基于视情维修的联合优化策略研究
2020-07-13韩凤霞
韩凤霞
(机械科学研究总院,北京 100044)
随着新一代信息技术与制造技术的深度融合,制造企业内部及企业之间信息积累更加方便,能够对制造过程中海量数据实时的进行分析处理。预防性维修对于确保生产效率、按期交货及降低维修费用具有重要的意义。高端数控机床具有小批量、定制化、高可靠性和高成本的特性,致使在可靠性评估中,存在数据不足、样本少等问题。充分的利用相似型号装备的数据信息是提高复杂装备诊断和寿命预测的精度的有效方法之一。数控设备的故障可以分为两种类型:第一种是具有退化状态故障,由于设备性能的逐渐劣化所引起的,有足够的时间间隔进行研究并制定维修方案;第二种是突发故障,发生时间随机,难以预料,对这类故障一般采用定期的维修保养和事后维修为主。为了提高数控设备运行的可靠性、延长设备的使用寿命以及保证生产计划的顺利执行,需要对设备维护与更换策略进行联合决策研究。
1 维修策略
为了保证数控装备在使用过程中的性能状态,采用视情性维修的理念,并综合考虑系统运行时间、设备剩余寿命预测结果等。由于部分故障不可避免的具有随机性,因此仍需考虑故障后维修,如图1所示。
2 视情维修模型
近年来,国内外的研究者以视情维修的先进维修思想为指导。通过对设备状态的可观分析和维修过程中采用动态控制和管理,视情维修能够有效地减少维修活动中的不确定性。
图1 基于视情维修的流程
标准的视情维修系统结构分为4层,如图2所示。分为数据采集层,信号处理层、健康监测与评估层,维修实施决策层。
3 基于维修费用的优化模型
图2 视情维修系统框架
对于服役阶段的装备,生产厂家或维修部门可以在维修及运行维护过程中对同类部件的寿命进行统计,得出一类部件的寿命分布函数。采用相应的剩余寿命预测及劣化性能的评估方式,对个体部件进行剩余寿命预测,将视情维修和定期维修相结合。
图3 监测周期及维修阈值示意图
维修决策过程中,选择不同的检测周期长度、设置不同的维修阈值将对应不同的维修概率和维修成本。若检测周期过短,系统干预将过于频繁,检测干预成本将会大大增加,而过长的检测周期又会增大周期内发生停机故障的概率,进而增加故障维修的成本。
不同维修间隔期内的维修方式选择如下:
固定运行时间内的年平均费用最低的优化目标:
这里代表修复性维修的次数,修复性维修的费用;是预防性维修的次数,是预防性维修的费用;是监测的费用,是监测的费用。
以平均成本最低为优化目标,以故障阈值及监测间隔Tc为优化的变量。平均费用率为:
其中,为设备维修的平均费用,平均寿命。
4 实验验证
本文以数控机床上电主轴/刀柄结合面为例进行实验验证,通过同一企业内部及企业间的故障时间间隔信息,求得同类装备的电主轴/刀柄结合面的寿命分布。通过具体的刀柄结合面状态监测信息进行剩余寿命的预测。对电主轴/刀柄结合面的MTBF进行K-S方法的检验,确定为威布尔分布类型
两参数威布尔分布的概率密度函数为:
分布函数为:
式中,m为威布尔分布的形状参数,η为威布尔分布的形状参数,r为(0,1)区间上均匀分布的随机变量。
仿真采样个数10000,,运行时间2年,5400小时。蒙特卡罗抽样结果如图4所示。
图4 蒙特卡罗采样威布尔分布示意图
假定预防性维修费用600元/次,故障性维修费用1000元/次,状态监测费用500元/次。计算运行周期内的平均费用及平均寿命寿命周期,将结果带入式(2)中,建立平均维修费用Cm与变量维修间隔Tc及寿命阈值R之间的关系。R=0.2时,最优的监测间隔时间为948小时,平均维修费用为700元。
图5 维修费用与维修间隔曲线
5 结语
(1)通过融合企业内部及企业之间的维修管理信息、部件的状态监测信息以及同类装备信息,构建同类设备的故障寿命分布函数;结合个体设备的状态监测数据预测部件剩余寿命。
(2)构建了以维修周期和寿命阈值为优化变量,以平均维护费用最小为目标的优化模型。最后,以寿命服从威布尔分布的电主轴/刀柄结合面为例,采用蒙特卡罗的方法对问题进行了求解,验证了联合维修策略的有效性。