[发明专利]一种任务可靠性导向的制造系统选择性维护决策方法有效
申请号: | 201811464514.7 | 申请日: | 2018-12-03 |
公开(公告)号: | CN109636021B | 公开(公告)日: | 2022-07-15 |
发明(设计)人: | 何益海;陈兆祥;赵依潇;周迪;韩笑 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/04;G06N3/00 |
代理公司: | 北京慧泉知识产权代理有限公司 11232 | 代理人: | 王顺荣;唐爱华 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 任务 可靠性 导向 制造 系统 选择性 维护 决策 方法 | ||
1.一种任务可靠性导向的制造系统选择性维护决策方法,其特征在于,步骤如下:
步骤1、确定任务需求及影响任务可靠性的关键机器;
步骤2、基于系统工程理论,建立简化制造过程模型;
步骤3、确定机器生产产品的输出合格率;
步骤4、分析复数个机器的性能状态概率向量;
步骤5、基于任务在简化制造过程模型中的逆向传递,确定复数个机器的任务可靠性;
步骤6、建立维护资源与维护效果间的隶属度矩阵;
步骤7、确定维护资源的约束条件;
步骤8、建立多态制造系统的选择性维护决策模型;
步骤9、基于粒子群优化方法,搜索全局最优解,得到最优选择性维护策略;
在步骤1中所述的“确定任务需求及影响任务可靠性的关键机器”,是指基于域间映射理论,从系统角度出发,在任务需求的基础上利用公理设计对设计阶段任务进行分解转化为功能特性需求,建立制造系统与产品可靠性之间的关联映射模型,进而分析影响制造系统任务可靠性的关键生产设备;
在步骤2中所述的“基于系统工程理论,建立简化制造过程模型”,是指基于系统工程理论,综合生产任务状态,产品质量状态和机器性能退化状态,对制造系统的制造过程进行简化,以便于后续的选择性维护模型的建模;
其“建立简化制造过程模型”的具体作法如下:利用矩形表示生产机器,双圆形表示机器所有可能的产品质量状态,圆形表示机器的输入及输出,菱形表示机器的生产子任务;在此基础上根据生产机器之间的串并联关系建立制造系统简化制造过程模型;
在步骤3中所述的“确定机器生产产品的输出合格率”,是指通过对机器的质检数据进行分析,基于BP神经网络,确定机器的生产产品合格率qsi1,其中i为机器编号;其具体作法如下:通过采集相关历史质检数据以及历史生产合格率,训练BP神经网络,进一步将实时监测质检数据输入到BP神经网络中,以得到机器的输出合格率;
在步骤4中所述的“分析复数个机器的性能状态概率向量”,是指在机器性能状态服从齐次马尔科夫过程且复数个状态之间的转移强度已知的情况下,基于柯尔莫哥洛夫微分方程组,即dp(t)/dt=p(t)Xi,求得复数个机器在任意时刻t的性能状态概率向量;其中p(t)为复数个机器在任意时刻t的性能状态概率向量,Xi为机器i的转移强度矩阵;
在步骤5中所述的“基于任务在简化制造过程模型中的逆向传递,确定复数个机器的任务可靠性”,是指在任务需求的输出合格产品量T已知的情况下,通过对简化制造过程模型进行逆向分析,机器i的任务需求输入量与任务需求输出量之间的关系为
其中r为二进制变量,当机器具有返工过程是r=1,反之r=0;且其中I为制造系统原材料输入量;因此,机器i的任务可靠性为
其中Si,j表示机器i处于j状态;
在步骤6中所述的“建立维护资源与维护效果间的隶属度矩阵”,是指考虑由于维护工人和工具的不同所导致维护效果的不确定性,引入三角隶属度函数,建立复数个机器的隶属度矩阵ri,其中i为机器编号;矩阵中的元素rijk表示在分配给机器i的维护资源已知的情况下,使得机器i由状态j恢复到状态k的隶属度;
在步骤7中所述的“确定维护资源的约束条件”,是指确定在任务间隔期内维护资源的复数种约束条件;包括制造商所规定的总体最大维护成本C0和维护时间T0,制造系统整体的监测成本Cm及监测时间Tm,复数个机器的固定维护成本ci,fix及固定维护时间ti,fix,复数个机器的更换成本ci,R和更换时间ti,R;其中i为机器编号;具体的约束条件为:1、2、
3、ci,fix≥0,0≤ci≤ci,R,4、ti,fix≥0,0≤ti≤ti,R;
其中,ci和ti表示预计分配给机器i的维护成本和维护时间;
在步骤8中所述的“建立多态制造系统的选择性维护决策模型”,是指基于复数个机器的任务可靠性Ri与隶属度矩阵ri,同时在下一阶段任务执行时间tk已知的条件下,以最大化制造系统任务可靠性为目标建立选择性维护决策模型;其中目标函数为:
式中,pi,j(t)为机器i在时刻t处于状态j的概率,M为制造系统的机器总数,gi为机器i的状态总数,为判别函数,1(true)=1,1(false)=0;
在步骤9中所述的“基于粒子群优化方法,搜索全局最优解,得到最优选择性维护策略”,是指利用粒子群优化方法,设置好程序中所需的参数变量,其中包括种群大小为50、进化次数为1000、最大速度为参数变量范围的10%到20%、学习因子为1.5,对选择性维护决策模型搜索全局最优解,减少计算时间,得到最优的选择性维护策略;
制造系统的生产模式为流水线加工;
制造系统为串联式结构,且组成机器之间是相互独立的;
制造系统的维护操作只能在任务间隔期间发生;
机器的退化过程服从齐次马尔可夫过程,即机器当前时刻的状态只与紧邻的前一时刻状态相关,而与其它之前的状态无关;并且状态之间的转移强度已知,其中状态被定义为机器能承受的最大工作负载;
机器i的输出具有三种质量状态:合格spi1,有缺陷的可修复spi2和不合格spi3状态;只有spi1能发送到下一台机器;其中i为机器编号,1、2、3为质量状态编号;
spi2只能出现在能重新加工的机器上,并且只能在当前机器上修复一次;也就是说,如果它在修复后仍然不合格,那么它将被视为spi3;
对于机器i,当维护时间和维护成本的维护效果不同时,采用较差的维护效果;
在制造系统中,产品在机器之间的传递过程中,都会经过严格的质检,且结果绝对可靠。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811464514.7/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理