带缓冲区的三设备串行生产系统动态机会维护策略研究

以采用固定周期预防维护技术并带有中间缓存区的三设备串行生产系统为研究对象,基于机会结余和组成本理论,运用动态规划方法,在组合优化的基础上,建立一种基于设备可靠性的三设备串行系统动态机会维护策略及决策优化模型。该模型克服了在当前生产系统中设备只有短期信息可用,而导致预防性维护计划制定的灵活性不足这一问题。数值试验结果表明,该模型能在控制维护成本的基础上提供有效的维护调度方案,为企业的设备维护管理决策问题提供了一种新的解决思路。

考虑机器故障的串行生产系统控制策略优化

针对多级串行生产系统,考虑存在机器故障和随机需求,对生产及雇佣的控制策略进行研究。以最小平均总成本为目标,建立基于(Q,r)库存策略的优化模型;鉴于求解复杂性,提出一种改进的网格自适应直接搜索算法(MADS-GA),为避免陷入局部最优和提高收敛速度,算法中加入了停滞阻止策略;对研究实例进行求解,并与已有算法比较。结果表明,所提出的算法收敛速度和寻优能力更优,能有效优化串行生产系统的控制策略,降低平均总成本。

串行生产系统的托盘与缓冲区容量配置优化

本文基于输入输出生产系统的模型，研究了有限缓冲区串行生产系统的建模问题，并由此给出一种确定串行生产系统的托盘配置与缓冲区容量配置的简易优化算法．本文的结果对系统的分析与设计具有重要意义．

串行生产系统中质量控制问题的最优化

作为应用质量控制领域中一个非常活跃也十分重要的研究方向 ,质量检验策略问题中的检验站配置及质量检验水平控制这两类特殊问题得到了充分的重视。基于现有研究 ,提出了质量检验策略问题的一般性模型 ,同时指出检验站配置问题及质量检验水平控制问题是一般性模型的特例。给出了用模拟退火算法求解问题的最优策略 ,并用一些实例加以分析讨论 。

电机制造中串行生产系统研究

本文采用嵌入马尔可夫链的理论和概率母函数的分析方法对电机制造中的串行生产系统进行了研究，讨论了加工件在每级加工站上的平均逗留时间（等待加工时间和实际加工时间），在研究结果的基础上，对实际系统进行了分析，并给出了计算机模拟实验结果．

等待时间有限的串行生产系统的缓冲区优化

对于等待时间有限的串行生产系统,由于上下游设备会发生随机故障,若两个连续设备之间的缓冲区过大,则会产生较大的返工成本,缓冲区过小则会产生较大的产能损失成本.在保证产品质量的前提下,为了有效地降低系统运作成本,提出等待时间有限的串行生产系统的缓冲区优化模型.基于工件排队等待时间有限制这一生产线特点,分别分析预防性维护成本、返工成本和产能损失成本,以单位时间总成本最小为优化目标,建立一个成本函数的分析模型,得到最优缓冲区阈值.最后通过数值计算结果表明,利用成本函数的分析模型能够确定最优缓冲区阈值,从而有效降低运行成本.

考虑广义时间价值的串行退化生产系统维护更新策略

以多工序多设备组成的串行生产系统为研究对象,将设备的退化过程看作符合Gamma分布的随机过程,在每次预防性维护时引入机会维护,以减少系统的停机次数;将维护时间看作与设备退化度和维护次数有关的函数,采用退化度恢复因子描述设备维护前后退化度的演变过程;考虑广义时间价值建立设备的成本函数,依据费效比和可用度对设备的维护更新进行联合决策,建立串行生产系统的维护更新模型;算例仿真对维护阈值进行了优化决策,计算出了各设备的更新时间及维护次数.结果表明:广义时间价值会加速设备的老化,缩短设备的使用寿命,从而为企业制定生产系统维护更新策略提供了新思路.

能耗与质量约束下的生产系统集成维护决策

为了将串行生产系统劣化过程中的能耗递增与质量损失情况集成到同一个维护模型中,本文提出了带有能耗约束及质量约束的生产系统预防性维护决策模型。利用伽马过程对系统的劣化情况进行建模,将系统中的能耗递增与次品率增长过程离散化,随后建立了多指标集成维护阈值并引入节能机会窗机制对系统实施维护,以系统总成本最小化为目标,寻找最优的预防性维护阈值与约束组合。利用蒙特卡洛算法对模型进行求解与实例分析,结果表明:在不同规模中,该维护模型相对常规预防性维护策略和事后维护策略的总成本分别降低了6.01%~15.49%与16.02%~29.96%,能够有效控制系统的能耗成本与质量成本。

一类线性离散事件动态系统稳态分析

运用极大代数方法 。

基于组合建模技术的串行多阶段参数优化

针对串行生产系统中模型形式不确定导致模型误差累积问题,提出结合组合建模技术和最大最小满意度函数的多阶段多响应优化方法。首先,利用单个元模型自身绝对预测精度及其在全体元模型中相对预测精度,改进一般组合建模技术;其次,针对不同阶段所有响应,利用改进组合建模技术进行组合响应面的构建;然后,采用最大最小满意度法集成串行系统的多个阶段;最后,通过蚁群优化算法获得各阶段的最佳参数组合。仿真案例结果表明:与单一元建模和一般组合建模方法相比,所提方法的模型预测精度更高,优化结果更可靠。