使用蒙特卡洛方法开发与优化基于PIR和QIR的维护策略

《Results in Engineering》：Development and Optimization of PIR and QIR strategies of maintenance Using Monte Carlo Method

　　

对基于条件的维修 (condition-based maintenance, CBM) 策略的优化通常被表述为长期期望维修成本率的最小化。虽然该准则提供了对渐近性能的严谨且具有经济意义的度量，但它并未明确考虑更新周期之间维修成本的变异性。因此，在预算稳定性、运行可靠性和风险缓解至关重要的工业环境中，其适用性可能受限。本研究提出了一种面向稳健性的优化框架，用于两种具有代表性的CBM策略：周期性检查和更换 (Periodic Inspection and Replacement, PIR) 策略以及基于分位数的检查和更换 (Quantile-Based Inspection and Replacement, QIR) 策略。主要贡献在于制定了一个统一的决策准则，该准则联合考虑了长期期望维修成本率和更新周期层面维修成本的离散程度。该准则使得能够对维修策略进行系统且一致的比较，超越了传统的基于平均成本的评估。系统退化被建模为齐次Gamma过程 (homogeneous Gamma process)，这是一种广泛采用的随机模型，兼具分析可处理性和强大的经验相关性。研究人员为PIR策略推导出了封闭解析表达式，而为QIR策略开发了一个完全基于蒙特卡洛 (Monte Carlo, MC) 的估计框架，以适应其依赖于状态且非周期性的检查结构。针对检查成本、停机成本率和稳健性权重参数进行了全面的敏感性分析，从而在广泛的经济条件下提供了结构化的比较评估。结果揭示了经济效率与成本稳定性之间的内在权衡。此外，研究还表明，在中等成本条件下，QIR策略通常在性能与稳健性之间实现更优的折中，而PIR策略在检查成本较高或固定调度约束的运行环境中仍具优势。

**论文解读**

**研究背景与问题**
在工业系统中，实施有效的维修策略对于确保设备可靠性和控制运营成本至关重要。基于条件的维修 (Condition-Based Maintenance, CBM) 通过根据系统实际退化状态安排维修行动，能够减少意外故障和紧急干预，从而降低纠正性维修成本并延长设备寿命。然而，传统的CBM优化方法通常仅以长期期望维修成本率的最小化为目标，忽略了实际运行中维修成本在不同更新周期 (renewal cycle) 间的变异性。这种变异性可能导致预算不稳定、操作风险增加，尤其在需要严格预算控制和风险管理的工业环境中，其局限性更为突出。现有研究虽然提出了风险敏感或稳健性导向的方法，但多局限于特定策略或未在更新周期层面显式量化成本离散度。因此，亟需一种能同时考虑经济效率和成本稳定性的统一优化框架，以更全面地评估和比较不同CBM策略。

**研究内容与结论**
本研究聚焦于两种代表性CBM策略：周期性检查和更换策略 (Periodic Inspection and Replacement, PIR) 与基于分位数的检查和更换策略 (Quantile-Based Inspection and Replacement, QIR)。研究人员将系统退化建模为齐次Gamma过程 (homogeneous Gamma process)，该模型结合了分析可处理性与实际退化行为的强相关性（如腐蚀、疲劳裂纹等）。核心创新在于提出了一种稳健性感知的经济决策准则φ = C_∞ + λσ，其中C_∞为长期期望维修成本率，σ为维修成本每更新周期率 (Maintenance Cost per Renewal Cycle, MCPRC) 的标准差，λ为无量纲的稳健性权重参数。该准则同时量化了平均经济性能与成本变异性。对于PIR策略，研究人员推导了MCPRC均值与标准差的封闭解析表达式；对于QIR策略（其检查间隔依赖于状态且非周期性），则开发了基于蒙特卡洛 (Monte Carlo, MC) 的估计框架。通过全面的敏感性分析（变化检查成本、停机成本率和λ参数），数值结果揭示了经济效率与成本稳定性之间的内在权衡，并显示QIR策略在中等成本条件下通常能实现更优的性能–稳健性折中，而PIR策略在高检查成本或固定调度约束下仍具优势。论文发表在《Results in Engineering》。

**主要关键技术方法**
本研究采用的主要技术方法包括：1) 齐次Gamma过程退化建模，用于描述系统累积退化轨迹；2) 维修成本每更新周期率 (MCPRC) 及其标准差σ作为稳健性指标；3) 针对PIR策略的解析推导方法，得到均值与方差的封闭形式；4) 针对QIR策略的蒙特卡洛 (MC) 模拟框架，通过2500次独立更新周期模拟估计相关统计量；5) 基于统一准则φ的系统性数值优化与敏感性分析。

**研究结果**
**5. RESULTS**
**5.1. Sensitivity to the maintenance costs**
通过固定纠正性替换成本C_c = 98和λ = 1.4，分别变化检查成本C_i（从1到45）和停机成本率C_d（从10到50），并采用二次预防性替换成本函数。
- **Sensitivity to the Inspection Cost C_i**：随C_i增加，PIR的最优检查间隔ΔT_opt增大、QIR的可靠性分位数α_opt减小，同时最优预防阈值M_opt下降。两种策略的MCPRC标准差σ基本稳定，表明检查成本主要影响经济效率而非稳健性。在中等C_i下QIR的复合目标函数φ更低，但极高C_i下PIR竞争力增强。
- **Sensitivity to the system downtime cost rate C_d**：随C_d升高，两种策略均采取更保守的决策（如降低M_opt、增加监控频率）。QIR对最优决策变量的调整更显著，且φ值始终低于PIR，表明其在缓解停机成本方面更有效。σ值保持稳定，未超过1.5。
**5.2. Sensitivity to the relative weight of the cost variability λ**
固定维修成本参数，将λ从0以0.1步长变化至3。结果显示：随λ增加，σ系统性地下降，而C_∞相应增加，证实了性能与稳健性之间的固有权衡。QIR策略在所有λ下均获得更低的φ_opt值，说明其能实现更优的折中。

**讨论与结论**
**讨论部分总结**：敏感性分析表明，检查成本C_i和停机成本率C_d对最优决策变量有显著影响，但σ对成本变化相对不敏感。QIR策略在中等成本条件下表现出更好的性能–稳健性平衡，而PIR在固定调度或高成本环境下仍具适用性。稳健性权重参数λ作为决策支持系数，允许决策者根据对成本稳定性的偏好选择连续解。

**结论部分翻译**：本文提出了一种面向稳健性的优化框架，用于评估和比较应用于相对稳定随机退化系统的CBM策略。该框架将长期期望维修成本率C_∞、MCPRC标准差σ和稳健性权重λ整合到一个统一的经济准则中。研究聚焦于PIR和QIR两种策略，采用齐次Gamma过程建模退化。解析公式用于PIR，蒙特卡洛估计用于QIR。数值研究揭示了经济效率与稳健性之间的内在权衡：增加λ系统性降低维修支出变异性，同时提高C_∞。敏感性分析显示，两种策略的比较性能强烈依赖于经济与运行条件。QIR策略因自适应检查机制通常在中等成本下提供更优折中，但PIR在高检查成本或固定调度约束下仍具竞争力。两者选择应为基于性能、稳健性、约束与实施要求的上下文相关决策。该框架通过将更新周期级成本变异性纳入维修决策，推进了CBM策略评估。未来方向包括扩展到不完美维修、多组件系统、依赖性退化过程及动态运行环境。