文摘
修理级别和备件库存决策问题,一般度量类型方法和维修水平分析(罗拉)单独使用。在实际工程中,大规模系统的维修水平通常是根据失效模式判断。判断的方法修复级别的维修成功率已不再适用。在多个大型系统的失效模式,考虑到系统可用性的要求,我们建立一个备件库存决策和服务物流成本优化模型two-echelon服务的物流系统。针对备件库存分配问题由多个失效模式,我们改善迭代贪婪启发式算法寻找全局最优库存分配策略。最后,通过对典型实例的分析,验证模型和算法的正确性和有效性。multifailure模式备件库存分配策略的影响可用性和服务物流成本进行了分析。研究结果有助于简化系统的支持工程设计过程工程师和有一定的理论意义和应用价值。
1。介绍
大规模系统可以分离或分解为多个相互关联的子系统或模块。每个子系统都包含各种组件,由相同的约束或控制目标来完成特定的任务。因此,任何组件的故障会导致系统故障(1,2]。大量的组件意味着合理服务物流战略应该开发以满足零件的可用性和经济服务的物流系统(3]。
在经济方面,由于复杂大规模系统的操作环境,建立维修中心统一的资源分配和修复失败的单位可以节省大量成本相比,现场维护(4]。在可用性方面,现场维护可以节省交通等待时间失败的单位和提高系统可用性(5]。因此,服务物流战略的目的是平衡维护级别之间的关系,备件库存分配,服务物流成本的约束下系统可用性。
服务的度量模型是最常用的物流策略。“雁行”使用的原始指标模型代表不同类型的仓库的水平(6]。杀(7开发VAR-METRIC模型,假设平均修复的组件数量等于负二项分布的方差。格雷夫斯(8探索相同的分布,阐述近似和准确的方法multiechelon single-indenture情况。在此基础上,文献[9)提供了一种精确的方法来评估multiechelon服务物流系统。因此,VAR-METRIC学者所使用的模型是最常见的方法来解决备件库存分配问题。
修复的水平分析(罗拉)是一种输入VAR-METRIC模型的参数决定解决备件库存分配,并用于确定备件维修的位置(10]。福克纳(11)是第一个学者提到联合优化备件库存决策和修复在他的论文。执行罗拉首先然后备件采购决策分析,序列的方法,可能会导致一个不是最优的解决办法。巴斯滕(12)提出了一个集成的算法为two-echelon找到最优解的问题。他使用高效的点在曲线上的成本与预期的缺货订单数量代表最优解决方案。在此基础上,他提出了一个迭代算法来解决共同问题的罗拉和2015年备件库存决策。基本思想是首先解决罗拉决定,然后使用VARI-METRIC模型解决备件库存决策问题,最后使用VARI-METRIC结果添加估计持有成本的罗拉输入和开始第二个迭代(10]。然而,上述研究假设组件失败是单个失效模式。
大规模系统有大量的组件,导致大量复杂的失效机制。也就是说,不同的失效模式有不同程度的影响系统[13]。定义或区分这些失效模式,许多学者将选择故障模式分析失效机理,故障影响,失败率,或其他参数(14]。失效模式分析是系统可用性的一个重要工作项分析,它是可维护性的基础分析,安全分析,可测试性分析、以及可支持性分析(15]。因此,在制定LRU维护级别,备件库存决策策略,应该首先做失效模式分析的重要组成部分。
引入多个失效模式将改变度量和罗拉的联合优化模型。不同的雁行仓库需要不同类型的备件。因此,一个新的two-echelon服务物流成本优化模型对大规模系统构建。我们改善迭代贪婪启发式算法基于文献[10]。最后,验证模型和算法的正确性和有效性的一个实际的工程案例。备件库存分配决策的关键影响因素和系统可用性。本研究具有一定的理论和应用价值的优化服务物流战略。
2。模型描述
本节描述的特点两级大型操作系统支持系统。根据目前的研究,我们认为多个失效模式对系统操作的影响结果,对支持系统的维护策略的影响。它提供了一个理论基础建设的备件库存决策优化模型。
2.1。系统描述
根据图的层次结构1,提出了一种大规模的操作系统与多个失效模式。该系统包含k相同的各个子系统,每个子系统组成我(我= 1,2、3、…)系列组件。LRU我子系统的重要组成部分。在失败的情况下,它可以修理维护网站的支持系统。
大规模系统的结构是复杂的,和LRU往往有多种失效模式FMi、n(n= 1,2、3、…)16- - - - - -18]。
子系统的关键组件是多方面的,包括电子、机械和光学组件。单个失效模式不能满足系统可用性分析的要求。目前,学者们通常使用三种分类方法:失败组件的影响,故障维修策略的影响,和操作系统故障的影响。第一种故障分为退化函数失败,失功衰竭,部分函数失败,间歇函数失败,失败和意想不到的功能19,20.]。第二种类型的失败分为维护和nonmaintainable失败(21]。第三类故障分为硬故障和软故障(22- - - - - -24]。
考虑到我们的优化模型是一个服务物流模型,我们更加注意备件储存决定策略的影响系统操作的结果。因此,选择第三种类型的分类方法。软故障通常会造成系统生产减少或劣质的性能,而系统保持功能;硬故障可能导致系统故障,例如,服务物流模型的一个海上风电场在文献[5]。根据维修的困难造成的海洋环境和涡轮机故障对系统的影响,硬故障和软故障分类方法用于制定维修策略不同的失效模式。
具体来说,我们把突然失效模式如断路、短路,硬故障和影响,这将导致系统的瞬时损失函数。我们把穿、老化、疲劳、软故障和其他退化失效模式,降低了系统的关键性能。根据上述分析,大型操作系统在本研究的基本假设如下:(1)LRU我(我= 1,2、3、…)是相互独立的,对备件的需求遵循泊松分布。(2)系统故障会引起一个LRU最多。多个故障同时发生的不考虑。(3)当有故障维修的备件短缺网站,系统停止,系统可用性降低。(4)所有lru的重要性是一样的,最重要的并不是考虑维护。(5)故障诊断时间和备件更换时间被忽略。(6)每一个LRU有多个失效模式FMi,n(n= 1、2、3、…)。失效模式是互相排斥的;即同时发生的多个失效模式是不考虑。(7)失效模式分为硬故障和软故障。
2.2。Two-Echelon服务物流系统描述
当操作系统失败时,相应的备件应立即更换失败,和删除失败的备件应发送到维修现场修复(17]。修复的水平分析(罗拉),通常会导致昂贵的资源成本维护网络的修复工作上游,而昂贵的运输成本会导致下游修复工作接近安装基地。因此,零部件与本地廉价资源通常被修复,而备件需要昂贵的资源应该修理密集(16]。
考虑到困难的失败主要是由于过载,瞬时的影响,和电子故障,它假定“基地”网站服务的物流系统可以完全修复这个故障模式。然而,软故障需要再加工和组装。在这种情况下,维护活动是昂贵的部署的复杂操作环境基础上的网站。因此,我们假定软没有备件发送到仓库高品位维护网站”。“在这项研究中,考虑多个失效模式的目的是解决问题的选择多个备件类型维护的位置,这可以弥补备件分配问题,罗拉只能解决单个失效模式。利用故障模式特征来确定更适合实际工程的维修水平。
在不同的维修维护活动地点是不同的。我们认为two-echelon服务物流系统。这个系统的可用性取决于任何一个维护网站提供的可用性(17),其结构如图2。
在每个网站维护服务的物流系统,维修资源,比如维修工具,维修人员,支持设备配置为启用它来处理不同的失效模式。基地通常设置网站的操作系统。在失败的情况下,如果备件长袜的基础,应当提取并立即更换备件恢复系统可用性。如果备件的库存,会将订单发给仓库,一个(年代−1年代)补给策略制定(12,17]。
失败的维修备件需要检查来确定失效模式和相关的维护活动:LRU与硬故障修理基地,在仓库和LRU软故障修理。仓库可以被视为一个仓库与无限的能力。然而,由于成本控制,我们还需要优化的lru存储在维护网站。当失败的备件修理得宝,它将重新发送给源基地16]。
根据上述分析,two-echelon服务物流系统的基本假设如下:(1)维护网站维护的能力来处理相应的失效模式;即丢弃的决定是不考虑(2)硬故障应修理基地,和软故障只能修理仓库(3)基地和仓库处理不同的失败,他们是不同的资源分配和维护困难,失败的修复时间是独立的(4)维护策略选择完美的维护;也就是说,LRU修理像新的一样(5)之间不存在横向转口的位置在同一梯队水平或紧急出口的位置在一个更高的阶梯水平(6)非自耗的维修资源,可以重用
故障模式分类的目的是区分类型的备件。不同失效模式下,LRU需要不同类型的零件,不同的维护困难,和维护的位置。研究中的优化模型也适用于其他故障模式分类方法。只要可以确定故障模式特点,维护级别问题可以解决根据备件的维修需求。
3所示。Two-Echelon服务物流成本优化模型
该优化模型构建的目的是找到备件库存分配策略,使服务物流成本最优条件下的会议系统可用性的要求。我们改善罗拉和公制联合模型,并设计一种新的迭代算法。模型变量如表所示1。
3.1。备件储存决策的数学模型
一般来说,度量模型中定义一个变量代表维护网站的维护功能,代表成功的修复的概率在 。这种方法适用于单一失效模式的情况下。对于多个失效模式,维护级别应提前确定,这样每个维护点有足够的容量来处理当前的失败。这个想法不仅可以阐明不同的维修站点的资源分配也是提高系统可用性管理的效率。
本文选择服务的可用性物流系统的指数来衡量备件长袜的有效性决定(25]。备件库存持有成本two-echelon服务的物流系统优化模型如下:
方程(1)表明,最优备件储存储存成本应该满足可用性需求 。
当没有LRU替换备件仓库的维护网站,LRU将进入短缺状态,这将导致的关闭操作系统和系统可用性的下降。可用性和缺乏维护风格之间的关系如下(26]: 在哪里装配的数量吗在 。
因为任何LRU的失败将导致系统关机,可以认为LRU的系列结构。物流系统的可用性服务产品的所有维护网站的可用性:
取对数的左右(3)获得
方程(4)可以简化使用等价无穷小的原则。因为 和 ,找到系统可用性的最大价值相当于找到袜子短缺的最小值。因此,解决方案的可用性转化为库存短缺的解决方案,最后的解决方案服务的备件库存决策系统(27]。
公祭活动代表lru的袜子水平预期短缺当服务系统 。公祭活动可以表示为 在哪里中间变量的优化模型。它代表lru的平均数量在维护状态。维护活动后,又可以提供给系统作为存储新的备件。根据棕榈定理,当LRU与平均值需求服从泊松过程和平均修复时间T的稳态概率分布服从泊松分布的平均值T(26]。这意味着
设定的数量失败在一个单一的周期 。检查后,硬故障设置的数量 ,和软故障设置的数量 。他们的关系可以表示如下:
在多个失效模式的情况下,预期的短缺也应该分为仓库预计短缺和基本预期短缺 。
自从在软失效模式是修复失败的备件仓库,在仓库修理的零件数量
带(8)(5),预计在仓库短缺 在哪里是一个stocking-related变量。当操作系统失败时,补给请求发送到第一次的基础。如果备件的基础是短暂的,请求将被发送到仓库。由于订购和运输时间 ,备件的数量在修复的基础应该考虑交通备件:
在修复的零件数量在基地
零件在运输的数量应该考虑两种情况:(1)当仓库备件长袜,备件修复下的数量送到仓库数量: (2)当仓库的备件,备件应发送回基地修理后仓库。备件的平均数量等待维护等于预期的短缺: 在哪里 ,这表明的比例发送的基础j。基于上述分析,下备件维修的数量可以表示为一个周期
因此,预期短缺的基础是一个变量相关的库存水平和预期短缺得宝:
3.2。物流成本的数学模型服务
服务的物流成本包括备件库存持有成本以及维护成本和资源配置成本。一般来说,维护成本和资源配置中定义的成本往往是罗拉决策优化模型。如果多个失效模式被认为是在服务决策,我们发现的步骤迭代罗拉模型输入变量可以简化。
维护服务决策通常包括两种决策:现场维修或修理。决策成本可以表示为 , 。资源配置成本可以表示为 。
在单一故障模型的情况下,维修服务决策和资源分配决策选择的方法反复迭代所有维修站点的可能性。在多个失效模式的情况下,我们认为,不同级别的维修站点服务不同的失效模式和配置不同的资源。因此,罗拉决策模型可以简化为
3.3。备件储存决定策略的数学模型和服务物流成本
结合(1)和(16),我们可以获得备件采购决策策略和服务物流成本优化模型:
文献[12设计一个算法的分割和列举一个接一个地解决two-echelon备件采购决策模型。作者代表组件和维修资源之间的关系与一个特殊的图,顶点的代表资源和优势代表组件。深度优先搜索算法找到最优解。该算法的优点是直观且容易理解,但缺点是它需要枚举一个接一个,和计算的数量是巨大的。因此,有必要找到一个新的算法来求解该模型。
当解决备件库存持有成本最低,贪婪启发式算法是常用的28]。的作者(10)提出了一个近似法求解联合优化,迭代算法,但是他们没有提及备件袜决策优化,使得迭代算法难以解决模型。因此,我们改善迭代贪婪启发式算法(23求解优化模型,如图3。
贪婪启发式算法通常用于决策可修系统的备件库存。该算法可以实现快速搜索,但只能找到局部最优解。迭代法通常用于联合维护级别和备件配置优化策略。该算法通过迭代遍历整个世界一个接一个,但它需要很长时间。结合以上两种方法的优点,一个迭代的贪婪启发式算法在本研究开发的。通过迭代备件储存,所有的备件分配策略的局部最优解计算找到全局最优解。
算法侧重于平衡备件分配和成本。根据VAR-METRIC理论(26),我们使用边际分析方法来设置初始备件1的长袜,增加一个袜子一步一步直到可用性实现的目标,然后结束算法。当算法得到几组基础和得宝长袜的组合,我们选择最优组合来保证系统的成本。步骤1:设置 ; 。 表示迭代次数。 表明最初的长袜的基地和仓库是1。第二步:设置 ; 。 是边际基因的能力。它认为的边际效益将一个条目添加到袜子(15]。步骤3:选择最好的价值 。增加一个单位的长袜我在网站j。第四步:计算实际的可用性: ,k=k+ 1,进入步骤2; ,停止计算。第五步:调整袜子参数和输入服务物流成本优化模型。
迭代过程将产生多套备件库存分配策略的组合,和计算时将停止计算可用性大于目标可用性,这是局部最优解的组合。在这项研究中,所有组合都是提取的局部最优解,并计算成本。可以找到全局最优解的局部最优解。
一般来说,迭代算法可以停止时,可用性满足目标首次可用性。这时,服务物流成本最优成本。为了能够遍历全局最优解,迭代停止当袜增加LRU组件的数量 。
4所示。数值实验
4.1。优化计算
在本节中,大型激光装置的能源系统为例来验证模型和算法的有效性。能源系统包括96均匀能量模块。每个模块包括三个关键lru:控制通信模块 ,气体开关模块 ,和触发模块 。由于不同的任务完成这三个lru,他们被分配到三个不同的基地网站和由相同的仓库管理站点,如图4。
这三个lru随机将失败。大规模的系统维护策略的研究中,文献[29日)被认为是失败的影响在系统任务的延迟时间失效模式的区别。在本例中,当区分硬故障和软故障,我们也考虑对系统任务失败的影响效果。我们属性故障导致系统任务取消软故障和失败,继续执行任务通过修复网站底部努力失败。具体的故障数据如表所示2。
与软故障相比,硬故障不影响系统的任务结果和维护困难。因此,维护资源成本的努力失败是低于软故障。软故障集中维护的优点是减少操作环境配置的难度和成本。确保任务的执行,大规模系统备件的可用性有很高的要求。我们在0.98设置最低可用性要求。的具体参数和设置成本优化模型如表所示3。
备件袜决定成本、维护成本、成本和资源分配得宝不是可比较的基础。我们假设两个阶层之间的运输成本是相同的,和维护资源和组件有一个一对一的关系维护。具体维护参数如表所示4。
根据迭代的贪婪启发式算法,我们设置初始库存分配决定:基地(1,1,1)仓库(1 1 1)。计算可用性显然不符合要求。在迭代过程中,我们可以得到多组备件库存分配组合。资源有限的约束下,每个组合的保证可用性计算结果如表所示5。
提取三组袜决策表5成本和计算服务系统通过使用公式(17),分别。结果如表所示6。
我们得到最优成本是214.7∗106元,和最优袜分配决策是基地(3、4、4)仓库(1,1,2)。优化结果符合迭代贪婪启发式算法的概念。也就是说,实际可用性满足最低要求时,袜子分配决策是最佳的决策。由于简化优化模型,备件库存是唯一的变量参数,和最优库存分配决策保证物流成本最优的服务。将多个失效模式引入联合备件库存决策和维修优化模型可以简化优化过程,使优化结果更直观和容易理解。
结合表中的结果4和5,可以发现,当仓库储存水平(1,1,1),无论多少次基袜迭代,它不能满足系统可用性的要求。这是因为袜子的仓库系统可用性起着决定性的作用。我们分析仓库储存水平和系统可用性之间的关系在接下来的部分。
4.2。仓库储存水平系统可用性之间的关系
我们选择的数据表4并设置水平轴的总库存水平年代得宝和基地。纵轴表示系统可用性,如图5。
显然,库存水平的提高来提高系统的可用性是很重要的。特别是,增加袜子的显著提高了可用性。
因为有最多的软故障,它是最难以修复。将考虑的优化模型作为一个关键因素影响决策。我们也可以分析三个lru的重要性在不同的可用性需求。
4.3。lru的重要性分析
在不同的可用性需求,最优分配决策如图6。
可以看出,在改善可用性需求的过程中,的比例永远是最高的。和的比值永远是最低的。相比之下, , 是最低的因素公祭活动在仓库。因此,袜子的最低比例分配。
在较低的可用性需求阶段(0.80∼0.93),长袜的比率是一样的 。在更高的可用性需求阶段(0.93∼0.99)的影响在优化决策是减少。这意味着,随着提高可用性的难度增加,资源配置集中于最困难的部分修复。
从上面的分析,可以看出,(1)长袜的仓库中起着决定性的作用在确保系统的可用性;(2)最高的LRU失败率最高影响袜分配决策。为了提高系统可用性,修复时间也是一个不容忽视的关键因素。
4.4。修复时间影响分析
我们减少仓库修理时间和基本维修时间,分别。上述优化结果是相对地迭代。袜子分配决策的可用性的变化如表所示7。
很明显,减少仓库修理时间可以显著改善物流系统服务的可用性。此时,袜子分配决策是基地(3、4、4)仓库(1 1 1)。根据计算,服务物流成本这一决定是206.7∗106元,储蓄106∗元。然而,基地维修时间的减少对优化结果几乎没有影响,只显示了可用性略有提高。从这个角度来看,仓库修理时间是一个关键因素,可能会影响系统的可用性和服务的物流成本。
减少仓库修理时间可以节省大量服务物流成本。然而,如果仓库的维护能力和长袜资源有限,提高系统可用性需要考虑面对失败模式。即软故障备件分配在基地的网站。
4.5。面对失败模式
结合表4和图5袜子时,我们发现仓库的水平(1,1,1),无论如何增加袜子的基地,服务物流系统的可用性永远不会满足可用性的最低要求。
面对失效模式是必需的。
我们考虑前面的绝缘性能下降和“试点管性能下降”进入基地的网站。影响操作系统的任务从“取消”变为“延迟时间。“修复时间、备件袜决定成本,和其他参数应该相应改变。面对失效模式将增加资源配置的成本,提高备件的分类维护点,底部和重新分配参数优化模型。具体数据如表所示8。
优化后,库存分配策略是基地(3,3,4)仓库(1,1,1),可用性是0.9803,和服务物流成本是230.9∗106元。因此,如果维护能力基本可以应付的软故障模式,然后服务物流系统的可用性将大大提高。
总之,得宝修复时间和基本维护能力是关键影响因素服务物流系统。减少仓库修理时间可以节省服务物流成本;改善基本维护能力可以提高系统的可用性。
5。结论
在本文中,我们建立一个two-echelon服务大规模系统的物流成本优化模型。考虑备件袜上的多个失效模式的影响决定,联合优化模型是简化备件库存决策和维修水平。迭代贪婪启发式算法提高了找到全局最优解的库存分配策略。最后,验证了模型和算法的有效性通过一个实际的工程案例。
本文的贡献和创新如下:(1)多个失效模式引入联合优化模型,从根本上简化罗拉决策和降低服务物流成本优化的计算过程。(2)改进的迭代贪婪启发式算法可以有效地遍历全局最优的解决方案。(3)仓库库存水平起着决定性的作用在确保系统可用性,和最高的LRU失败率最高影响袜分配决策。(4)仓库修理时间和基本维护能力是关键影响因素服务物流系统。减少仓库修理时间可以节省成本;改善基本维护能力可以提高系统的可用性。
进一步改善,多个失效模式会导致丢弃的风险。软故障的维修策略可以选择不完美的修复。multiechelon服务物流系统有一个潜在的长袜。阶层的增加将导致增加袜子迭代组合和算法的复杂性。它可以通过一种改进的遗传算法来解决30.,31日和蚁群算法32]。相关资产管理生命周期成本应考虑维护决策和备件库存决策管理。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。