设备维修管理智能决策支持系统的研究.pdf
2001年12月系统工程理论与实践第12期文章编号:100026788(2001)1220053207设备维修管理智能决策支持系统的研究方淑芬,吕文元(哈尔滨工业大学管理学院,黑龙江 哈尔滨150006)摘要:本文是关于维修的智能决策支持系统研究,旨在帮助设备管理人员利用维修优化模型进行科学决策。首先对设备维修管理决策问题进行了分类,并建立了相应的维修优化模型;然后提出了系统结构设计,说明了系统的特点和功能模块;最后对实现系统的关键技术(数据模式的识别及模糊选择)进行了分析。关键词:设备维修;预防维修;智能决策支持系统中图分类号:O22;TP18文献标识码:AResearch on aM aintenance IntelligentDecision Support SystemFAN G Shu2fen,LU W en2yuan(School ofM anagement,Harbin Institute of Technology,Harbin 150006,China)Abstract:This paper is concerned w ith the development of a maintenance intellignentdecision support system(M2I DSS).The ai m of the system is to help managers to useopti m izationmodelsandtoachieveaneffectiveandsuccessful maintenancemanagement.Firstly,problem of plant maintenance is discussed,and its opti m izationmodels are presented.Secondly,the design of the proposed know ledge2based system isdiscussed,and the main features of this system and its function modules are identified.Finally,the key aspects discussed include the recognition of data patterns and modelsselection.Keywords:facility maintenance;preventive maintenance;I DSS1前言设备维修管理是保证企业经营成功的一个重要因素。杜邦公司宣称,工厂最大的单个可控制的费用是维修管理1。索尔福德大学的一个维修研究小组的调查研究表明,通过提高设备的维修管理,英国的制造企业可以节省8%-30%的运营费用2。可见加强设备维修管理可以有效降低维修费用,使企业获取更高利润。由于维修管理的重要性,许多学者建立了众多的维修模型3-5。在实践中应用这些模型作出维修决策时,往往需要对模型进行参数估计、修正和验证,这一工件对维修工程师而言,显然太难。为了便于管理者借助模型作出维修决策,提高他们对于维修问题的响应速度和维修决策的水平,维修决策软件包和维修决策支持系统应运而生。最早的维修优化软件包运行在微型计算机(如HP29845),典型的软件包如Bradford大学开发的REGI NA6。以后,随着个人计算机的发展,应用比例成功的软件包有MA I NOPTT7,KMOSS8和OPT I MON9。在众多开发的系统中比较有代表性的有10-12:Jenkins10开发了设备维修和更新的决策支持系统。该系统共有四个模块:一个收集日常维修信息的收稿日期:2000203227 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.数据采集模块,三个维修模型模块(更新模块、预防维修模块和检查模块)。吴洪波11开发的系统也类似,所不同的是他的决策模型体系为设备更新决策模型和设备最佳库存模型。W.W ang12开发的系统是一个关于时间延迟建模的软件原型,该系统主要是利用时间延迟概念和时间延迟模型,确定出装罐生产设备的最佳预防维修间隔期。上述的决策支持系统(及软件包)都有一个数据分析模块以及一些基本的优化模型。它们的共同不足之处都在于维修模型过少;另外,这些系统运行时所需的数据不是来自数据库,与维修的M IS也毫无联系。它们的另一个显著特点就是系统是专用的,只能应用于一些特殊情况。自20世纪80年代中期以来,人工智能和专家系统技术已经成为重要的DSS工具,并且A I?ES(A rtificial Intelligence and Expert System)和DSS相结合成为智能决策支持系统(I DSS)。早期的智能系统为DEL TA?CA TS13,该系统主要用于火车的维修管理。在1986年,Dhali wal14把A I应用于复杂系统的维修和运行。后来,Kobbacy15提出了维修智能决策的主要功能特征。Kobbacy的贡献还在于他指出了影响模型选择的因素,如历史数据、维修策略、标准(最小维修费用、可用度最大或安全性),其不足之处在于对如何选择模型进行深入地研究。纵观目前有关维修智能决策支持系统研究,主要存在以下这三个方面的问题:1)实用维修模型太少,需要不断地扩充;2)DSS中的模型库包含大量的优化模型,这就存在一个模型选择的难题。系统如何根据数据自动从模型库中选择合适的模型,这方面的研究基本上没有展开;3)维修数据中有一些是不可靠的,或者是不完整的,有时甚至是相互矛盾的。传统的维修模型显然不能应用这些数据,否则会作出错误的决策。对这种情况就需要专家的经验和判断分析来处理,对数据进行模式识别,为系统自动选用模型作准备。目前的系统缺乏对数据模式识别的功能。本文就是针对上述三个方面的问题展开了研究,中心思想就是把运筹学和人工智能技术有机结合起来,建立适用的维修管理支持系统。希望开发的系统能像专家一样,通过对维修数据的正确性检验和格式统一化处理,然后对数据进行初步分析,进而确定出故障分布函数,最终系统从模型库中自动选择一个合适的模型,并以图形和表格的方式输出计算结果,辅助管理人员作出维修决策。本文首先对设备维修管理决策问题进行了技术经济分析,对其相应的维修模型进行分类;然后提出了系统结构设计,说明系统的特点和功能结构;接着是分析了系统实现的关键技术,数据模式的识别及模型选择问题;最后是结论。2设备维修管理决策问题的技术经济分析及其维修模型的分类对设备磨损(有形磨损和无形磨损)的补偿方式有维修和更新。维修可分为事后维修、预防维修和状态维修三种方式。这里的更新概念是指以全部的设备来代替旧设备。因此设备维修管理决策问题可分为三个方面:设备更新决策、设备预防维修决策和状态维修决策。本文并不讨论状态维修决策,主要是讨论设备更新决策、设备预防维修决策。2.1设备更新决策设备更新的模型可按其费用函数是否确定而分为低劣化模型、最小年费用模型和随机维修费用模型。这三种模型都是追求设备寿命期内的费用最低为目标,当设备的费用最低的年数也就是设备的最佳更新期。1)低劣化模型如果设备的使用费用每年按一定值 直线增加,则T年中平均低劣化值为 T?2.令设备的投资为k0,因此,平均每年的设备总费用c为c=k0T+T2(1)求最小的年设备总费用时,令dc?dT=0,则T=2k0(2)45系统工程理论与实践2001年12月 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.2)最小年费用模型如果设备的低劣化值每年变化率并不相同,则可采用最小年费用模型计算设备的最佳更新期。ct=6tj=1cp+(k0-ke)t(3)式中,ct表示某一确定年份的年平均费用(元);cp表示某年设备的使用成本(元);k0表示设备原值;ke表示设备残值;t表示某一确定年。ct最小时的年数就是设备更新的年限。3)随机维修费用的设备更新模型当设备故障的发生时间和强度是随机变量时,相应的设备运行成本也是随机的变量。针对这种情况,张宇6研究了基于设备故障次数及其概率的最小费用周期更新模型。该模型的基本思想就是通过统计分析确定出设备的故障模式,即故障服务从哪种分布,相应地也就确定出维修费用,这样就可以确定出了设备更新的时机。在t时期设备退役时,设备的最小费用周期满足:m int 01t6n=0(cn-kscn)p(y=n,Tt(4)式中,y表示故障次数随机变量,相应地p(y=n,Tt)表示故障发生n次的概率;cn表示发生n次故障时设备的运行成本。它是一个依n变动的凸函数,在0,t内设备的平均运行成本是6n=0cnp(y=n,Tt);ks(n)表示设备残值,它是依n变动的递减函数。由此可见,问题的关键是求出p(y=n,Tt)。只要我们通过收集故障间隔期样本x1,x2,xn;然后构造出故障间隔期的概率分布密度函数f(x),即可求出p(y=n,Tt).2.2设备预防维修决策2.2.1设备预防维修的技术经济分析设备计划外停机有二类:一是设备运行时出现故障而造成设备停机;二是对设备进行检查而造成设备停机。前者原因而造成的设备停机时间简称为故障时间,后者原因造成的设备停机时间简称为检查时间。一方面,如果检查间隔时间过长,虽然可以减少检查时间,但故障的机会增多,故障时间将相应地增大;另一方面,如果检查间隔较短,可以有效地防止故障发生,减少故障时间,但由于过频地检查使得检查时间大幅度增加。因此,建模型目的就是在故障时间和检查时间二者之间寻找平衡点,确定出合理的维修间隔期T3,使得单位时间内总的停机时间期望值最小。2.2.2预防维修的模型预防维修的模型可按设备故障分布情况分为确定性模型、随机模型和几何模型。1)确定性模型确定性模型是指在不同的预防维修间隔期T,相应的故障次数期望值H(T)大小确定。这样就可以确定出最佳的预防维修间隔期,使得设备在单位时间内停机时间的期望值最小。ED(T)=df(T)H(T)+dpT(5)式中,ED(T)表示PM间隔期为T时,单位时间内总的停机时间期望值;df(T)表示PM间隔为T时,每次故障的平均停机时间;H(T)表示PM间隔期为T时,T时间内故障次数的期望值;dp表示每次检查时平均停机时间。(5)式中的df(T),dp可根据以往的维修数据记录,统计分析和计算得出。间隔期T内故障次数的期望值H(T)的大小可以根据(6)式求出。H(T)=aT+bT2(6)2)随机模型55第12期设备维修管理智能决策支持系统的研究 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.随机模型的目标函数与确定性模型是相同的,所不同的是前者的故障次数期望值H(T)大小是随机的,需要用随机过程函数来描述。H(T)=6T-1i=01+H(T-i-1)i+1if(t)dt(7)且H(0)=0,其中f(t)表示故障概率密度函数。3)几何模型当设备尚无故障记录时,特别是一些设备性能改进的情况下,显然不能按照原来的预防维修方式,这时应该增加预防维修的间隔期。由于缺乏故障数据,故无法准确地估计出故障概率。比较合理的做法是:逐渐增加预防维修的间隔期,计算出相应的故障发生概率大小,如表1所示。这样,维修工程师就可判断由于预防维修间隔期增长而相应地增加的故障风险大小。令T表示预防维修的时间隔期;n表示无故障发生所经历的预防维修周期个数,第(n+1)个预防维修周期时故障发生。根据文献17,在第(n+1)个预防维修周期,故障发生概率最大似然估计值为1?(n+1)。例如,n=6,T=6(月),故障服务从负指数分布(参数为a),即F(T)=1-exp(-aT)=1?(n+1)所以a=0.0257.表1预防维修间隔期增长和相应增加的故障风险大小预防维修间隔期(月)69121824故障概率0.140.200.260.370.463系统结构设计本文主要是说明系统的特点和系统的结构这二个方面的内容。3.1系统特点本系统具有较高的智能性,系统的主要特点如下几点。1)系统具有良好的兼容性。系统既可以直接访问维修管理信息系统(M IS)中的数据库,也可以访问电子表格,如EXCEL。这样可以充分利用现有的数据信息,避免数据的重复输入。2)具有检查数据合法性的功能。系统通过对数据合法性的检验可以大大提高维修决策的准确性。3)具有对数据式进行识别和自动选择维修模型的功能。即对维修历史数据进行统计分析后,假定出故障分布并进行拟合检验,系统就可识别出数据模式,结合用户的交互信息,选择出合适的维修模型。对于解决同一问题而存在多个模型时,系统可以对这些模型进行比较分析。4)系统以表格和图形方式输出模型运行结果,给出了维修决策。5)系统可以对用户提问给出回答,使用户明白系统推理过程,增强用户的信心。本系统与其他系统不同之处就是系统能对维修数据进行检验、模式识别,并且有自动选择模型功能。从而极大地方便了用户使用模型,提高了决策的效能。3.2系统结构设计系统的主要模块包括:数据库;模型库;知识库等。系统结构如图1所示。1)模型库。模型库里的数学模型分二类:一是用于数据模式识别的统计分析模型;是维修决策模型。2)数据库。数据库包括设备的检查维修记录、故障时间、维修费用等信息。3)知识库。知识库就是一个规则库,它包含众多规则用于模型选择。4)用户界面。一个好的用户界面可以激发用户使用软件系统的兴趣。系统为用户提供了一个对话的环境,按用户要求输出图形、表格、运算结果、推理结论以及推理的依据,使用户充分了解系统运算结果和推理结论,并结合用户自己的经验分析和判断作出维修决策。65系统工程理论与实践2001年12月 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.5)处理器。处理器是系统的核心部分,它控制系统模块之间的信息交流以及对知识库中规则的操纵。4系统实现的关键技术分析系统实现的关键技术主要包括两个方面:如何进行数据模式的识别和如何选择合适的模型。4.1数据模式识别数据模式识别主要分为三个步骤:1)数据正确性的检验和格式统一化处理:2)数据初步分析;3)故障分布函数的确定。1)数据正确性的检验和格式统一化处理现场中记录员以及一些领导,由于没有意识到维修数据记录的重要性,使得记录工作做得并不是很好。数据经常记录错误,或者遗漏了一些重要的数据;更重要的是记录的数据非常不规范,计算机处理这样的数据非常困难。因此,在必要检查数据的正确性。系统对值得怀疑的数据以及遗漏的数据,作出相应的标志和纠正处理。并对这些从维修管理信息系统,或电子表格中获取的数据进行格式统一化处理。2)数据初步分析数据初步分析主要是指计算一些基本的参数,如统计故障的次数、预防维修的次数以及不同的维修方式下的设备平均故障间隔时间等。3)故障分析函数的确定在数据初步分析之后,即可进行计算确定故障分布函数。对一些新设备,故障数据极少时,可采用最小2最大方法(m ini max techniques)来确定故障分布函数;故障信息有一部分的情况,则可采用契比雪夫边界(Chebyshev2type bounds)理论来确定故障分布函数;故障分布可由主观经验来估计时,则采用贝叶斯自适应方法(Bayesian adaptive techniques)来确定故障分布函数。不管是更新决策中随机维修费用的模型,还是预防维修决策中的确定性模型和随机模型,故障分布函数在这些模型中起着决定性的作用。一旦确定出故障分布函数,即可根据相应的模型进行维修决策。基于这个认识,模型库中包含有大量的统计模型来计算故障分布函数,对数据模式识别很大一部分工作就是为了确定出故障分布函数。75第12期设备维修管理智能决策支持系统的研究 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.4.2模型选择Kobbacy15指出,影响模型选择的因素如下:1)故障历史记录数据。包括故障的分布,维修费用,停机时间等;2)维修策略。维修策略可分为三种:检验维修策略、预防维修策略和更新维修策略,不同的维修策略应该采取相应的维修模型;3)维修目标。如维修费用最小,或者可用度最大,或者两者兼顾。4)其它信息。主要是指系统无法推理时,往往维修工程师的经验起到关键的作用。系统的模型选择过程如图2所示。图2模型选择过程的示意图5结论本系统可以帮助设备管理人员利用模型进行科学决策,提高管理水平,是辅助设备管理人员进行科学决策的一种有效工具。该系统的独到之处就是具有对维修历史数据进行模式识别和自动从模型库中选择合适模型的功能。由于设备类型多种多样,结构、作业环境各个不同,因此故障的类型及其特征是复杂多变的,相应的维修模型就是比较复杂。显然本文所讨论的几个模型仅仅是一些典型案例,因此需要对每一类问题建立更多的模型。并且要求这些模型易于理解,便于计算机求解,更符合实际应用。参考文献:1费雷斯特.帕德(美).可靠性维修基本原理工业管理的未来J.王秩信,莽克论(译).设备管理与维修,1994,(2):33-35.2Humphrey D E.M aintenance system s and maintenance auditsM.Sem inar,M aintenance ResearchGroup,Salford U niversity,1990.3Danny ICho,M ahmut Parlar.A survey ofmaintenancemodels formulti2unit system sJ.European85系统工程理论与实践2001年12月 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.Journal of Operational Research,1991,51:1-23.4Baker R D,Christer A H.Review of delay2ti me OR modeling of engineering aspects of maintenanceJ.European Journal of Operational Research,1991,73:407-422.5Dekker R.Applications of maintenance opti m ization models:a review and analysisJ.ReliabilityEngineering&System s Safety,1996,51:229-240.6Keller A Z,GiblinM T.Opti malm intenance and replacement policiesA.A dv.Rel.Techn.SympC.Bradford,U K,A tom ic Energy A uthority,1984.7Woodhouse J.Relatingmaintenance to production and company profitsA.In 6thN at Conf on CompforM aint.M anagement,Conf CommunicationC.M onks H ill,Farnham,U K,1986.8Gestel P J,Kmoss P J.A maintenance opti m ization support system A.Proc Scand SRE SympC,Studsvik,Sweden,1990.9Hontelez J A M,et al.Opti mum condition2basedmaintenance policies for deteriorating system sw ithpartial informationJ.Rel Engng System Safety,1996,51:267-274.10JenkinsA L.A decision support system for equipment maintenance and replacementA.Rand GK.Operational Research87C.IFORS,1988:355-365.11吴洪波.设备管理决策支持系统J.中国管理科学,1999,(2):51-56.12 W ang W.A prototype of software development in delay ti me modeling A.Ju Xiaofeng,HuXiangpei,L an Hua.Proceedings of 98 International Conference on M anagement Science&EngineeringC.M oscow,Russia,Harbin Institute of Technology Press,1999:36-40.13Bonnisone P P,Johnson H E.Expert system for diesel electric locomotive repair:know ledge2basedsystem reportM.N ew York:General Electric Company,1983.14 Dhali wal.The use of A I in maintaining and operating complex engineering system s A.A.M amdani and Pstachion J E.Expert System s and Opti m isation in Process ControlC.A ldershot,(U K):Gower Technical Press,1986.28-33.15Kobbacy K A H,Prodlove N L,Harper M A.Towards an intelligent maintenance opti m izationsystem J.J Opl Res Soc,1995,46:831-853.16张宁.设备故障次数与经济更新时间J.系统工程理论与实践,1999,19(4):22-26.17A lzubaidi H J.Preventive maintenance of the top side equipment of North Sea oil platform sD.Strathclyde U niversity,1987.95第12期设备维修管理智能决策支持系统的研究 1995-2005 Tsinghua Tongfang Optical Disc Co.,Ltd.All rights reserved.
