,假定数控机床在单次大修时间区间(0,T]之间运行,部件j在该区间内总的工作时间
Figure FDA0003546556740000023
为:
Figure FDA0003546556740000024
式中,
Figure FDA0003546556740000025
为部件j在大修周期内的运行工作时间,
Figure FDA0003546556740000026
为部件j在大修后运行时间;
部件j在该区间内总的维护时间
Figure FDA0003546556740000027
为:
Figure FDA0003546556740000028
式中,
Figure FDA0003546556740000029
为部件j在单次大修周期内的维护工作时间,
Figure FDA00035465567400000210
为部件j在大修后维护时间;
根据公式(13)和(14)推导出TS为:
Figure FDA00035465567400000211
得到系统的可用度A(t)为:
Figure FDA00035465567400000212
根据更新过程定理,得:
Figure FDA0003546556740000031
将式(17)代入(16)得到可用度A(t)的最终表达式为:
Figure FDA0003546556740000032
4.根据权利要求1所述的串联数控机床的预防性维修策略方法,其特征在于,步骤S3模型建立之前,提出以下假设:
(1)在串联数控机床中若其中一个数控机床要维护,则另一个数控机床也处于不工作状态,即要系统停机;当系统工作时,两个数控机床都是工作状态;
(2)假设系统中数控机床j在第n-1次预防性维护后的剩余寿命是Xnj,并且设{Xnj,n=1,2,3,...}是随机递减的序列;数控机床j第n次预防性维护之后再进行维护所耗时间为Ynj,并且序列{Xnj,n=1,2,3,...}是随机递增的,记EXnj=φnj
Figure FDA0003546556740000033
(3)假设Xnj的分布函数是
Figure FDA0003546556740000034
假设Ynj的分布函数是
Figure FDA0003546556740000035
并且0<vj<1,上面式中,所有t>0,Xnj与Ynj相互独立,对于上面所有的j有j=1,2…m,m为串联系统中数控机床个数。
5.根据权利要求1所述的串联数控机床的预防性维修策略方法,其特征在于,步骤S2采用三参数威布尔分布建立数控机床的可靠性模型。
6.根据权利要求1所述的串联数控机床的预防性维修策略方法,其特征在于,步骤S4采用差分进化算法进行参数优化。
CN202110095500.8A 2021-01-25 2021-01-25 一种串联数控机床的预防性维修策略方法 Active CN112882440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110095500.8A CN112882440B (zh) 2021-01-25 2021-01-25 一种串联数控机床的预防性维修策略方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110095500.8A CN112882440B (zh) 2021-01-25 2021-01-25 一种串联数控机床的预防性维修策略方法

Publications (2)

Publication Number Publication Date
CN112882440A CN112882440A (zh) 2021-06-01
CN112882440B true CN112882440B (zh) 2022-06-21

Family

ID=76050831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110095500.8A Active CN112882440B (zh) 2021-01-25 2021-01-25 一种串联数控机床的预防性维修策略方法

Country Status (1)

Country Link
CN (1) CN112882440B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610266B (zh) * 2021-06-25 2023-07-25 东风本田发动机有限公司 汽车零件的故障预测方法、装置、计算机设备和存储介质
CN113867275B (zh) * 2021-08-26 2023-11-28 北京航空航天大学 一种分布式车间预防维修联合调度的优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103064340A (zh) * 2011-10-21 2013-04-24 沈阳高精数控技术有限公司 一种面向数控机床的故障预测方法
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
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
CN109102085A (zh) * 2018-07-09 2018-12-28 华中科技大学 一种数控机床的非周期性预防维修方法
CN109784581A (zh) * 2019-01-30 2019-05-21 北京航空航天大学 一种考虑弹性的系统预防性维修周期优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103064340A (zh) * 2011-10-21 2013-04-24 沈阳高精数控技术有限公司 一种面向数控机床的故障预测方法
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
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
CN109102085A (zh) * 2018-07-09 2018-12-28 华中科技大学 一种数控机床的非周期性预防维修方法
CN109784581A (zh) * 2019-01-30 2019-05-21 北京航空航天大学 一种考虑弹性的系统预防性维修周期优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
数控机床可靠性评估及预防维修的对数线性虚龄过程方法;赵中敏;《林业机械与木工设备》;20200229;第48卷(第2期);48-52页 *

Also Published As

Publication number Publication date
CN112882440A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN112882440B (zh) 一种串联数控机床的预防性维修策略方法
Altıntaş et al. Modelling and optimization of energy consumption for feature based milling
Li et al. Influence factors and operational strategies for energy efficiency improvement of CNC machining
Li et al. Optimization of cutting parameters for energy saving
Diaz et al. Machine tool design and operation strategies for green manufacturing
Pleta et al. Investigation of trochoidal milling in nickel-based superalloy inconel 738 and comparison with end milling
CN113867299B (zh) 基于数字孪生的不确定扰动下的ipps问题求解方法
Zhou et al. Capacity failure rate based opportunistic maintenance modeling for series-parallel multi-station manufacturing systems
CN109492923A (zh) 一种基于生产损失的多态生产系统重要度分析方法、装置
US11679463B2 (en) Cutting fluid amount adjusting device and system
CN104808581A (zh) 一种复杂面型曲面制造的补偿加工方法
Khan et al. Artificial intelligence model to predict surface roughness of Ti-15-3 alloy in EDM process
Braun et al. Simulation and prediction of process-oriented energy consumption of machine tools
Sun et al. Reliability modeling and analysis of serial-parallel hybrid multi-operational manufacturing system considering dimensional quality, tool degradation and system configuration
Yamada et al. Reliability improvement of industrial robots by optimizing operation plans based on deterioration evaluation
Helu et al. Total cost analysis of process time reduction as a green machining strategy
Zuo et al. Integrated geometric error compensation of machining processes on CNC machine tool
Safarov et al. Energy planning in production shops with numerically controlled machine tools
CN118011978A (zh) 考虑随机干扰的柔性流水车间动态调度与维护优化方法
CN106959665B (zh) 基于大数据的机床产品多权值融合的几何精度维护方法
Westkämper et al. Zero-defect manufacturing by means of a learning supervision of process chains
Prasetyani et al. Automation control design of an storage machine based on Omron PLC system
CN107315394B (zh) 降低制造机械的动作负载的制造管理装置
CN115906621A (zh) 一种多部件smt贴片设备机会维修多目标决策优化方法
Marinescu et al. Adaptive dimensional control based on in-cycle geometry monitoring and programming for CNC turning center

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