CN113705856A - 一种基于多元质量特性动态监控的维修策略优化方法 - Google Patents

一种基于多元质量特性动态监控的维修策略优化方法 Download PDF

Info

Publication number
CN113705856A
CN113705856A CN202110805018.9A CN202110805018A CN113705856A CN 113705856 A CN113705856 A CN 113705856A CN 202110805018 A CN202110805018 A CN 202110805018A CN 113705856 A CN113705856 A CN 113705856A
Authority
CN
China
Prior art keywords
detection
production process
state
scheme
maintenance
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
CN202110805018.9A
Other languages
English (en)
Other versions
CN113705856B (zh
Inventor
黄硕
李玉伟
王照久
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.)
Beijing Institute of Electronic System Engineering
Original Assignee
Beijing Institute of Electronic System Engineering
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 Beijing Institute of Electronic System Engineering filed Critical Beijing Institute of Electronic System Engineering
Priority to CN202110805018.9A priority Critical patent/CN113705856B/zh
Publication of CN113705856A publication Critical patent/CN113705856A/zh
Application granted granted Critical
Publication of CN113705856B publication Critical patent/CN113705856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

本发明的一个实施例公开了一种基于多元质量特性动态监控的维修策略优化方法，包括：设计一级检测方案和二级检测方案；在生产过程初始阶段，采用一级检测方案获取第一检测量，判断生产过程处于何种状态，若处于受控状态，则下次获取检测量时，依然采用一级检测方案，若是处于失控状态，则采取预防性维修去除生产过程的质量特性漂移，下次检测继续采用一级方案，若是处于警戒状态，则不采取维修措施，但下次检测采用二级检测方案获取第二检测量进行判定。同时，在生产过程中遇到系统停机时，采用修复性维修恢复正常生产过程。

Description

一种基于多元质量特性动态监控的维修策略优化方法
技术领域
本发明涉及生产质量监控和维修保障领域。更具体地，涉及一种基于多元质量特性动态监控的维修策略优化方法。
背景技术
随着现代科技的进步，生产过程逐渐向着集成化、数字化的方向发展。一方面，生产过程的质量特性逐渐呈现多元化的趋势；另一方面通过传感器收集的质量数据可以有效反馈生产过程运行的优劣状态。在一个生产过程中，当设备发生故障或潜在缺陷时，产品质量特性发生系统性波动，导致生产线不合格品率升高，进而增加了生产运行成本。利用生产过程质量数据，基于多元质量特性监控技术，可实时监控生产过程的质量状态，对于生产过程出现的系统性波动及时预警，提醒管理人员对于生产设备进行排查维修，稳定生产过程质量水平。因此，基于多元质量特性监控的维修策略优化设计成为了维修建模优化领域的重要研究方向。
近年来，基于多元质量特性监控的维修策略优化的工作大多利用传统静态方法监控生产过程质量特性的波动，为设备维修决策提供信息支持，其设计参数相对固定，适合应对单一化、大参数漂移的多元质量监控问题，然而当生产过程的多元质量特性漂移较小或管理者要求的反馈速度较快时，传统方法由于不能快速准确给出预警信息，导致企业管理者无法制定经济有效的维修策略，可能造成严重的生产质量损失，增加企业的生产成本。
发明内容
有鉴于此，本发明的第一个实施例提供一种基于多元质量特性动态监控的维修策略优化方法，包括：
设计一级检测方案和二级检测方案；
在生产过程初始阶段，采用一级检测方案获取第一检测量，判断生产过程处于何种状态，若处于受控状态，则下次获取检测量时，依然采用一级检测方案，若是处于失控状态，则采取预防性维修去除生产过程的质量特性漂移，下次检测继续采用一级方案，若是处于警戒状态，则不采取维修措施，但下次检测采用二级检测方案获取第二检测量进行判定，同时，在生产过程中遇到系统停机时，采用修复性维修恢复正常生产过程。
在一个具体实施例中，所述一级检测方案(n1,h1,W1,H1)包括：第一抽样样本量n1，第一抽样检测间隔h1，第一警戒限W1，第一控制限H1，
根据所述第一抽样样本量获取第一检测量，若是第一检测量小于等于第一警戒限，则判定所述生产过程处于受控状态，不采取维修措施，否则判断检测量是否大于第一控制限，若是则判定所述生产过程处于失控状态，采取预防性维修修复生产过程的质量特性漂移，否则判断生产过程处于警戒状态，在下次检测采用二级检测方案。
在一个具体实施例中，所述二级检测方案(n2,h2,W2,H2)包括：第二抽样样本量n2，第二抽样检测间隔h2，第二警戒限W2，第二控制限H2，
根据所述第二抽样样本量获取第二检测量，若是检测量小于等于第二警戒限，则判定所述生产过程处于受控状态，下次按照一级检测方案获取检测量，否则判断检测量是否大于第二控制限，若是则判定所述生产过程失控状态，采取预防性维修消除生产过程的质量特性漂移，否则判断生产过程处于警戒状态，在下次获取检测量时，继续按照所述二级检测方案。
在一个具体实施例中，选取最优的一级检测方案和二级检测方案的参数，使得所述优化方法在单位时间的平均运行成本最小。
在一个具体实施例中，选取最优的一级检测方案和二级检测方案的参数包括：
建立检测量M的表达式并分析统计性质；
建立生产过程状态转移概率矩阵，计算稳态概率和虚警率；
建立单位检测周期内，不同初始状态下的受控和失控平均运行时间表达式；
建立在单位运行周期内，不同初始状态下的生产过程费用表达式；
以单位时间平均运行成本最小化为基础建立优化模型，得到最优一级检测方案和二级检测方案。
在一个具体实施例中，所述建立检测量M的表达式包括：
获取生产过程质量监控中抽取的n组样本的观测值X1,X2,...,Xn，平均观测值：
Figure BDA0003166010060000021
构建检测量M的表达式：
Figure BDA0003166010060000022
其中，μ0表示质量特性目标值向量，质量特性个数为z，Σ为质量特性协方差阵，令μ1表示质量特性实际值，Δ＝μ1-μ0表示质量特性漂移量。
检测量M统计特性为：
若Δ＝0，则M服从自由度为z的卡方分布，记作M:χ2(z)，若Δ≠0，T2(Δ) 服从自由度为z，位置参数为
Figure BDA0003166010060000031
的非中心卡方分布，记为
Figure BDA0003166010060000032
在一个具体实施例中，所述生产过程状态转移概率矩阵为：
Figure BDA0003166010060000033
其中，状态0表示生产过程质量特性未发生漂移，处于“受控”状态；状态 1表示生产过程质量特性发生漂移，处于“失控”状态；状态F表示生产过程设备发生突发型失效，生产过程中断；状态R*表示检测量处于警戒限以内，判定受控，下次检测采用一级检测方案；状态T*表示检测量处于警戒限和控制限之间，判定警戒，下次检测采用二级检测方案；状态S*表示检测量超出控制限，采取预防性维修修复生产过程的质量特性漂移；
Figure BDA0003166010060000034
Figure BDA0003166010060000041
Figure BDA0003166010060000042
Figure BDA0003166010060000043
Figure BDA0003166010060000044
Figure BDA0003166010060000045
其中，
Figure BDA0003166010060000046
表示自由度为z的卡方分布的累积概率函数，
Figure BDA0003166010060000047
表示自由度为z的卡方分布的累积概率函数，
Figure BDA0003166010060000048
表示自由度为z，位置参数为
Figure BDA0003166010060000049
的非中心卡方分布的累积概率函数；
令
Figure BDA0003166010060000051
表示相应的稳态概率，则计算稳态概率
Figure BDA0003166010060000052
计算监控方案的虚警率为：
Figure BDA0003166010060000053
在一个具体实施例中，在不同的初始状态下，单位检测周期内的受控平均运行时间E(TI)的表达式为：
Figure BDA0003166010060000054
在不同的初始状态下，单位检测周期内的失控平均运行时间，E(TO)的表达式为：
Figure BDA0003166010060000055
在一个具体实施例中，建立在单位运行周期内，不同初始状态下的生产过程费用表达式，包括：
在不同初始状态下，抽样检测成本的期望E(Csampling)为
Figure BDA0003166010060000061
在不同初始状态下，质量损失成本的期望E(Cq)为：
Figure BDA0003166010060000062
其中，CI和CO分别表示单位时间内的受控状态质量损失成本和单位时间内的失控状态质量损失成本；
在不同初始状态下，维修成本的期望E(CM)为，
Figure BDA0003166010060000063
其中，CPM和CCM分别为预防性维修费用和修复性维修费用，
在不同初始状态下令，监控虚警成本的期望E(CINSP)为，
Figure BDA0003166010060000064
其中，CY表示单次虚警的检测成本。
在一个具体实施例中，在不同初始状态下的生产过程平均运行成本为：
Figure BDA0003166010060000071
单位检测周期内平均运行成本为：
Figure BDA0003166010060000072
在不同初始状态下的生产过程平均运行时间为：
Figure BDA0003166010060000073
单位检测周期内平均运行时间为：
Figure BDA0003166010060000074
单位检测周期的单位时间平均运行成本为：
Figure BDA0003166010060000075
求解最优方案(n1,h1,W1,H1,n2,h2,W2,H2)，给定约束条件，建立单位时间平均运行成本最小的优化模型，
min ETC(n1,h1,W1,H1,n2,h2,W2,H2)
s.t.0<n1≤n2≤nmax
0<h2≤h1≤hmax
0<W1<H1
0<W2<H2
α*≤αmax
其中，nmax表示单次抽样样本量上限，hmax表示检测间隔上限，αmax表示虚警率上限。
本发明的有益效果如下：
本申请提出的基于多元质量特性动态监控的维修策略优化方法，能够根据检测量与警戒限、控制限的比较结果，灵活调整抽样样本量和检测间隔，有助于在生产过程发生质量特性漂移的早期阶段及时反馈报警信号；同时将针对质量特性漂移的预防性维修和针对生产过程停机的修复性维修相结合，该方法具有“快速报警、高效反馈、及时维修”的优点，在满足生产实际约束条件的前提下，节省了生产过程的运行成本，经济性较好。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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示出根据本发明一个实施例的基于多元质量特性动态监控的维修策略优化方法流程图。
图2示出根据本发明一个实施例的内部肋板结构示意图。
图3示出根据本发明一个实施例的测试点位置示意图。
具体实施方式
为使本发明的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示，一种基于多元质量特性动态监控的维修策略优化方法，包括：
设计一级检测方案和二级检测方案；
在生产过程初始阶段，采用一级检测方案获取第一检测量，判断生产过程处于何种状态，若处于受控状态，则下次获取检测量时，依然采用一级检测方案，若是处于失控状态，则采取预防性维修去除生产过程的质量特性漂移，下次检测继续采用一级方案，若是处于警戒状态，则不采取维修措施，但下次检测采用二级检测方案获取第二检测量进行判定。同时，在生产过程中遇到系统停机时，采用修复性维修恢复正常生产过程。
在一个具体实施例中，所述一级检测方案(n1,h1,W1,H1)包括：第一抽样样本量n1，第一抽样检测间隔h1，第一警戒限W1，第一控制限H1，
根据所述第一抽样样本量获取第一检测量，若是第一检测量小于等于第一警戒限，则判定所述生产过程处于受控状态，不采取维修措施，否则判断检测量是否大于第一控制限，若是则判定所述生产过程处于失控状态，采取预防性维修修复生产过程的质量特性漂移，否则判断生产过程处于警戒状态，在下次检测采用二级检测方案。
所述二级检测方案(n2,h2,W2,H2)包括：第二抽样样本量n2，第二抽样检测间隔h2，第二警戒限W2，第二控制限H2，
根据所述第二抽样样本量获取第二检测量，若是检测量小于等于第二警戒限，则判定所述生产过程处于受控状态，下次按照一级检测方案获取检测量，否则判断检测量是否大于第二控制限，若是则判定所述生产过程失控状态，采取预防性维修消除生产过程的质量特性漂移，否则判断生产过程处于警戒状态，在下次获取检测量时，继续按照所述二级检测方案。
在一个优选的实施例中，选取最优的一级检测方案和二级检测方案的参数，使得所述优化方法的单位时间平均运行成本最小。
选取最优的一级检测方案和二级检测方案的参数包括：
建立检测量M的表达式并分析统计性质；
在一个具体实施例中，所述建立检测量M的表达式包括：
获取生产过程质量监控中抽取的n组样本的观测值X1,X2,...,Xn，计算平均观测值：
Figure BDA0003166010060000091
构建检测量M的表达式：
Figure BDA0003166010060000092
其中，μ0表示质量特性目标值向量，质量特性个数为z，Σ为质量特性协方差阵，令μ1表示质量特性实际值，Δ＝μ1-μ0表示质量特性漂移量。
检测量M统计特性为：
若Δ＝0，则M服从自由度为z的卡方分布，记作M:χ2(z)，若Δ≠0，T2(Δ) 服从自由度为z，位置参数为
Figure BDA0003166010060000101
的非中心卡方分布，记为
Figure BDA0003166010060000102
建立生产过程状态转移概率矩阵，计算稳态概率和虚警率；
所述生产过程状态转移概率矩阵为：
Figure BDA0003166010060000103
其中，状态0表示生产过程质量特性未发生漂移，处于“受控”状态；状态 1表示生产过程质量特性发生漂移，处于“失控”状态；状态F表示生产过程设备发生突发型失效，生产过程中断；状态R*表示检测量处于警戒限以内，判定受控，下次检测采用一级检测方案；状态T*表示检测量处于警戒限和控制限之间，判定警戒，下次检测采用二级检测方案；状态S*表示检测量超出控制限，采取预防性维修修复生产过程的质量特性漂移；
Figure BDA0003166010060000104
Figure BDA0003166010060000111
Figure BDA0003166010060000112
Figure BDA0003166010060000113
Figure BDA0003166010060000114
Figure BDA0003166010060000115
其中，
Figure BDA0003166010060000116
表示自由度为z的卡方分布的累积概率函数，
Figure BDA0003166010060000117
表示自由度为z的卡方分布的累积概率函数，
Figure BDA0003166010060000118
表示自由度为z，位置参数为
Figure BDA0003166010060000119
的非中心卡方分布的累积概率函数；
令
Figure BDA0003166010060000121
表示相应的稳态概率，则计算稳态概率
Figure BDA0003166010060000122
计算监控方案的虚警率为：
Figure BDA0003166010060000123
建立单位检测周期内，不同初始状态下的受控和失控平均运行时间表达式；
Figure BDA0003166010060000124
在不同的初始状态下，单位检测周期内的失控平均运行时间，E(TO)的表达式为：
Figure BDA0003166010060000125
建立在单位运行周期内，不同初始状态下的生产过程费用表达式；
不同初始状态下的生产过程费用表达式包括：
在不同初始状态下，抽样检测成本的期望E(Csampling)为
Figure BDA0003166010060000131
在不同初始状态下，质量损失成本的期望E(Cq)为：
Figure BDA0003166010060000132
其中，CI和CO分别表示单位时间内的受控状态质量损失成本和单位时间内的失控状态质量损失成本；
在不同初始状态下，维修成本的期望E(CM)为，
Figure BDA0003166010060000133
其中，CPM和CCM分别为预防性维修费用和修复性维修费用，
在不同初始状态下令，监控虚警成本的期望E(CINSP)为，
Figure BDA0003166010060000134
其中，CY表示单次虚警的检测成本。
以单位时间平均运行成本最小化为基础建立优化模型，得到最优一级检测方案和二级检测方案。
在不同初始状态下的生产过程平均运行成本为：
Figure BDA0003166010060000141
单位检测周期内平均运行成本为：
Figure BDA0003166010060000142
在不同初始状态下的生产过程平均运行时间为：
Figure BDA0003166010060000143
单位检测周期内平均运行时间为：
Figure BDA0003166010060000144
单位检测周期的单位时间平均运行成本为：
Figure BDA0003166010060000145
求解最优方案(n1,h1,W1,H1,n2,h2,W2,H2)，给定约束条件，建立单位时间平均运行成本最小的优化模型，
min ETC(n1,h1,W1,H1,n2,h2,W2,H2)
s.t.0<n1≤n2≤nmax
0<h2≤h1≤hmax
0<W1<H1
0<W2<H2
α*≤αmax
其中，nmax表示单次抽样样本量上限，hmax表示检测间隔上限，αmax表示虚警率上限。
在一个具体实施例中，半导体激光二极管发射器在运行过程中，输出功率高、热量大，其散热性能的好坏直接影响发射器的定位精度。因此，半导体激光二极管发射器中的散热结构是系统的核心部件之一。某型号半导体激光二极管发射器采用热沉结构进行水冷散热，如图2所示内部肋板结构示意图，激光二极管发射器在工作过程中产生热量，上方面热源的发热功率约为100W，热沉结构材质均为纯铜，冷却液体为纯水，水温15℃。进出口压力差约为0.2Mpa，经散热肋板起到增大散热面积的作用，冷却液进入热沉后，经散热肋板绕柱流出后回收利用。
当热沉结构的材质相同时，其生产过程的质量水平直接决定其散热能力。由于热沉结构加工工艺复杂、工序多样、设计参数较多，为方便检测、准确判断热沉结构的散热能力是否到达指标要求，生产商通常会在生产线抽取部分样品，模拟实际工作环境，对散热能力进行测试。其具体操作方式为：在模拟工作环境下，在热沉结构的进水口、出水口和中端布置三个温度传感器，收集温度数据作为关键质量任性，并与其标称值对比。图3为测试点位置图示。
对于合格的样品，根据热力学仿真，可以计算三个测试点的温度X1,X2,X3近似服从正态分布(单位：℃)，表示为X＝(X1,X2,X3):N3(μ0,Σ)，其中
μ0＝[18,18.3,18.8],
Figure BDA0003166010060000151
在热沉生产过程中，存在两种失效模式。一是生产过程由于环境、操作规范等原因造成设备性能退化，最终使得生产过程的质量特性μ0发生漂移至μ1，漂移量为
Δ＝μ1-μ0＝[0.25,0.5.0.52].
其漂移发生时刻近似服从指数分布，分布参数λ＝0.01/天。同时，生产过程可能出现突发型失效导致设备停机，失效分布近似为指数分布。在“受控”状态下，参数λI＝0.005/天，“失控”状态下，参数λO＝0.008/天。同时，生产过程各种成本费用参数、生产过程约束条件要求如下表所示。
表1热沉生产过程案例中的成本和约束参数
C<sub>F</sub> C<sub>S</sub> C<sub>I</sub> C<sub>O</sub> C<sub>INSP</sub>
1000元 1000元/个 2000元/天 12000元/天 6000元
C<sub>P</sub> C<sub>CM1</sub> n<sub>max</sub> h<sub>max</sub> α<sub>max</sub>
15000元 40000元 30 15天 0.05
按照本发明提出的基于多元质量特性动态监控的维修策略优化方法，计算得到最优一级检测方案和二级检测方案，如表2所示。
表2热沉生产过程案例中的最优策略及其对应的ETC
(n<sub>1</sub>,h<sub>1</sub>,W<sub>1</sub>,H<sub>1</sub>,n<sub>2</sub>,h<sub>2</sub>,W<sub>2</sub>,H<sub>2</sub>) 所提方案的ETC(元/天)
(10,14,4.04,7.78,13,1,3.75,7.7) 4380
通过表2可以看出，最优方案采用如下方式执行
在生产初始阶段，采用一级检测方案(n1,h1,W1,H1)＝(10,14,4.04,7.78)，单次抽样样本量为10，抽样间隔为14，计算检测量M；
当检测量M≤4.04时，判定生产过程处于受控状态，不采取维修措施，同时维持一级检测方案；
当M>7.78时，判定生产过程处于失控状态，采取预防性维修修复生产过程的质量特性漂移，下次检测继续维持一级方案；
当4.04<M≤7.78时，判定生产过程处于警戒状态，不采取维修措施，但下次检测方案从一级切换为二级；
若采用二级检测方案(n2,h2,W2,H2)＝(13,1,3.75,7.7)时，单次抽样样本量为13，抽样间隔为1，计算检测量M，当M≤3.75时，判定生产过程处于受控状态，不采取维修措施，同时下次检测切换回一级方案；
当M>7.7时，判定生产过程处于失控状态，采取预防性维修修复生产过程的质量特性漂移，下次检测切换回一级方案；
当3.75<M≤7.7时，判定生产过程处于警戒状态，不采取维修措施，但下次检测方案从二级切换为一级；
在生产过程中若遇到突发故障导致生产停机，则立刻采取修复性维修，此后，采用一级检测方案。
在一个具体实施例中，如下表所示，ETC1和ETC2分别表示本专利所提出的方法和传统方法的单位时间平均运行成本。
表3最优化动态监控方法与传统方法的ETC对比结果
Δ ETC<sub>1</sub>(元/天) ETC<sub>1</sub>(元/天)
(0,0.25,0.25) 5917 6230
(0.25,0.25,0.5) 4767 4977
(0.5,0.5,0.75) 4087 4190
(0.5,0.75,0.75) 3785 3870
(0.75,0.75,1) 3579 3636
(0.75,1,1.25) 3473 3482
从表3中可以看出，在不同漂移量情形下，所提出方法的平均运行费用显著小于传统方法。这表明所提出方法更能节省生产过程的运行成本，经济性更好。
本申请提出的基于多元质量特性动态监控的维修策略优化方法，能够根据检测量与警戒限、控制限的比较结果，灵活调整抽样样本量和检测间隔，有助于在生产过程发生质量特性漂移的早期阶段及时反馈报警信号；同时将针对质量特性漂移的预防性维修和针对生产过程停机的修复性维修相结合，该准则具有“快速报警、高效反馈、及时维修”的优点，在满足生产实际约束条件的前提下，节省了生产过程的运行成本，经济性较好。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种基于多元质量特性动态监控的维修策略优化方法，其特征在于，包括：
设计一级检测方案和二级检测方案；
在生产过程初始阶段，采用一级检测方案获取第一检测量，判断生产过程处于何种状态，若处于受控状态，则下次获取检测量时，依然采用一级检测方案，若是处于失控状态，则采取预防性维修去除生产过程的质量特性漂移，下次检测继续采用一级方案，若是处于警戒状态，则不采取维修措施，但下次检测采用二级检测方案获取第二检测量进行判定，同时，在生产过程中遇到系统停机时，进行维修恢复正常生产过程。
2.根据权利要求1所述的方法，其特征在于，所述一级检测方案(n1,h1,W1,H1)包括：第一抽样样本量n1，第一抽样检测间隔h1，第一警戒限W1，第一控制限H1，
根据所述第一抽样样本量获取第一检测量，若是第一检测量小于等于第一警戒限，则判定所述生产过程处于受控状态，不采取维修措施，否则判断第一检测量是否大于第一控制限，若是则判定所述生产过程处于失控状态，采取预防性维修消除生产过程的质量特性漂移，否则判断生产过程处于警戒状态，在下次检测采用二级检测方案。
3.根据权利要求2所述的方法，其特征在于，所述二级检测方案(n2,h2,W2,H2)包括：第二抽样样本量n2，第二抽样检测间隔h2，第二警戒限W2，第二控制限H2，
根据所述第二抽样样本量获取第二检测量，若是检测量小于等于第二警戒限，则判定所述生产过程处于受控状态，下次按照一级检测方案获取检测量，否则判断检测量是否大于第二控制限，若是则判定所述生产过程失控状态，采取预防性维修消除生产过程的质量特性漂移，否则判断生产过程处于警戒状态，在下次获取检测量时，继续按照所述二级检测方案。
4.根据权利要求1所述的方法，其特征在于，选取最优的一级检测方案和二级检测方案的参数，使得所述优化方案在单位时间的平均运行成本最小。
5.根据权利要求4所述的方法，其特征在于，选取最优的一级检测方案和二级检测方案的参数包括：
建立检测量M的表达式并分析统计性质；
建立生产过程状态转移概率矩阵，计算稳态概率和虚警率；
建立单位检测周期内，不同初始状态下的受控和失控平均运行时间表达式；
建立在单位运行周期内，不同初始状态下的生产过程费用表达式；
以单位时间的平均运行成本最小为基础建立优化模型，得到最优一级检测方案和二级检测方案。
6.根据权利要求5所述的方法，其特征在于，所述建立检测量M的表达式包括：
获取生产过程质量监控中抽取的n组样本的观测值X1,X2,...,Xn，平均观测值：
Figure FDA0003166010050000021
构建检测量M的表达式：
Figure FDA0003166010050000022
其中，μ0表示质量特性目标值向量，质量特性个数为z，Σ为质量特性协方差阵，令μ1表示质量特性实际值，Δ＝μ1-μ0表示质量特性漂移量；
检测量M统计特性为：
若Δ＝0，则M服从自由度为z的卡方分布，记作M:χ2(z)，若Δ≠0，T2(Δ)服从自由度为z，位置参数为
Figure FDA0003166010050000023
的非中心卡方分布，记为M:
Figure FDA0003166010050000024
7.根据权利要求5所述的方法，其特征在于，所述生产过程状态转移概率矩阵为：
Figure FDA0003166010050000025
其中，状态0表示生产过程质量特性未发生漂移，处于“受控”状态；状态1表示生产过程质量特性发生漂移，处于“失控”状态；状态F表示生产过程设备发生突发型失效，生产过程中断；状态R*表示检测量处于警戒限以内，判定受控，下次检测采用一级检测方案；状态T*表示检测量处于警戒限和控制限之间，判定警戒，下次检测采用二级检测方案；状态S*表示检测量超出控制限，采取预防性维修修复生产过程的质量特性漂移；
Figure FDA0003166010050000031
Figure FDA0003166010050000032
Figure FDA0003166010050000033
Figure FDA0003166010050000041
Figure FDA0003166010050000042
Figure FDA0003166010050000043
其中，
Figure FDA0003166010050000044
表示自由度为z的卡方分布的累积概率函数，
Figure FDA0003166010050000045
表示自由度为z的卡方分布的累积概率函数，
Figure FDA0003166010050000046
表示自由度为z，位置参数为
Figure FDA0003166010050000047
的非中心卡方分布的累积概率函数；
令
Figure FDA0003166010050000048
表示相应的稳态概率，则计算稳态概率
Figure FDA0003166010050000049
计算监控方案的虚警率为：
Figure FDA00031660100500000410
8.根据权利要求5所述的方法，其特征在于，在不同的初始状态下，单位检测周期内的受控平均运行时间E(TI)的表达式为：
Figure FDA00031660100500000411
在不同的初始状态下，单位检测周期内的失控平均运行时间，E(TO)的表达式为：
Figure FDA0003166010050000051
9.根据权利要求5所述的方法，其特征在于，建立在单位运行周期内，不同初始状态下的生产过程费用表达式，包括：
在不同初始状态下，抽样检测成本的期望E(Csampling)为
Figure FDA0003166010050000052
在不同初始状态下，质量损失成本的期望E(Cq)为：
Figure FDA0003166010050000053
其中，CI和CO分别表示单位时间内的受控状态质量损失成本和单位时间内的失控状态质量损失成本；
在不同初始状态下，维修成本的期望E(CM)为，
Figure FDA0003166010050000061
其中，CPM和CCM分别为预防性维修费用和修复性维修费用，
在不同初始状态下令，监控虚警成本的期望E(CINSP)为，
Figure FDA0003166010050000062
其中，CY表示单次虚警的检测成本。
10.根据权利要求5所述的方法，其特征在于，在不同初始状态下的生产过程平均运行成本为：
Figure FDA0003166010050000063
单位检测周期内的单位时间平均运行成本为：
Figure FDA0003166010050000064
在不同初始状态下的生产过程平均运行时间为：
Figure FDA0003166010050000071
单位检测周期内的单位时间平均运行时间为：
Figure FDA0003166010050000072
单位检测周期的单位时间的平均运行成本为：
Figure FDA0003166010050000073
求解最优方案(n1,h1,W1,H1,n2,h2,W2,H2)，给定约束条件，建立单位时间平均运行成本最小的优化模型，
minETC(n1,h1,W1,H1,n2,h2,W2,H2)
s.t.0<n1≤n2≤nmax
0<h2≤h1≤hmax
0<W1<H1
0<W2<H2
α*≤αmax
其中，nmax表示单次抽样样本量上限，hmax表示检测间隔上限，αmax表示虚警率上限。
CN202110805018.9A 2021-07-16 2021-07-16 一种基于多元质量特性动态监控的维修策略优化方法 Active CN113705856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110805018.9A CN113705856B (zh) 2021-07-16 2021-07-16 一种基于多元质量特性动态监控的维修策略优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110805018.9A CN113705856B (zh) 2021-07-16 2021-07-16 一种基于多元质量特性动态监控的维修策略优化方法

Publications (2)

Publication Number Publication Date
CN113705856A true CN113705856A (zh) 2021-11-26
CN113705856B CN113705856B (zh) 2023-10-03

Family

ID=78648717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110805018.9A Active CN113705856B (zh) 2021-07-16 2021-07-16 一种基于多元质量特性动态监控的维修策略优化方法

Country Status (1)

Country Link
CN (1) CN113705856B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030097806A1 (en) * 1996-03-05 2003-05-29 Brown John G. Inner accessible commutering enterprise structure interfaced with one or more workplace, vehicle or home commutering stations
CN103487558A (zh) * 2013-07-30 2014-01-01 中国标准化研究院 一种应用智能感官信号进行茶叶品质的模式识别分析过程中检测异常样本的方法
CN112800913A (zh) * 2021-01-20 2021-05-14 同济大学 一种基于多源特征融合的路面损伤数据时空分析方法
CN113487126A (zh) * 2021-05-19 2021-10-08 北京电子工程总体研究所 一种不合格品动态检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030097806A1 (en) * 1996-03-05 2003-05-29 Brown John G. Inner accessible commutering enterprise structure interfaced with one or more workplace, vehicle or home commutering stations
CN103487558A (zh) * 2013-07-30 2014-01-01 中国标准化研究院 一种应用智能感官信号进行茶叶品质的模式识别分析过程中检测异常样本的方法
CN112800913A (zh) * 2021-01-20 2021-05-14 同济大学 一种基于多源特征融合的路面损伤数据时空分析方法
CN113487126A (zh) * 2021-05-19 2021-10-08 北京电子工程总体研究所 一种不合格品动态检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于相容性分析和过程能力指数的多元质量特性参数设计", 《中国博士学位论文全文数据库 基础科学辑》, no. 07, pages 002 - 33 *

Also Published As

Publication number Publication date
CN113705856B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
CN108829933B (zh) 一种半导体制造设备的预测性维护与健康管理的方法
JP4250552B2 (ja) 製造装置管理システム、製造装置管理方法及びプログラム
CN112036089A (zh) 一种基于dpc-mnd和多元状态估计的磨煤机故障预警方法
US20110178963A1 (en) system for the detection of rare data situations in processes
CN107092923A (zh) 基于改进监督核局部线性嵌入法的电熔镁炉过程监测方法
CN113673600B (zh) 一种工业信号异常预警方法、系统、存储介质及计算设备
CN110112442B (zh) 一种燃料电池系统控制方法及装置
CN112836941B (zh) 一种煤电机组汽轮机高加系统在线健康状况评估方法
CN111090939A (zh) 石化装置异常工况的预警方法和系统
CN106200624B (zh) 基于交叉分段pca的工业锅炉故障诊断方法
CN111413949B (zh) 一种降低工业过程故障预警误报率的方法
CN114721336A (zh) 一种仪控系统工艺参数的信息安全事件预警方法
Bao et al. Wind turbine condition monitoring based on improved active learning strategy and KNN algorithm
CN113705856A (zh) 一种基于多元质量特性动态监控的维修策略优化方法
CN116974234B (zh) 一种火电厂碳资产的监测控制方法及系统
CN105759787B (zh) 一种基于切换有监督线性动态系统模型的故障诊断方法
CN112381130A (zh) 一种基于聚类分析的配电房多元数据异常检测方法
CN116224887A (zh) 一种多工况间歇过程故障监测方法
CN114943281B (zh) 一种热管冷却反应堆智能决策方法及系统
CN112199830B (zh) 一种流程式系统的变结构系统级健康状态评估方法
CN100508113C (zh) 蚀刻设备在线故障诊断的方法
CN111650444A (zh) 基于回归分析的电磁环境中tcu失效预警方法
Zhu et al. Prognostics of tool failing behavior based on autoassociative gaussian process regression for semiconductor manufacturing
Feng et al. Research on key technologies of health assessment for multi-equipment production line
CN112066266B (zh) 煤气柜运行控制方法、监控系统和电子设备

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