文摘

生产线的维护变得越来越重要的发展要求更高的运行效率和安全的工业体系。然而,生产线经常运行在动态运行和环境条件和生产调度也是一个非常重要的因素的维护生产线。首先,本文提出了一个集成的数据驱动的模型坐标维护规划决策与生产调度决策解决问题的调度和维护计划并串联生产线。退化信息被认为是和总成本最小化在拟议的模型。此外,与生产过程相关的总成本和维护考虑设备的可靠性。然后,为了更好地描述生产之间的关系和维护,设备的累计处理时间函数作为输入的失败。同时,能力因素是发达国家控制采用预防性维修的降低水平。最后,用案例研究证明该模型的实现和应用前景。长期磨损试验进行的实验是在一个研究实验室设备上海Pangyuan机械有限公司有限公司的结果证明了该方法是可行的和有效的解决共同决策问题并串联生产线multivariety和小批量生产。本文提出的模型适用于半导体制造业。

1。介绍

生产调度和维护计划是最常见的和制造业面临的重大问题1- - - - - -5]。生产调度问题通常涉及的分配工作或操作机器,而维护操作进行保留一个系统或恢复到一个可接受的操作条件。尽管两个活动之间的权衡,他们通常是计划和执行在实际制造设置独立即使制造业生产力可以提高通过优化生产调度和维护同时规划决策。

在实际生产线,一台机器可能会失败由于其降解和用法。随之而来的修理和更换将会使机器不可用,障碍生产调度。因此,如何安排维修计划保持机器在良好的操作条件和高可靠性,进一步使生产调度基于维护已成为制造业的成就的一个至关重要的问题6- - - - - -10]。

并串联生产线,单台机器的可用性问题抓住了日益增长的兴趣在各种各样的领域(11- - - - - -14]。锅等。15)提出了一个调度模型为单机系统将生产调度和机器维护,以最大化机器的可用性。提出了一种启发式算法来优化生产调度的集成模型和点16]。随后,通过考虑multiresources联合生产调度问题的方法,提出了预防性维修(17),证明了其有效性。这个模型已被用于一个可修系统(18),和一种改进的遗传算法用于解决共同问题为单个机器,和共同决策政策可以获得更好的结果比独立的政策19]。其他领域的应用问题,包括生产和组装生产线,通信和雷达系统,信号处理,和监视,讨论Mirabedini et al。20.,21]。

大多数维护调度(MS)问题出现在文献中涉及到一个相当简单的维护计划,和联合优化的多个设备系统可以更加复杂。Berrichi et al。22开发并行系统的问题和使用蚁群算法来解决这个问题。此外,Moradi et al。23]研究了柔性作业车间问题和综合生产调度和固定间隔预防性维护。一个动态的多组分系统的预防性维护是集成到一个生产调度24]。一种改进的基于混合编码的遗传算法用于解决该集成模型(25]。他们制定一个马尔可夫决策过程模型来确定维护计划和发展充分条件保证其单调性在两个机器条件和需求26,27]。提出了一种多目标方法并行机器允许决策者之间找到妥协方案生产调度和维护计划:最小化最大完工时间和总维护成本(28,29日]。张(30.)提出了一个面向服务的动态多级预见性维护分组策略。燕et al。31日)提出了一个联合优化方法对缓冲库存控制和预防性维护检查间隔。Celen和Djurdjanovic32)提出了一种基于部分可观测马尔可夫决策过程的决策方法来处理维护和生产业务之间的相互作用在柔性制造系统(fms)。与multivariety并串联生产线和小批量生产,吴et al。33)考虑联合生产和维护调度multiproduct批化学工厂的工业案例研究。李(34)优化产品的设置时间来达到改善的目的multiproduct生产系统的时间效率的世界工厂。夏et al。35)开发了一个舰队维护成本储蓄(设施)政策优化要投机取巧的维护和有效地减少总维护成本。

在本文中,我们开发一个集成的数据驱动的模型将生产调度和维护计划并串联生产线multivariety和小批量生产。现有文献往往忽略了生产调度机器退化的影响,只有少数研究人员研究了处理时间模型基于机器的使用。然而,机器的使用不能描述其真正的健康状况。因此,论文的动机和贡献包括处理时间可以改善模型,综合考虑调度数学模型和维护提出,并串联生产线multivariety和小批量生产。在本文中,首先,机器的退化信息集成到基于威布尔分布模型。共同目标函数考虑生产成本,维护成本,小修费用意想不到的失败,和重置成本。其次,为了更好地描述生产之间的关系和维护,设备的累计处理时间作为失败的输入函数,失败率是影响维护计划的直接因素。规划的输出将直接影响设备的累计处理时间,然后影响设备的故障函数。此外,每个周期的实际最大可用的处理时间等于最大可用处理时间减去维修时间。然后,为了更好地描述维修效果,累计处理时间的设备被描述为一个索引来反映维护的效果。 The maintenance effect can partly reduce the accumulative processing time. Moreover, an ability factor is developed to control its reduced level by adopting preventive maintenance and the replacement can reduce the accumulative processing time to 0. Finally, a case study demonstrates the potential applications of the proposed model. The optimal maintenance planning and assignment of each job can be obtained. By comparing these solutions with the results obtained from conducting the preventive maintenance planning and job scheduling problems independently, the result indicates that the proposed method is feasible and efficient to solve the joint decision-making problem for a parallel-series production line with multivariety and small batch production.

本文组织如下。部分2描述了提出模型的参数。部分3专注于数据驱动的发展并串联生产线的生产调度方法。部分4专注于数据驱动的开发维护并串联生产线的规划方法。部分5介绍了联合优化数据驱动模型的生产调度和维修计划并串联生产线multivariety和小批量生产。介绍了一个算例部分6,一些结果进行了讨论。部分7从这个工作吸引了一些结论。

2。符号

本文描述的参数如下:N:在规划期间生产周期的数量K:类型的产品米:在生产线设备的数量 :最大可用的处理时间的一个生产周期 :设置产品成本k,k= 1,2,…K :产品生产成本k单位,k= 1,2,…K :存货成本的产品k单位,k= 1,2,…K :处理时间的产品k,k= 1,2,…K :库存的k结束的时候我th周期,k= 1,2,…K和我= 1,2,…N :的需求k在我th周期,k= 1,2,…K和我= 1,2,…N :修复成本准备一次 :设备的预防性维护成本j有一次,j= 1,2,…米 :重置成本的设备j有一次,j= 1,2,…米 :小修设备的成本j有一次,j= 1,2,…米 :预期失败的设备的数量j发生在我th周期,我= 1,2,…N和j= 1,2,…米 :累计处理时间的设备j从最初的使用时间的结束我th周期,我= 1,2,…N和j= 1,2,…米 :设备的故障率函数j在最大生产能力下,j= 1,2,…米 :预防性维修时间 :更换设备, :能力因素的预防性维护,它反映了设备的累积能力减少处理时间j通过预防性维护,j= 1,2,…米 :设备的故障率函数j在我th周期和它与累计处理时间相关的设备j和最大可用的处理时间,我= 1,2,…N和j= 1,2,…米变量: :规划产品的输出k在我th周期, :二进制变量( 如果k是生产的我th周期;否则, ),k= 1,2,…K和我= 1,2,…N :二进制变量,执行预防性维护操作设备j开始时我th周期,我= 1,2,…N和j= 1,2,…米 :二进制变量,进行替换操作设备j开始时我th周期,我= 1,2,…N和j= 1,2,…米 :生产总成本 :总维护成本 :总成本

3所示。生产调度模型

并串联生产线,生产K产品,规划期组成的N生产周期。假设每个产品的需求 在每个生产周期的开始;可以通过订单或市场预测。生产线将生成一个生产准备成本为每个生产周期。企业生产线启动后完成所有要求。然而,可以积累库存生产大量的产品,这将导致更大的库存成本和产生更大的危害生产线。因此,最优生产数量 在每个生产周期可以通过使用生产调度模型约束的生产能力。它可以满足每个产品的需求在每个周期的开始,平衡生产准备成本和库存成本,并减少生产总成本包括生产准备成本、生产成本、库存成本。

的数据驱动的生产调度优化模型并串联生产线multivariety和小批量生产如下: 酸处理

方程(1)表示生产调度模型的目标函数,即最小化总生产成本,包括生产准备成本、生产成本、库存成本,规划期内。方程(2)是生产能力约束,它表示,每个生产周期的生产时间必须不超过其最大加工时间可用 。方程(3)描述了库存和反映了需求和库存之间的关系。库存的产品k(年底我+ 1)th周期等于总和的库存的我th周期+规划的输出在(我+ 1)- th周期需求在(我+ 1)th周期。方程(4)表示产品的生产准备成本k在我th周期。另外,如果产品k生产在我th周期,然后= 1,否则为0。方程(5)产品的生产能力约束k在我th周期。当前周期的同时,策划的输出不能超过当前积累的需求周期和周期后由于假设库存完成规划期后是0。方程(6)表示产品的库存k在第一个周期(假设产品的库存k在第一个周期的开始是0)方程(7)非负约束的库存。

4所示。维修计划模型

设备可以与生产时间的增加,磨损和失败可以中断生产。因此,需要执行维护活动以达到连续生产。摘要当前维护活动包括nonrepair、预防性维修和更换。预防性维修可以降低设备的累计处理时间,和更换可以重置设备的累计处理时间。此外,由于一些随机故障在实际生产中,可以执行小修为了进行生产,避免短缺,使设备尽快恢复生产状态。因此,小修的时间可以被忽视,它不能影响设备的累计处理时间。维修计划模型的目标是最小化总维护成本,包括维修准备成本、预防性维修成本、重置成本、和小型维修成本。模型的目标是选择最优维护活动设备在每个周期的开始。

在本节中,数据驱动的维护计划优化模型的生产线multivariety和小批量生产可以获得如下:

方程(8)表示维护规划的目标函数模型,即最小化总维护成本,包括维修准备成本、预防性维修成本、重置成本、和小型维修成本,规划期内。预期的数量的随机故障我th周期 在哪里表示设备的累计处理时间j从开始到结束我th周期。方程(9)是维护约束的设备和表示,只有一个执行维护活动在每个周期的开始。如果 ,将会有nonrepair开始我th循环设备j。如果 ,预防性维护将开始执行我th循环设备j。如果 ,更换将开始执行我th循环设备j。方程(10)是二进制变量约束的维护。

维护效果是减少设备的累计处理时间。如果设备的累计处理时间j(年底我−1)th周期和执行预防性维护设备j在我th周期,累计处理时间的设备j就变成了 。如果执行替换设备j,累计处理时间的设备j将会被重置。因此,结束的时候我th周期,有三种描述 ,包括nonrepair、预防性维修和更换。

基于方程(12),可以得到如下: 在哪里 。

5。联合优化模型的生产和维护

生产线具有部分中定义的生产要求3和失败、替换和预防性维护部分中描述的特征4。因此,介绍了数据驱动的联合优化模型解决这个问题由于其优良的性能在融合多个特性过程中排名。此外,假定产品不抢先打断了预防性维修和产品故障维修后可以恢复没有任何额外的时间。生产调度和维护计划生产/维修总成本最小化。因此,它优于解决生产调度和维护生产线同时比独立规划问题。获得一个最优的生产计划,决定是否执行维护活动或不必须。集成的问题更加复杂,因为生产线同时包括平行和系列设备。设备可能会或可能不会失败在每个生产周期,和维护决策将所有设备分为三个组同时,包括nonrepair集团替代集团和预防性维护组,它可以降低维护成本和提高生产率。

联合优化问题的假设如下:(1)并串联生产线,并行设备的类型是相同的。(2)生产准备时间在每个周期的开始是用于维护设备。更换的时间长于预防性维修时间;因此,更换时间被描述为维护时间如果执行替换。(3)并行设备的规划输出是相等的。

与multivariety生产线和小批量生产,生产调度和维修计划的集成优化模型如下:

方程(14)表示集成优化模型的目标函数,即最小化总生产成本,包括生产准备成本、生产成本、库存成本、和总维护成本,包括维修准备成本、预防性维修成本、重置成本、和小型维修成本,规划期内。方程(15)是生产能力约束和表示的最大可用的处理时间等于最大可用的处理时间-维护活动时间。方程(16)描述了库存,它反映了需求之间的关系,库存,和输出。同时,产品的库存k(年底我+ 1)th周期等于总和的库存的我th周期和计划的输出-需求在(我+ 1)th周期。方程(17)表示产品的生产准备成本k在我th周期。另外,如果产品k生产在我th周期,= 1,否则为0。方程(18)是维护约束,这表示只有一个执行维护活动在每个周期的开始。方程(19)产品的输出约束k在我th周期。当前周期的同时,策划的输出不能超过当前积累的需求周期和周期后,因为输出取决于需求。方程(20.)表示存货的初始值。方程(21)非负约束的库存。方程(22)是二进制变量约束的维护。

描述了期望的随机故障的设备j在我th周期。设备的累计处理时间反映了生产维护的影响。因此,设备的故障率函数j在我th周期可以表示如下: 在哪里表示所有产品完成设备的累计处理时间j从最初的生产的我th周期和设备的故障率函数吗j下的最大生产能力。

生产线,通过使用multiequipment生产完成。此外,每个设备的产量生产线是平等的,所以产品的输出k在每个设备完成 ,在哪里n表示设备的数量。设备的累计处理时间在并行过程可以描述如下:

方程(24)表示设备的累计处理时间j结束的时候我th循环执行后nonrepair、预防性维修和替换的开头我分别th周期。方程的三个部分(24)可以组合如下: 在哪里 。

在生产线系列设备,每个设备的产量可能不相等。因此,其累计处理时间可以获得如下:

6。案例研究

6.1。实验描述

在这个数值的例子中,长期穿测试实验研究实验室设施(上海Pangyuan机械有限公司)。在测试实验中,穿的一个泵是运行它使用油含有灰尘。退化阶段在这个液压泵磨损试验案例研究对应的不同阶段的流动损失。清楚地显示泵的流量的健康状态,对应于不同程度的退化阶段流动损失在泵的泵被定义为健康状态的测试。

液压泵需要产生两种类型的产品(K= 2),液压泵的工作(系统)需要5设备相互配合(米= 5),规划期内由8个生产周期(N= 8)。因此,维护优化执行5液压泵的设备。液压泵的健康将会逐渐磨损随着时间的增加过程中操作。为了维持其正常工作,避免高成本和风险,泵需要执行维护活动。此外,更换可以执行与生产成本和维护成本的增加。生产和维护的总成本是描述为优化目标,使维护调度策略。图1显示之间的关系的原理图5设备。设备1来标示米₁。此外,所有的模型都是编码在Visual c#和运行在个人电脑2.10 GHzn2 CPU和4.0 GB RAM。此外,使用的参数表的详细数据驱动的方法1- - - - - -3。

6.2。数据准备

6.2.1。生产成本

对于两种类型的产品,每单位的生产时间是0.06和0.01 ,分别。每个生产周期的相关成本和需求给出了表1和2,分别。

6.2.2。维护成本

在维修的过程中优化,威布尔分布是用来描述的失败率和获取退化信息生产线。 。其规模和形状参数对应于不同的设备是不同的。威布尔参数值可以计算基于泵的故障数据信息从文献[36和最大似然估计37)(见表3)。此外,预防性维修成本、重置成本、小型维修成本和能力因素给出每台机器的预防性维护表3。

6.2.3。其他参数

其他参数如下:

因此,方程(14)用于结合提出的数据作为输入数据驱动方法。

6.3。结果分析

在案例研究中,Visual c#是用于解决生产调度和维护之间的联合优化问题。8个生产周期的最小总成本可以获得并串联生产线(C_最小值= 11206.73)。最优维护计划可以见表4。

表中可以看到4设备1和2将执行预防性维护周期初2和5,分别。设备4和5将执行预防性维修周期3和5,分别。由于较低的重置成本,设备的最优维护计划3将执行更换周期初5。因此,最优维护计划并串联生产线的每台机器是不同的设备由于维护成本和退化。产业、健康状况、故障和维护状态的设备需要仔细记录为生产调度和维护提供数据。

在表5最优生产调度。因为生产准备成本和库存成本之间的矛盾,生产调度和维修规划之间的相互影响,每个生产周期的最优规划的输出并不是实际的需求。如果这些类型的数据获得在实际应用程序中,它们也可以引入调度的特点和维护提出了数据驱动的方法。

6.4。维护调度策略的比较

为了分析综合模型的性能,它可以与生产调度模型和维修计划模型通过考虑最大可用的处理时间的影响和生产周期的数量N。总成本的三个模型可以根据不同的计算和N,分别。此外,不同的diff被描述为最优的总和生产成本和最优维护成本减去总成本最优集成模型的基于不同吗 ,它可以在表中找到6。

表6表明,该集成模型具有更好的性能节省成本基于不同最大可用的处理时间和diff成正比 。同样,集成模型可以更好地降低总成本的增加生产能力。

表7显示了diff求和的最优生产成本和最优维护成本减去总成本最优集成模型的基于不同的生产周期N。同时,节约成本的集成模型具有更好的性能比的成本总和生产调度模型和维修计划模型。的diff最当生产周期的数量为一个计划周期是5,它的增加逐渐减少生产周期的数量。它表明一个规划期的生产周期需要有限的行业基于联合优化的结果。在这种情况下,最优生产周期为一个计划周期是5。不能获得最佳性能的集成模型。

为了直接描述的优越性和N集成模型,图2用于分析的变化diff。在图2,曲线反映的变化diff的增加从底部到顶部。的diff成正比对某些N。的diff增加然后减少的数量的变化N。此外,总有一个N^∗这样综合模型可以获得最佳性能。

如今,定期保养,定义为重大活动进行定期维护或操作条件并串联生产线的状态,是一种常见的维护策略。定期保养包括定期检查,定期维修和预防性维护。摘要定期保养的目的是获得最优维护策略的一个生命周期并串联生产线(11]。集成模型与集成生产的周期性维护模型考虑最大可用的处理时间的影响和生产周期的数量N。总成本的两个模型可以根据不同的计算和N。

表8表明,该集成模型具有更好的性能节省成本基于不同最大可用的处理时间 ,和diff成正比 。同样,集成模型可以更好地降低总成本的增加生产能力。

表9显示了diff最优维护定期维修模型的综合生产成本减去总成本最优集成模型的基于不同的生产周期N。同时,节约成本的集成模型具有更好的性能。

7所示。结论

生产调度和维护计划在制造业发挥着重要作用。为了优化生产系统的整体性能,有必要对企业集成一起生产调度和维修计划。

本文强调了需要一个集成的模型并串联生产线multivariety和小批量生产。目标是最小化总成本,包括生产成本和维护成本。同时,与生产过程相关的总成本和维护考虑设备的可靠性,包括预防性维护、小修的意想不到的失败,和更换。此外,不同设备的重要性被认为是在该模型。最后,我们调查的价值整合与维护生产调度计划进行一个广泛的实验研究数据驱动方法的形式输入multivariety和小批量调度问题。从实验的结果,可以发现,该方法优于独立生产调度模型和维修计划模型的可行性和有效性,并串联生产线multivariety和小批量生产。

长期磨损试验进行的实验是在一个研究实验室设备上海Pangyuan机械有限公司有限公司工业实现和演示新提出的方法在一个真正的工厂环境中仍然保持,和主效应。本文提出的模型适用于半导体制造业。另外,本文的局限性不能集成诊断信息基于在线数据。

此外,许多有趣的进一步的研究方向可以基于在这项研究中提出的想法。例如,新提出的策略可以扩展到解决预见性维护问题具有高度的灵活性通过考虑预测和诊断信息。

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。

确认

这项工作是由上海科学技术大学。