库存退化数据缺失情况下的维修及备件供给联合优化方法

摘要

本发明公开了库存退化数据缺失情况下的维修及备件供给联合优化方法。该方法包括：依据备件失效时间分布函数建立随机性库存退化模型；基于随机性库存退化模型，分析期望维修费用、期望备件采购费用、期望备件贮存费用、期望备件短缺损失费用等相关期望费用等一系列系统维修及备件供给相关费用；基于随机性库存退化模型，以最小化系统维修及备件供给相关费用为目标，建立维修及备件供给联合优化模型；最后根据实际情况给定系统预测性维修周期和备件最大库存量待优化量的上下界，并据此求解出优化的维修及备件供给关系。对于存在备件库存退化环境但缺乏足够库存退化监测数据的情况来说，本发明比现有的联合优化方法更加符合实际情况，同时，本发明也适用于不考虑库存退化情况。

主权项

一种库存退化数据缺失情况下的维修及备件供给联合优化方法，包括以下步骤：S100、基于备件失效时间分布函数建立随机性库存退化模型；S200、基于随机性库存退化模型，分析系统维修及备件供给相关费用，所述费用包括系统在一个预防性维修周期内的期望维修费用、期望备件采购费用、期望备件贮存费用和期望备件短缺损失费用；所述步骤S200包括以下小步骤：S210、分析系统失效维修次数：系统在一个预防性维修周期T内，每个运行部件的失效次数X的期望E[X]＝M(T)，函数M(k)通过以下近似公式在k＝T时迭代计算获得：方差Var[X]利用以下近似公式计算获得：其中，f_a(t)是运行部件失效时间的概率密度函数，k是离散量，为正整数；系统中的运行部件数目为n，在一个预防性维修周期T内，系统失效维修次数X_n服从期望为E[X_n]＝nM(T)，方差为Var[X_n]＝nVar[X]的正态分布，且X_n的概率密度函数为S220、分析备件库存退化量：设系统在预防性维修周期T开始时备件初始量为S_a，备件失效时间分布函数为p(t)＝F_b(t)＝p，在预防性维修周期T内失效备件数目Y的概率密度函数为：此时E[Y]＝S_ap；S230、分析备件最大库存量S和备件初始量S_a之间的关系：其中，τ为订购备件的交付时间；S240、分析一个预防性维修周期T内的期望维修费用C_M为：C_M(S_a,T)＝c_pr·n+c_cr·E[X_n]其中，c_pr表示每次预防性维修的费用，c_cr表示每次事后维修的费用；S250、分析一个预防性维修周期T内的期望备件采购费用C_o为：C_o(S_a，T)＝K+c_sp·(n+E[X_n]+E[Y])其中，K表示一次性采购支出，c_sp表示备件的单价；S260、分析一个预防性维修周期T内的期望备件贮存费用C_h为：其中，c_h为单个备件单位时间的贮存费用；S270、分析一个预防性维修周期T内的期望备件短缺损失费用C_s为：其中，c_s为单个备件单位时间的短缺损失费用；S300、基于随机性库存退化模型，以最小化系统维修及备件供给费用为目标， 建立维修及备件供给联合优化模型；S400、基于维修及备件供给联合优化模型和给定的待优化量的上下界，获取维修及备件供给关系最优解，所述待优化量包括系统的预测性维修周期和备件最大库存量。