An integrated model of production scheduling and maintenance planning under imperfect preventive maintenance

• Autorzy: Chen X. , Xiao L. , Zhang X. , Xiao W. , Li J.

Warianty tytułu

PL

Model zintegrowany harmonogramowania produkcji i planowania obsługi technicznej w ramach niepełnej konserwacji zapobiegawczej

• Języki publikacji: EN PL

Abstrakty

EN

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.

PL

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.

Słowa kluczowe

EN

aperiodic imperfect preventive maintenance; production scheduling; maintenance planning; immune clonal selection algorithm; total profit

PL

nieokresowa niepełna konserwacja zapobiegawcza; harmonogramowanie produkcji; planowanie konserwacji; algorytm odpornościowej selekcji klonalnej; całkowity zysk

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2015
• Tom: Vol. 17, no. 1
• Strony: 70--79
• Opis fizyczny: Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Chen X.

• The State Key Lab of Mechanical Transmission Chongqing University Chongqing, 400030, China

autor

Xiao L.

• Xiao

autor

Zhang X.

• Mechanical Engineering College Shijiazhuang, 050003, China

autor

Xiao W.

• The State Key Lab of Mechanical Transmission Chongqing University Chongqing, 400030, China

autor

Li J.

• The State Key Lab of Mechanical Transmission Chongqing University Chongqing, 400030, China

Bibliografia

• 1. Brown M PF. imperfect repair. Journal of Applied Probability 1983; 20(4): 851-859.
• 2. Cassady CR, Kutanoglu E. Integrating Preventive Maintenance Planning and Production Scheduling for a Single Machine. IEEE Transactions on Reliability 2005; 54(2): 304-309.
• 3. Dehayem Nodem FI, Kenné JP, Gharbi A. Simultaneous control of production, repair/replacement and preventive maintenance of deteriorating manufacturing systems. International Journal of Production Economics 2011; 134(1): 271-282.
• 4. Fitouhi M, Nourelfath M. Integrating noncyclical preventive maintenance scheduling and production planning for a single machine. International Journal of Production Economics 2012; 136(2): 344-351.
• 5. Jin X, Li L, Ni J. Option model for joint production and preventive maintenance system. International Journal of Production Economics 2009; 119(2): 347-353.
• 6. Liao W, Pan E, Xi L. Preventive maintenance scheduling for repairable system with deterioration. Journal of Intelligent Manufacturing 2010; 21(6): 875-884.
• 7. Liao W, Wang Y, Pan E. Single-machine-based predictive maintenance model considering intelligent machinery prognostics. The International Journal of Advanced Manufacturing Technology 2012; 63(1-4): 51-63.
• 8. Ma Y, Chu C, Zuo C. A survey of scheduling with deterministic machine availability constraints. Computers & Industrial Engineering 2010; 58(2): 199-211.
• 9. Malik MAK. Reliable Preventive Maintenance Scheduling. A I I E Transactions 1979; 11(3): 221-228.
• 10. Ming Tan C, Raghavan N. A framework to practical predictive maintenance modeling for multi-state systems. Reliability Engineering & System Safety 2008; 93(8): 1138-1150.
• 11. Moghaddam KS. Multi-objective preventive maintenance and replacement scheduling in a manufacturing system using goal programming. International Journal of Production Economics 2013; 146(2): 704-716.
• 12. Moghaddam KS, Usher JS. Preventive maintenance and replacement scheduling for repairable and maintainable systems using dynamic programming. Computers & Industrial Engineering 2011; 60(4): 654-665.
• 13. Moradi E, Fatemi Ghomi SMT, Zandieh M. Bi-objective optimization research on integrated fixed time interval preventive maintenance and production for scheduling flexible job-shop problem. Expert Systems With Applications 2011; 38(6): 7169-7178.
• 14. Nakagawa T. Optimum Policies When Preventive Maintenance is Imperfect. IEEE Transactions on Reliability 1979; R-28(4): 331-332.
• 15. Nakagawa T. Sequential imperfect preventive maintenance policies. IEEE Transactions on Reliability 1988; 37(3): 295-298.
• 16. Pan E, Liao W, Xi L. Single-machine-based production scheduling model integrated preventive maintenance planning. The International Journal of Advanced Manufacturing Technology 2010; 50(1): 365-375.
• 17. Pham H, Wang H. Imperfect maintenance. European Journal of Operational Research 1996; 94(3): 425-438.
• 18. Qi X, Chen T, Tu F. Scheduling the Maintenance on a Single Machine. The Journal of the Operational Research Society 1999; 50(10): 1071.
• 19. Roux O, Duvivier D, Quesnel G, Ramat E. Optimization of preventive maintenance through a combined maintenance-production simulation model. International journal of production economics 2013; 143(1): 3-12.
• 20. Ruiz R, Carlos García-Díaz J, Maroto C. Considering scheduling and preventive maintenance in the flowshop sequencing problem. Computers and Operations Research 2007; 34(11): 3314-3330.
• 21. Wang H. A survey of maintenance policies of deteriorating systems. European Journal of Operational Research 2002; 139(469-489.
• 22. Wang S, Liu M. A branch and bound algorithm for single-machine production scheduling integrated with preventive maintenance planning. International Journal of Production Research 2012; 51(3): 847-868.
• 23. Wong CS, Chan FTS, Chung SH. A joint production scheduling approach considering multiple resources and preventive maintenance tasks. International Journal of Production Research 2013; 51(3): 883-896.
• 24. Zhang X, Kang J, Jin T. Degradation Modeling and Maintenance Decisions Based on Bayesian Belief Networks. Reliability, IEEE Transactions on 2014; 63(2): 620-633.