基于数字孪生驱动的生产系统跨层级预防性维修决策方法

摘要

本发明公开了一种由数字孪生驱动的生产系统跨层级预防性维修决策方法，包括步骤：S1：获取生产系统真实物理数据，采集设备及部件运行状态、退化情况、维修资源、产能信息；S2：将采集到的物理数据输入构建的数字孪生模型中进行预处理；S3：分析生产系统部件运行状态、维修资源及产量等约束，以最小化设备停机成本和部件维修成本为目标，建立生产系统跨层级预防性维修决策的混合整数线性规划模型，调用CPLEX优化求解器使用分支定界算法获得当前最优维修决策方案；S4：将维修决策方案输出的数据实时反馈至物理实体空间，从而实现生产系统运维的闭环管控。本发明的预防性维修决策方法可以在数字孪生技术应用背景下实时为跨层级生产系统设备部件给出最优维修决策方案。

说明书

所属技术领域

本发明属于可靠性工程技术中维修决策领域，尤其涉及一种由数字孪生驱动的生产系统跨层级多部件预防性维修决策决策方法。

背景技术

近年来，随着信息技术和自动化技术的快速发展,在复杂系统的运维和制造方面的研究和发展越来越快。例如高速列车、核电站、智能电网、流程工业设备等现代工程系统的集成度和复杂度越来越高，随着当前智能制造领域的数字化和智能化程度越来越高，复杂系统中跨层级多部件产品在制造和运维过程中将产生大量具有多源、异构等特性的数据，这些数据成为了当前生产制造领域降低复杂产品运维成本，实现制造设计与运维完美对接，从而能保证复杂系统安全可靠运行的重要决策依据。

然而，实际上目前智能制造生产系统的安全运营和维修保障之间存在着脱节现象，造成系统安全运营与维修保障之间的信息可用度角度，系统设备运营中的数据不能有效服务于维修保障，如何针对同一生产系统中安全运营和维修保障环节集成为动态实时反馈控制的决策管理模型值得深入研究。

数字孪生技术是以数据为驱动力，为产品全寿命周期提供管理支持的新兴理论体系，在此信息技术的发展背景下，在保证生产系统基础产能输出的安全运营前提下，根据数字孪生技术输入的实时状态信息，对生产系统跨层级多设备多部件进行实时动态的预防性维修决策方案是生产系统未来发展的重要趋势。

发明内容

针对上述现有技术体系的不足，本发明提供一种由数字孪生技术驱动的面向生产系统多设备多部件的动态预防性维修决策方法，能够基于当前生产系统跨层级产品运行状态，综合考虑各部件剩余使用寿命、生产任务多阶段基础产量与维修资源等约束，以最小化设备停机与部件维修成本为目标，建立数据驱动的跨层级生产系统维修决策的数学模型，实时给出基于当前生产系统运行状态下的最优维修决策方案。

为了实现上述目的，本发明提供了一种基于数字孪生驱动的生产系统跨层级预防性维修决策方法，包括步骤：

S1：获取生产系统真实物理数据，采集设备及部件运行状态、退化情况、维修资源、产能信息；

S2：将采集到的物理数据输入构建的数字孪生模型中进行预处理，为维修决策提供实时交互数据，包括跨层级部件种类及数量、剩余使用寿命、失效阈值、预期寿命、生产周期、维修人员成本、维修备件库存数量及成本、设备产能、系统产能阈值、设备停机成本；

S3：分析生产系统部件运行状态、维修资源及产量等约束，以最小化设备停机成本和部件维修成本为目标，建立生产系统跨层级预防性维修决策的混合整数线性规划模型，调用CPLEX优化求解器使用分支定界算法获得当前最优维修决策方案；

S4：将维修决策方案输出的数据实时反馈至物理实体空间，数据包括未来各生产周期跨层级部件维修时间、剩余使用寿命、维修费用、设备运行状态、输出产能、停机成本、维修人员状态和库存剩余备件，从而实现生产系统运维的闭环管控。

优选地，所述步骤S3中进一步包括步骤：

S31：分析维修决策中与运行状态实时交互的的决策变量：

l

其中，G为系统中设备的集合，i∈G,g＝card(G)；N为设备中部件的集合，j∈N,n＝card(N)；T为生产系统任务执行阶段的集合，t∈T；

S32：建立运维交互数据流中系统跨层级部件剩余寿命变量的约束方程组：

在面向数字孪生驱动的应用背景下，各参数构建如下：在运行阶段t内设备i的每个部件j在运行过程中的剩余使用寿命能够实时精确获取作为维修决策的输入参数r

S33：建立由于部件故障导致设备整机停工维修的变量约束方程组：

其中，x

S34：为保证生产系统有稳定的产能输出，建立生产系统的实时基础产量约束方程：

其中，o

本发明由于采用了以上技术方案，使其具有以下有益效果：

本发明提供的由数字孪生驱动的预防性维修决策方法，能够基于当前生产系统实时运行状态搭建动态交互的数据流框架，综合分析跨层级各部件剩余使用寿命、生产任务多阶段基础产量与维修资源等内部逻辑关系，以最小化设备停机与部件维修成本为目标，建立数据驱动的系统维修决策决策的模型，实时给出基于当前生产系统运行状态下的最优维修决策方案并反馈至物理空间，实现生产系统运维基于数字孪生技术的数据驱动闭环管控。

附图说明

图1为本发明提供的一种基于数字孪生驱动的生产系统跨层级预防性维修决策流程图

图2为本发明面向数字孪生工程技术背景的生产系统运维数据流框架

具体实施方式

下面根据附图图1～图2，给出本发明的较佳实施例，并予以详细描述，使能更好的理解本发明的功能、特点。

请参阅图1，本发明实施例的一种基于数字孪生驱动的生产系统跨层级预防性维修决策方法，该方法基于当前系统部件实时运行状态，综合分析各部件剩余使用寿命、生产任务多阶段基础产量与维修资源等建立约束方程组，以最小化停机成本和维修成本为目标建立混合整数线性规划模型使用分支定界算法求得当前最优维修决策方案，通过数字孪生工程技术进行数据流交互从而驱动生产系统运维闭环管控。该方法具体包括以下步骤：

S1：获取生产系统真实物理数据，采集设备及部件运行状态、退化情况、维修资源、产能信息；

S2：将采集到的物理数据输入预先构建的数字孪生模型中进行预处理，为维修决策提供实时交互数据，包括跨层级部件种类及数量、剩余使用寿命、失效阈值、预期寿命、生产周期、维修人员成本、维修备件库存数量及成本、设备产能、系统产能阈值、设备停机成本；

例如，以某大型水下生产系统为例，设共有6个水下采油树，经重要度分析后确定每个水下采油树设备具有3个关键重要部件。水下生产系统在任务执行过程中的不同阶段t单个水下采油树设备i所能输出的产油量为o

表1设备各阶段参数输入数据流

在完成一批次任务的过程中阶段t内设备i的每个部件j在执行任务的过程中会发生退化，当前时刻的剩余使用寿命在数字孪生工程技术的应用背景下可以更加精确的实时获取，作为维修决策的输入参数r

表2设备各部件参数输入数据流

S3：分析生产系统部件运行状态、维修资源及产量等约束，以最小化设备停机成本和部件维修成本为目标，建立生产系统跨层级预防性维修决策的混合整数线性规划模型，调用CPLEX优化求解器使用分支定界算法获得当前最优维修决策方案；

例如，在数字孪生驱动的应用背景下，对生产系统多设备g多部件n多阶段预防性维修方案的决策可以表示为0/1决策变量x

基于以上算例数据，建立混合整数线性规划模型，调用CPLEX优化求解器使用分支定界算法求解当前实时最优维修决策方案。

S4：将维修决策方案输出的数据实时反馈至物理实体空间，数据包括未来各生产周期跨层级部件维修时间、剩余使用寿命、维修费用、设备运行状态、输出产能、停机成本、维修人员状态和库存剩余备件，从而实现生产系统运维的闭环管控。

例如，维修决策方案实时输出的数据包括各部件在不同时刻的跨层级部件维修情况、设备的停机状态以及生产系统总产油量，如表3所示同时给出了各时段总部件维修和设备停机成本，本发明所述物体实体和虚拟空间进行交互反馈的数据流如图2所示。

表3实时最优维修决策方案

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。