發(fā)布時間：2018-03-10 09:42

  本文選題：預(yù)防維修　切入點：延遲時間　出處：《北京科技大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：生產(chǎn)設(shè)備維修管理是制造企業(yè)生產(chǎn)中一項重要的要素,設(shè)備一旦發(fā)生故障對企業(yè)可能會造成巨大的經(jīng)濟損失,因此生產(chǎn)設(shè)備的可靠性越來越重要。傳統(tǒng)的設(shè)備維修管理理論和方法存在諸多問題。基于狀態(tài)維修策略是以狀態(tài)為依據(jù)的維修。該策略能夠很好的解決傳統(tǒng)維修方式的不足。本文基于延遲時間理論,結(jié)合企業(yè)維修管理中采用的實際預(yù)防維修策略,分析和解決企業(yè)在制定預(yù)防維修策略時存在的實際問題,以降低設(shè)備故障發(fā)生率和維修成本／總停工時間為目的,展開以下四個方面的研究。主要研究內(nèi)容和創(chuàng)新點如下：(1)在單一部件系統(tǒng)的預(yù)防維修策略研究中,考慮加入兩階段檢測策略和基于年齡預(yù)防更換策略,目的是為了降低單位時間內(nèi)期望成本。系統(tǒng)經(jīng)歷三個階段分別為正常階段、初始缺陷階段和嚴(yán)重缺陷階段。一旦系統(tǒng)在檢測點被識別出處于初始缺陷階段時,如果該檢測點距離基于年齡預(yù)防更換時刻的時間間隔小于事先設(shè)定的某一閾值時則考慮對系統(tǒng)實施延遲預(yù)防維修策略,否則,系統(tǒng)立即被更新。使用蜜蜂群優(yōu)化算法求解模型獲得最優(yōu)預(yù)防維修策略。數(shù)值算例表明該模型能夠有效的降低單位時間內(nèi)期望成本,仿真算法被提出充分證明了模型構(gòu)建的正確性。(2)上述研究內(nèi)容中使用蜜蜂群優(yōu)化算法求解多維決策變量預(yù)防維修模型。然而蜜蜂群優(yōu)化算法易陷入局部最優(yōu)解和精度低,因此本論文研究蜜蜂群優(yōu)化算法仿生機理,解的構(gòu)造過程及相關(guān)參數(shù)設(shè)置,從而進一步改進算法優(yōu)化性能。將具有全局收斂性的模擬退火算法與具有局部收斂性的蜜蜂群算法結(jié)合,提出改進的蜜蜂群優(yōu)化算法。通過數(shù)值算例驗證了改進的蜜蜂群優(yōu)化算法能夠有效的求解多維決策變量預(yù)防維修模型。(3)在企業(yè)預(yù)防維修行為中在線狀態(tài)監(jiān)測和人工檢測被實施是為了識別系統(tǒng)的狀態(tài)。考慮對單一部件系統(tǒng)聯(lián)合實施在線狀態(tài)監(jiān)測和人工檢測預(yù)防維修行為。事先設(shè)置兩個控制線：檢測閾值和預(yù)防更換閾值。當(dāng)在線狀態(tài)監(jiān)測測量值處于檢測閾值和預(yù)防更換閾值之間時,實施人工檢測。一旦確認(rèn)系統(tǒng)處于延遲時間階段則更新系統(tǒng),否則不采取任何維修措施。當(dāng)在線狀態(tài)監(jiān)測測量值大于預(yù)防更換閾值時,更新系統(tǒng)。系統(tǒng)經(jīng)歷兩個階段分別為正常階段和延遲時間階段。假設(shè)人工檢測是完美的。狀態(tài)監(jiān)測間隔和檢測閾值是決策變量,目的是為了最小化單位時間內(nèi)期望成本。數(shù)值算例表明所提出的預(yù)防維修模型是有效的。仿真算法充分證明了模型構(gòu)建的正確性。(4)考慮復(fù)雜系統(tǒng)的預(yù)防維修決策研究。以某鋼廠企業(yè)中的氧槍系統(tǒng)為研究對象。通過搜集和分析原始維修記錄,使用兩階段延遲時間理論構(gòu)建統(tǒng)計模型。采用最大似然方法對模型參數(shù)進行參數(shù)估計,然后考慮預(yù)防維修周期對總停工時間的影響建立預(yù)防維修模型,通過優(yōu)化該模型得到氧槍系統(tǒng)的最優(yōu)預(yù)防維修周期。建模時將所有可能出現(xiàn)的缺陷按照危險程度和維修時間長短分為兩類：大缺陷和小缺陷。通過赤池信息準(zhǔn)則選擇合適的分布形式,然后在通過卡方擬合優(yōu)度檢驗方法對其進行驗證。模型優(yōu)化結(jié)果表明：該鋼廠企業(yè)制定的實際預(yù)防維修策略不符合最優(yōu)預(yù)防維修策略的制定。
[Abstract]:Maintenance management of equipment manufacturing is an important factor in the production of enterprises, equipment failures of enterprises may cause huge economic losses, so the reliability is more and more important. The traditional production equipment maintenance management theory and method has many problems. Based on the condition based maintenance strategy is based on the state of maintenance. The strategy can solve the shortcomings of traditional maintenance mode. This paper based on the theory of time delay, combined with the maintenance and management of the enterprise actual preventive maintenance strategy, to analyze and solve practical problems in the development of preventive maintenance strategy of enterprises, in order to reduce the equipment failure rate and maintenance cost / total downtime for the purpose of the following in the following four aspects. The main research contents and innovations are as follows: (1) in the study of preventive maintenance strategy for single components of the system, consider joining the two stage The detection strategy based on age and preventive replacement policy, the purpose is to reduce the expected cost per unit time. The system has experienced three stages: normal stage, initial stage and defect serious defect stage. Once the system is identified in the detection point comes from the initial defect stage, if the detection point from a threshold age preventive replacement time the time interval is less than the pre-set time delay based on considering the implementation of preventive maintenance strategy of the system, otherwise, the system is updated immediately. The use of bee swarm optimization algorithm to solve the model to obtain the optimal preventive maintenance strategy. Numerical examples show that the model can effectively reduce the expected cost per unit time, the simulation algorithm is proposed to fully demonstrate the correctness of model. (2) the bee swarm optimization algorithm for decision variable preventive maintenance model using the above research content. However, the bees. The algorithm is easy to fall into local optimal solution and low precision, so this thesis bee swarm optimization algorithm of bionic mechanism, set up construction process solutions and related parameters, so as to further improve the optimization performance of the algorithm. Combined with the simulated annealing algorithm has global convergence and local convergence has bee swarm algorithm, an improved bee colony optimization the algorithm is verified through a numerical example. The improved bee swarm optimization algorithm can solve the multidimensional model of preventive maintenance decision variables effectively. (3) in the prevention of enterprise online monitoring and maintenance manual detection behavior is carried out to identify the state of the system. Considering the joint implementation of preventive maintenance behavior of online monitoring and artificial detection of single component set in advance system. Two control line: the detection threshold and preventive replacement threshold. When the measured value in on-line monitoring the detection threshold and prevent more Change the threshold when the implementation of artificial detection. Once confirmed in delay time stage, update the system, otherwise do not take any maintenance measures. When updating the system of on-line monitoring the measured value is greater than the preventive replacement threshold,. The system has two stages respectively in normal phase and time delay phase. Under the assumption that the artificial detection is the perfect state. The monitoring interval and the detection threshold is the decision variables, objective is to minimize the expected cost per unit time. Numerical examples show that the proposed preventive maintenance model is effective. The simulation algorithm fully proved the correctness of the model. (4) the research of preventive maintenance decision making complex system into account. In a steel enterprise in oxygen lance system as the research object. Through the collection and analysis of original maintenance records, the use of two phase delay time theory to construct statistical models. Using the maximum likelihood method to model parameters. For parameter estimation, and then consider the preventive maintenance period of the establishment of preventive maintenance model for the effect of total downtime, the optimal preventive maintenance period of the model of oxygen lance system. When modeling all possible defects according to the degree of risk and the maintenance time is divided into two categories: large defects and small defects. Through Akaike information criteria for selection of appropriate forms of distribution, and then through the chi square goodness of fit test method to verify the model. The optimization results show that the actual preventive maintenance strategy of the steel enterprises set not in line with the development of optimal maintenance strategy.

【學(xué)位授予單位】：北京科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TB49

【相似文獻】

相關(guān)期刊論文 前10條

1 蔣云庭;;預(yù)防維修體制的分析[J];設(shè)備維修;1980年02期

2 李華民;李小華;黃玉星;;醫(yī)用儀器的預(yù)防維修[J];醫(yī)療衛(wèi)生裝備;1990年02期

3 陳賢舜;;12150L發(fā)動機預(yù)防維修分析法的研究與實施[J];兵工學(xué)報(坦克裝甲車與發(fā)動機分冊);1992年04期

4 李琴;淺淡設(shè)備的預(yù)防維修[J];廣東水利水電;2005年S1期

5 呂文元;朱清香;;單元件系統(tǒng)預(yù)防維修模型的建立及應(yīng)用[J];上海理工大學(xué)學(xué)報;2006年04期

6 厲紅;錢省三;;設(shè)備維修管理之合理確定預(yù)防維修間隔周期的研究[J];機械設(shè)計與制造;2006年09期

7 盛天文;陳曉慧;易樹平;;壽命型設(shè)備的預(yù)防維修策略研究[J];計算機集成制造系統(tǒng);2009年03期

8 沙治邦;于潔;;基于優(yōu)化策略的串并聯(lián)系統(tǒng)預(yù)防維修周期研究[J];計算機仿真;2009年03期

9 孫艷青;;加強預(yù)防維修提高設(shè)備利用率[J];河南科技;2010年20期

10 楊荔賢;張民悅;;基于混合式故障率的預(yù)防維修權(quán)衡模型[J];甘肅科學(xué)學(xué)報;2011年01期

相關(guān)會議論文 前4條

1 周瑜;寇綱;爾古打機;;考慮維修效果與計劃水平的預(yù)防維修決策模型[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A02管理科學(xué)[C];2014年

2 陳剛;;關(guān)于推行預(yù)見性維修的技術(shù)分析和設(shè)想[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會議、第十三屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2008年

3 李建偉;聶小丹;;TPM在焦作萬方的應(yīng)用實踐[A];經(jīng)濟策論（上）[C];2011年

4 王建寧;;柴油機的預(yù)防維修與檢查[A];2007年汽車學(xué)術(shù)年會論文集[C];2007年

相關(guān)重要報紙文章 前3條

1 劉薇　吳宇華;預(yù)防維修呵護戰(zhàn)艦[N];解放軍報;2009年

2 本報記者 馬玲 通訊員 祝敏皎;事后被動維修變主動預(yù)防維修[N];中國石化報;2013年

3 蘇椿力;在“8S”管理中實現(xiàn)設(shè)備優(yōu)化[N];中國冶金報;2008年

相關(guān)博士學(xué)位論文 前3條

1 彭偉;基于故障診斷與可靠性分析的機械系統(tǒng)預(yù)防維修研究[D];電子科技大學(xué);2016年

2 李娉;系統(tǒng)預(yù)防維修優(yōu)化和可靠性研究[D];北京科技大學(xué);2016年

3 王慧穎;基于延遲時間理論的預(yù)防維修決策模型及應(yīng)用研究[D];北京科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 鄺圓暉;有限時間域內(nèi)不完全預(yù)防維修模型及優(yōu)化研究[D];大連理工大學(xué);2007年

2 沈潔瓊;基于幾何過程的可修系統(tǒng)二元預(yù)防維修策略[D];西南交通大學(xué);2011年

3 張慶;帶有故障小修的單部件可修系統(tǒng)的預(yù)防維修策略[D];西南交通大學(xué);2012年

4 衛(wèi)一卿;基于幾何過程的兩種失效狀態(tài)系統(tǒng)的預(yù)防維修策略[D];西南交通大學(xué);2012年

5 李海霞;修理工休假的預(yù)防維修更換策略[D];燕山大學(xué);2012年

6 黃征;可修系統(tǒng)維修的仿真分析[D];華中農(nóng)業(yè)大學(xué);2011年

7 蔣瑩;發(fā)動機缸體生產(chǎn)線設(shè)備維修方法與更新策略研究[D];吉林大學(xué);2012年

8 楊荔賢;基于系統(tǒng)多種因素的預(yù)防維修決策模型[D];蘭州理工大學(xué);2011年

9 彭偉;柴油機維修分析建模及應(yīng)用[D];電子科技大學(xué);2008年

10 楊毅;基于故障率特性的數(shù)控機床預(yù)防維修決策技術(shù)研究[D];重慶大學(xué);2013年

，

本文編號：1592790