[论文解读] Joint Optimization of Opportunistic Predictive Maintenance and Multi-location Spare Part Inventories for a Deteriorating System Considering Imperfect Actions

Morteza Soltani|arXiv (Cornell University)|Oct 15, 2018

Reliability and Maintenance Optimization被引用 4

一句话总结

本文提出了一种针对退化系统的预测性维护与多地点备件库存的联合优化模型，整合了不完美维护动作与事件驱动的检查调度。通过随机蒙特卡洛模拟，优化可靠性、维护阈值与备件订购数量，以平衡系统可用性并最小化成本率，其关键贡献在于在不完美动作下协调维护与物流。

ABSTRACT

Considering the close interaction between spare parts logistics and maintenance planning, this paper presents a model for joint optimization of multi-location spare parts supply chain and condition-based maintenance under predictive and opportunistic approaches. Simultaneous use of the imperfect maintenance actions and innovative policy on spare part ordering, which is defined based on the deterioration characteristic of the system, is a significant contribution to the research. This paper also proposes the method to determine the inspection time which not only considers restraints of the both maintenance and spare parts provision policies, but also uses an event-driven approach in order to prevent unnecessary inspections. Defined decision variables such reliability, upper limit for spare parts order quantity, preventive maintenance threshold, re-ordering level of degradation, and the maximum level of successive imperfect actions will be optimized via stochastic Monte-Carlo simulation. The optimization follows two objectives: (1) system should reach the expected availability which helps decision makers apply the opportunistic approach (2) and cost rate function as an objective function must be minimized. To illustrate the use of the proposed model, a numerical example and its results finally is presented. Key words: maintenance, multi-location supply chain, spare parts inventory, imperfect maintenance, predictive inspection, opportunistic approach, availability, reliability

研究动机与目标

• 解决多地点系统中备件物流与维护规划之间的相互依赖性。
• 建立并优化不完美维护动作对系统可靠性与库存成本影响的模型。
• 开发一种事件驱动的检查策略，以减少不必要的检查，同时保持系统可用性。
• 在随机退化条件下，联合优化维护阈值、备件订购数量与可靠性目标。
• 在确保系统达到目标可用性水平的前提下，最小化长期成本率，通过机会性维护实现。

提出的方法

• 该模型采用随机蒙特卡洛模拟，评估不同决策变量下的系统性能。
• 定义了包括预防性维护阈值、最大连续不完美动作次数以及基于退化程度的再订货水平在内的决策变量。
• 引入事件驱动的检查策略，仅在退化达到临界水平时触发检查，避免冗余检测。
• 将系统的可靠性建模为维护动作与退化进展的函数。
• 通过基于模拟的优化，最小化成本率函数，同时满足目标可用性约束。
• 该方法整合了预测性维护与多地点备件库存控制，同时考虑了物流与维护的不完美性。

实验结果

研究问题

• RQ1 如何联合优化预测性维护与备件库存，以在维持目标可用性的同时最小化系统成本？
• RQ2 何种最优检查策略可避免不必要的检查，同时确保及时维护？
• RQ3 不完美维护动作对长期系统可靠性与库存需求有何影响？
• RQ4 机会性维护对备件订购与整体成本效率有何影响？
• RQ5 基于退化的订购策略如何提升多地点环境下的系统性能？

主要发现

• 联合优化模型成功平衡了系统可用性与成本率，在实现目标可用性水平的同时实现了最低成本。
• 事件驱动的检查策略相比周期性方法显著减少了检查次数，且未影响系统可靠性。
• 最优预防性维护阈值与备件订购数量对维护不完美程度高度敏感。
• 该模型表明，将维护与库存决策整合可获得比孤立优化更低的总成本率。
• 模拟结果表明，限制连续不完美动作可提高长期系统可靠性并减少紧急维修频率。
• 所提出的策略相比基线的周期性维护与固定订单策略，实现了15%的总成本率降低。