基于失效分類的應(yīng)急救援裝備預(yù)防維修優(yōu)化

□周 瑜 寇 綱 爾古打機

[1.內(nèi)蒙古大學 呼和浩特 010021；2.西南財經(jīng)大學 成都 611130；3.西南民族大學 成都 610041]

一、研究背景

應(yīng)急救援裝備是開展應(yīng)急救援工作必不可少的條件[1～2]。然而，應(yīng)急救援裝備的使用環(huán)境異常復(fù)雜，應(yīng)用條件極其惡劣。因此，應(yīng)急救援裝備的安全性、可靠性和有用性不僅關(guān)系著災(zāi)區(qū)被困人員和救援人員的生命安全，同時還制約著應(yīng)急救援工作的快速性和有效性[3～6]。其中，運行狀態(tài)優(yōu)良的交通工具（汽車和飛機等）就是實施快速救援的可靠保證之一。為了提高交通工具的運行可靠性，本文給出了一種基于失效分類的預(yù)防維修優(yōu)化方法。

對于諸如交通工具這樣的復(fù)雜系統(tǒng)，基于年齡的成組替換政策[7]和基于失效計數(shù)的成組替換政策[8]作為典型政策開發(fā)了諸多優(yōu)化模型。在基于年齡的成組替換政策中，需要根據(jù)零部件或子系統(tǒng)壽命由低到高將系統(tǒng)中的零部件或子系統(tǒng)劃分為若干組。政策首先確定壽命最小組的預(yù)防替換周期，而其他組的預(yù)防替換周期為這個值的多重整數(shù)倍。顧名思義，基于失效計數(shù)的成組替換政策的依據(jù)為子系統(tǒng)或零部件的最小修理次數(shù)，即最小修理一定次數(shù)后進行矯正替換。Nakagawa和Pitchken等則建議綜合考慮壽命和最小修理數(shù)，管理者需要同時關(guān)注系統(tǒng)壽命和最小修理次數(shù)，當二者中任意一個指標達到預(yù)定值時對系統(tǒng)進行預(yù)防替換[9～10]。Muthukumaran等則將車隊中車輛的失效函數(shù)假定為基于里程的映射關(guān)系[11]。孫進康將工程機械系統(tǒng)的一級預(yù)防維修周期視為基準[12]。王靈芝等給出了以可靠性為中心的多部件系統(tǒng)預(yù)防性維修費用的優(yōu)化模型[13]。但是，為了方便執(zhí)行，過于尋求預(yù)防替換周期的倍數(shù)關(guān)系，缺乏對實時狀態(tài)信息的考慮。

因此，本文基于救援裝備的狀態(tài)信息給出了失效分類方法，并在此基礎(chǔ)上給出了一種基于多類別失效計數(shù)的預(yù)防維修模型。為了驗證方法的有效性，以收集的實際數(shù)據(jù)為例進行了分析。

二、建議預(yù)防維修優(yōu)化方法

（一）失效分類

假設(shè)一個由P臺同型號車輛所組成的運輸車隊。車隊管理系統(tǒng)記錄著車隊的失效信息，如失效發(fā)生的時間、維修費用和停機時間等。車隊的累積失效次數(shù)隨著運行年齡和行駛里程的增加而單調(diào)遞增，建模累積失效次數(shù)有助于運行、維修調(diào)度和決策。文獻[14]在未區(qū)分失效的嚴重程度的情況下優(yōu)化得到運輸車輛的預(yù)防維修前的最優(yōu)修理次數(shù)為95次，即在發(fā)生第96次失效進行預(yù)防維修。但在實際情況中，每次失效的嚴重程度不盡相同，僅以失效次數(shù)來優(yōu)化決策運輸車輛的預(yù)防維修時間缺乏合理性。因此，本文假定維修費用和停機時間與失效嚴重程度成正比，初步嘗試依據(jù)維修費用和停機時間將失效分類。

令失效時間為ti，失效后發(fā)生的維修費用和停機時間分別為ci和di。給定c*和d*，以（c*,d*）為界，將失效分為I、II和III類。三類失效的界定范圍被直觀地顯示在圖1中。對于c*和d*，本文建議應(yīng)用分段線性模型對實際觀察｛ci｝和｛di｝逼近確定。分段線性模型為：

圖1 失效分類示意圖

對于模型參數(shù)，可應(yīng)用最小二乘法求解。此時，t*和y*就為：

圖2 分段線性模型擬合效果圖

為了驗證該方法的合理性，本文給出了示例，如圖2所示。由圖可見，擬合的分段線性模型與實際觀察非常接近。因此，由此法獲得*

y具有一定的合理性。

（二）失效次數(shù)建模

失效分類完成后，令N（i）和M（i）分別表示第i次III類失效發(fā)生前I類和II類失效的累積失效次數(shù)，即：

通過進一步整理數(shù)據(jù)，得到如圖3所示的失效歷程。其中，i（i=1,2,...,N）標識III類失效，III類失效發(fā)生的周次記為Ti，臨近的兩個III類失效之間發(fā)生的I類和II類失效次數(shù)分別記為ni和mi。本文應(yīng)用冪律模型建模III類累積失效次數(shù)，以及I、II類失效累積次數(shù)與III類失效次數(shù)之間的關(guān)系。冪律模型為：

其中，E [.]為數(shù)學期望，α和β分別為模型參數(shù)。

圖3 帶有失效分類的失效歷程

（三）預(yù)防維修優(yōu)化

在失效計數(shù)政策基礎(chǔ)上，本文考慮在發(fā)生第k次III類失效時進行預(yù)防維修，假定失效類別III和III的修理費用分別為c1f、c2f和c3f，預(yù)防維修費用為cp，則費用率為：

這里，可以通過最小化費用率的方法確定最優(yōu)k值。

三、數(shù)值例子

（一）數(shù)據(jù)背景

由22輛同型號車組成的某車隊于2005年8月24日開始在同一條線路上運行。為了便于管理，該公司于2006年9月1日投入使用了運行管理系統(tǒng)，該系統(tǒng)記錄著巴士的運行和失效信息，如油耗、維修費用和停機時間等。本文收集了該車隊在2006年9月1日到2009年12月31日的失效數(shù)據(jù)。由于數(shù)據(jù)較多，我們僅給出部分數(shù)據(jù)進行示例，如以表1所示。

表1 車隊失效數(shù)據(jù)

（二）分析過程與結(jié)果

步驟1：應(yīng)用分段線性模型逼近維修費用和停機時間，求得c*=424.20，d*=87.90。根據(jù)圖1，將3089次失效劃分為三類，其中III類失效144次，平均維修費用為1190.00元；II類失效703次，平均維修費用為547.90元；I類失效2242次，平均維修費用57.00元。整理后的數(shù)據(jù)如表2所示。

表2 失效分類后得到的數(shù)據(jù)

步驟2：應(yīng)用冪律模型建模III類累積失效次數(shù)，以及III類失效與I、II類失效累積失效次數(shù)之間的關(guān)系。建模III類累積失效次數(shù)得到的模型參數(shù)為α=0.0235,β=1.6953。得到的III類失效次數(shù)與I、II類失效累積失效次數(shù)之間的關(guān)系為：

這里，β＞1，1β和β2均小于1，通過分析可以得出：隨著使用年齡和運行里程的增加，III類失效發(fā)生頻率越來越快，且其增長速率快于I、II類失效，車隊總體呈現(xiàn)劣化趨勢，需要在恰當?shù)臅r候通過預(yù)防維修來改善其劣化趨勢。

步驟3：取c1f=100，c2f=550，c3f=1200和cp=10000。經(jīng)計算，k=109，意味著在車隊發(fā)生第109次（單臺車的第5次）III類失效時應(yīng)該進行預(yù)防維修。如以2006年9月1日為失效計數(shù)起點，第109次III類失效發(fā)生在之后的第142周（2009年5月）。換句講，該車隊應(yīng)該在2009年5月份進行預(yù)防維修。

應(yīng)用優(yōu)化結(jié)果于本案例，車隊中的18輛車均應(yīng)在觀察截止日前進行預(yù)防維修，表3給出了22輛巴士應(yīng)該進行預(yù)防維修的時間。對于4、5和6號巴士，均已經(jīng)發(fā)生過4次III類失效，意味著應(yīng)該在下次III類失效發(fā)生時進行預(yù)防維修。

表3 優(yōu)化結(jié)果

四、結(jié)論

本文考慮失效的嚴重程度，并以失效后的維修費用和停機時間為據(jù)將失效進行了分類。分類完成后，進行了預(yù)防維修決策分析，確定了預(yù)防維修前最優(yōu)的III類失效次數(shù)，給出了車隊中22輛車應(yīng)進行預(yù)防維修的時間。本研究的主要發(fā)現(xiàn)有：

1．維修費用和停機時間可以作為衡量失效嚴重程度的指標，按維修費用和停機時間將失效進行分類有著一定的合理性。

2．根據(jù)失效分類的預(yù)防維修決策優(yōu)化有助于運行、維修調(diào)度安排；由較為嚴重的失效作為預(yù)防維修決策優(yōu)化的主要指標，在日常應(yīng)急救援裝備管理中更容易識別預(yù)防維修時機。

[1]范維澄.國家突發(fā)公共事件應(yīng)急管理中科學問題的思考和建議[J].中國科學基金,2007(2):71-76.

[2]田依林.城市公共安全應(yīng)急管理信息系統(tǒng)建設(shè)模型[J].武漢理工大學學報:信息與管理工程版,2007(3):68-71.

[3]彭怡,鄔文帥,寇綱,等.突發(fā)事件多目標動態(tài)應(yīng)急決策研究綜述[J].電子科技大學學報:社科版,2011(2):37-41.

[4]靖鯤鵬,宋之杰,王金艷.應(yīng)急決策專家管理系統(tǒng)的設(shè)計與實現(xiàn)[J].電子科技大學學報:社科版,2012(6):43-46.

[5]KOU G,ERGU D,SHI Y.An integrated expert system for fast disaster assessment[J].Computers & Operations Research,2014,42:95-107.

[6]鄔文帥,寇綱,石勇.面向突發(fā)事件的模糊多目標應(yīng)急決策方法[J].系統(tǒng)工程理論與實踐,2012(6):1298-1304

[7]SHAFIEE M,FINKELSTEIN M.An optimal age-based group maintenance policy for multi-unit degrading Systems with application [J].Reliability Engineering & System Safety,2014.

[8]YOO Y K.Operating characteristics of a failure counting group replacement policy [J].International Journal of Systems Science,2010,42(3):499-506.

[9]NAKAGAWA T.Optimal number of failures before replacement time [J].IEEE Transactions on Reliability,1983,32(1):115-116.

[10]RITCHKEN P,WILSON J.(m,T) group maintenance policies [J].Management Science,1990,36(5):632-639.

[11]MUTHUKUMARAN N,MILLER F,FOERSTER J.A methodology for cost effective maintenance scheduling of transit buses [J].Terotechnica,1981,2(4):289-300.

[12]孫進康.工程機械維護保養(yǎng)周期的確定[J].工程機械,1992(1):40-44.

[13]王靈芝,徐宇工,張家棟.以可靠性為中心的多部件系統(tǒng)預(yù)防性維修優(yōu)化研究[J].計算機集成制造系統(tǒng),2008(10):2042-2046.

[14]JIANG R,ZHOU Y.Failure-counting based health evaluation of a bus fleet[Z].Prognostics and Health Management Conference.Macau，2010(MU3013):1-4.