买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明公开了一种基于机会维护的干散货港口装卸作业系统运维优化方法。包括如下步骤：收集干散货港口设备故障数据并拟合设备故障特征三参数韦伯分布；构建干散货港口装卸作业“设备级‑流程级‑系统级”运维优化模型；运维优化模型求解。构建故障率演化函数，得到预测性维护间隔长度较优解，实现设备级的运维优化；基于可变时间窗得到设备预测性维护间隔长度时间阈，根据约束理论，确定装卸作业流程中装卸设备的维护优先级，采用机会维护调整预测性维护间隔长度，实现流程级运维优化；方案修正，实现系统级运维优化。本发明同时考虑装卸设备的预测性维护间隔长度、维护方法以及系统调度的影响，提供了使设备故障对港区作业影响最小的运维方法。

主权项：1.一种基于机会维护的干散货港口装卸作业系统运维优化方法，其特征在于，步骤如下：步骤一：收集干散货港口设备故障数据并拟合三参数韦伯分布所基于的干散货港口数据有：平面布置数据包括泊位个数及靠泊吨级、堆场位置及容量和闸口位置；港口运营规则包括码头资源调度规则；港口装卸设备数据包括各泊位装船机的数量、装船效率，皮带机的数量、运输效率，取料机的数量、工作效率；港口设备相关数据包括装船机、皮带机及取料机的正常运作时间、停机及故障时间、故障原因、型号、尺寸、所在的流程号及设备串；气候相关数据包括气温，一年中影响作业的风、雾及雷暴发生的天数，封航时间；收集干散货港口装卸作业系统中每一台装卸设备发生的每一次设备停机信息；基于历史数据，进行装卸设备故障率三参数韦伯分布模拟，公式如下： 其中，ηij为三参数韦伯分布的形状参数，θij为三参数韦伯分布的尺度参数，为三参数韦伯分布的位置参数，Tij为装卸设备i的每一次预测性维护间隔长度，λij为故障率函数值,Ni为装卸设备i预测性在生命周期内的维护间隔次数；步骤二：构建干散货港口装卸作业“设备级-流程级-系统级”运维优化模型干散货港口装卸作业“设备级-流程级-系统级”运维优化模型的目标函数为：其中，ETAF表示装卸作业流程的可用性；TF为考虑的优化期长度，为定值；为装卸作业流程在优化期内的维护时长，包括预测性维护时长和小修时长；装卸作业流程在优化期内的维护时长为： 其中，i为装卸作业流程中包含的呈串联关系的装卸设备编号，i＝1,2,…,IS，IS为呈串联关系的装卸设备总数；为装卸设备i的每一次预测性维护时长平均值；NFi为装卸设备i在优化期内的预测性维护次数；为装卸设备i在其第j个预测性维护间隔内的小修总时长；为采用特定装卸作业流程维护方案下装卸设备i节省的总时长，包括节省的预测性维护时长和小修时长；步骤三：运维优化模型求解采用干散货港口装卸作业“设备级-流程级-系统级”机会维护方法对运维优化模型进行求解；1设备级运维优化首先，基于干散货港口装卸作业系统设备故障特征，构建故障率演化函数，对其进行参数拟合，并考虑小修的影响；其次，以装卸设备可用性最大化为优化目标，得到初步的Tij较优解，实现设备级运维优化；1.1故障率演化函数建模定义装卸设备i在其第j个预测性维护间隔内t时刻的故障率函数fijt满足： 其中，Tij为装卸设备i的第j个预测性维护间隔的长度，为装卸设备i的第j个预测性维护的开始时刻，为装卸设备i的第j-1个预测性维护的完成时刻，为装卸设备i的投入使用时刻；装卸设备i在其第j个预测性维护间隔内的故障率阈值Hi0满足： 装卸设备i的故障率演化过程：fij+1t＝γiβifijt+aiTij,t∈0,Tij+1,j＝1,2,…,Ni其中，γi为环境因子，βi为递增故障率因子，ai为递推递减因子，对于γi、βi和ai，有γi1,βi1，0ai1；Ni为装卸设备i在生命周期内的预测性维护间隔次数，以为指标，判断是否需更换装卸设备i；1.2故障率演化函数参数拟合根据反映装卸设备i故障特征的三参数韦伯分布，进行故障率演化函数参数拟合： 1.3小修的影响记装卸设备i的第j个预测性维护间隔内发生的第k次小修的时长为假设在一次小修进行的过程中，不会有其他小修的情况发生，小修持续时间不重叠，即则考虑小修后的装卸设备i的第j个预测性维护间隔长度变为其累积故障风险函数为： 其中，Fijt为不考虑小修影响时的装卸设备i的第j个预测性维护间隔内的累积故障风险函数，n为该预测性维护间隔内t时刻已经发生的小修次数，Mij为小修进行的时间区间，表示为： 装卸设备i在第j个预测性维护间隔内t时刻发生的小修总时长记为当时，根据下式计算： 其中，为装卸设备i的第j个预测性维护间隔内发生的第k次小修时长；1.4设备级运维优化方案以装卸设备i从投入使用到更换的整个生命周期内的可用性ETAiHi0最大化为目标进行优化，其目标函数为： 其中，为装卸设备i在故障率阈值取Hi0时整个生命周期内的作业时长，为装卸设备i在故障率阈值取Hi0时整个生命周期内的维护时长，包含装卸设备i的预测性维护时长和小修时长；同时，Tij和Hi0之间存在映射关系： 求得装卸设备i的所有预测性维护间隔都取统一的故障率阈值情况下的Tij最优解，完成设备级的运维优化；2流程级运维优化基于可变时间窗，调整单次预测性维护时刻，并确定装卸作业流程中装卸设备的维护优先级，优化装卸作业流程的可用性；2.1基于可变时间窗的装卸设备预测性维护间隔长度时间阈记调整后的装卸设备i的第P个预测性维护间隔的长度为TiP，其对应的故障率阈值为HiP，HiP与TiP的对应关系为： 其中，TijHi0表示除第P个预测性维护间隔外的其他仍以Hi0为故障率阈值的预测性维护间隔长度；通过调整第P个预测性维护间隔长度为TiP，可得到装卸设备i生命周期内的可用性： 当满足ΔETAi≥0，TiP≥0，HiP≤1约束条件时，即可求得装卸设备i的预测性维护间隔长度时间阈，记为2.2基于约束理论的流程级运维优化方案干散货港口装卸作业流程的机会维护方法步骤为：Step1：针对干散货港口装卸作业系统的某一装卸作业流程，计算该流程中的装卸设备i的每个预测性维护间隔长度时间阈其中，I为该作业流程包含的装卸设备总数，Ni为装卸设备i在生命周期内的预测性维护间隔次数，将其作为机会维护方法的初始化输入；Step2：判断装卸设备i是否与其他装卸设备呈并联关系，如果不是，则转到Step4；否则，根据并联部分装卸设备的预测性维护时长的大小，对并联部分装卸设备进行优先级排序，越大，则优先级越高；Step3：当iNpi时，Npi为并联部分的装卸设备总数，重复Step3.1-3.4，否则转到Step4；Step3.1：确定装卸设备i的预测性维护停机区间及小修停机区间从而确定装卸设备i的实际停机区间Step3.2：确定装卸设备m＝i+1的初始预测性维护停机区间及小修停机区间从而确定装卸设备m的实际停机区间Step3.3：当无论如何调整均不为空集时，将装卸设备i与m处理为实际停机区间为的装卸设备i′，将i′优先级调至最低，考虑其对装卸作业流程ETA的影响；否则，将装卸设备i与m处理为一直工作的装卸设备i′，无需考虑其与其他装卸设备的串并联关系；Step3.4：考虑装卸设备i和装卸设备m共同提供的维护机会，判断下一台装卸设备；Step4：根据与装卸设备i呈串联关系的装卸设备的预测性维护时长的大小确定维护优先级，越大，则优先级越高，优先级编号越小；Step5：当iNsi时，重复Step5.1-5.4，否则转到Step6；Step5.1：确定装卸设备i的预测性维护停机区间及小修停机区间从而确定装卸设备i的实际停机区间Step5.2：确定装卸设备m＝i+1的初始预测性维护停机区间及小修停机区间从而确定装卸设备m的实际停机区间Step5.3：如果通过调整能够使得增大，则根据对Tmn进行调整，否则不对Tmn进行调整；Step5.4：考虑装卸设备i和装卸设备m共同提供的维护机会，判断下一台装卸设备；Step6：考虑并联部分的影响，根据运维优化模型目标函数计算整个装卸作业流程的可用性ETAF；3系统级运维优化考虑装卸作业流程间的相互影响，以及装卸作业系统调度的影响，对流程级运维优化方案进行修正，实现系统级运维优化；装船机联机作业对流程级运维优化方案的影响分为两种情况：第一种为借用相邻泊位的装卸作业线完成本泊位停靠船舶的其他装卸任务，对于本泊位和被借用装船机的原泊位的运维方案均无影响；第二种为借用相邻泊位的装卸作业线完成本泊位停靠船舶的同一装卸任务，本泊位出现冗余设备，使得原本的作业流程更加复杂，需采用系统级运维优化方法如下：Step1：以本泊位装卸任务的流程级运维方案、该装卸任务包含的每台设备的该装卸任务的当前状态，联机作业任务的持续时间，联机作业借用的装船机和与其相连设备组成的设备串的流程级运维方案、借用设备的以及借用设备串的当前状态，作为系统级运维优化方案的输入；Step2：识别本泊位装卸任务的流程级运维方案中与借用设备串呈并联关系的部分，将该部分等效为一台设备i′，确定其实际停机区间Step3：将借用设备组成的设备串等效为一台设备m′，确定其实际停机区间Step4：在借用设备串包含的设备的内进行调整，确定等效设备i′和等效设备m′并联后的实际停机区间，等效为一台新的设备；Step5：考虑等效后的设备与本泊位装卸任务的流程级运维方案中的其他设备，根据运维优化模型目标函数计算整个装卸作业流程的系统级可用性ETAF；对于被借用装船机的原泊位，由于作业线间的可达性约束的存在，对被借用装卸作业线的运维方案无影响。

全文数据：

权利要求：

百度查询： 大连理工大学 基于机会维护的干散货港口装卸作业系统运维优化方法