Zhonghua CHENG
Modele optymalizacji grupowej dla złożonych zadań obsługowych dotyczących systemów wieloskładnikowych
W ostatnich latach prowadzi się coraz więcej badań w zakresie optymalizacji eksploatacji systemów wieloskładnikowych, czego wynikiem są licznie proponowane metody optymalizacji oraz modele matematyczne. Jednakże najczęściej bada się proste zadania obsługowe, a rzadko występujące w praktyce zadania złożone, wymagające kilku rodzajów obsługi. W artykule przedstawiono strategię obsługi grupowej służącą optymalizacji przerw na złożone czynności obsługowe w systemach wieloskładnikowych oraz zaproponowano etapy i metody optymalizacji. Przeprowadzono analizę struktury kosztów utrzymania systemu oraz wyznaczono modele kosztów w celu optymalizacji przerw na złożone czynności obsługowe. Wydajność proponowanych modeli zilustrowano przykładem numerycznym.
Group optimization models for multi-component system compound maintenance tasks
More and more researches have been made on maintenance optimization of multi-component system in recent years, and a lot of optimization methods and mathematical models have been proposed. However, the maintenance tasks in present researches are mostly simplex, while the compound maintenance tasks integrating several kinds of maintenance types that exist in practice are seldom studied. To optimize the compound maintenance intervals of multi-component system, the group maintenance strategy is introduced in this paper, and the optimization steps and methods are proposed. The maintenance cost structure and composition are analyzed from system point of view, and the cost models to optimize the compound maintenance intervals are established. Finally, a numerical example is presented to illustrate the efficiency of the proposed models.
Zintegrowany system decyzyjny dotyczący zamawiania częśc i zamiennych i utrzymania ruchu urządzeń w ramach strategii utrzymania zależnej od bieżącego stanu technicznego
Dążąc do jednoczesnej optymalizacji utrzymania ruchu urządzeń i zarządzania zamówieniami części zamiennych, zaproponowano kompleksowy model decyzyjny w ramach strategii utrzymania zależnej od bieżącego stanu technicznego (CBM) przeznaczony dla systemów z pojedynczym urządzeniem i ciągłym oraz losowym zużyciem. W niniejszym modelu, zużycie urządzenia jest ciągłym procesem Gamma z ciągłym monitorowaniem stanu, podczas gdy zapasy części zamiennych są kontrolowane poprzez prawdopodobieństwo wsparcia w zakresie części zamiennych. Po pierwsze, opracowano model prawdopodobieństwa wsparcia w zakresie części zamiennych w celu określenia optymalnego poziomu zapasów części zamiennych S, ustalonej aby spełnić wymogi określonego prawdopodobieństwa braku dostępności. Po drugie, przeprowadzono proces decyzyjny dotyczący wymiany urządzenia i zamawiania części zamiennych w celu jednoczesnej optymalizacji wymiany urządzenia i zamawiania części zamiennych, w oparciu o poziom zużycia urządzenia i całkowity koszt działania systemu. Po trzecie, zaprezentowano zintegrowany symulacyjny model decyzyjny dla oceny poziomu kosztów, dostępności i prawdopodobieństwa jej braku. Zasady niniejszego modelu zilustrowano przykładem numerycznym. Wyniki pokazują, że optymalny próg konserwacji zapobiegawczej uzyskany za pomocą proponowanego modelu decyzyjnego może spełnić wymagania dotyczące części zamiennych w ramach (S-1, S) strategii kontroli zapasów.
Integrated decision on spare parts ordering and equipment maintenance under condition based maintenance strategy
Aiming to optimize the equipment maintenance and the spare parts ordering management jointly, a comprehensive decision model under condition based maintenance (CBM) policy is presented for a single equipment system with continuous and random deterioration. In this model, the equipment deterioration is a continuous Gamma process under a continuous condition monitoring, and the spare parts inventory is controlled by spare parts support probability. Firstly, a spare part support probability model was developed to determine the optimal spare parts stock level S, which is set to meet the requirement of a predetermined stockout probability. Secondly, the equipment replacement and spare parts ordering decision is made to optimize the equipment replacement and spare parts ordering jointly, which is based on the equipment deterioration leveland total operating cost of the system. Thirdly, an integrated decision simulation model is presented for evaluating cost rate, availability and stockout probability. Finally, a numerical example is given to illustrate the performance of this model. The results show that the optimal preventive maintenance threshold obtained from the proposed decision model can satisfy the spare parts support requirements under (S-1, S) inventory control strategy.