基于动态风险预测的预防性维护决策研究

发布时间：2021-02-02 07:11

　　随着生产能力的提升与用户需求多样化的发展,传统的单品种大规模批量生产模式越来越无法为企业带来经济效益,现今需求导向的多品种小批量生产模式逐渐成为主流。这种生产模式下,对于生产的柔性化,生产计划的灵活制定,生产运行时低成本的维护,设备可靠安全的运行提出了更高的要求。为此,研究如何在最高的设备可靠度前提下,科学的实现维护周期决策,以达到与最经济的均衡策略成了可靠性领域的一个重要研究问题。首先,本文针对可修复系统的动态风险预测模型进行了研究。基于已有的设备故障树结构,建立设备拓扑结构-贝叶斯网络模型,当对不同的部件进行不同级别的维护时,动态的更新设备的寿命及可靠性变化,同时将部件寿命值及相应的失效率分布参数代入预测模型进行推理,即可得到系统整体风险状态实时评估的结果。并且通过某些算例进行了验证及分析。其次,本文针对已知风险分布的复杂设备维护管理过程进行了研究。在设备寿命分布已知的前提下,基于不完美维修理论与虚拟寿命理论,将故障导致的质量波动及可变维护成本纳入考虑,考虑了检测行为对设备维护周期决策的影响,建立了一种以维护周期、检测周期、预防性维护阈值作为优化变量,设备维护周期内总成本与设备可靠... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

Netica网络模型

设备可能遇到的情况划分为以下几种。如图 3-5 所示，可以划分为三个: 维护体系统或部分部件)、维护效率(所有部出不同的维护方案。本例中，为了便于00h，维护效率 η=0.8 的预防性维护。维修效率 维护周期 维护对象维护方案图 3-5 维护方案组成Figure 3-5 The maintenance scheme护时，可以得出设备的风险分布为:

图 3-7 不同维护效率下系统风险的变化ure 3-7 The change of system risk under different maintenance effic效率分布参数对系统风险的影响给出了无维护状态系统风险预测的结果，图 3-7 验证了不率风险分布的影响，用不同子系统的分布参数进行验证。表 3-3 不同子系统的分布参数Table 3-3 Distribution parameters of different subsystemsS2S3S4S5S6S7, 5) (300, 5.5) (600, 4) 0.01 (700, 3.5) (400, 2.5) 0., 5) (200, 5.5) (500, 4) 0.01 (600, 3.5) (300, 2.5) 0., 5) (500, 5.5) (800, 4) 0.02 (900, 3.5) (600, 2.5) 0., 4) (300, 4.5) (600, 3) 0.005 (700, 2.5) (400, 1.5) 0.

【参考文献】：
期刊论文
[1]产品保证维修策略研究综述与展望[J]. 仝鹏,刘子先,许正权,李天博.  计算机集成制造系统. 2017(02)
[2]基于贝叶斯网络的复杂系统动态故障树定量分析方法[J]. 房丙午,黄志球,李勇,王勇.  电子学报. 2016(05)
[3]复杂系统风险评估专家系统[J]. 马刚,杜宇鸽,杨熙,张博,史忠植.  清华大学学报(自然科学版). 2016(01)
[4]带有交货期时间窗的生产与维护联合调度优化[J]. 丁珮雯,蒋祖华,胡家文,韩李杰.  上海交通大学学报. 2015(04)
[5]考虑非完美维修的实时剩余寿命预测及维修决策模型[J]. 石慧,曾建潮.  计算机集成制造系统. 2014(09)
[6]基于健康指数的预防性维护与多目标生产调度联合优化建模[J]. 陶辛阳,夏唐斌,奚立峰.  上海交通大学学报. 2014(08)
[7]基于多目标优化的生产调度与设备维护集成研究[J]. 崔维伟,陆志强,潘尔顺.  计算机集成制造系统. 2014(06)
[8]基于寿命预测的预防性维护维修策略[J]. 石慧,曾建潮.  计算机集成制造系统. 2014(05)
[9]基于T-S故障树和贝叶斯网络的模糊可靠性评估方法[J]. 姚成玉,陈东宁,王斌.  机械工程学报. 2014(02)
[10]基于故障树的汽车起重机液压故障诊断专家系统[J]. 罗天洪,杨彩霞,孙冬梅.  机械科学与技术. 2013(04)



本文编号：3014294