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.
Wenbin WANG
Modelowanie planowych prac eksploatacyjnych przy niejednolitym pojawianiu się defektów i zmiennym prawdopodobieństwie wykrycia defektu
W przypadku określonych czasowo prac serwisowych (Time Based Maintenance), w trakcie planowych prac eksploatacyjnych przeprowadzano zazwyczaj trzy czynności obsługowe, tj. przegląd według listy kontrolnej, naprawę wykrytych lub zgłoszonych defektów oraz inne działania obsługowe. Inne działania obsługowe odnoszą się tu do takich czynności, jak zmiana oleju, smarowanie, czyszczenie, kalibracja, itd., które można po prostu nazwać działaniami obsługi profilaktycznej (Preventive Maintenance, PM). W niniejszej pracy, zamodelowano wpływ wszystkich trzech wymienionych czynności na proces uszkodzeniowy wykorzystując pojęcie czasu zwłoki (delay time). Czas zwłoki odnosi się do dwu-etapowego procesu uszkodzeniowego, którego pierwszy etap to pojawienie się niepożądanego defektu, a drugi to czas od pojawienia się defektu do wystąpienia uszkodzenia jeśli defekt nie zostanie usunięty. Czas trwania drugiego etapu nazywamy czasem zwłoki. Pojęcia tego od lat używa się do modelowania przeglądów, lecz niniejsza praca wnosi do niego dwa nowe elementy. Po pierwsze, częstotliwość pojawiania się ukrytych defektów przedstawia jako funkcję czasu, jaki upłynął od ostatniej obsługi profilaktycznej, co pozwala na zamodelowanie wpływu działań obsługi profilaktycznej. Po drugie, traktuje prawdopodobieństwo wykrycia defektu podczas przeglądu jako funkcję czasu zwłoki, uznając, zgodnie z oczekiwaniami, że łatwość wykrycia defektu wzrasta pod koniec czasu zwłoki. Koncepcję modelowania zilustrowano przykładem numerycznym.
Modeling planned maintenance with non-homogeneous defect arrivals and variable probability of defect identification
For any time based maintenance, three maintenance activities were normally carried out at a planned maintenance epoch, that is, inspection by a check list, repair to defects identified or reported and other maintenance actions. Here the other maintenance actions are referred to activities such as changing oil, greasing, cleaning and calibrating etc and are simply called Preventive Maintenance (PM) actions. In this paper we modelled the impact of all these three activities upon the failure process using a concept called the delay time. The delay time defines a two-stage failure process with the first stage of a random defect arising and the second stage from this point of arising to failure if unattended to. The duration of the second stage is called the delay time. The concept has been used for inspection modelling for years, but two new contributions were made in this paper. First, we allow the rate of arrival of hidden defects be a function of the time since last PM, which models the influence of PM actions, and secondly the probability of defect identification at an inspection is a function of the delay time, which allows that the easiness of defect identification increases toward the end of the delay time as we would have expected. A numerical example is presented to demonstrate the modelling idea.
Modelowanie konserwacji zapobiegawczej w oparciu o pojęcie czasu zwłoki w kontekście studium przypadku
Wykorzystując pojęcie czasu zwłoki oraz modele stowarzyszone, w artykule przedstawiono badania modelowe optymalizacji przerwy konserwacyjnej w zakładzie produkcyjnym w oparciu o studium przypadku. Aby ustalić związek pomiędzy przerwą konserwacyjną a oczekiwanym czasem przestoju na jednostkę czasu, potrzebne są dane dotyczące zarówno czasów uszkodzeń jak i liczby usterek wykrytych i usuniętych w okresach konserwacji zapobiegawczej. Niestety, w badanym przez nas przypadku jedynymi dostępnymi danymi były czasy uszkodzeń. Aby obejść ten problem, wykorzystaliśmy szacunkową średnią liczbę usterek wykrytych w okresie konserwacji zapobiegawczej przez obsługę techniczną zakładu. W oparciu o wspomniane dwa typy danych, ustaliliśmy, w pierwszej kolejności, funkcję wiarygodności dla obserwowanych czasów do uszkodzenia. Następnie, w celu określenia niewiadomych parametrów modelu, funkcję tę połączyliśmy z funkcją najmniejszych kwadratów dla różnicy pomiędzy liczbą wykrytych usterek oszacowaną przez pracownika obsługi technicznej a odpowiadającą jej oczekiwaną wartością wyprowadzoną z modelu. Wiarygodność powyższej metody oceny parametrów sprawdzono za pomocą symulacji. Znając wartości parametrów modelu, zaproponowano model konserwacji zapobiegawczej pozwalający na optymalizację oczekiwanego czasu przestoju na jednostkę czasu w odniesieniu do przerwy konserwacyjnej. Proces modelowania przedstawiono za pomocą studium przypadku.
Modelling Preventive maintenance based on the delay time concept in the context of a case study
Using the delay time concept and associated models, this paper presents a modelling study of optimising the preventive maintenance (PM) interval of a production plant within the context of a case study. To establish the relationship between the PM interval and expected downtime per unit time, we need the data of both failure times and the number of defects identified and removed at PM epochs. However, the available data to us was only the recorded times of failures. To overcome this problem, we obtained an estimated mean number of the defects identified at the PM epoch by the plant maintenance technicians. Based on these two types of data, we first establish a likelihood function of the observed times to failure and then a squared function of the difference between the number of defect identification estimated by the technician and the corresponding expected value from the model is mixed with the likelihood function to estimate the unknown model parameters. We test by simulation to show the validity of the above parameter estimation method. Once the parameters of the model are known, a PM model is proposed to optimize the expected downtime per unit time with respect to the PM interval. The modeling process is demonstrated by the case study presented.
Optymalizacja eksploatacji dla systemów z zależnymi zagrożeniami konkurującymi przy wykorzystaniu funkcji kopuły
W niniejszej pracy opracowano wspólny model niezawodności z użyciem kopuły dla systemów poddawanych zależnym zagrożeniom konkurującym powodowanym przez dwa procesy degradacji i zaburzenia losowe. Owe dwa procesy degradacji reprezentują typ procesu gamma, podczas gdy zaburzenia losowe są typem niejednorodnego procesu Poissona (non-homogeneous Poisson process - NHPP). Ich związek wzajemnej zależności modelowany jest przy użyciu funkcji kopuły, która jest wyznaczana na podstawie dwuetapowej metody opartej o dane symulowane. Wykazano, iż proponowany model może zapewnić bardziej precyzyjne wyniki niż model, w którym nie ujęto związku zależności. W oparciu o proponowany model niezawodności, badane i porównywane są dwa modele eksploatacji. Stwierdzono, iż koszt przeglądu ma duży wpływ na wybór polityki eksploatacyjnej.
Maintenance optimization for systemswith dependent competing risks using a copula function
This paper develops a joint copula reliability model for systems subjected to dependent competing risks caused by two degradation processes and random shocks. The two degradation processes follow gamma processes and the random shocks follow a non-homogeneous Poisson process (NHPP). Their interdependence relationship is modeled by a copula function, which is determined by a two-stage method based on simulated data. It is shown that the proposed model can provide more precise results than the model without considering the dependent relationship. Through the proposed reliability model, two maintenance models are studied and compared. It is found that the inspection cost has significant effects on the choosing of maintenance Policy.
Model integrujący planowanie opartej na pojęciu czasu opóźnienia konserwacji zapobiegawczej oraz planowanie produkcji dla systemów produkcji wieloasortymentowej
W niniejszej pracy zintegrowano proces konserwacji zapobiegawczej z procesem średnioterminowego taktycznego planowania produkcji w odniesieniu do systemu produkcji wieloasortymentowej. W takim systemie, zestaw wyrobów jest produkowany partiami w określonym, skończonym horyzoncie planowania. Konserwacja zapobiegawcza prowadzona jest okresowo pod koniec wybranych okresów produkcyjnych, natomiast w przypadku wystąpienia uszkodzenia wykonuje się konserwację korygującą. Konserwacja może mieć wpływ na dostępne moce produkcyjne systemu, jako że zarówno planowana konserwacja prewencyjna jak i nieplanowana konserwacja korygująca powodują straty związane z przestojem urządzeń w danym horyzoncie planowania. Oprócz czasu potrzebnego na konserwację zapobiegawczą i korygującą, nasz model uwzględnia czas konfiguracji urządzeń oraz jakość produktów, ponieważ one również zależą od defektów i awarii systemu. Zaproponowano procedury, które pozwalają na jednoczesne określenie optymalnego planu produkcji i optymalnej strategii konserwacji prewencyjnej. Naszym celem jest minimalizacja sumy kosztów konserwacji, produkcji, zapasów, konfiguracji urządzeń oraz zamówień oczekujących a także kosztów produktów, które nie zostały zakwalifikowane do wprowadzenia do obrotu w danym horyzoncie planowania. Model zilustrowano na przykładzie rzeczywistego przypadku z fabryki stali.
An integrated production and delay-time based preventive maintenance planning model for a multi-product production system
This paper integrates preventive maintenance and medium-term tactical production planning in a multi-product production system. In such a system, a set of products needs to be produced in lots during a specified finite planning horizon. Preventive maintenance is carried out periodically at the end of some production periods and corrective maintenance is always performed at failures. The system’s available production capacity can be affected by maintenance, since both planned preventive maintenance and unplanned corrective maintenance result in downtime loss during the planning horizon. In addition to the time used for preventive and corrective maintenance, our model considers the setup time and the product quality, as these are affected by the defects and failures of the system. Procedures are proposed to identify the optimal production plan and preventive maintenance policy simultaneously. Our objective is to minimize the sum of maintenance, production, inventory, setup, backorder costs and the costs of unqualified products within the planning horizon. A real case from a steel factory is presented to illustrate the model.