考虑环境引起的维护延迟的动态环境下的维护优化

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Maintenance optimization in dynamic environment considering environment-induced maintenance delay

　　**摘要**大多数针对生产系统的维护优化研究假设环境状态是平稳的。然而，在实际中，操作环境会随时间变化，既改变系统的退化动态，也改变其生产收益。此外，在某些恶劣的环境状态下，维护操作无法执行，必须推迟。这些因素以耦合的方式影响生产收益、退化惩罚和维护成本，给做出最优维护决策带来了挑战。在本文中，我们开发了一个维护优化框架，用于最小化在动态环境中运行且受环境引起的维护延迟影响的生产系统的运营成本。该优化问题被表述为一个无限时域上的马尔可夫决策过程（MDP），包括量化环境对维护的三重影响。我们建立了关键的结构性属性，并证明最优维护策略具有控制极限结构。基于这些属性，我们开发了一种改进的值迭代算法，利用最优策略的单调阈值特性，避免冗余的动作比较，从而高效地获得最优解。对海上风机的数值研究说明了所提出的框架和算法的有效性。通过敏感性分析提供了管理见解。**引言**维护在系统故障缓解中起着关键作用。得益于传感技术的进步，基于状态的维护（CBM）能够连续或定期检查系统实时健康状况信息，为关键生产资产的维护计划提供信息支持[1], [2], [3]。在工业实践中，工程系统和关键基础设施通常在随时间变化的环境中运行，从多个方面对维护决策产生直接影响和间接影响[4]。一方面，它可能影响可达到的生产潜力或产出的单位价值[5]。另一方面，系统在不同环境状态下表现出不同的退化速率和故障风险，其中更恶劣的环境状态通常导致更快的退化过程。在确定最优维护策略时，必须包含上述环境影响[6]。除了通过影响系统退化和盈利能力来影响维护决策外，环境状态还直接影响维护时机，恶劣环境由于后勤限制、环境障碍[7]以及维护人员安全问题[8]而直接限制维护的可及性和安全性，从而阻止在预定最优时间实施维护。在这种情况下，需要推迟维护直到环境允许。这种现象通常被称为维护延迟[5], [9]，其对维护时机决策的直接影响也必须包含在最优维护策略设计中。一个有启发性的例子出现在海上风电场，涡轮机在高度动态的风和海洋条件下运行，这些条件共同影响退化、维护可行性和能源产出。在生产方面，更强的风况增加可达到的功率发电，从而增加短期收入潜力[10]。在退化方面，海上环境，包括高风速、波浪诱导运动和结构振动，增加了组件故障率并扰乱退化轨迹[11]。在维护方面，风速和海况限制维护可及性，因此计划的维护可能不得不推迟，从而增加停机损失[12]。例如，海上风机维护只能在狭窄的天气窗口内进行，通常显著波高低于1.5米，平均风速低于10 m/s（对于起重机辅助操作），因此恶劣季节可能将更换推迟很长时间，复合已经构成生命周期支出主要部分的停机成本[13], [14]。类似的现实例子可以在海事系统、输电网络和卫星通信的维护中找到[15], [16]。基于上述观察，本研究解决了在动态环境中运行的退化生产系统的维护优化问题。环境状态改变退化动态，影响生产收益，并决定维护操作是否可以执行。在每个周期性检查时刻，决策者观察退化水平和环境状态，并决定应采取维护操作还是系统应继续运行。如果需要更换但环境不适合维护，该操作将被推迟直到环境变得可行。目标是确定一个最优维护策略，以最小化无限时域内的预期运营成本。主要研究问题是当退化水平、当前环境状态和维护延迟可能性必须同时考虑时，维护决策应如何做出。解决这个问题需要一个捕获环境对退化、生产收益和维护可行性影响的模型。它还需要对最优维护决策如何随系统状态变化进行分析，以及计算最优策略的高效方法。解决这些研究问题面临三个主要挑战。第一个挑战在于对环境影响的动态效应在系统退化动态和生产收益上进行建模。在相关研究中，大多数，如果不是全部传统方法，往往孤立地处理这些因素，而不是捕获它们之间的相互依赖性。第二个挑战在于量化环境引起的维护延迟对预期总运营成本的影响，这对于最优地权衡提前或推迟计划维护的好处和风险至关重要。第三，由此产生的动态决策问题涉及结合退化、环境状态和维护操作状态的多维状态空间，存在计算挑战，需要具有可解释策略结构的高效求解算法。主要贡献总结如下：- 我们开发了一个无限时域马尔可夫决策过程（MDP）框架，用于在动态环境状态下运行的生产系统进行维护决策。该框架通过允许环境影响维纳退化过程的漂移、与退化水平一起塑造生产收益、以及在环境恶劣时延迟更换操作来捕获环境的作用。- 我们建立了最优维护问题的结构性属性，使策略具有可解释性。特别是，我们证明一期运营成本是超模的，价值函数是单调的，并证明维护动作之间的最优决策遵循控制极限结构，其中更换阈值随环境状态变化而变化。- 我们开发了一种基于推导出的控制极限结构的改进值迭代算法。通过利用最优策略的单调阈值特性，该算法避免冗余的动作比较，在保持最优解的同时提高计算效率。本文其余部分结构如下。第2节提供了对相关主题的大量文献综述。第3节描述了在动态环境中运行的退化生产系统的问题特征，并详细说明了退化模型、维护策略和成本收益结构。第4节将问题表述为无限规划时域下的MDP。第5节研究最优策略的结构性属性并提出求解算法。第6节给出一个数值例子来说明维护模型，推导管理见解，并对关键参数进行敏感性分析。第7节总结论文并总结未来研究方向。所有技术证明都提供在附录中。**章节摘要****文献综述**本文研究了受动态环境约束且有维护延迟约束的生产系统的维护计划优化。在本节中，我们关注三个文献流派：具有延迟执行的维护模型、受环境依赖退化影响系统的维护优化，以及动态环境状态下退化的生产侧运行和经济后果。大多数维护调度研究假设一个...**问题陈述**我们考虑一个在动态环境中运行的单单位生产系统。退化水平和环境状态在周期性检查时刻被观察。环境从三个方面影响系统。首先，它影响系统退化过程，系统在更恶劣的环境中退化得更快。其次，它与系统退化水平一起决定生产收益。第三，它决定更换操作的可行性。在...**模型开发**MDP及其变体为不确定性下的维护优化提供了灵活的动态决策框架[53], [54]。Zhao等人[55]最近的综述系统地检查了MDP在通过数学建模和求解方法优化CBM策略中的应用。研究人员还积极开发多样化的MDP公式来解决CBM挑战[56], [57], [58]。在本节中，我们在无限时域下，在MDP框架内表述维护优化问题...**解决方案**在本节中，我们建立了最优维护策略的结构性属性。具体来说，我们证明最优策略在退化状态下具有阈值结构，并利用这些属性开发了一种改进的值迭代算法。**数值研究**在本节中，我们提出了一个受风机运行启发的参数化数值例子，以说明提出的维护模型，并检查最优策略对关键参数的敏感性。风机提供了合适的应用设置，因为风况共同影响组件退化、功率发电和维护可及性。特别是，恶劣风况可能加速退化，改变生产输出，并延迟维护...**结论**本研究为在具有环境引起的维护延迟的动态环境状态下运行的生产系统开发了维护优化框架。整合不同环境状态下的退化动态、依赖退化和环境的生产收益，以及维护实施时机的约束，我们将决策问题表述为以最小化预期运营成本为目标的无限时域MDP。为了解决该模型...**CRediT作者贡献声明****Yi Luo：** 撰写 – 初稿，方法论，调查，形式分析，概念化。**Yian Wei：** 撰写 – 审阅和编辑，可视化，调查，形式分析，概念化。**Yao Cheng：** 撰写 – 审阅和编辑，监督，项目管理，调查，资金获取，概念化。**利益冲突声明**作者声明他们没有已知的竞争性财务利益或个人关系可能影响本论文中报告的工作。Yi Luo | Yian Wei | Yao Cheng