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:杭州电子科技大学
摘要:本发明公开了共享租赁设备个性化视情维护策略优化方法及系统,方法如下:S1,根据设备的历史传感器数据,构建用户群体的使用率分布函数;S2,使用泊松过程描述共享租赁场景中顾客主动更换设备的行为;S3,使用Gamma随机过程和AFT模型描述设备退化的特征;S4,确立预防性维护和纠正性维护的实施方法以及它们对设备退化过程的作用机制;S5,建立个性化状态检测方案;S6,依据更新理论获得设备长期运行条件下的平均费用率模型,通过蒙特卡洛仿真和网格搜索求解模型,获得视情维护策略优化方案。本发明实现了设备维护策略的个性化定制,能够根据不同设备的实际使用情况动态调整维护时机和方式,提高了维护活动与设备实际状态的匹配度。
主权项:1.共享租赁设备个性化视情维护策略优化方法,其特征在于,包括如下步骤:S1,根据共享租赁设备的历史传感器数据,构建用户群体的使用率分布函数;S2,使用泊松过程描述共享租赁场景中顾客主动更换设备的行为;S3,使用Gamma随机过程和AFT模型描述设备退化的特征,确定维护策略对共享租赁设备退化过程的作用机制;S4,建立个性化状态检测方案;S5,确立预防性维护和纠正性维护策略的实施方法;S6,依据更新理论获得共享租赁设备长期运行条件下的平均费用率模型,通过蒙特卡洛仿真和网格搜索求解模型,获得视情维护策略优化方案;步骤S2包括如下步骤:S21,收集共享租赁设备的历史数据,包括顾客更换设备的频率和时间信息;S22,基于历史使用时间数据,构建泊松过程模型,具体为:使用强度参数为λj的齐次泊松过程{Mt,t≥0}模拟顾客在共享租赁场景中主动更换设备的随机性;使用Mt表示在时间区间0,t]上设备换手的总次数,对于任意大于0的时刻t来说,Mt是一个非负随机变量,服从参数为λjt的泊松分布,概率分布函数为: 其中,m是大于等于0的整数;不同顾客的更换强度λj跟其使用率Uj的关系为: 其中,泊松过程的参数λ0表示在名义使用率U0下单位时间内顾客更换设备的平均次数;S23,对步骤S22中的泊松过程模型进行参数估计;步骤S3包括如下步骤:S31,设备在时间t的状态用一个随机变量Xt来描述,通过分析Gamma过程的相关性质,结合收集到的设备性能数据,用Gamma过程表示设备退化过程Xt的合理性;设在名义使用率U0下,若没有维护措施,对于所有0≤h≤t,增量Xt-Xh服从具有尺度参数β和形状参数α0t-h的伽马分布,β>0,Gamma退化过程的形状参数和尺度参数根据设备退化过程的性能数据使用参数估计进行确定;S32,根据设备的维护历史记录和顾客使用率数据,构建AFT模型描述设备退化特征与维护措施、设备使用率之间的关系;维护措施包括预防性维护措施和纠正性维护措施;预防性维护措施包括完美预防性维护和不完美预防性维护;完美预防性维护将设备恢复到崭新的理想状态;不完美预防性维护将设备恢复到良好如新和不良如旧之间的更好状态;纠正性维护是在设备发生故障后进行的,用于处理设备故障并恢复设备性能到崭新状态;在所述维护措施的情况下,设备的退化特征将受到影响,具体如下:各种维护措施对设备的退化速度有影响,随着对设备进行不完美预防性维护的次数的增加,设备退化速度加快,设νk是设备在第k次不完美预防性维护动作后设备的平均退化速度,其中k表示连续不完美预防性维护的次数,k=1,2,...,N,不完美预防性维护对设备退化速度的影响用非负连续随机变量òk来描述,对应的密度概率分布为hòk,第k次不完美预防性维护动作后,设备的平均退化速度变为νk=νk-1+òk,第k次不完美预防性维护动作后,设备退化过程的形状参数为αk=νkβ,若维护动作是完美预防性维护或纠正性维护,设备的平均退化速度被重置为ν0=α0β;各种维护措施对设备的退化水平有影响,不完美预防性维护后设备从维护前的退化状态恢复至一个非0的随机状态,设定不完美预防性维护对设备性能的影响用随机改进因子ρ来表征;如果在检查时间Ti检测设备状态为XTi,此时执行第k个不完美预防性维护动作,k=1,2,...,N,设备的关键性能水平变为Xk=1-ρkXTi,不同改进因子间独立同分布,设定其概率密度函数为pρ,且改进因子ρ∈0,1],ρ的概率密度函数通过收集设备的维护记录,选择不同的函数做拟合,并使用参数估计进行确定;完美预防性维护或纠正性维护后,设备退化水平变为0,即恢复至全新状态;S33,对步骤S31所述Gamma过程和步骤S32中的AFT模型进行参数估计;S34,针对步骤S32所述的不完美预防性维护对设备退化过程的影响中,涉及的随机变量的概率密度函数,通过极大似然估计方法进行估计;在步骤S32中,所述设备使用率影响设备的退化速度,当设备以高使用率运行时,退化的速度将加快,在模拟设备退化时考虑使用率,具体如下:设是考虑连续k次不完美预防性维护行为和使用率对设备退化的影响后得出的设备退化过程的形状参数,则其中表示AFT因子,是使用率Uj和使用加速因子θθ≥1的函数,对于所有0≤h≤t,增量Xt-Xh服从具有尺度参数β和形状参数的Gamma分布: 其中,I{Δx≥0}是指示函数,若Δx≥0,则I{Δx≥0}=1,否则为0;步骤S4包括如下步骤:S41,根据使用者信息确定设备剩余使用寿命分布函数,设定设备剩余使用寿命分布的Q分位数对应的数值为下一次计划检测间隔期,Q为性能风险阈值,是一个有待决策的量;S42,根据使用者随机更换设备的时间动态调整检测时间,若使用者在原计划的下一次检测时刻前归还设备或下一次检测时正好归还设备,此时就提前或正好进行检测,再按下一位使用者的使用率情况制定下一次检测时间;若使用者在下一次检测前未归还设备,此时就不提前进行检测,下一次检测的时间仍然为原计划的检测时间,根据原计划检测时间检测之后基于当前使用者情况继续制定下一次检测时间;步骤S41还包括如下步骤:剩余使用寿命RUL定义为设备在当前t时刻状态为Xt,到状态退化至低于性能保证阈值lp时,剩余工作时间: 设Ti表示设备第i次被检查的时刻,对应的设备退化等级为ni表示第i次检查并执行维护决策后已连续不完美预防性维护的累积次数;下一次检查时间表示为: 其中,为RUL的累积分布函数,是RUL分布的Q分位数: Γs,w为不完全Gamma函数,对于一元一次方程使用二分法求解未知数ΔT的值,ΔT是下一次计划检测间隔期;步骤S5包括如下步骤:S51,确定设备的性能保证阈值lp,当设备的退化水平超过预先指定的性能保障阈值lp时,设备性能损失严重;S52,检测到设备的退化水平大于等于预防性维护阈值但小于性能保证阈值即lpm≤Xt<lp,需要进行预防性维护,lpm是一个有待决策的量,预防性维护首选非完美预防性维护,随着不完美预防性维护次数的增多,设备的退化速率会逐渐加快,规定连续进行N次不完美预防性维护后,在进行第N+1次预防性维护时,才采用完美预防性维护;N为不完美维护次数阈值,它是一个有待决策的量;S53,当检测到设备的退化水平大于等于预先指定的性能保障阈值即lp≤Xt,设备性能损失严重,进行纠正性维护;步骤S6包括如下步骤:S61,将设备在一个生命周期内因维护活动而产生的费用,通过随机变量的期望值来获得最终的平均费用率模型;计算设备在设定期限内运行下平均费用率所涉及到的成本包括总检测成本、总预防性维护成本、总纠正性维护成本和总性能违约成本,Ci、Ccm、Cppm分别是单次检测成本、单次纠正性维护成本和单次完美预防性维护成本,Cd为超出性能保证阈值后继续运行的单位时间惩罚费用;不完美预防性维护成本被建模为改进因子的函数,每次进行IPM的成本定义为: 第k个IPM的改进因子为ρk,k为自然数,δ是非负实数,Cipm,0是在不完美预防性维护措施下,设备的性能退化水平降至0时的IPM成本;S62,设定设备的运行时间是无限的,根据基本更新理论得知设备在无限时间内运行的平均费用率等于设备一个生命周期内的平均费用率,设Nipmt、Nppmt、Ncmt、Nit、dt分别为[0,t]内总的IPM次数、PPM次数、CM次数、检查次数、超出性能保证阈值继续运行的总时间,则设备运行至t时刻的总维护费用为: 使用长期期望维护成本率作为标准,通过最小化长期运行平均费用率,最终确定最优决策变量lpm、N、Q的值,使用更新理论得到单位时间的长期预期维护成本为: L表示设备的生命周期长度,将连续两次更换设备至全新状态直接的时间定为一个生命周期,E[L]表示设备生命周期的数学期望,E[CLlpm,N,Q]为设备一个生命周期内总维护费用的数学期望;S63,设定蒙特卡洛仿真的仿真次数Dmax,采用蒙特卡洛仿真的方式对于每组决策变量都近似求解出其对应的平均费用率;S64,基于网格搜索方法,在设定的参数范围内按步长lpm_step、Nstep、Qstep搜索最优的维护策略,获得视情维护策略的最优方案,包括预防性维护阈值、不完美维护次数阈值以及性能风险阈值。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 共享租赁设备个性化视情维护策略优化方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。