一种质量控制与可靠性分析的制造系统预防性维修方法与流程

本发明提供了一种质量控制与可靠性分析的制造系统预防性维修方法，即一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，属于生产管理领域。

背景技术：

制造业是一个国家的经济命脉，随着德国的“工业4.0国家战略”，美国的“国家制造业创新网络计划”，日本的“工业价值链计划”，以及我国的“中国制造2025”和“互联网+”等智能制造理念的提出，先进制造技术无疑成为提高制造业核心竞争的必然要求。在高度自动化的环境下，制造系统的维修策略在生产中的地位越来越重要，其科学性对生产任务的按时完成、制造产品的质量等有关键的影响。因此，合理的制造系统维修策略逐渐成为决定制造产品市场竞争力的主要因素之一。

消费模式决定着生产模式，目前市场对产品的需求越来越追求个性化、高性能化。因此制造过程具有明显的任务多变性特点，而且产品质量的市场决定性作用越来越明显。在宏观角度上，制造系统的直接服务对象是生产任务，系统维护的最终目标应该是保证生产任务的按时完成，并获得最大的收益。因此，生产任务在维修决策中是不可忽视的，而当前任务要求的多变性更加决定了其不可忽视性。产品质量控制一直是制造过程的研究重点，在产品无设计缺陷的前提下，加工设备的稳定性决定着输出产品质量水平，而产品质量决定着产品的市场竞争力。因此，维修策略、生产计划以及产品质量控制三者之间具有紧密的相互影响关系，而对它们的综合优化是一个极具挑战性的研究课题。在智能制造的“预测+制造”理念背景下，如何表述预测生产任务的执行情况以及输出产品的质量水平，并在维修策略的制定过程中综合考虑生产计划和产品质量控制，是制造领域公认的科学难题。

现阶段，工程上常用的制造系统维修方式主要包括事后维修、定期维修、视情维三类。事后维修的滞后性及其对生产活动的较大干扰使其难以满足当前社会背景下的生产要求。定期维修是工程上应用较为广泛的维修策略，但其具有明显的盲目性，常常导致设备运行初期的维修过剩以及设备老化后的维修不足。当前视情维修常以设备组件可靠性状态为中心，又称为面向可靠性的维修，是基于组件基本可靠性状态建立的制造系统维修策略，这种方法不考虑来自生产任务及产品质量的要求和限制，缺乏全面性和科学性。针对以上现有方法的局限性，本专利提出了一种集成质量控制与任务可靠性分析的制造系统预防性维修方法：通过任务可靠性(即rd)指标科学地表征设备性能状态满足任务要求的能力，对设备生产状态进行综合描述；然后以设备运行的过程变量来量化制造产品质量，定义合格品质量偏差指标(即q(t))以保证制造产品的质量水平；进而以最小综合费用为准则，结合制造系统各组成设备之间的任务相关性，依次分析了制造系统各设备的最佳维修策略，该方法从根本上弥补了传统定期维修和视情维修方法的不足。本发明给出的一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，集成了生产过程中的生产任务要求、质量控制，从总体上关注了整个制造系统的生产状态，更全面的考虑了生产过程中的各种因素。以这种理论指导制造系统设备维护活动的实施，既能满足保证设备的稳定运行，尽可能避免生产事故，又能对生产任务的执行情况和输出产品的质量水平进行科学的预测和控制，降低了生产过程的不确定性，进而保证了生产效益。

技术实现要素：

(1)本发明的目的：

针对制造系统传统定期维修和视情维修方法的不足，本发明提供一种新的制造系统维修策略制定方法——一种集成质量控制与任务可靠性分析的制造系统预防性维修方法。基于智能制造中“预测+制造”的生产理念，以在规定时间段内考虑具体生产任务要求和输出产品质量水平的制造系统集成预测性维修策略的制定为视角，分析过程变量对制造产品质量的影响，并将过程变量的波动集成到设备性能退化状态的动态建模和预测中，以设备不可用度指标为媒介建立任务可靠性与设备退化状态的关联关系，进而分析在不同的任务可靠性阈值下，规定任务时间段内产生的纠正性维修费用、计划维修费用、不合格品导致的产品显性质量损失、合格品不同程度的质量偏差导致的产品隐性质量损失以及无法按时完成生产任务导致的间接经济损失费用的变化趋势，进而得到在不同任务可靠性阈值下，规划周期内产生的综合费用的变化曲线，以最小综合费用为准则确定设备最佳维修策略。进一步的，根据制造系统组成设备之间的任务相关性，建立多工位制造系统的维修策略。最终实现对制造系统生产状态的科学预测与准确维修。

(2)技术方案：

本发明一种质量控制与可靠性分析的制造系统预防性维修方法，即一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，提出的基本假设如下：

假设1制造系统各设备之间相互独立，且每台关键加工设备后都有一个检测工位，检测结果是绝对可靠的，只有质量检测合格的在制品能够进入下一工位；

假设2加工产品的各关键质量特性之间相互独立；

假设3设备发生故障后立即进行纠正性维修，其作用是恢复设备运行状态，不影响设备性能状态；

假设4计划维修为到达任务可靠性阈值时进行的维修活动，能够改善设备性能但不能使设备恢复如新，并能够重置过程可控变量为设计标称值；

假设5计划维修所占时间通过加班作业的形式补偿，因此不考虑计划维修活动占用作业时间而对任务可靠性产生的影响；

假设6在规划时间开始时设备处于全新状态，设备的故障率服从威布尔分布，过程可控变量服从伽马过程；

假设7设备发生各类型故障的比例是恒定的，并且各类型故障的修复时间与设备当前的性能退化状态无关；

基于上述假设，本发明提出的一种质量控制与可靠性分析的制造系统预防性维修方法，即一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，其步骤如下：

步骤1、建立相关设备的基础数据库；

步骤2、建立过程模型，量化输出产品质量偏差指标；

步骤3、对设备故障率变化趋势进行建模，建立任务可靠性与设备性能退化之间的关联关系；

步骤4、分析规划时间段内产生的纠正性维修费用；

步骤5、分析规划时间段内产生的计划维修费用；

步骤6、分析规划时间段内产生的产品显性质量损失费用；

步骤7、分析规划时间段内产生的产品隐性质量损失费用；

步骤8、分析规划时间段内产生的间接损失费用；

步骤9、分析综合费用变化趋势，确定该设备的集成维修阈值，进而确定最佳计划维修策略；

步骤10、根据步骤9的结果，基于任务相关性确定上一台设备分任务要求，重复步骤1-9，直至完成整个制造系统集成维修策略的制定；

步骤11、结果分析：是将本方法所得结果与传统视情维修、周期性维修方法的结果作对比。

其中，在步骤1中所述的“建立相关设备的基础数据库”，是指分析产品关键质量特性，确定关键工序，进而确定制造系统中的关键设备；然后基于工业生产大数据，收集相关设备的基础数据，包括设备故障数据、维修数据、运行过程中的过程参数波动数据，输出产品质量检测数据等，以用于确定模型中各参数的取值；在智能制造背景下，该类数据可通过传感器搜集的历史数据或者网络云端中获取。

其中，在步骤2中所述的“建立过程模型”，是指通过分析过程可控变量(即v(t))以及环境噪声变量(即z(t))与产品关键质量特性偏差(即yk(t))之间的关系，建立过程模型k＝1,2,3,…n；这里，恒定基线，和分别表示可控过程变量与环境噪声变量对关键质量特性偏差的线性影响；ak表示可控过程变量与环境噪声变量之间相关影响关系的矩阵。这些参数取值可以通过实验设计获得，或通过基于工程分析的具体物理过程模型获取。

其中，在步骤2中所述的“量化输出产品质量偏差指标”，是指根据过程模型，确定输出合格产品关于关键质量特性k的质量偏差指标qk(t)＝e[e(yk(t)²|v(t))]；

这里参数φii为φ中的第(i,i)个元素，vi(t)服从伽马分布，根据伽马分布特性i＝1,2,3,…h，这里θi表示vi(t)的尺度参数，υi表示vi(t)的漂移率，υit表示vi(t)的形状参数；输出合格品质量偏差指标可表示为：

这里υ＝[υ1/θ1,υ2/θ2,…υh/θh,]。

其中，在步骤3中所述的“对设备故障率变化趋势进行建模”，是指分析设备故障率变化趋势λl+1(t)＝blλl(t+altl)，这里tl表示第l-1次与第l次计划维修的时间间隔，al表示寿命递减因子，0＜al＜1，可由最大似然估计得出；bl表示故障率波动因子，bl＝exp[βv(t)]，这里β∈rⁿ是由回归系数组成的行向量。

其具体作法如下：由于过程变量的随机性，bl的期望值可表示为：

bl＝ev(t){exp[βv(t)]}

＝∫v(t)≥0exp[βv(t)]g[v(t)]dv(t)

这里g[v(t)]为过程参数[v1(t),v2(t),v3(t),…,vh(t)]的联合概率密度函数。由于可控参数漂移过程具有统计学上的独立性，g[v(t)]可以表示为边缘概率密度函数g[v1(t)],g[v2(t)],g[v3(t)],…,g[vh(t)]的乘积。

θi-βi需为正值，否则参数bl的值将是无穷大，则bl的表达式可以化简为：

在初始故障率服从威布尔分布的条件下，设备故障率模型可表示为：

其中，在步骤3中所述的“建立任务可靠性与设备性能退化之间的关联关系”，是指根据制造系统任务可靠性内涵建立设备生产能力状态分布及概率与设备性能(故障率)以及制造合格率与设备不可用度之间的关联关系，并在此基础上提出设备集成维修的建模机理，如图1所示；建立制造合格率与设备不可用度之间的关联关系：这里ρ0表示全新状态下设备的制造合格率，γ表示一个常数系数；制造系统任务可靠性与加工能力状态分布及概率直接相关，加工能力状态分布及概率与设备累积故障概率之间的关系可表示为：

这里，表示设备不可用度，ckm表示设备(k)的最大加工能力状态，pkx表示设备(k)的加工能力状态为cix的概率，τ表示单次纠正性维修时间期望

这里δ(k,e)表示故障类型e发生的概率，故障类型e的维修时间。

其中，在步骤4中所述的“分析规划时间段内产生的纠正性维修费用”，是指根据某一给定的任务可靠性阈值，计算在规划时间段内设备发生故障数量期望，进而计算进行纠正性维修所产生的费用cc，表示式为：

这里cr表示单次纠正维修费用的期望值，e表示规划时间段(0，t)内计划维修活动的数量，ε表示最后一次计划维修结束到规划时间段末端的剩余时间这里nl＝1。

其中，在步骤5中所述的“分析规划时间段内产生的计划维修费用”，是指基于设定的任务可靠性阈值，计算在规划时间段内的计划维修次数，进而计算计划维修所产生的费用cp，这里cm表示单次计划维修费用的期望值；

其中，在步骤6中所述的“分析规划时间段内产生的产品显性质量损失费用”，是指计算由于制造过程的不合格品产生，造成的显性质量损失费用cdq，其表达式为：

这里d表示生产任务要求(单位时间内输出的合格产品数量)，表示单个不合格在制品造成的经济损失；

其中，在步骤7中所述的“分析规划时间段内产生的产品隐性质量损失费用”，是指由于合格品的质量水平不均，在产品使用过程中质量偏差较大的产品往往可靠性不能得到用户要求，而造成的产品隐性质量损失chq；表达式为：

这里ξk表示单位质量偏差对应的经济损失。

其中，在步骤8中所述的“分析规划时间段内产生的间接损失费用”，是指由生产任务不能按时交付而造成的企业间接经济损失费用ci，包括逾期赔付、企业信誉下降导致订单减少等；表达式为：

这里，σ表示间接损失期望，与具体生产任务相关，由专家评测后给出；rkt表示设备(k)的任务可靠性阈值，rkε表示在剩余时间ε内的任务可靠性。

其中，在步骤9中所述的“分析综合费用变化趋势，确定该设备的集成维修阈值，进而确定最佳计划维修策略”，是指借助matlab软件计算不同任务可靠性阈值下的综合费用ct＝cc+cp+cdq+chq+ci，以综合费用最低为原则确定最佳任务可靠性阈值，进而制定集成维修策略，得到最佳计划维修时刻(t1，t2，t3，…，te)；

其中，在步骤10中所述的“根据步骤9的结果，基于任务相关性确定上一台设备分任务要求，重复步骤1-9，直至完成整个制造系统集成维修策略的制定”，是指根据当前设备的任务可靠性阈值，确定当前设备在规划时间段内的制造合格率期望(ρk)，利用得到当前设备的输入要求，这里rk表示一个二进制系数，当该设备存在返工操作时rk＝1，否则，rk＝0。即为上一台生产设备的输出要求，据此依次完成每台相关设备的集成维修策略的制定。

通过以上步骤，建立了一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，达到了综合考虑设备运行状态、生产任务要求及产品质量控制的目的，解决了传统视情维修仅关注设备组件基本可靠性的局限性以及定期维修的盲目性问题，提高了制造系统维修决策的科学性，有利于提高企业生产效益和产品竞争力。

(3)本发明所述的一种质量控制与可靠性分析的制造系统预防性维修方法，即一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，其使用方法如下：

步骤1、根据产品的关键质量特性，利用公理设计域间映射理论确定关键工序，识别相关生产设备，进而建立针对该生产任务的设备基础数据库；

步骤2、对设备基础数据进行分析，得到相应的过程模型；

步骤3、对设备基础数据进行分析，确定与故障率函数、设备加工能力状态分布及概率、制造合格率相关的参数取值；

步骤4、计算不同任务可靠性阈值下的纠正性维修费用；

步骤5、计算不同任务可靠性阈值下的计划维修费用；

步骤6、计算不同任务可靠性阈值下的产品显性质量损失费用；

步骤7、计算不同任务可靠性阈值下的产品隐性质量损失费用；

步骤8、计算不同任务可靠性阈值下的间接损失费用；

步骤9、计算综合费用，确定综合费用最小时对应的任务可靠性阈值，并计算任务规划时间段内进行计划维修的时间间隔；

步骤10、基于制造系统各设备间的任务相关性，确定前一工位的任务要求，然后重复步骤1-9；

步骤11、对本专利维修方法与传统视情维修与定期维修方法对比。

(4)优点和功效：

本发明是一种质量控制与可靠性分析的制造系统预防性维修方法，即一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，其优点是：

1>.本发明在充分认识制造系统固有多态性特征的基础上，进一步分析了产品质量的多态性，提出了量化产品质量状态的方法；

2>.本发明提出了集成可控过程变量的设备故障率建模方法，提高了设备性能状态预测的科学性。

3>.本发明提出的制造系统维修方法集成了任务可靠性分析与产品质量控制，具有极高的针对性、科学性和实用性，突破了传统视情维修和周期性维修的片面性与盲目性等缺陷。

附图说明

图1是基于集成任务可靠性分析与产品质量控制的设备集成维修机理。

图2是本发明所述方法流程图。

图3是纠正性维修费用随任务可靠性阈值的变化趋势图。

图4是计划维修费用随任务可靠性阈值的变化趋势图。

图5是产品显性质量损失费用随任务可靠性阈值的变化趋势图。

图6是产品隐性质量损失费用随任务可靠性阈值的变化趋势图。

图7是间接损失费用随任务可靠性阈值的变化趋势图。

图8是综合费用随任务可靠性阈值的变化趋势图。

图8(a)是任务可靠性阈值在区间(0,1)时的综合费用的变化趋势

图8(b)是任务可靠性阈值在区间(0.8,1)上的综合费用变化趋势

图9是综合费用随定期维修时间阈值的变化趋势图

图9(a)是时间阈值在(0,150)区间上的综合费用变化趋势

图9(b)是时间阈值在(0,60)区间上的综合费用变化趋势

图10是传统视情维修模式中总费用随设备可靠性阈值的变化趋势图

图中符号说明如下：

是指设备k的输入载荷；

是指设备k输出的合格产品数；

具体实施方式

下面结合附图和实例对本发明做进一步详细说明。

本发明是一种质量控制与可靠性分析的制造系统预防性维修方法，即一种集成质量控制与任务可靠性分析的制造系统预防性维修方法，维修机理见图1所示，具体步骤见图2所示，其实施步骤如下：

步骤1收集某型号四缸柴油发动机缸盖的产品质量信息和制造工艺信息。利用公理设计域间映射理论，识别缸盖制造系统相关关键工艺及生产设备，见下表1。

表1.关键质量特性及其制造工艺信息

然后搜集加工设备a5的基础数据，分析可得到以下时间、费用等参数取值，见下表2。

表2.加工设备a5的时间、费用参数

步骤2对设备的基础数据进行分析，针对关键质量特性——导管孔同轴度和直径，首先确定关键质量特性分别对应的可控过程变量为铰刀的径向跳动(即v1(t))和半径方向(即v2(t))，得到其相关参数的取值，见下表3所示，加工过程的环境噪声为z。分别得到两关键质量特性偏差的过程模型：

y1(t)＝0.774v1(t)+0.363z-0.481v1(t)z

y2(t)＝0.982v2(t)+0.523z+0.372v1(t)z

表3.加工设备a5的过程变量相关参数

步骤3确定与故障率函数、设备加工能力状态分布及概率、制造合格率相关的参数取值。

故障率服从威布尔分布：其相关参数取值见下表4所示。

表4.加工设备a5的故障率函数相关参数

制造合格率：这里ρ0＝0.99，γ＝0.03；

加工能力状态分布及概率：

sx＝{0,20,40,60,80,100,120,140,160,180,200}，

步骤4计算不同任务可靠性阈值下的纠正性维修费用。根据任务可靠性内涵及假设7可知，任务可靠度与设备不可用度呈一一对应关系，根据不可用度等式以及步骤3中得到的各参数取值，得到故障数期望与任务可靠度之间存在以下数值关系：此式不具物理意义。设定本案例中任务可靠性阈值的搜索范围为(0,1)，则纠正性维修费用的变化趋势如图3所示。

步骤5、计算不同任务可靠性阈值下的计划维修费用。取任务可靠性阈值搜索范围为(0,1)，计算不同任务可靠性阈值下的计划维修次数，进而得到计划维修费用的变化趋势如图4所示。

步骤6、计算不同任务可靠性阈值下的产品显性质量损失费用。取任务可靠性阈值搜索范围为(0,1)，计算计算不同任务可靠性阈值下的报废物料数量，进而得到产品显性质量损失费用的变化趋势如图5所示。

步骤7、计算不同任务可靠性阈值下的产品隐性质量损失费用。取任务可靠性阈值搜索范围为(0,1)，计算计算不同任务可靠性阈值下的输出合格品的质量偏差，在本例中，进而得到产品隐性质量损失费用的变化趋势如图6所示。

步骤8、计算不同任务可靠性阈值下的间接损失费用。取任务可靠性阈值搜索范围为(0,1)，间接损失费用的变化趋势如图7所示。

步骤9、计算综合费用，取任务可靠性阈值搜索范围为(0,1)，综合费用的变化趋势如图8(a)所示，根据综合费用变化趋势可知，综合费用随着任务可靠性阈值的提高，总体呈下降趋势。对可靠性阈值在区间(0.8,1)上的综合费用变化趋势进行放大，综合费用的变化趋势如图8(b)所示。可得当任务可靠性阈值取rkt＝0.975时，综合费用最低，在任务规划时间段内进行计划维修的时间间隔见下表5所示。

表5.集成维修模式下最佳计划维修时间表

步骤10、根据设备a5的集成维修策略，可确定设备a4为满足最终任务要求，其分任务要求d4＝151.8，然后重复步骤1-9，以此类推，最终结果见下表6所示。

表6.优化结果

步骤11、对本专利方法与定期维修和传统视情维修方法对比。

以设备a5为例，利用matlab软件分析定期维修策略下不同时间阈值下考虑产品质量评估与任务可靠性分析的综合费用变化趋势，如图9(a)为时间阈值在(0,150)区间上的综合费用变化趋势，图9(b)为时间阈值在(0,60)区间上的综合费用变化趋势。其最优计划维修时间间隔为tl＝19.1，此时最小综合费用为1567.52。

以设备a5为例，利用matlab软件分析传统的面向设备组件基本可靠性的视情维修方法，该方法通常涉及的总费用包括纠正维修费用、计划维修费用以及物料质量不合格导致的产品质量损失费用，此三类费用之和随组件基本可靠性阈值的变化趋势如图10所示，在该模式下得到的最优组件基本可靠性阈值为0.368。此时的计划维修时间间隔见下表7所示，在该维修策略下对应的考虑考虑产品质量评估与任务可靠性分析的综合费用为1574.49。

表7.传统视情维修模式下最佳计划维修时间表

对比发现，本发明方法较现有的两种维修方法具有明显的优势，这是因为本发明是具体生产任务要求为出发点，集成了产品质量控制与任务可靠性分析，并以可以综合表征设备生产状态的任务可靠性指标作为优化指标，较其他两种方法具有更好的针对性、科学性和实用性，降低制造过程的不确定性，能够指导企业制定合理的设备维修策略，降低企业生产成本。