大資料驅動的設備健康預測及維護決策優化 (電子書)

內容簡介
作者簡介
前言Foreword
第1章 緒論
1.1 研究背景和意義
1.2 研究範圍與物件
1.3 研究目的與創新點
1.4 研究框架
1.5 本章小結
第2章 設備維護的概念
2.1 引言
2.2 設備健康管理的歷史發展
2.3 設備健康預測方法的研究及進展
2.4 設備維護方法的研究及進展
2.5 設備維護調度方法的研究及進展
2.6 現有方法的不足
2.7 退化隱半瑪律可夫模型
2.8 本章小結
第3章 單監測資訊的線上健康預測
3.1 引言
3.2 設備線上健康預測方法
3.3 算例分析
3.4 本章小結
第4章 多監測資訊的線上健康預測
4.1 引言
4.2 特徵空間降維
4.3 設備線上健康預測方法
4.4 算例分析
4.5 本章小結
第5章 基於線上健康預測的集成動態維護研究
5.1 引言
5.2 衰退過程分析
5.3 維護動作與維護時間分析
5.4 集成動態維護模型
5.5 算例分析
5.6 本章小結
第6章 基於集成維護模型的維護調度優化研究
6.1 引言
6.2 設備維護調度優化模型
6.3 案例分析
6.4 本章小結
第7章 總結與展望
7.1 結論
7.2 展望
參考文獻

前言Foreword
隨著現代資訊技術、物聯網及大資料的快速發展，資料驅動的設備健康預測、維護及運行狀態，對企業生產經營和經濟效益的影響也日益顯著。設備的可靠性和有效維護保障了企業正常運行，是企業生存的必要條件。因此，高效的設備維護在企業生產經營中的作用和地位日益突出，是企業降低生產成本和保證生產效率的基礎。半個多世紀以來，不少學者針對設備的維護進行了許多研究，但是，設備健康預測對維護策略影響方面的研究較少。

本書立足於過去幾十年國內外的設備健康預測與維護相關的研究基礎，利用資料分析了設備的運行狀態，描述了設備的衰退趨勢，實現了有效的線上健康預測，為設備的集成動態維護提供了決策依據。首先，本書應用隱式半瑪律可夫模型（Hidden semi-Markov-Model, HSMM）對設備線上運行過程中的健康進行識別與預測，提出了單監測資訊線上健康預測方法。其次，基於單監測資訊線上健康預測，探討了多監測資訊的線上健康預測方法。再次，基於設備線上健康預測和衰退性能的預測，建立了設備的集成動態維護模型，從而有助於設備維護領域的發展。最後，基於集成維護模型，描述了多部件設備維護調度的優化。

第1章是緒論部分，這部分主要闡述本書選題的背景、研究的技術路線，並且討論了研究主要創新點和所期望達到的研究目標。

第2章是相關概念部分，描述了設備健康管理的發展歷程，分析和探討了已有設備健康預測、設備維護及調度的相關研究，包括對已有的研究進行回顧，評論已有方法的不足，確定需要進一步研究的方向。同時，給出了退化隱半瑪律可夫模型的概念。

第3章研究了單監測資訊的線上健康預測問題。基於HSMM和序列蒙特卡洛（Sequential Monte Carlo, SMC）的聯合優化，建立了一套完整的HSMM和SMC聯合優化的線上健康預測模型，提出了一種聯合多步向前健康識別演算法，用於線上識別設備的健康狀態，並且，建立了線上剩餘壽命預測模型。目前，已有的單一方法、模型、演算法很難滿足設備的線上健康預測，本研究提出的聯合模型，基於HSMM豐富的數學結構和SMC的線上特徵，利用設備的健康預測對其性能狀態進行量化，進而描述了設備的實際運行狀況，為設備線上健康管理提供理論支援和決策依據。

第4章在單監測資訊健康預測的基礎上，建立了多監測資訊的線上健康預測模型。為了更好地提高線上健康預測的精確度，基於單監測資訊線上健康預測方法的思想，本書提出了多監測資訊的線上健康預測方法。為了處理多監測資訊和降低模型的計算複雜性，對HSMM的基本演算法進行了修正，計算複雜性從O[（MD+M2）T]降低到O[（D+M2）T]。建立了自我調整隱式半瑪律可夫模型（Adaptive Hidden semi-Markov Model, AHSMM），來處理多監測資訊的線上健康預測問題，應用最大似然線性回歸訓練對輸出概率分佈和駐留概率分佈進行自我調整訓練，處理多監測資訊之間的差異性。結合修正的HSMM進行有效的多監測資訊線上健康預測。在此基礎上，本書提出了多監測資訊的線上剩餘壽命預測方法。同時，探討了設備的線上健康管理，得到基於多監測資訊的預測模型，並比較了兩種健康預測方式的異同，給出了多源資訊融合健康管理的啟示與思考。

第5章在設備健康預測基礎上，建立了基於線上健康預測的集成動態維護模型。不同于傳統的維護方式，集成維護將設備的退化資訊和老化資訊引入維護模型中，結合設備的診斷資訊和預測資訊，以總的維護成本（故障成本、維護成本和資源成本）和總維護時間為目標，建立了兩層集成動態維護模型。在傳統的維護模型中，設備的維護資源只考慮了備件的約束條件，而本書同時考慮了備件和維修人員的雙約束條件。另外，針對小修和大修的維護方式，引入了維護風險因素，將維護風險因數集成到維護模型，提出了設備集成維護管理的建議和策略。

第6章在系統的維護策略的基礎上，建立了基於集成維護模型的維護調度優化模型，針對多部件設備的特點，建立了多部件設備的維護拓展模型。多部件設備的維護決策包括性能衰退、維護方式和維護費用三部分。在性能衰退方面，通過線上診斷資訊和預測資訊得到設備故障率的變化趨勢，用威布林分佈類比設備的衰退過程；在維護方式方面，定義小修、大修和更換三種維護方式，分別描述了三種維護方式對設備故障率的影響；在維護費用方面，考慮了故障成本、維護成本、資源成本和停機成本四部分，根據每次維護活動的費用模型，建立了多階段的總費用率模型。本研究為多部件設備維護管理奠定了理論基礎和決策依據。

第7章為研究工作的總結，給出了研究的結論，並討論了多源狀態資訊下的設備線上健康預測、集成維護與設備衰退問題未來可能的研究方向。

本書的7章內容相互之間聯繫緊密，形成了一個資料驅動的系統性設備維護決策框架。基於單監測資訊線上健康預測思想，提出了多監測資訊的健康預測方法；基於線上健康預測，提出了考慮設備衰退性能和維護資源的集成動態維護模型。本書所做的研究內容有助於提高企業的維護水準和設備可靠性、降低維護成本、提高設備利用率，最終提高企業的競爭力。同時，拓展了製造系統的維護管理領域，為製造企業維護策略的制定提供決策支援和科學有效的指導。

本書得到了國家自然科學基金重點專案（專案編號：71632008）、國家自然科學基金專案（專案編號：71371123）、教育部人文社會科學研究青年基金項目（項目編號：15YJCZH096）的資助，筆者深表謝意。由於筆者的水準有限，書中難免有不妥之處，敬請讀者不吝批評指正。

董　明　上海交通大學
劉勤明　上海理工大學