Modelowanie konserwacji zapobiegawczej w oparciu o pojęcie czasu zwłoki w kontekście studium przypadku

• Autorzy: Wenyuan L.V. , Wenbin W.

Warianty tytułu

EN

Modelling Preventive maintenance based on the delay time concept in the context of a case study

• Języki publikacji: EN

Abstrakty

EN

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.

PL

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.

Słowa kluczowe

EN

delay time; preventive maintenance (PM); parameter estimation; modelling

PL

czas zwłoki; konserwacja zapobiegawcza; ocena parametrów; modelowanie

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2011
• Tom: nr 3
• Strony: 5--11
• Opis fizyczny: Bibliogr. 17 poz.

Twórcy

autor

Wenyuan L.V.

autor

Wenbin W.

• School of Business University of Shanghai for Science & Technology 516 Jungogn Road Shanghai, 200093, China,

Bibliografia

• 1. Akbarov A, Wang W, Christer AH. Problem identification in the frame of maintenance modelling: a case study. Int J Prod Res 2008; 46(4): 1031–46.
• 2. Apeland S, Scarf P A. A fully subjective approach to modeling inspection maintenance. European Journal of Operational Research 2003; 148: 410-425.
• 3. Aven T, Castro IT. A delay time model with safety constraint. Reliab Eng & Syst Saf 2009; 94:261–267.
• 4. Bozdogan H. Model selection and Akaike’s Information Criterion (AIC): The general theory and its analytical extensions. Psychometrika 1987; 52(3): 345-370.
• 5. Christer A H, Lee C, Wang W. A data deficiency based parameter estimating problem and case study in delay-time PM modelling. Int J. Production Economics 2000; 67: 63-76.
• 6. Christer A H, Wang W, Baker R.D., Sharp J. Modelling maintenance practice of production plant using the delay time concept. IMA Journal of Mathematics Applied in Business & Industry 1995; 6: 67-83.
• 7. Christer A H, Wang W, ChoI K, Sharp J. The delay-time modelling of preventive of preventive maintenance of plant given limited PM data and selective repair at PM. IMA Journal of Mathematics Applied in Medicine and Biology 1998; 15: 355-379.
• 8. Christer A H, Wang W. A delay-time-based maintenance model of a multi-component system. IMA Journal of Mathematics Applied in Business & Industry 1995; 6: 205-222.
• 9. Christer A H. Developments in delay time analysis for modelling plant maintenance. Journal of the Operational Research Society 1999; 50: 1120-1137.
• 10. Jones B, Jenkinson I, Wang J. Methodology of using delay-time analysis for a manufacturing industry. Reliability Engineering and System Safety 2009; 94: 111-124.
• 11. Jones B, Jenkinson I, Yang Z, Wang J. The use of Bayesian net work modeling for maintenance planning in a manufacturing industry. Reliability Engineering and System Safety 2010; 95: 267–277.
• 12. Pillay A, Wang J, Wall A. Optimal inspection period for fishing vessel equipment: a cost and down time model using delay time analysis. Mar Technol SNAME N 2001; 38(2): 122–9.
• 13. Wang W, Carr M. Scheduling asset maintenance and technology insertions, to appear in complex engineering service systems. In: NgI, Parry G, Wild P, McFarlane D, editors. Concepts and research. Amsterdam: Springer; 2010.
• 14. Wang W, Jia J. A Bayesian approach in delay time maintenance model parameters estimation using both subjective and objective data. Quality Maintenance and Reliability Int 2007; 23: 95-105.
• 15. Wang W. An inspection model for a process with two types of inspections and repairs. Reliab Eng & Syst Saf 2009; 94: 526–533.
• 16. Wang W. Delay time modelling. In: Murthy DNP, Kobbacy AKS, editors. Complex system maintenance handbook. Amsterdam: Springer 2008; 345–70.
• 17. Wang W. Subjective estimation of the delay time distribution in maintenance modeling. European Journal of Operational Research 1997; 99: 516-529.