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.
Junxing Li
Model zintegrowany harmonogramowania produkcji i planowania obsługi technicznej w ramach niepełnej konserwacji zapobiegawczej
Aby firma mogła działać z powodzeniem i przynosić większe zyski w danym okresie czasu, zainstalowane w niej maszyny muszą pracować w sposób nieprzerwany. Niestety, z powodu planowych działań obsługowych lub nieoczekiwanych awarii, maszyny są czasami wyłączane z produkcji. Dlatego też w niniejszym artykule opracowano model łączący harmonogramowanie produkcji z planowaniem obsługi technicznej dla linii produkcyjnej złożonej z wielu maszyn. W pracy założono, że konserwacja zapobiegawcza jest niepełna i nie prowadzi do odnowy wszystkich maszyn. Aby zilustrować jej niepełny charakter, wprowadzono pojęcia czynnika redukcji wieku oraz czynnika wzrostu wskaźnika zagrożenia. Przyjęto politykę nieokresowej konserwacji zapobiegawczej. Wymiana jako forma pełnej konserwacji pozwala na przywrócenie maszyny do stanu "fabrycznej nowości". Kiedy i czy należy przeprowadzić wymianę zależy od funkcji wskaźnika kosztu w stosunku do czasu, który pozwala ocenić, czy konserwacja zapobiegawcza jest opłacalna. Model zintegrowany ma na celu maksymalizację całkowitego zysku, który jest wypadkową wartości produkcji, kosztów produkcji, kosztów obsługi (w tym kosztów konserwacji zapobiegawczej oraz kosztów wymiany) i kosztów nieterminowego zakończenia zadania (ang. lateness, związanych z kolejnością wykonywanych zadań i czynności obsługowych). Aby zoptymalizować opisany cel, wykorzystano algorytm odpornościowej selekcji klonalnej Proponowany model zweryfikowano na przykładzie liczbowym.
An integrated model of production scheduling and maintenance planning under imperfect preventive maintenance
For a successful company, machines are always required to work continuously to make more profit in a certain period. However, machines can be unavailable due to the scheduled maintenance activities or unexpected failures. Hence, a model connected production scheduling with maintenance planning for a production line which is composed of multiple machines is developed. Suppose preventive maintenance is imperfect and cannot renew all the machines. Age reduction factor and hazard rate increase factor are introduced to illustrate the imperfect character. Aperiodic preventive maintenance policy is adopted. Replacement as perfect maintenance could restore the machine “as good as new”. When and whether to perform replacement is based on a cost-time rate function which is defined to judge whether or not the preventive maintenance is economical. The objective of the joint model is to maximize the total profit which is composed of production value, production cost, maintenance cost (including the preventive maintenance cost and replacement cost), and tardiness cost (which is related to the job sequence and maintenance activities). To optimize the objective, immune clonal selection algorithm is utilized. The proposed model is validated by a numerical example.
Oparta na niezbilansowanych danych analiza niezawodności produktów podlegających procesom powstawania uszkodzeń konkurujących
W pracy przedstawiono ogólny model analizy niezawodności procesów związanych z powstawaniem uszkodzeń konkurujących, który pozwala na wykorzystanie danych niezbilansowanych oraz umożliwia jednoczesne uwzględnienie uszkodzeń wynikających z obniżenia charakterystyk i uszkodzeń katastroficznych. Opracowano liniowy model efektów losowych dla procesu degradacji o wysoce niezbilansowanych danych. Parametry tego modelu można określić na podstawie prostej metody najmniejszych kwadratów. Ponadto, aby w pełni wykorzystać informacje dotyczące obniżenia charakterystyk, dane pochodzące z ostatniego pomiaru jednostek podlegających degradacji, dla których przeprowadzono tylko jeden lub dwa pomiary, rozpatrywano jako dane o zerowym uszkodzeniu lub jako ucięte prawostronnie dane dotyczące uszkodzenia katastroficznego. W ten sposób otrzymano zbiór niepełnych danych składający się z danych o uszkodzeniach zerowych oraz danych o uszkodzeniach katastroficznych. Aby móc przeanalizować uzyskane niepełne dane, podano definicję statystyki przedziałowej. Najefektywniejszy nieobciążony estymator liniowy (BLUE) parametrów uszkodzeń katastroficznych uzyskano na podstawie twierdzenia Gaussa-Markowa. Następnie, podano wzór funkcji niezawodności procesów związanych z powstawaniem uszkodzeń konkurujących. Odpowiednie dwustronne przedziały ufności dla oszacowanej niezawodności uzyskano metodą bootstrapową. Na koniec, przedstawiono przypadek praktycznego zastosowania proponowanej metody, którego wyniki wykazały jej trafność i zasadność.
Reliability analysis of the products subject to competing failure processes with unbalanced data
Considering the degradation and catastrophic failure modes simultaneously, a general reliability analysis model was presented for the competing failure processes with unbalanced data. For the degradation process with highly unbalanced data, we developed a linear random-effects degradation model. The model parameters can be estimated based on a simple least square method. Furthermore, to fully utilize the degradation information, we considered the last measured times of the degradation units that had only one or two measured time points as zero-failure data or right-censored data of the catastrophic failure mode. Then the incomplete data set was composed of zero-failure data and catastrophic failure data. To analyze the incomplete data, the definition of the interval statistics was firstly given. The best linear unbiased parameter estimators of catastrophic failure were obtained based on the Gauss-Markov theorem. Then, the reliability function of the competing failure processes was given. The corresponding two-sided confidence intervals of the reliability were obtained based on a bootstrap procedure. Finally, a practical application case was examined by applying the proposed method and the results demonstrated its validity and reasonability.
Analiza degradacji z zastosowa niem nowego modelu procesu Wienera uwzględniającego błędy pomiarowe
Analizę degradacji można stosować do oceny niezawodności wysoce niezawodnych złożonych systemów i produktów, ponieważ w ich przypadku istnieje bardzo niskie lub zerowe prawdopodobieństwo wystąpienia uszkodzenia w trakcie badania trwałości w przyjętym okresie eksploatacji. W artykule przedstawiono nowo opracowane podejście do modelowania procesu degradacji wykorzystujące metodę procesu o przyrostach niezależnych oraz pojęcia funkcji średniej liniowej i funkcji liniowego odchylenia standardowego. Zasadniczo jest to metoda oparta na procesie Wienera. Ponieważ badania degradacji często wiążą się z błędami pomiarowymi wynikającymi z niedoskonałości stosowanych narzędzi, procedur i warunków badawczych, opisywany proces o przyrostach niezależnych uwzględnia błędy pomiaru. Ponadto, w pracy omówiono wnioski statystyczne, jakie można wyciągnąć na podstawie przedstawionego modelu oraz wyprowadzono wzory ogólne na średnią długość życia produktu oraz na percentyl rozkładu czasu do uszkodzenia. Proponowaną metodę zilustrowano i zweryfikowano na podstawie kompleksowego badania symulacyjnego oraz przykładów praktycznego zastosowania modelu w odniesieniu do dysków pamięci masowej oraz diod podczerwieni. W artykule przedstawiono także model procesu Wienera z transformowanym czasem uwzględniający błąd pomiaru, który posłużył za model referencyjny. Porównania pokazują, że proponowany model może dawać poprawne wyniki, nawet przy bardzo małej liczebności próby.
Sridhar Krishnaswa my A novel Wiener process model with measurement errors for degradation analysis
Degradation analysis can be used to assess reliability for complex systems and highly reliable products, because few or even no failures are expected in a reasonable life test span. In order to further our study on degradation analysis, an independent increment random process method with linear mean and standard deviation functions is presented to model practical degradation procedures. It is essentially a Wiener process method. Since measurement errors are often created by imperfect instruments, procedures and environments during degradation investigation, the measurement error is incorporated into the independent increment random process. Furthermore, statistical inferences of this model are discussed, and close forms of a product’s median life and percentile of the failure time distribution (FTD) are also derived. The proposed method is illustrated and verified in a comprehensive simulation study and two practice applications for storage disks and Infrared light-emitting diodes. Meanwhile, the time-transformed Wiener process model with measurement error is considered as a reference method. Comparisons show that the proposed model can provide reasonable results, even in considerably small sample size circumstance.
Przyspieszona analiza degradacji w oparciu o proces Wienera z efektem losowym z błędami autoregresyjnymi pierwszego rzędu
W przypadku wysoce niezawodnych produktów o długim cyklu życia, przyspieszone badanie degradacji (ADT) często stanowi skuteczny i atrakcyjny sposób oceny niezawodności. Jak wiadomo, analiza danych z przyspieszonej degradacji wymaga włączenia do modelu ADT trzech źródeł zmienności, w tym zmienności czasowej, zmienności między jednostkami i błędów pomiarowych. Zmienność czasową można odpowiednio opisać za pomocą procesu Wienera. Jednak losowość początkowego poziomu degradacji, który stanowi ważną część zmienności między jednostkami, jest często w badaniach pomijana. Ponadto, w odniesieniu do błędów pomiaru, obecne modele ADT często zakładają, że mają one wzajemnie niezależne rozkłady normalne, ignorując możliwą autokorelację. Problemy te prowadzą w niektórych sytuacjach do niskiej trafności oceny niezawodności. W związku z powyższym, zaproponowano model ADT oparty na procesie Wienera z efektem losowym, w którym uwzględniono błędy autoregresyjne pierwszego rzędu (AR (1)). Następnie, w oparciu o pojęcie pierwszego czasu przejścia, wyprowadzono wyrażenia w postaci zamkniętej dla rozkładu czasu uszkodzenia (FTD). Do oszacowania nieznanych parametrów przyjęto metodę wnioskowania statystycznego. Na koniec przedstawiono kompleksowe studium symulacyjne i wskazano praktyczne zastosowanie modelu w celu wykazania jego racjonalności i skuteczności.
Accelerated degradation analysis based on a random-effect Wiener process with one-order autoregressive errors
For highly reliable and long-life products, accelerated degradation test (ADT) is often an effective and attractive way to assess the reliability. To analyze the accelerated degradation data, it has been well recognized that it is necessary to incorporate three sources of variability including the temporal variability, the unit-to-unit variability and measurement errors into the ADT model. The temporal variability can be properly described by the Wiener process. However, the randomness of the initial degradation level, which is an important part of the unit-to-unit variability, has been often neglected. In addition, regarding the measurement errors, current ADT models often assumed them to follow a mutually independent normal distribution and ignored the autocorrelation that may probably exist in them. These problems lead to a poor accuracy for reliability evaluation in some situation. Thus, a random-effect Wiener process-based ADT model considering one-order autoregressive (AR(1)) errors is proposed. Then closed-form expressions for the failure time distribution (FTD) is derived based on the concept of first hitting time (FHT). A statistical inference method is adopted to estimate unknown parameters. Finally, a comprehensive simulation study and a practical application are given to demonstrate the rationality and effectiveness of the proposed model.