22238

بهينه سازي سيستم مديريت تعميرات به كمك زنجيره ماركوف

كارشناسي ارشد

مهندسي سيستم هاي انرژي

96-98

1398/11/14

دكتر رضا دشتي

دكتر ابوالفضل احمدي

فناوري هاي نوين

ازنكات قابل توجه در اكثر سازمان ها توجه به مقوله مهم قابليت اطمينان بالا مي باشد. توجه بيشتربه طول حيات تجهيزات باعث افزايش دامنه نگهداري و تعميرات پيشگيرانه مي شود كه اين افزايش دامنه منجر به شناخت و به كارگيري بهينه سازي نگهداري و تعميرات پيشگيرانه شده است. ضعف در نگهداري و تعميرات پيشگيرانه، مانعي براي پيشرفت سازمان ها است. بهينه كردن نگهداري و تعميرات پيشگيرانه موجبات كاهش خاموشي برنامه ريزي شده و كاهش وظايف فاقد ارزش و افزايش اقدامات هدفمندو كاهش ساعات كاري نگهداشت را موجب مي شود. كار اصلي اين پايان نامه، سيستم بهينه سازي نت مي باشد. خرابي ها، منجر به از كار افتادن تجهيزات، وقفه در توليد و حتي كاهش كيفيت محصول شده و عملاً هر بار توقف توليد مستلزم هزينه بالا براي راه اندازي مجدد مي باشد. هدف اين پايان نامه استفاده از زنجيره ماركوف براي روابط بين كنترل هاي نگهداري و تعميرات در صورت خرابي تجهيزات مي باشد. روش پيشنهادي با يك مدل MINLP و كاهش آن، سيستم مديريت تعميرات را به يك حالت بهينه و بهتر مي رساند. اين مدل MILP با تخمين خوش بينانه )حد بالا( تعادل بين قابليت اطمينان و توجه به هزينه تأثير استراتژي بازرسي و نگهداري در انتخاب واحد را نيز نشان مي دهد.و راهكار جديدي را در چارچوب فرآيند تصميم گيري ماركوف ارائه مي دهد. اين مدل براي هر دوره زماني، مجموعه اي از كنترل نگهداري و تعميرات در حالت هاي مختلف را بهينه نموده و سياست بهينه كنترل را حاصل مي دهد. مدل پيشنهادي براي دوره زماني 42 الي 72 ماهه توسط نرم افزار MATLAB شبيه سازي واجرا شده است. و نتايج حاصله نشان از كارايي بالاي روش پيشنهادي نسبت به روش هاي موجود مي باشد.

1399/03/31

Markov Chain Repair Management System Optimization

2/3/2020 12:00:00 AM

one of the important points in most organizations is to pay attention to the important category of high reliability. Further attention to the life of the equipment will increase the range of maintenance and preventive repairs, which has led to the recognition and use of optimized maintenance and preventive repairs. Weak maintenance and preventative repairs are obstacles to organizational progress. Optimizing maintenance and preventative repairs reduces programming shutdowns, reduces value-free tasks, increases targeted actions, and reduces maintenance hours. The main task of this dissertation is the net optimization system. Defects lead to equipment failures, interruptions in production, and even reduced product quality, and virtually every time production stops, it requires a high cost to restart. The aim of this dissertation is to use the Markov chain for the relationship between maintenance and repair controls in the event of equipment failure. The proposed method, with a MINLP model and its reduction, brings the repair management system to an optimal and better state. This MILP model, with its optimistic (high) estimation, also shows the balance between reliability and cost-effectiveness of the inspection and maintenance strategy in unit selection. It offers a new solution within the framework of the Markov decision-making process. For each time period, this model optimizes the set of maintenance and repair controls in different modes and achieves the optimal control policy. The proposed model has been simulated and implemented by MATLAB for a period of 12 to 72 months. And the results show the high efficiency of the proposed method compared to the existing methods.