Optimal combinatorial replacement policy under a given maintenance interval for the combined governor in diesel locomotives

• Autorzy: Gao W. , Zhang Z. , Zhou Y. , Wang R. , Jiang L.

Warianty tytułu

PL

Optymalna strategia wymiany kombinatorycznej dla danej częstotliwości przeglądów regulacji mieszanej w lokomotywach spalinowych

• Języki publikacji: EN

Abstrakty

EN

Combined governor is one of key components in diesel locomotives, as a subcomponent it must meet the existing maintenance periodic of the diesel locomotive, while it is passively replaced or maintained in a midway because of over/under-maintenance in practice. In this paper, four reliability models of a sequential PM cycle are developed using three years of maintenance data of combined governors in one Chinese Railway Bureau to determine its reliability distribution, in which some zero-failure data and censor data are used. Meanwhile, a novel combinatorial replacement (CR) policy is proposed to optimize its preventive maintenance (PM), in which a component is replaced several times using a preventively maintained one in a given operational interval. After that, necessary optimizations are introduced based on the determined reliability models and the maintenance interval given by the PM criterion of diesel locomotives (23000km ~ 25000km), and then the genetic algorithm is also used to solve the constraint optimization function. Results show that the proposed CR policy is the best policy among the existing policy and the general (T, δ) policy, and other results can be viewed as an optional policy when spare components are limited.

PL

Regulacja mieszana jest jednym z kluczowych elementów w lokomotywach spalinowych, i jako taka musi być ujęta w istniejącym systemie konserwacji okresowej lokomotyw spalinowych. W praktyce jednak, podlega ona biernej wymianie lub przedwczesnej konserwacji z powodu niewystarczających lub nadmiernych praktyk utrzymania w ruchu. W niniejszym artykule opracowano cztery modele niezawodnościowe sekwencyjnego cyklu konserwacji zapobiegawczej z wykorzystaniem danych z trzech lat konserwacji mieszanej regulacji jednego Biura Kolei Chińskich w celu ustalenia ich rozkładu niezawodności, przy użyciu wybranych danych nt. nieuszkadzalności oraz danych cenzurowanych. W celu optymalizacji konserwacji zapobiegawczej (PM), zaproponowano nową strategię wymiany kombinatorycznej (combinatorial replacement - CR), w której element składowy zostaje kilkakrotnie zastąpiony innym elementem uprzednio poddanym konserwacji zapobiegawczej w danym okresie eksploatacyjnym. Następnie, wprowadzono konieczne optymalizacje na podstawie opracowanych modeli niezawodnościowych oraz częstotliwości przeglądów podanej w kryteriach konserwacji zapobiegawczej lokomotyw spalinowych (23000 km ~ 25000 km). W dalszej kolejności, wykorzystano algorytm genetyczny do rozwiązania funkcji optymalizacji ograniczeń. Wyniki pokazują, że proponowana strategia CR jest najlepsza spośród istniejących strategii i ogólnych strategii (T, δ); inne wyniki można traktować jako strategię opcjonalną w sytuacji gdy dostępność elementów zamiennych jest ograniczona.

Słowa kluczowe

EN

reliability models; mixed-Weibull distribution; combinatorial replacement policy; combined governor of diesel locomotives

PL

modele niezawodności; rozkład Weibulla; strategia wymiany kombinatorycznej; lokomotywa spalinowa o mieszanej regulacji

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2013
• Tom: Vol. 15, no. 2
• Strony: 89--98
• Opis fizyczny: Bibliogr. 23 poz.

Twórcy

autor

Gao W.

autor

Zhang Z.

autor

Zhou Y.

autor

Wang R.

autor

Jiang L.

• School of Mechanical Engineering Southeast University Nanjing, China, 211189,

Bibliografia

• 1. Albarbar A, et al. Diesel engine fuel injection monitoring using acoustic measurements and independent component analysis. Measurement.43(10): 1376–1386.
• 2. DI W. Repair Period of Diesel Locomotives Based on Accumulative Damage Degree. China Railway Science. 30(6): 104-107.
• 3. F. M. H. and W. R. A. A Bayesian Zero-Failure(BAZE) Reliability Demonstrate Testing Procedure. Journal of Quality Technology. 11(3):128–137.
• 4. Fry K. N. and BSc. Diesel locomotive a reliability improvement by system monitoring. Proc IMechE: Part F. 209(1): 1–10.
• 5. HAN M. E-Bayesian Estimation of the Products Reliability when Testing Reveals no Failure. Chin. Quart. J. of Math. 24(3): 407–414.
• 6. Homaifar A et al. Constrained Via Optimization Genetic Algorithms. SIMULATION 62(4): 242–254.
• 7. Jiang P et al. Reliability Estimation in a Weibull Lifetime Distribution with Zero-failure Field Data. Qual. Reliab. Engng. Int. 26(7): 691–701.
• 8. Jiang R, Murthy DNP. Study of n-Fold Weibull Competing Risk Model. Mathematical and Computer Modelling. 38(11): 1259–1273.
• 9. Jiang R, Murthy DNP. Reliability modeling involving two Weibull distributions. Reliability Engineering and System Safety. 47(3): 187–198.
• 10. Lai KK et al. Practices of preventive maintenance and replacement for engines: A case study. European Journal of Operational Research.124(2000): 294–306.
• 11. Lhorente B et al. A model for optimal armature maintenance in electric haul truck wheel motors: a case study. Reliability Engineering and System Safety. 84(2004): 209–218.
• 12. Lingaitis LP et al. Prediction Methodology of Durability of Locomotives Diesel Engines. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2012; 14 (2): 154–159.
• 13. Macian V et al. Results and benefits of an oil analysis programme for railway locomotive diesel engines. Insight. Jun; 45(6): 1–5.
• 14. Martz HFJ, Waller RA. Bayesian Zero-Failure (BAZE) reliability demonstration testing procedure. J. Qual. Technol. 11(3)(128–137.
• 15. Miller KW et al. Estimating the Probability of Failure When Testing Reveals No Failures. IEEE TRANSACTIONS ON SOFTWARE ENGINEERING. 18(1): 33–43.
• 16. RE. B. and H. LC. Optimal preventive maintenance policies. Operations Research. 8(1): 90–100.
• 17. Sheu S-H, Griffith WS. Extended block replacement policy with shock models and used items. European Journal of Operational Research. 140(2002): 50–60.
• 18. Tango T. Extended Block Replacement Policy with Used Items J. Appl. Prob. 15(3): 560–572.
• 19. Wang H. A survey of maintenance policies of deteriorating systems. European Journal of Operational Research. 139(2002): 469–489.
• 20. Weber P. and L. Jouffe. Complex system reliability modelling with Dynamic Object Oriented Bayesian Networks (DOOBN). Reliability Engineering and System Safety. 91(2006): 149–162.
• 21. Zhang T, MinXie. On the upper truncated Weibull distribution and its reliability implications. Reliability Engineering and System Safety. 96(2011): 194–200.
• 22. Zhang Z et al. Reliability Modeling and Maintenance Optimization of the Diesel System in Locomotives. Eksploatacja i Niezawodnosc Maintenance and Reliability 2012; 14 (4): 302–311.
• 23. Zhao X et al. Optimal imperfect preventive maintenance policies for a used system. International Journal of Systems Science. 43(9): 1632–1641.