《基於實時質檢數據的衰變設備最優預測維修策略》是依託華中科技大學，由祁超擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於實時質檢數據的衰變設備最優預測維修策略
- 項目類別：青年科學基金項目
- 項目負責人：祁超
- 依託單位：華中科技大學
項目摘要,結題摘要,
項目摘要
生產加工過程中，生產設備狀態的衰變會降低產品質量水平和成品率，導致多成品率質量問題。本項目針對此類具有多成品率質量問題的衰變設備進行最優預測維修策略的研究。在設備狀態衰變的過程中，無法準確獲得其狀態信息，而是通過有限時間窗內的產品質檢數據和距離上次維修以來的時間進行推斷和預測。建立部分可觀的馬爾可夫決策問題模型，逐步鬆弛模型假設，從設備狀態衰變機率已知的模型開始，到考慮檢測時間引起信息時滯的模型，以及設備狀態衰變機率未知且系統參數更具一般性的模型，模型中考慮了兩類檢測誤差及一系列收益和成本參數。通過動態規劃方法以及神經元動態規劃方法，對每組系統觀測信息，即產品質檢數據和距離上次維修以來的時間，做出最優維修決策，決定是否觸發維修行動，並預測未來的最優維修時間，從而最小化決策周期內的系統期望成本。隨著質檢數據的實時更新，將對預測的最優維修時間進行動態調整。
結題摘要
在生產加工過程中，生產設備狀態往往會逐漸惡化，直至發生故障。在這個過程中，設備狀態的衰變會對產品的成品率造成影響，導致多成品率質量問題。本課題針對此類具有多成品率質量問題的衰變設備進行最優預測維修策略的研究。在設備狀態衰變的過程中，無法準確獲得其狀態信息，而是以有限時間窗內的產品質檢數據作為觀測信息。對應於系統觀測信息，制定最優維修決策，從而最大化決策周期內的系統平均收益率。課題分別針對單台設備和兩設備生產線開展了一系列研究工作，分別考慮了信息完備因素、完美或非完美維護、隨機故障、質檢誤差、維修資源有限和衰變模式等各類因素，構建（部分可觀的）馬爾可夫決策過程模型，主要運用強化學習方法學習最優維修策略，預測維修時間。並提出多Agent動態預測維修策略學習系統，隨著質檢數據的實時變化，對維修策略進行動態調整。
