基于设备衰退机制的单机预知性维护计划和车间生产调度协同模型研究

Based on the close relationship and conflict between machine performance, maintenance and production scheduling, this project researches a collaborative model of single-machine based predictive maintenance and production scheduling by considering statistics and forecasting theory, operation research theory and artifical intelligent optimization methods. The main contents are as follows:(1)based on the concept of statistical pattern recognition, machine domain detection parameters are integrated to evaluate machine's health status; (2)based on machine's health status, statistics and forecast theory are used to predict machine's remaining maintenance life, and machine's deteriorating process is qualitatively and quantitatively described; (3) construct the conceptual model of integration problem focusing on machine operation, and clearly describe the relationship between machine maintenance and production scheduling. By using operation research theory, a collaborative model of multi-objective optimization is established to theoretically analyze this integration problem; (4 ) considering the problem complexity, the artificial intelligence optimization method is used to solve the collaborative model for improving the feasibility and coordination of maintenance and scheduling results; ( 5 ) through experiments simulation, the operational results and efficiency are analyzed. This project research can contribute to the establishment of modeling, optimization theory and methods system of the collaborative optimization of predictive maintenance planning and production scheduling. Also, it can help expand the development of machine maintenance, production scheduling theories and their cross.

针对设备性能、维护及生产调度之间的必然关联和内在冲突，本项目综合运用统计学和预测理论、运筹学理论以及人工智能方法对单机设备预知性维护计划和车间生产调度的协同模型进行优化研究。主要研究内容为：（1）基于统计模式识别概念，整合设备多域检测参数，对设备的健康状况进行评估；（2）在此基础上，利用统计学和预测理论，预测设备剩余维护寿命，定性和定量地描述设备衰退趋势；（3）构建以设备操作为中心的集成问题概念模型，明确表征设备维护和生产调度之间的关联，利用运筹学理论，建立多目标优化的协同模型，对该集成问题进行理论解析；（4）针对问题复杂性，利用人工智能优化方法对协同模型进行求解，提高维护和调度结果的可行性和协调性；（5）通过实验仿真，分析评价运算结果和效率。通过本项目研究，有助于建立设备预知性维护计划和车间生产调度协同优化的建模、优化理论和方法体系，对拓展设备维护和生产调度理论及两者交叉发展有一定贡献。

目前，如何保证设备可靠性及运行效率等关键能力和快速反应市场需求成为企业亟待解决的核心问题。一方面，现有设备维护研究大多关注设备本身，忽略车间生产调度影响。另一方面，现有车间生产调度研究也往往忽略设备可靠性能。现虽有部分基于此类问题的研究，但仍有不足：（1）大多依赖以往统计数据，以运转状况驱动的设备维护研究较少；（2）未考虑设备运行状态，缺乏设备维护和生产调度关联性和冲突的有效描述；（3）多将设备维护作为不可用约束，缺少两种决策过程的多目标模型，未能实现两种决策过程的全局优化。.基于此分析，本项目通过评估设备状况，描述了设备衰退规律，提出了设备维护和生产调度的协同模型，并研究了多目标数学规划模型的转换，开发了基于人工智能的启发式算法。主要研究内容有：（1）通过开发统计模式识别方法对设备状态进行识别，引入设备健康指标以量化设备性能，构建了基于设备状态的预测模型。（2）通过分析设备维护行为与设备性能的影响，揭示了设备维护和生产调度两个操作决策的关联性，根据其各自特点，定义了包含两个决策过程的多目标模型。（3）分解了多目标数学规划模型，研究其理论下界，开发了基于理论下界和人工智能的多目标启发式全局算法，以实现两种决策过程的全局优化。.目前本项目已获得一些重要成果：（1）开发了设备性能评估及预测模型，准确率及预测精度优于现有大多数算法；（2）构建了设备维护和生产调度协同模型，对设备维护行为和设备性能的相互影响进行了描述，较现有大多数协同模型更为符合实际生产情况，并从单机问题拓展到多机问题，且生产模式也拓展到更为复杂的成组方式；（3）从客户和企业的角度制定了更为合理的决策目标，并开发了优化算法求解多目标决策问题，结果有效性优于现有大多数算法。.通过本项目的研究，有助于建立设备维护和车间生产调度协同优化的建模、优化理论和方法体系，对拓展设备维护和生产调度理论及两者交叉发展也起到了贡献和支持。