基于失效率调整因子的多目标动态预防性维护决策建模

针对静态维护策略中事先确定固定维护周期以及当前维护决策多为单一目标决策的不足,引入整合失效率调整因子的修复非新模型,采用动态预防性维护决策,更符合随役龄增加而使设备的预防性维护周期递减的实际情况.在此基础上,整合优化维修成本率和设备可用度,建立一种动态预防性维护的多目标决策模型.数值实例结果表明,利用多目标动态预防性维护决策模型,可求出基于维修成本率最小和设备可用度最大的各维护周期最优预防性维护时间间隔.     

基于可靠度的多设备混联系统机会维护模型

以多设备组成的混联生产系统为研究对象,采用可靠度恢复因子描述不同维护方式下设备可靠度演化,建立了一种基于可靠度的以维护成本为优化目标的多设备混联生产系统的机会维护模型.算例分析表明,该模型符合实际生产情况,能够为复杂结构的生产系统预防性维护决策提供有力支持.     

集成生产与预防性维护的流水线车间调度算法

为使机器的可利用率最大化,建立了机器预防性维护的优化周期模型.为同时考虑生产调度与预防性维护调度,以最小Makespan为调度优化目标,提出了一种结合优化预防性维护周期模型的集成启发式调度算法.仿真结果表明,集成启发式算法对流水型车间进行生产与预防性维护调度是有效的和实用的.     

考虑性能可靠度约束的单机调度与视情维修的集成优化模型

针对劣化状态可离线检测的单设备生产系统,考虑其在性能可靠度的约束下,进行了生产调度与视情维修的集成优化研究.以调度任务的加工序列和视情预防性维修的0-1逻辑变量作为决策变量,加工任务的总加权期望完成时间最小为优化目标,建立了随机期望值集成优化模型.在对单设备系统生产调度与视情维修联合策略分析的基础上,推导了调度任务完成后,基于设备状态的预防性维修的维修概率及其概率密度函数表达式,并给出了概率密度函数的求解方法.数值实验表明,在集成优化模型中引入系统的性能可靠度约束,可以保证设备在安全生产的前提下,得到最优的集成调度方案.     

面向港口复杂装卸系统的动态机会维护策略

针对以不同衰退特征设备组成的港口复杂装卸系统,提出了设备层-系统层交互的动态机会维护策略,以支撑自动化码头的智能维护决策.引入维护效果和外部环境工况,提出了独立设备的综合衰退演化规则,并结合多目标价值理论和动态循环决策模式,建立设备层多目标预知维护规划模型.在此基础上,分析串联设备间的相互依赖性,利用设备停机的组合维护机会,建立了多设备维护优化调度的联合区间轴策略,对关联设备的预知维护作业采取有针对性的作业合并.数值实例结果证明,所提出的方法可显著降低系统整体维护成本,提供具有可行性、实时性、经济性的系统层维护优化方案.     

基于可靠性的混联系统的动态预防性维护策略

以多设备混联系统为研究对象,通过优化组合成本,给出了一种以作业计划为约束的修复非新的动态预防性维护策略.在建模过程中考虑到设备因预防性维护次数增加造成可靠度逐渐下降的情况,引入了役龄递减因子与故障率递增因子优化模型.该维护策略达到了不中断生产作业的目标,使维护计划与作业计划之间的冲突得以协调.通过算例分析,验证了该维护策略的合理性和经济有效性.     

基于模糊理论的设备多目标预防性维护策略研究

[目的]针对当前生产设备多为单一目标维护决策的不足,同时考虑维护成本率和设备可用度,提出了一种基于模糊理论的多目标预防性维护策略模型.[方法]针对设备的衰退过程,结合役龄递减因子和故障率递增因子的混合故障率来描述设备的衰退特性;在此基础上,以可靠性阈值和预防维护次数为决策变量、设备维护成本率和设备可用度为目标函数建立设备多目标预防维护策略模型,基于模糊加权平均算法求解多目标维护决策模型.[结果]在仅以维护成本率为决策目标时,最优可靠性阈值为0.7,最优维护次数为5;在仅以设备可用度为决策目标时,最优可靠性阈值为0.7,最优维护次数为2;在多目标情况下偏重维护成本率时,最优可靠性阈值为0.7,最优维护次数为4;在多目标情况下偏重设备可用度时,最优可靠性阈值为0.7,最优维护次数为3.[结论]设备多目标预防维护策略模型更具灵活性,更加符合实际情况.     

基于马尔科夫决策过程的带缓存双机系统不完美维护策略

为有效解决退化系统的设备维护优化问题,对带缓存双机系统的预防性维护策略进行研究.首先,考虑两设备的随机退化,针对不完美的小修和预防性维护,通过马尔科夫过程描述系统状态.然后,基于收入和成本,建立生产系统的利润模型.最后,通过最大化长期期望利润,确定不同系统状态下的预防性维护决策.采用值迭代方法对模型进行求解,数值分析结果表明,设备的维护决策不仅取决于自身状态,还受其他设备状态和缓存量的影响.     

多资源约束下串并联生产系统的多目标动态维护

针对多资源约束下的串并联生产系统,在多资源约束条件下考虑系统的可用性,以各工序资源需求优先级为标准,建立了一种多目标动态维护模型.引入权重因子,通过采用可靠度恢复因子描述各工序设备维护前后可靠度的变化过程,建立以维护成本和系统可用度为优化目标的维护策略.通过仿真抽样求解出系统在给定区间内的预防性维护与机会维护阈值.结果表明,该维护策略能保证多资源约束下的串并联生产系统维护成本和系统可用度最优.     

并行机系统生产计划与预防性维护联合建模

以多设备、多周期、多产品、有限产能批量计划问题(CLSP)模型为基础,采用基于设备运行的预防性维护思想与成组维护策略,建立以系统生产与维护总成本最小化为目标的并行机系统生产计划与预防性维护联合决策的模型,以便更加准确地反映实际生产过程中生产计划与维护活动的耦合关系.针对以上模型特点,构造启发式算法,通过维护活动的嵌入与移动,并结合生产批量的移动调整,优化系统生产和维护计划.数值实验表明,该模型能有效避免设备的过度维护问题,减少固定维护成本,从而降低生产与维护总成本.所设计的算法在实验结果上与直接用CPLEX求解的最优解接近,在求解速度以及规模上也更有优势.     

带有交货期时间窗的生产与维护联合调度优化

为探讨拉式生产环境下设备故障对准时交货的影响,建立了单设备预防性维护和生产调度联合优化模型.提出一种提前/拖期惩罚成本隶属度函数,同时选用简单维修和更换2种不同的维护方式,以具有交货期时间窗的提前/拖期惩罚成本与维护成本之和为优化目标,决策工件加工顺序和维护周期.提出一种新的算法LSA(LongestShortest Processing Time Based Algorithm),与遗传算法(GA)结合,采用GA-LSA对模型优化求解,与枚举算法和改进GA比较,证明其有效性.通过不同问题规模下联合优化分别与独立优化和单一维护方式联合优化方法进行对比,结果表明,相对其他2种方法,所提出的方法更加有效.     

有限时间区间预防性维修策略的优化

运用役龄回退因子的概念，建立了预防性维修前后故障率的递推关系，并以故障时间分布符合威布尔分布的设备为例，构建有限时间区间的预防性维修策略的优化模型，克服了无限时间区间优化模型不可操作的缺点．该模型为维修计划的制订和现场的作业调度提供了决策支持．     

The Optimization of Preventive Maintenance Scheduling for Production Machine of Production System in Finite Time Horizon

The recursion relation of preventive maintenance (PM) cycle is built up concerning the concept of effective age and age setback factor proposed in this paper, which illustrates the dynamic relationship between failure rate and preventive maintenance activity. And the nonlinear optimal PM policy model satisfying the reliability constraints in finite time horizon following Weibull distribution is proposed. The model built in this paper avoids the shortcoming of steady analytical PM model in infinite time horizon and can be used to aid scheduling the maintenance plan and providing decision supporting for job shop scheduling.     

一种基于可靠性的设备顺序预防性维护模型

等周期预防性维护策略不可避免地会使设备的可靠性随着役龄及维护次数的增加而逐步降低．为此,结合役龄递减因子和故障率递增因子的优点,通过引入基于两类调整因子的混合式故障率演化规则,建立了基于设备可靠性的顺序预防性维护优化模型,并以威布尔分布为例,利用蒙特卡罗仿真方法对其进行了优化．结果显示,该模型符合设备的实际维护情况,可为设备的维护决策提供有力的支持．     

一种考虑修复非新的多设备串行系统机会维护动态决策模型

以由不同设备组成的无中间缓冲站的串行生产系统为研究对象,通过引入整合役龄递减因子和故障率递增因子的单设备预防性修复非新模型,建立了一种基于设备可靠性的多设备串行系统机会维护动态决策优化模型.该模型满足设备只有短期信息可用的实际操作特点,可为多设备串行系统的维护决策提供有力的支持.     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题,提出了将调度问题转化为连续优化问题的有效策略;设计了Pareto档案粒子群算法(PAPSO),该算法将档案维护和全局最好位置选取结合在一起,在档案维护过程中为每个粒子选取全局最好位置;给出了变异与PAPSO的结合新策略.将PAPSO和带变异的PAPSO应用于15个调度实例,以最小化总拖后时间和最大完成时间,与强度Pareto进化算法2等进行比较,结果验证了PAPSO在作业车间调度方面的良好性能.     

任务无准备时间最小化加权最大延误单机调度问题的若干结果

研究任务无准备时间最小化加权最大延误的单机调度问题,给出逆向最小带权延误排序法并证明其最优性.随后,引入延误差函数概念,借助它给出简化的基于延误差函数的排序算法.特别地,对于工期相同的情形,给出更简便的权值关于期限正态分布算法.最后,借助实例说明了上述算法的应用.     

蒙特卡罗仿真在设备预防性维修周期确定中的应用

应用蒙特卡罗仿真对故障规律满足威布尔分布的设备进行了预防性维修周期的优化，详细推导了小修方式下随机数的抽样方法，给出了仿真分析的一般步骤，并对该模型进行了仿真分析，并用数值解法的结果验证了仿真结果，表明仿真具有较高的精度，是一种研究设备维护策略的有效方法．     

用GA算法解不确定条件下Job Shop的提前/拖期调度问题

研究了具有公共交货期窗口的 Job Shop的提前 /拖期调度问题 ,并考虑了处理时间的不确定性 ,采用三角模糊数表示不确定性信息 ,提出了基于遗传算法的优化方法并以仿真实验验证了算法的有效性     

电力设备预防性维修策略的优化

提出了设备预防性维修的两阶段优化模型．阶段1确定最少的预防性维修次数．阶段2在第一阶段给出结果的基础上确定各预防性维修的最优周期．模型简化了求解复杂度，克服了长期运行期望周期模型的缺点，具有很强的可操作性，可为维修计划的制订和现场的作业调度提供决策支持．