MOST CITED
Update: 2021-07-01
Task „Implementation of procedures ensuring the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.
Diyin Tang
Optymalna polityka wymiany do zastosowania w systemach poddawanych przeglądom okresowymnarażonych na konkurujące uszkodzenia parametryczne i nagłe
W artykule przeanalizowano problem wymiany dotyczący poddawanego przeglądom okresowym systemu ulegającego ciągłej degradacji i narażonego na konkurujące zagrożenie uszkodzeniami parametrycznymi i nagłymi. System taki powinien zostać wymieniony na nowy w ramach konserwacji korygującej w przypadku wystąpienia uszkodzenia lub też, ze względów bezpieczeństwa i względów ekonomicznych, można dokonać wymiany profilaktycznej jeszcze przed wystąpieniem uszkodzenia. W artykule rozważono przypadek zależnych od siebie uszkodzeń parametrycznych i nagłych. Proces degradacji systemu obserwowany podczas przeglądów ma charakter monotonicznie rosnący i można go opisać za pomocą procesu gamma. Intensywność uszkodzeń nagłych zależy od wieku systemu i jego stanu degradacji. Formułując problem optymalizacyjny w ramach semi-markowskiego procesu decyzyjnego, można określić formę optymalnej polityki wymiany, która minimalizowałaby długookresowy średni koszt na jednostkę czasu, z uwzględnieniem struktury kosztów, która obejmuje koszty przeglądów, koszty wymiany profilaktycznej oraz koszty różnych przyczyn uszkodzeń. Opracowano odpowiedni algorytm obliczeniowy umożliwiający ustalenie optymalnej polityki wymiany. Zastosowanie proponowanej optymalnej polityki wymiany zilustrowano na przykładzie zbioru rzeczywistych danych.
Optimal replacement policy for a periodically inspected system subject to the competing soft and sudden failures
This paper analyzes a replacement problem for a continuously degrading system which is periodically inspected and subject to the competing risk of soft and sudden failures. The system should be correctively replaced by a new one upon failure, or it could be preventively replaced before failure due to safety and economic considerations. Dependent soft and sudden failures are considered. The degradation process of the system observed by inspections exhibits a monotone increasing pattern and is described by a gamma process. The failure rate of the sudden failure is characterized by its dependency on the system age and the degradation state. By formulating the optimization problem in a semi-Markov decision process framework, the specific form of the optimal replacement policy which minimizes the long-run expected average cost per unit time is found, considering a cost structure that includes the cost for inspections, the cost for preventive replacement, and the costs for different failure modes. The corresponding computational algorithm to obtain the optimal replacement policy is also developed. A real data set is utilized to illustrate the application of the optimal replacement policy.
Dynamiczna strategia utrzymania ruchu na podstawie stanu technicznego dla ulegających degradacji systemów opisanych modelem autoregresyjnym z parametrami losowymi – studium porównawcze
W prezentowanej pracy dokonano optymalizacji dynamicznej, uwzględniającej stan techniczny obiektu strategii utrzymania ruchu dla wolno ulegającego degradacji systemu monitorowanego w równoodległych dyskretnych chwilach czasu (epokach) pod względem uszkodzeń parametrycznych oraz stanu technicznego. Do opisu degradacji systemu opracowano model autoregresyjny z parametrami losowymi uwzględniający wpływ czasu. Proponowany model degradacji bierze pod uwagę zarówno wiek systemu jak i wcześniejsze obserwacje stanu oraz zmienność degradacji pomiędzy obiektami. Rozważano zachowanie stochastyczne zarówno składnika zależnego od wieku jak i składnika zależnego od stanu; opracowano bayesowską metodę okresowej aktualizacji oszacowań współczynników stochastycznych, która pozwala łączyć informacje z bazy danych o degradacji z informacjami z monitorowania stanu w czasie rzeczywistym. W oparciu o otrzymany model degradacji, sformułowano dynamiczną politykę utrzymania ruchu; problem optymalizacji tej polityki rozwiązywano w ramach procesu decyzyjnego semi-Markowa. Do procesu decyzyjnego włączono nowatorską metodę obliczania trwałości resztkowej, co umożliwiło ocenę trwałości resztkowej jednocześnie z przeprowadzeniem procedury optymalizacyjnej. Skuteczność wykorzystania proponowanego modelu autoregresyjnego do opisu degradacji systemu porównywano ze skutecznością dotychczasowych modeli z parametrami stałymi w badaniu opartym na rzeczywistym zbiorze danych o degradacji. Wskazano również zalety stosowania proponowanej dynamicznej strategii utrzymania ruchu.
Dynamic condition-based maintenance policy for degrading systems described by a random-coefficient autoregressive model: A comparative study
In this paper, we optimize a dynamic condition-based maintenance policy for a slowly degrading system subject to soft failure and condition monitoring at equidistant, discrete time epochs. A random-coefficient autoregressive model with time effect is developed to describe the system degradation. The system age, previous state observations, and the item-to-item variability of the degradation are jointly combined in the proposed degradation model. Stochastic behavior for both the age-dependent and the statedependent term are considered, and a Bayesian approach for periodically updating the estimates of the stochastic coefficients is developed to combine information from a degradation database with real-time condition-monitoring information. Based on this degradation model, the dynamic maintenance policy is formulated and solved in a semi-Markov decision process framework. Incorporated with the same semi-Markov decision process framework is a novel approach for mean residual life estimation, which enables simultaneous residual life estimation with the optimization procedure. The effectiveness of using the proposed randomcoefficient autoregressive model with time effect rather than the existing fixed-coefficient ones to describe system degradation is demonstrated through a comparative study based on a real degradation dataset. The advantages of using a dynamic maintenance policy are also revealed.
Wczesne przewidywanie czasu pozostałego do rozładowania baterii litowo-jonowej z uwzględnieniem korelacji parametrów z różnych etapów procesu rozładowania
W pracy zaproponowano metodę wczesnego przewidywania czasu pozostałego do rozładowania baterii (RDT), która uwzględnia informacje na temat przyszłego procesu jej rozładowywania. Zamiast analizować cały proces degradacji baterii, jak to ma miejsce w literaturze przedmiotu, wykorzystano informacje o przyszłym stanie baterii uzyskane na drodze podziału modelu procesu rozładowania na trzy etapy, według poziomu utraty napięcia. Korelacje między parametrami modelu uzyskanymi na pierwszym i ostatnim etapie procesu rozładowania baterii umożliwiają wykorzystanie przyszłych wartości parametrów do przewidywania wartości parametrów we wczesnych etapach rozładowania. Do aktualizacji parametrów zgodnie z napływającymi nowymi danymi napięciowymi wykorzystano algorytm optymalizacji rojem cząstek (PSO) i algorytm filtra cząsteczkowego (PF). Studium przypadku pokazuje, że proponowane podejście pozwala bardziej precyzyjnie prognozować RDT niż metoda prognozowania oparta na PF, niezależnie od okresu degradacji baterii.
Early prediction of remaining discharge time for lithium-ion batteries considering parameter correlation between discharge stages
In this paper, we propose a method for making early predictions of remaining discharge time (RDT) that considers information about future battery discharge process. Instead of analyzing the entire degradation process of a battery, as in the existing literature, we obtain the information about future battery condition by decomposing the discharge model into three stages, according to level of voltage loss. Correlation between model parameters at the first and last stages of discharge process allows the values of model parameters in the future to be used to predict the value of parameters at early stages of discharge. The particle swarm optimization (PSO) and particle filter (PF) algorithms are employed to update parameters when new voltage data is available. A case study demonstrates that the proposed approach predicts RDT more accurately than the benchmark PF-based prediction method, regardless of the degradation period of the battery.