基于遺傳算法和狀態(tài)信息的多設(shè)備混聯(lián)系統(tǒng)維護調(diào)度優(yōu)化

劉勤明， 孫軍華， 呂文元， 李亞琴

(上海理工大學(xué) 管理學(xué)院,上海 200093)

?

基于遺傳算法和狀態(tài)信息的多設(shè)備混聯(lián)系統(tǒng)維護調(diào)度優(yōu)化

劉勤明， 孫軍華， 呂文元， 李亞琴

(上海理工大學(xué) 管理學(xué)院,上海 200093)

摘要：針對多設(shè)備混聯(lián)系統(tǒng)維護優(yōu)化的建模復(fù)雜性，系統(tǒng)分析了設(shè)備間的相互依賴性，建立了混聯(lián)系統(tǒng)的維護調(diào)度模型。首先利用威布爾分布模擬設(shè)備的衰退過程；定義小修、大修和更換3種維護方式，以及3種維護方式對設(shè)備故障率的影響；考慮故障成本、維護成本、資源成本和停機成本，建立了系統(tǒng)一次維護活動的費用模型。其次，基于每次維護活動的費用模型，建立了系統(tǒng)維護多階段的總費用率模型。最后，通過算例證明了提出的多設(shè)備混聯(lián)系統(tǒng)維護調(diào)度優(yōu)化模型的有效性。

關(guān)鍵詞：維護調(diào)度； 多設(shè)備混聯(lián)系統(tǒng)； 故障率； 狀態(tài)信息； 遺傳算法

隨著科學(xué)技術(shù)的迅速發(fā)展，由不同類型多臺設(shè)備組成的混聯(lián)系統(tǒng)得到了廣泛的應(yīng)用。相比較單臺設(shè)備的維護優(yōu)化，多設(shè)備混聯(lián)系統(tǒng)維護優(yōu)化調(diào)度無論從策略的決策約束考慮、整體優(yōu)化目標(biāo)，還是設(shè)備相關(guān)分析、動態(tài)優(yōu)化流程都更為復(fù)雜，需要作為系統(tǒng)工程開展深入研究，為企業(yè)管理層提供亟需的多設(shè)備維護優(yōu)化調(diào)度的策略和方法[1]。在混聯(lián)系統(tǒng)中，如果各臺設(shè)備不存在任何依賴性，說明每個設(shè)備是相互獨立的，對每臺設(shè)備各自維護建模，并分別輸出最優(yōu)維護周期[2-3]。但在實際生產(chǎn)中，系統(tǒng)中各設(shè)備間存在密切的依賴性，在維護調(diào)度優(yōu)化過程中，不僅需要考慮每臺設(shè)備自身的健康衰退特征，同樣應(yīng)當(dāng)綜合分析其他關(guān)聯(lián)設(shè)備的維護信息。比如說，當(dāng)系統(tǒng)中某設(shè)備發(fā)生故障，需要采取維護活動時，系統(tǒng)就停機；在這個過程中，對系統(tǒng)中的剩余設(shè)備也采取相應(yīng)的維護活動，雖然它們可能沒有發(fā)生故障，或者沒有達到它們的維護時刻。

目前，系統(tǒng)維護優(yōu)化調(diào)度策略主要有成組維護的優(yōu)化調(diào)度策略[4-5]，比如Lira等[5]針對成組維護中的信息和通訊技術(shù)進行了研究，論證了其在成組維護結(jié)果中發(fā)揮著重要作用；機會維護的優(yōu)化調(diào)度策略[6-7]，比如Ding等[6]研究了風(fēng)電渦輪機中部件間的經(jīng)濟依賴性，利用事后維護和預(yù)防維護產(chǎn)生的維護機會對多臺渦輪機進行維護作業(yè)，通過仿真方法評估所提出的機會維護策略；批量更換的優(yōu)化調(diào)度策略[8-9]，比如Scarf等[8]提出了一種改進型批量更換的優(yōu)化調(diào)度策略，在策略中綜合應(yīng)用了混合批量更換、基于役齡的檢測和機會組合方法；考慮系統(tǒng)劣化的優(yōu)化調(diào)度策略[10-13]，比如劉繁茂等[10]對一般混聯(lián)的多設(shè)備維護決策的問題進行了研究，利用馬爾可夫鏈的思想，建立了系統(tǒng)的視情維修策略，Yang[12]、Noureifath等[13]對并聯(lián)的多設(shè)備系統(tǒng)進行了維護決策建模，分析了并聯(lián)系統(tǒng)的維護策略。上述各種多設(shè)備混聯(lián)系統(tǒng)維護優(yōu)化策略，無論是成組維護、機會維護、批量更換，還是考慮劣化的優(yōu)化調(diào)度策略，都會受到狀態(tài)信息和設(shè)備衰退的制約。目前的設(shè)備維護優(yōu)化調(diào)度的模型中，假設(shè)維護可以讓設(shè)備修復(fù)到原始的最佳狀態(tài)。而實際情況并不能修復(fù)如新，僅僅獲得了狀態(tài)的部分優(yōu)化。另外，文獻中的系統(tǒng)維護優(yōu)化調(diào)度策略都假設(shè)設(shè)備的維護周期是已知量或者維護周期是固定不變的，沒考慮系統(tǒng)發(fā)生停機時多設(shè)備間的相關(guān)性。

針對以上問題，考慮多設(shè)備混聯(lián)系統(tǒng)的結(jié)構(gòu)、動態(tài)維護調(diào)度等難點，綜合分析了設(shè)備自身的健康衰退過程和系統(tǒng)不同結(jié)構(gòu)配置的影響作用，以系統(tǒng)的維護資源為約束條件，提出了多階段維護優(yōu)化調(diào)度模型。維護調(diào)度策略在每一次維護活動中對性能衰退到一定程度的設(shè)備盡量多地進行維護，縮短了系統(tǒng)在生產(chǎn)過程中的停機時間，減少對系統(tǒng)維護人員的調(diào)度次數(shù)。同時，在系統(tǒng)的維護過程中，由于受成本的限制，維護資源不可能無限地滿足系統(tǒng)維護的需求，有時不可能同時進行多個維護動作，維護調(diào)度策略考慮了多個維護動作的合理優(yōu)化，幫助企業(yè)管理層動態(tài)高效地制定面向整個系統(tǒng)的維護調(diào)度優(yōu)化方案。

1問題域描述

對于多設(shè)備混聯(lián)系統(tǒng)的維護調(diào)度，通過故障閾值確定設(shè)備采取的維護動作方式，即當(dāng)設(shè)備故障率達到某一個閾值時，就會相應(yīng)地觸發(fā)設(shè)備的維護活動。如系統(tǒng)中某一臺設(shè)備的故障率達到了小修的閾值，則需要對設(shè)備進行小修維護；某一臺設(shè)備的故障率達到了大修的閾值，則需要對設(shè)備進行大修維護；某一臺設(shè)備的故障率達到了更換閾值，則需要對設(shè)備進行更換維護。

系統(tǒng)性能衰退是采取維護策略的基礎(chǔ)，系統(tǒng)性能衰退的正確性影響到采取的維護動作方式，進而影響到設(shè)備的維護效果。用系統(tǒng)的故障率(failure rate, FR)來表示系統(tǒng)的性能狀態(tài)，F(xiàn)R越大，代表系統(tǒng)的衰退狀態(tài)越嚴(yán)重，系統(tǒng)發(fā)生故障的幾率增大。對于設(shè)備的故障率分析，針對不同類型的設(shè)備，由大量的故障歷史數(shù)據(jù)的統(tǒng)計分析可知，一般設(shè)備的故障率都呈現(xiàn)“浴盆曲線”的分布形狀。因此，文中故障率分布采用威布爾分布來表示：

(1)

其中，β為形狀參數(shù)，η為尺度參數(shù)，β>0，η>0，t代表時刻。

根據(jù)可靠性理論，對威布爾故障分布進行分析，在η保持不變的情況下，如果β<1，說明設(shè)備的故障率為下降趨勢；如果β=1，說明設(shè)備的故障率保持不變，為一個常數(shù)；如果β>1，則設(shè)備的故障率將呈現(xiàn)遞增的趨勢。這說明威布爾分布針對不同的參數(shù)取值，都可以精確實現(xiàn)對設(shè)備故障率曲線的描述。對于威布爾參數(shù)(β,η)的值，可以通過對設(shè)備的故障歷史數(shù)據(jù)進行統(tǒng)計分析得到。設(shè)備運轉(zhuǎn)過程中的故障率隨著設(shè)備運行時間的增加逐漸升高。因此，為了延長設(shè)備的使用時間和設(shè)備的壽命，要在設(shè)備出現(xiàn)故障之前對設(shè)備采取維護措施。

為了減緩設(shè)備性能的退化，需要采取各種的維護動作。對于不同的設(shè)備退化狀態(tài)，采取不同的維護動作，可以將設(shè)備狀態(tài)優(yōu)化至不同的目標(biāo)值，對設(shè)備產(chǎn)生不同的維護效果。具體的維護動作如下。

1) 小修：對設(shè)備采取有限的維護工作，也就是對設(shè)備進行保養(yǎng)維護。目的是讓設(shè)備盡可能地保持在當(dāng)前的健康狀態(tài)。用RM表示對部件進行小修的故障率閾值。

2) 大修：對設(shè)備采取較為充分的維修工作，修復(fù)部分損耗。目的就是讓設(shè)備從當(dāng)前健康狀態(tài)恢復(fù)到一個更好的健康狀態(tài)，使設(shè)備的衰退狀態(tài)得到顯著改善。用RI表示對部件進行大修的故障率閾值。

3) 更換：對設(shè)備進行更換，直接用新的零部件更換發(fā)生故障或者損耗的零部件。在這種情況下，設(shè)備將恢復(fù)到初始健康狀態(tài)，使衰退的設(shè)備恢復(fù)到全新狀態(tài)。用RR表示對部件進行更換的故障率閾值。

根據(jù)RM，RI，RR這3種維護閾值，可以確定設(shè)備采取的維護動作方式。設(shè)備在運轉(zhuǎn)過程中，當(dāng)某一設(shè)備的故障率達到維護閾值時，例如達到大修的維護閾值，為了降低設(shè)備的維護時間和提高設(shè)備整體利用率，對于其他設(shè)備，如果也達到了維護閾值，則對這些設(shè)備也要采取維護動作，也就是連帶維護。根據(jù)威布爾分布確定設(shè)備的故障率，對設(shè)備采取相應(yīng)的維護措施。

2算法設(shè)計

對于系統(tǒng)的維護優(yōu)化，當(dāng)每一次的維護活動發(fā)生時，都會產(chǎn)生很多次的小修、大修和更換。因此，對于系統(tǒng)的總成本，包括系統(tǒng)的維護成本Cm、故障成本Cf和資源成本Cr。同時，在考慮系統(tǒng)利用率的基礎(chǔ)上，將維護動作引起的停機成本Cd也集成到總成本。因此，綜合考慮成本和利用率對系統(tǒng)采取一次維護活動的成本模型為

CT=Cf+Cm+Cr+Cd。

(2)

在式(2)中，一次維護活動的系統(tǒng)故障成本模型表示為

(3)

式中，F(xiàn)F表示系統(tǒng)的故障獨立成本，F(xiàn)R(i,t)表示設(shè)備i在維護時刻t的故障率；Fi是設(shè)備的故障依賴成本，與維護動作無關(guān)；n表示設(shè)備的數(shù)量。

一次維護活動的系統(tǒng)維護成本模型表示為

(4)

式中，CM,m，CI,m，CR,m分別表示設(shè)備i的小修、大修和更換維護成本；FM表示系統(tǒng)的維護獨立成本，與維護動作無關(guān)；XM,i,t，XI,i,t，XR,i,t分別表示在時刻t對設(shè)備i是否進行小修、大修和更換，如果進行，則3個參數(shù)值分別為1，否則，為0；MM,i，MI,i，MR,i分別表示設(shè)備i的小修、大修和更換的維護依賴成本。

一次維護活動的資源成本模型可以表示為

(5)

式中，Cr表示備件缺貨成本。cs表示進行維護時缺少所需要備件的懲罰系數(shù)，QM,s,i，QI,s,i，QR,s,i分別表示對設(shè)備i進行小修、大修和更換所需要的備件s的數(shù)量，Hs,t表示在時刻t具有的備件s的數(shù)量。

當(dāng)某維修時刻缺少備件時，則需要進行訂貨。在式(5)中，Hs,t等于t-1時刻的可用備件數(shù)量與t時刻到達或者釋放的備件數(shù)量減去t-1時刻所需要的備件數(shù)量。因此，Hs,t表示為

(6)

式中，Hs,t-1表示在時刻t-1具有的備件s的數(shù)量，As,t表示在時刻t到達或者釋放的可用備件s的數(shù)量。

一次維護活動的系統(tǒng)停機成本模型表示為

(7)

基于式(3)～(7)，就可以根據(jù)式(2)獲得對系統(tǒng)進行一次維護活動的總成本模型CT。實際上，系統(tǒng)從初始的健康狀態(tài)開始運轉(zhuǎn)，在運轉(zhuǎn)過程中，如果某一設(shè)備的故障率達到或者超過維護閾值，則會給該設(shè)備觸發(fā)一次維護活動。設(shè)備維護后，性能會得到恢復(fù)，在后續(xù)的使用過程中，故障率不斷提高，直到設(shè)備故障率又達到維護閾值，則會給該設(shè)備觸發(fā)二次維護。以此類推，直到設(shè)備的全壽命周期終止。因此，在每一次維護活動費用的基礎(chǔ)上，也要考慮在整個生命周期內(nèi)的多階段維護優(yōu)化的總費用，系統(tǒng)總費用率表示為

(8)

式中，CTotal表示系統(tǒng)維護優(yōu)化的總費用率，Cj,T表示系統(tǒng)進行第j次維護活動所產(chǎn)生的總費用,T表示維護周期，D表示系統(tǒng)的全壽命周期。m表示系統(tǒng)在全壽命周期內(nèi)所執(zhí)行的維護活動的總次數(shù)，Cq表示系統(tǒng)在執(zhí)行一次維護活動時所產(chǎn)生的啟動費用。

為了讓整個系統(tǒng)的全生命周期的總費用率最小，不但要考慮系統(tǒng)在執(zhí)行每一次維護時所產(chǎn)的故障費用、維護費用、資源費用和停機損失，還要考慮系統(tǒng)在全生命周期內(nèi)的維護活動的次數(shù)要盡量少。滿足這兩個目標(biāo)，系統(tǒng)的總費用率才會降低。因此，系統(tǒng)的全生命周期的總費用率具有全局性的特點。

3實例分析

在實例分析中，以液壓泵系統(tǒng)為研究對象。假設(shè)液壓泵的運轉(zhuǎn)是8臺設(shè)備相互協(xié)作完成的。因此，對液壓泵進行維護優(yōu)化，就是對8臺設(shè)備進行維護優(yōu)化。另外，在運行過程中，隨著時間的增加，液壓泵的性能會逐漸衰退，健康狀態(tài)會逐漸變差。因而需要對液壓泵進行相應(yīng)的維護使其維持正常的工作，避免液壓泵失效帶來的高成本和高風(fēng)險。并且，隨著液壓泵使用運行成本和維護成本的不斷增加，也可以考慮實施置換維護。因此，維護優(yōu)化以每階段的維護優(yōu)化費用和總的費用率為目標(biāo)，制定維護策略。液壓泵的8臺設(shè)備的相關(guān)關(guān)系如圖1所示。本算例應(yīng)用遺傳算法進行求解，數(shù)據(jù)分析所用運行平臺為 Matlab、VC，運行環(huán)境為 Windows XP。

圖1　系統(tǒng)的設(shè)備拓?fù)浣Y(jié)構(gòu)圖

3.1數(shù)據(jù)準(zhǔn)備

維護分為3種維護方式：小修、大修和更換。針對不同的設(shè)備，不同的維護動作對應(yīng)的維護時間和成本是不同的。但是對于設(shè)備的故障成本，是與設(shè)備的維護動作不相關(guān)的，是由不同的設(shè)備決定。因此，對不同設(shè)備的故障成本及不同維護動作的維護時間和成本見表1。

表1　部件故障成本和維護動作時間及成本

不同設(shè)備的不同維護動作對應(yīng)的威布爾尺度參數(shù)和形狀參數(shù)是不一樣的，如表2所示。

在液壓泵的維護優(yōu)化中，主要考慮設(shè)備的備件這種維護資源。在案例分析中，備件總數(shù)量為14。表3給出了每臺設(shè)備小修、大修和更換所需要的備件資源的數(shù)量。

表2　設(shè)備維護動作的威布爾參數(shù)表

表3　不同維護動作的備件資源數(shù)量

根據(jù)圖1，可以計算出系統(tǒng)每臺設(shè)備的預(yù)計停機數(shù)，見表4。

除了上述的模型輸入?yún)?shù)，模型中的其他輸入?yún)?shù)見表5。

表4　預(yù)計停機數(shù)的取值

表5　其他參數(shù)的取值

3.2遺傳算法設(shè)計

遺傳算法(genetic algorithm, GA)是模擬生物進化過程而進行的一種多參數(shù)、多群體同時優(yōu)化的方法，并行性和解空間的全局搜索是其最大的特征。GA主要是由選擇(selection)、交叉(crossover)和變異(mutation)3種基本運算構(gòu)成。首先把問題的解空間映射為編碼空間，產(chǎn)生初始種群開始其搜索。其次，用模型的適應(yīng)度衡量染色體的優(yōu)劣。通過選擇、交叉和變異的運算，生成下一代染色體。最后，在新的群體中，憑借模型適應(yīng)度的優(yōu)劣選擇部分后代，淘汰部分后代，保持了種群的優(yōu)越性和數(shù)量的限制。

在模型優(yōu)化求解過程中，采用遺傳算法進行優(yōu)化，主要步驟為： 1) 編碼部件的維護順序，并產(chǎn)生初始種群；2) 計算父代的個體適應(yīng)度值，進行選擇、交叉和變異操作，計算子代個體適應(yīng)度值；3) 用子代替代父代，繼續(xù)進行遺傳操作，直到達到最大進化代數(shù)；4) 對優(yōu)化結(jié)果進行統(tǒng)計，設(shè)備結(jié)束一次維護活動；5) 判斷當(dāng)前時間是否已到達設(shè)備總運行時間，如果沒有到達，對設(shè)備繼續(xù)進行檢測是否有突發(fā)問題產(chǎn)生，如果有問題產(chǎn)生，則動態(tài)刷新資源庫，如果檢測部件的故障率達到維護閾值，就產(chǎn)生第2次維護活動，繼續(xù)采用遺傳算法進行模型的優(yōu)化，重復(fù)這個過程，直到設(shè)備達到總的運行時間。

另外，對于遺傳算法的參數(shù)設(shè)定為：編碼采用部件的編號進行實數(shù)編碼，以設(shè)備維護優(yōu)化的總費用率為適應(yīng)度函數(shù)，進化種群為30，最大遺傳代數(shù)為300，選擇概率為0.8，交叉概率為0.8，變異概率為0.1。

3.3維護優(yōu)化分析

首先，選擇常見的周期維護優(yōu)化作為參考策略。將系統(tǒng)的整個生命周期劃分為20個維護周期(T=20)，時間單位為d。根據(jù)每臺設(shè)備的故障率，計算得出在周期維護下，每個設(shè)備的優(yōu)化情況，見表6。

表6　周期維護優(yōu)化模型的維護優(yōu)化表

圖2所示的是4臺設(shè)備的周期維護優(yōu)化情況以及這4臺設(shè)備的故障率變化情況?？梢钥闯觯O(shè)備的故障率發(fā)展趨勢是不一樣的，這是因為每個設(shè)備自身的性能衰退是不同的，以及采取周期維護后，隨著維護次數(shù)的不同，設(shè)備的故障率也會隨之發(fā)生變化。

根據(jù)式(2)和(8)，可以計算每臺設(shè)備的維護優(yōu)化情況。在系統(tǒng)的整個生命周期內(nèi)，系統(tǒng)總共進行了10次維護活動，對于每臺設(shè)備在這10次維護活動進行的維護優(yōu)化見表7。

圖2　周期維護優(yōu)化模型故障率(t表示時刻)

設(shè)備編號M1M2M3M4M5M6M7M8M9M10t=310t=409t=533t=621t=750t=860t=945t=1104t=1247t=13521IMMIMMIM2MMIMIMM3MMIMI4IMMIMIM5RMMMRM6RRRIM7MIMMRIMR8IMMIMIMI

對應(yīng)圖2中的4臺設(shè)備的故障率變化情況，圖3所示的是基于提出的維護優(yōu)化模型系統(tǒng)中這4臺設(shè)備在整個生命周期內(nèi)的維護情況和故障率變化情況。從圖3可以看出，在設(shè)備的運轉(zhuǎn)過程中，每臺設(shè)備的故障率的發(fā)展趨勢是不同的，除了設(shè)備自身的性能衰退有關(guān)外，還與設(shè)備采取的維護策略有關(guān)，從而造成了每臺設(shè)備的故障率趨勢的差異。在提出的模型基礎(chǔ)上，對設(shè)備進行有效的維護，可以保持設(shè)備的故障率在一個較低的水平，進而可以保證設(shè)備在長時間內(nèi)穩(wěn)定工作。

為了說明遺傳算法的有效性，以及設(shè)備維護費用的變化情況，圖4顯示了設(shè)備第2次維護活動時，維護費用的變化情況。隨著遺傳算法迭代次數(shù)的增多，設(shè)備的維護費用逐漸降低，最后收斂在一個穩(wěn)定的水平，得到整個設(shè)備維護費用的最優(yōu)值，充分驗證了遺傳算法在優(yōu)化過程中的有效性。

對于以上2種維護優(yōu)化模型的分析見表8。雖然周期維護優(yōu)化策略通過采取不同的維護動作提高了設(shè)備的利用率，但是在設(shè)備維護優(yōu)化過程中，采取的維護活動次數(shù)較多，造成了設(shè)備停機時間過長，進而損耗了高昂的設(shè)備維護成本。多設(shè)備混聯(lián)系統(tǒng)的維護優(yōu)化策略不僅僅降低了設(shè)備維護優(yōu)化的總費用率，還提高了設(shè)備的利用率。并且，維護活動次數(shù)較少，從而降低了設(shè)備的停機時間。因此，在設(shè)備的總費用率、維護活動次數(shù)和設(shè)備利用率方面，維護優(yōu)化策略都明顯優(yōu)于周期維護優(yōu)化策略。

圖3　維護優(yōu)化模型故障率(t表示時刻)

圖4　設(shè)備第2次維護活動的費用變化趨勢圖

Fig.4Cost changing trend of the second maintenance activity

表8不同維護優(yōu)化策略的結(jié)果比較

Tab.8Results comparison for different maintenance scheduling strategies

評估標(biāo)準(zhǔn)維護優(yōu)化模型周期維護優(yōu)化策略總費用率89.21109.08維護活動次數(shù)1020設(shè)備利用率/%93.1887.67

4結(jié)論

本文主要介紹了多設(shè)備混聯(lián)系統(tǒng)的維護優(yōu)化策略，考慮了系統(tǒng)的性能衰退和結(jié)構(gòu)相關(guān)性、設(shè)備間的相關(guān)關(guān)系、維護資源的約束，建立了多設(shè)備系統(tǒng)的維護優(yōu)化模型。將模型應(yīng)用到液壓泵系統(tǒng)中，以周期性維護優(yōu)化策略為參照策略，通過對模型的比較分析，維護優(yōu)化策略在總費用率、維護活動次數(shù)和利用率等方面都優(yōu)于周期性維護優(yōu)化策略。并且，隨著對設(shè)備維護次數(shù)的增多，維護效果會逐漸降低，更加符合設(shè)備的實際情況。

參考文獻：

[1]奚立峰, 周曉軍, 李杰. 有限區(qū)間內(nèi)設(shè)備順序預(yù)防性維護策略研究[J]. 計算機集成制造系統(tǒng), 2005, 11(10): 1465-1468.

XI Lifeng, ZHOU Xiaojun, LI Jie. Research on sequential preventive maintenance policy in finite time horizon[J]. Computer Integrated Manufacturing Systems, 2005, 11(10): 1465-1468.

[2]周曉軍, 沈煒冰, 奚立峰, 等. 一種考慮修復(fù)非新的多設(shè)備串行系統(tǒng)機會維護動態(tài)決策模型[J]. 上海交通大學(xué)學(xué)報, 2007, 41(5): 106-110.

ZHOU Xiaojun, SHEN Weibing, XI Lifeng,et al. A dynamic opportunistic preventive maintenance model for a multi-unit series system with consideration of imperfect maintenance effect[J]. Journal of ShangHai JiaoTong University. 2007, 41(5): 106-11.

[3]宓樂英, 呂柏榮. 多設(shè)備串行系統(tǒng)預(yù)防性維護的動態(tài)決策優(yōu)化研究[J]. 機械設(shè)計與研究, 2008, 35(11): 8-10.

MI Leying, LU Borong. Research on dynamic preventive maintenance optimization for multi-unit series systems[J]. Journal of Machine Design and Research, 2008, 35(11): 8-10.

[4]楊元, 黎放, 侯重遠(yuǎn), 等. 基于相關(guān)性的多部件系統(tǒng)機會成組維修優(yōu)化[J]. 計算機集成制造系統(tǒng), 2012, 18(4): 827-832.

YANG Yuan, LI Fang, HOU Zhongyuan, et al. Opportunistic group maintenance optimizeion of multi-unit system inder depedndence[J]. Computer Integrated Manufacturing Systems, 2012, 18(4): 827-832.

[5]LIRA E M, RIPOLL P, PEIRO J M, et al. The role of information and communication technologies in the ralationship between group potency and group maintenance outcomes: a longitudinal study[J]. Behaviour & Information Technology, 2013, 32(2): 147-155.

[6]DING F, TIAN Z. Opportunistic maintenance for wind farms considering multi-level imperfect mainteance thresholds[J]. Renewable Energy, 2012，45: 175-182.

[7]TAGHIPOUR S, BANJEVIC D. Optimum inspection interval for a system under periodic and opportunistic inspections[J]. IIE Transactions, 2012, 44(11): 932-948.

[8]SCARF P A, CAVALCANTE C A V. Hybrid block replacement and inspection policies for a multi-component stsem with heterogeneous component livies[J]. European Journal of Operational Research, 2010, 206(2): 384-394.

[9]SHEU S H, CHEN Y L, CHANG C C, et al. A block replacement policy for systems subject to non-homogeneous pure birth shocks[J]. IEEE Transactions on Reliability, 2012, 61(3): 741-748.

[10]劉繁茂, 朱海平, 邵新宇, 等. 一種基于馬爾可夫鏈的多設(shè)備串并聯(lián)系統(tǒng)視情機會維修策略[J]. 中國機械工程, 2009, 20(7): 851-855.

LIU F M, ZHU H P, SHAO X Y, et al. A condition-based opportunistic maintenance strategies for multi-unit series and parallel system based on markov chain[J]. China Mechanical Engineering, 2009, 20(7): 851-855.

[11]GHARBI A, KENNE J P. Maintenance scheduling and production control of multiple-machine manufacturing systems[J]. Computers & Industrial Engineering, 2005, 48(4): 693-707.

[12]YANG S J. Unrelated parallel-machine scheduling with deterioration effects and deteriorating multi-maintenance activities for minimizing the total completion time[J]. Applied Mathematical Modelling, 2013，37(5): 2995-3005.

[13]NOUREIFATH M, CHATELET E. Integrating production, inventory and maintenance planning for a parallel system with dependent components[J]. Reliability Engineering and System Safety, 2012，101: 59-66.

Maintenance Scheduling Optimization on Multi-component Serial-parallel System Based on Genetic Algorithm and Prognostic Information

LIU Qinming1, SUN Junhua, LYU Wenyuan, LI Yaqin

(Business School, University of Shanghai for Science and Technology, Shanghai 200093, China)

Abstract：The multi-component maintenance scheduling model is developed, which includes prognostic information, maintenance cost and action. First, the Weibull distribution is used to describe the degradation process. The minor, imperfect and replacement maintenance actions are defined, and the impact on the failure is described. Failure cost, maintenance cost, resource cost and downtime cost are considered. The cost model of one maintenance activity is developed. Then, based on the cost model of each maintenance activity, the multi-stage total cost rate model is proposed. Finally, the effectiveness of the proposed model is verified by a series of computational experiments.

Key words：maintenance scheduling; multi-component serial-parallel system; failure rate; prognostic information; genetic algorithm

中圖分類號：TP16

文獻標(biāo)志碼：A

文章編號：1007-7375(2016)01- 0016- 08

doi:10.3969/j.issn.1007- 7375.2016.01.003

作者簡介：劉勤明(1984-)，男，山東省人，講師，博士，主要研究方向為維護調(diào)度、人工智能等.

基金項目：國家自然科學(xué)基金資助項目(71471116)；上海市浦江人才計劃資助資助(14PJC077)；滬江基金人文社科資助項目(15HJSK-YB11)；上海理工大學(xué)博士啟動基金資助項目(BSQD201403，BSQD201508)

收稿日期：2015- 04- 09