X―bar图和预防性维修周期优化设计.docVIP

X―bar图和预防性维修周期优化设计 　　摘要： 假定生产设备在运行正常时加工产品的关键质量特性服从正态分布，设备异常将引起质量特性的均值发生漂移，设备是否异常需通过检测才能判定。用X图对设备的状态进行监控，根据抽检时设备状态的变化情况构建一个马尔可夫链，在综合抽样成本、误判损失、失控运行损失及维修成本的基础上，提出同时优化控制图参数和预防性维修间隔的数学模型，讨论了均值漂移对决策变量的影响。 　　Abstract： It is assumed that the key quality characteristic is a normal random variable when the process is operating properly. The process mean is subject to shift， and this type of shift can be attributed to an equipment failure. The equipment failure is not easy to detect. An X-bar chart is used to monitor the condition of the process. The discrete-time Markov decision process which is to obtain the optimal combined SPC and PM policy is presented. We develop a general mathematical model for the joint optimization of the control chart parameters and the time of PM. The effect of shift parameter on the decision variables is studied. 　　关键词： 控制图；马尔可夫链；预防性维修 　　Key words： control chart design；Markov chain；preventive maintenance 　　中图分类号：N945.1 文献标识码：A 文章编号：1006-4311（2014）22-0044-03 　　0 引言 　　预防性维修对保证生产设备正常运行非常重要，通过预防性维修可以降低设备发生异常的风险，提高设备的可靠性，减少加工不符合质量要求产品的可能。对设备预防性维修的研究很多，大都假定设备异常能够被直接观察[1-3]。实际生产中，设备在异常状态下有时仍能继续运行，但加工产品的质量将发生较大变化。在设备状态不能直接观察的情况下，可以利用控制图监控设备的运行状态。控制图是假设检验的图形化表示，通过抽样检测，控制图可以及时发现过程的异常波动，避免因设备在异常状态下运行造成巨大损失。Tagaras[4]首先提出将控制图与设备维修策略同时优化的问题。Ben-Daya等[5]研究了维修对X图优化设计的影响。Linderman等[6]讨论了控制图设计与设备维修周期同时优化的经济效益问题。Cassady等[7]通过对预防性维修与X图同时优化，分析了维修方式与产品质量的关系，并证实了预防性维修与X图同时优化对生产效益的提高比仅采用单一措施更为有效。Sofia等[8]针对设备异常导致过程均值发生漂移和由于故障导致设备停止运行的情况，研究了X图优化设计和基于状态的维修决策问题。Thomas等[9]提出了X图和基于老化的预防性维修策略同时优化的经济模型，但对设备发生异常的假设比较苛刻。为了能够及时发现设备异常，减少质量损失，本文针对设备异常将引起加工产品质量特性均值发生漂移的情况，利用X图对设备状态进行监控，通过构建一个马尔可夫链来描述每次抽样检测时设备状态的变化情况，在设备长期运行单位时间平均损失最低前提下，提出控制图参数和预防性维修周期的确定方法，分析了设备异常引起均值的漂移对决策变量确定的影响。 　　1 模型假设 　　假定生产设备运行正常时，加工产品的质量特性服从正态分布，均值μ=μ0，方差σ2=σ■■，此时过程受控（IC）。随着时间的推移，设备将发生异常导致过程失控（OC）。设备发生异常后能够继续运行，但加工产品质量特性的均值将发生漂移，即μ=μ1=μ0+ησ0，其中η0为均值漂移系数。为了能够及时发现异常，利用X图对生产过程进行监控，通过对加工产品的抽样检测判定设备运行状态。每次抽取的样本量为n，抽样间隔为h。由于抽样的随机性，控制图将会发生误报警和漏报警两类风险，其概率分别为： 　　α=1-PLCL■UCLμ=μ■=2Φ（-k） （1） 　　β=PLCL■UCLμ=μ