生产系统预测性维护调度优化研究_刘勤明，叶春明著_9787313243201

　　《生产系统预测性维护调度优化研究》立足于生产系统设备健康预测与维护的相关研究，利用数据分析了设备的运行状态，描述了设备的衰退趋势，实现了有效的健康预测，为设备预测维护提供了决策依据。首先，用隐半马尔可夫模型对存在老化现象的设备状态进行识别；其次，构建了不同数据缺失情况下的设备健康预测模型；最后，基于设备健康预测，构建了单设备、多部件设备、多设备生产系统的维护模型。
　　《生产系统预测性维护调度优化研究》的研究结论为制造企业管理者进行生产系统维护管理提供了有效的决策依据。

　　随着现代化工业技术的提高，生产系统中的设备正变得越来越复杂。这些设备一旦发生故障，不仅会带来严重的经济损失，还会给人身安全造成威胁。诊断设备当前所处的健康状态，并预测剩余有效寿命，能够为企业维护策略的制定提供理论依据。在实际生产中，由于人为因素和噪声、扰动等环境因素导致其健康预测中的样本数据会出现不确定的情况。不确定的样本数据会降低数据挖掘的能力，导致预测结果出现偏差，而可靠的预测结果作为开展设备状态维护的关键，在保障企业设备的安全性能、制定设备维护的计划以及降低维护成本等方面都发挥着重要的作用。
　　在诸多制造业企业中，设备是其最重要的财产，而围绕设备制订生产计划和维护计划是企业最重要的活动。生产活动的进行会造成设备故障率的上升，而维护活动则是对设备可能出现的故障加以消除，保证设备正常运转。若生产计划与维护计划的制订相脱离，势必导致设备维护过度或维护不充分等不良后果。因此，将生产计划与维护计划联合研究，既能充分发挥设备产能，满足生产需求；也能减少设备故障带来的不必要的停机，对降低维护成本具有重要的意义。
　　本书主要从以下十个方面进行探讨。
　　第1章是绪论部分，这部分内容主要阐述本书选题的背景、分析和探讨了已有设备健康预测、设备维护以及调度的相关研究，包括对已有的研究进行回顾，评论已有方法的不足，确定需要进一步研究的方向。
　　第2章是设备维护的概念及理论部分，描述了设备健康管理的发展历程，同时给出了状态识别、剩余寿命预测、设备维护等概念。
　　第3章研究了数据完备情况下设备健康预测问题。针对设备在日常使用过程中存在的老化现象，设计了指数型和乘数型两种形式的老化因子，并且将不同形式的老化因子集成到改进的隐半马尔可夫模型（HSMM）中，更新状态概率转移矩阵，通过一个包含双重迭代估值算法对相应老化因子进行估值。最后，基于设备失效率函数，对设备的剩余有效寿命进行预测，提高了设备健康预测的精度。使用从液压泵上获取的实时监测数据，对不同形式的老化因子进行估值，选取似然值最大的老化因子获得设备的剩余有效寿命。并且，为了体现不同形式的老化因子在预测性能方面的差异，将不同形式老化因子的预测结果进行了对比分析。
　　第4章研究了数据不完备情况下设备健康预测问题。针对样本数据中存在缺失数据的情况，建立分段隐半马尔可夫模型（SHSMM）架构，并利用EM算法对SHSMM模型的参数进行估计。选择灰色启发式算法来填补监测样本中的缺失数据，并使用灰色启发式算法将填补好的完整数据样本输入SHSMM中来进行机械设备的健康预测。针对样本数据中存在异常数据的情况，基于提出的SHSMM模型，将样本数据中的异常值当作缺失值处理，设计了一个动态前向后向灰色填充方法。针对样本数据中存在不准确数据的情况，基于Dempster-Shafer（DS）证据理论和Markov链建立DS-MM理论框架，建立状态识别框架并用区间数表示不准确的数据，利用区间数之间的距离和相似度作为产生基本概率赋值（BPA）的证据，采用Pignistic概率转换将BPA转化为基础状态的概率分布并进行设备健康预测。
　　第5章在设备健康预测基础上，基于时间延迟理论，建立了考虑生产计划的单设备系统的维护模型。首先以单机系统设备为对象，研究优化维护费用的问题。考虑到实际生活中设备可能出现的不同程度的缺陷或故障，使用三阶段时间延迟理论，不同阶段定义不同的分布函数模拟设备的劣化过程。分析缺陷、故障发生的时刻与阈值时间点之间的关系，对维护情况进行分类，建立以单位时间维护费用最低为优化目标的模型。在此基础上，对部件串联的多产品生产系统的生产、维护综合计划展开研究，实现生产与维护总成本最低的目标。最后基于实际生产时间与可用生产时间的约束关系，建立总成本最低模型。

你还可能感兴趣

我要评论