Teniendo en cuenta el estado de máquina de la Salud en la optimización
conjunta predictivo Política y mantenimiento X- bar
Tabla de control
Li Yaping
Facultad de Economía y Administración,
Silvicultura de la Universidad de Nanjing
Nanjing, China
ypli22@163.com
Abstracto El mantenimiento preventivo basado en el tiempo, que utiliza el modelo
integrado de la política SPC y el mantenimiento en la mayoría de investigaciones,
causada acciones innecesarias o ausentes con una alta probabilidad debido a ignorar el
estado de funcionamiento real de la máquina. Consideramos que el mantenimiento
predictivo de acuerdo con el estado de salud de la máquina para desarrollar un modelo
de optimización conjunta de la política SPC y mantenimiento. El objetivo del modelo es
minimizar el coste por unidad de tiempo en el ciclo por encontrar los valores óptimos de
mantenimiento umbral de tiempo sobre el índice de salud, frecuencia de mantenimiento,
límite de control, tamaño de la muestra y el intervalo de muestreo. Un ejemplo numérico
y análisis de sensibilidad a fondo se proporcionan para ilustrar la eficacia del modelo de
optimización conjunta propuesta.
Palabras clave: mantenimiento predictivo; Control del Proceso Estadístico; manejo de la
salud; sistema de manufactura
YO. INTRODUCCIÓN
A. literatura anterior y la motivación
Gráfico de control, como una herramienta eficaz de control estadístico de procesos, se
ha utilizado ampliamente por los médicos para controlar el proceso de producción y ayudará
a identificar y eliminar la causa asignable. Desde Duncan (1956) propuso por primera vez un
método de diseño económico de X cartas para mantener el control actual de un proceso, el
diseño económico de los gráficos de control ha sido una cuestión de importaciones en el
campo de control de calidad. También la optimización de la estrategia de mantenimiento es
un tema candente en el campo fiabilidad. Para estudiar por separado los dos problemas
anteriores es necesario y razonable, sin embargo, en la mayoría de los casos, los dos
problemas son relevantes e interactúan el uno del otro. Por ejemplo, en el control de proceso
estadístico, mantenimientos planificados / preventivas necesitan ser llevado a cabo para
disminuir la tasa de fallo de la máquina y reducir la variación del producto, y mantenimientos
correctivas necesitan ser realizados para restaurar un estado fuera de control de nuevo a in-
estado de control. Como resultado, mantenimientos tienen un impacto en el modo de fallo de
la máquina que en última instancia conduce a una reducción en el desplazamiento de la
calidad (Ben-Daya y Duffuaa, 1995; Wang,
2002) y cambia el requisito de control del proceso. La estrecha relación entre la
calidad y el mantenimiento ha llevado a una gran cantidad de investigadores a
centrarse en los modelos integrados que son más realistas en la práctica. Estos
modelos son desarrollados con la
Esta investigación es apoyada por la Fundación de Ciencias Naturales de la provincia de Jiangsu (BK20160940), Science Foundation Postdoctoral China (2016M600320), la Fundación Nacional de Ciencias Naturales
de China (51475289 y 71372080 y 71671091).
978-1-5090-6668-1 / 17 / $ 31.00 © 2017 IEEE
Ershun Pan, Zhen Chen,
Departamento de Ingeniería y Gestión Industrial
Universidad Jiao Tong de Shanghai
Shanghai, China
el objetivo de reducir el coste total causado por el mantenimiento, control de calidad y así
sucesivamente.
Ha habido mucha investigación sobre los modelos integrados de gráfico de
control y mantenimientos. Lochner (1987), Kneile, Stephens y Vasudeva (1989) y
Katter et al. (1997) preliminar estudió la relación entre la calidad y el mantenimiento.
Tagaras (1988) primero presentadas el modelo del costo para el control de proceso
estadístico y mantenimiento. Ben-Daya y Rahim (2000) desarrollaron un modelo de
optimización conjunta para determinar los parámetros de nivel de mantenimiento
preventivo (PM) y el diseño de las X gráfico de control, es decir, intervalos de
inspección, tamaño de la muestra y de límite de control, en los que los intervalos de
inspección son diferentes y el mecanismo de fallo sigue una distribución general con
el peligro creciente. Más tarde, Lee y Rahim (2001) consideran el costo de
reposición y el valor restante de la máquina en el modelo económico integrado en el
que el coste de mantenimiento es la función de la edad de la máquina. Cassady et
al. (2000) propusieron un modelo integrado de X gráfico de control y la estrategia PM
limitado con la edad, que captura los costos asociados con la inspección del
producto, el tiempo de inactividad del proceso, y la mala calidad. Igual a Cassady et
al. (2000), teniendo en cuenta X gráfico de control y la estrategia PM limitado con la
edad, Yeung et al. (2008) utilizaron proceso de Markov discreta para obtener la
estrategia conjunta aproximadamente óptimo. Basado en la investigación de
Linderman et al. (2005), Zhou y Zhu (2008) estudiaron el diseño económico del
modelo integrado de gráfico de control y gestión de mantenimiento, y el enfoque de
rejilla de búsqueda se utilizó para buscar la solución óptima. Chan y Wu (2009)
utilizaron CCC (recuento acumulativo de conformar gráfico) y la política de
mantenimiento planificado para optimizar el modelo integrado. Mehrafrooz y
Noorossana (2011) presentan un modelo integrado que considera el fracaso
completo y el mantenimiento planificado de forma simultánea. Seis escenarios en
proceso de producción se analizan y se propuso también un procedimiento para el
cálculo de coste medio por unidad de tiempo. Yin et al (2015) desarrolló un modelo
integrado de control estadístico de procesos y mantenimiento que considera el
seguimiento retrasado y diez escenarios se analizaron en el papel.
Charongrattanasakul y Pongpullponsak (2011) propusieron sistemas integrados
enfoque al control del proceso y modelo de mantenimiento por gráfico de control
EWMA y genética
328 SEIG 2017
algoritmo se utiliza para encontrar los valores óptimos de las variables en el modelo. Más con el objetivo de minimizar el costo esperado por unidad de tiempo en el horizonte de
tarde, Ardakan (2016) estudió el diseño económico de gráfico de control EWMA múltiples planificación, podemos encontrar tanto en la política de mantenimiento óptimo y los
variables y la estrategia de mantenimiento. Shrivastava et al. (2016) propusieron diseño de parámetros relacionados con el gráfico.
forma conjunta óptima de PM y CUSUM gráfico de control con la consideración de la
Al considerar el problema anterior, surgen muchas dificultades
estrategia de mantenimiento imperfecta mínimo mantenimiento correctivo y. costo de la
metodológicas desafiantes. El enfoque propuesto incluye conceptos
pérdida de calidad, el costo de inspección y los costes de mantenimiento son considerados
desde el control de calidad, mantenimiento
como el costo total y el objetivo del modelo es minimizar el costo por unidad de tiempo para
gestión y administración de la salud campos. Se propone método de análisis de costes para
obtener los valores de las variables. Nourelfath, Nahas y Ben-Daya (2016) integrado de
calcular el costo de control de calidad y el coste de mantenimiento predictivo, durante el cual,
producción, el mantenimiento y la calidad de un proceso imperfecto en un contexto del
las funciones de coste pérdida de calidad por unidad de tanto los que corresponden y están
tamaño de lote capacitado periodo multi-multi-producto.
desarrollado elementos no conformes. dinámica de costos de mantenimiento predictivo,
referenciado desde Liao y Pan (2010), se propone teniendo en cuenta el hecho de que el costo
de mantenimiento aumentará a medida que el estado de salud va peor y el número de
Para nuestro mejor conocimiento, en los modelos integrados existentes estrategias de mantenimiento aumenta. El tiempo de ciclo esperado se calcula. A continuación, un algoritmo
mantenimiento preventivas están basadas en la edad o basado en el tiempo, pero no hay un de solución se ha desarrollado para el modelo integrado, y se realiza un análisis de sensibilidad
trabajo de investigación sobre la fabricación de la estrategia PM considerando el estado de la para validar el modelo.
máquina de la salud. gestión de la salud, como una nueva idea para el manejo de la máquina,
se ha utilizado ampliamente en el proceso de producción en el sistema de fabricación
El resto de este trabajo se organiza como sigue. La sección 2 presenta
moderna. Una de las tareas centrales de la gestión de la salud es hacer que la decisión
planteamiento del problema y la hipótesis del modelo. El modelo integrado de la
condición dependiente de mantenimiento predictivo (PDM) en la que PDMS se programan de
política y el control PdM gráfico se muestra en la Sección 3, en el que se
acuerdo a la condición de salud de la máquina. Así que para optimizar las variables de forma
analizan el tiempo de ciclo esperado y costo esperado, y se propone el
conjunta sobre PDM y gráfico de control basado en el estado de salud será valiosa y
algoritmo para el modelo. Sección 4 realiza el caso numérico que proporciona el
significativa. Además, debido a que las acciones de mantenimiento se hacen cada vez más
análisis de sensibilidad del modelo. Conclusiones y futuro sea posible la
frecuentes a medida que aumenta la edad, también tenemos en cuenta los efectos de ambos
investigación se muestran en la Sección 5.
era de la máquina y el número de mantenimiento en el tiempo útil restante para el
mantenimiento. Con base en las consideraciones anteriores, se propone un modelo integrado
de la política y de mantenimiento predictivo X gráfico de control que tiene la condición de salud La nomenclatura en este documento se muestra en la siguiente tabla.
de la máquina en consideración. El objetivo del modelo es optimizar conjuntamente umbral
mantenimiento tiempo, frecuencia PdM, límite de control, tamaño de la muestra y el intervalo
de muestreo. TABLA I. NOMENCLATURA

Nomenclatura

T mantenimiento umbral de tiempo sobre el índice de salud

H segura

norte número de PdM

SEGUNDO. contribución de papel y el esquema L límite de control

norte Tamaño de la muestra
La investigación se ha mencionado anteriormente, no se ha tenido en cuenta el índice de El muestreo probabilístico intervalo de
h
salud en la optimización integrada para el mantenimiento y control de gráfico todavía. El probabilidad de error tipo I de error
documento integra la política de mantenimiento predictivo y el gráfico de control con una tipo II
consideración de la condición de salud de la máquina al tiempo que presenta la siguiente
Z1 el tiempo promedio de cada PdM
característica importante.
Z2 Tiempo de reemplazo
En lugar de tratar principalmente con la política de mantenimiento preventivo
doF
costo fijo de cada muestreo
basado en el tiempo, más bien nosotros consideramos un modelo integrado de la
política de mantenimiento predictivo condición dependiente y gráfico de control. A partir doV costo variable promedio por unidad

de la literatura mencionada, se puede observar que la mayoría de los modelos El costo promedio de un reemplazo
doRP
integrados existentes se centran en la optimización de tiempo-h Política basada, lo que
El costo de control de calidad que se espera en el ciclo
causó mantenimientos innecesarios o ausentes con una alta probabilidad, debido a E QC

ignorar el estado de funcionamiento real de la máquina. En nuestro trabajo, la política de E PMC El costo de mantenimiento predictivo se espera en el ciclo

mantenimiento predictivo teniendo en cuenta el estado de salud se puso adelante en el

ET El tiempo de ciclo se esperaba
modelo integrado. Ha habido mucha investigación sobre la predicción residual vida útil
El costo de control de calidad que se espera en la etapa k-ésimo
(RUL) por los datos de salud (Huang et al, 2016;. Qian et al, 2016;. Letot et al, 2016). E QC k

Por lo tanto aquí suponemos modelo de predicción RUL está dada por una modelo de E PMC k
El costo de mantenimiento predictivo se espera en la etapa k-ésimo

series de tiempo. El tiempo de mantenimiento umbral acerca del índice de salud es una
ET k
El tiempo de la etapa de esperar en la etapa k-ésimo

variable de decisión, RUL METRO. Usamos RUL METRO para determinar cada intervalo de
El costo por unidad de tiempo en el ciclo
mantenimiento, con base en el que se estudió la optimización conjunta de PDM y control Ec

de gráfico. El modelo de tiempo útil residual para el mantenimiento es presentado por PR Tasa de producción

considerar simultáneamente los efectos de la edad de la máquina y el número de

II. planteamiento del problema y las hipótesis
mantenimiento. Por el modelo propuesto
Consideramos un sistema de fabricación con una sola máquina en deterioro que
produce un tipo de productos en un horizonte de tiempo finito. El horizonte de tiempo
finito generalmente se llama una

329
tiempo de ciclo en el cual X gráfico de control se utiliza para supervisar el estado de la Antes de proceso se detiene, toma de muestras para la inspección se lleva a cabo cada h unidades
de tiempo. Dejar que el número de mantenimiento predictivo, NORTE, ser una variable de
política de sistema de producción y de mantenimiento mientras tanto se ejecuta según lo
decisión. Así, el ciclo de producción se divide en norte etapas. Un ciclo etapa termina ya sea con
programado. Un ciclo de producción comienza con un sistema que se supone que está en
un cierto señalando que el proceso está fuera de control o el tiempo para realizar la actividad
un estado en-control, la producción de artículos de calidad aceptable. El proceso se
PdM alarma es de hasta, lo que ocurra primero. El proceso se restaura al estado en el control
detiene en
de mantenimiento. El ciclo de producción termina si el norte º tiempo de mantenimiento
veces t RUL
1 1
METRO
, t2 RUL RUL 1
METRO 2
METRO
Z1 ,
predictivo y llega un reemplazo se lleva a cabo en lugar del PDM. Tanto de las actividades de
3

mantenimiento predictivo y el último reemplazo traerá la máquina a un estado entre tan bueno
t3 RUL Mi
2 Z,1 ..., dónde k RUL
mk
2 es la ejecución
yo 1
como nuevo y tan malo como vieja. Proceso de producción tanto con la inspección de control

longitud antes de la k º mantenimiento predictivo desde el último mantenimiento y, en particular, de calidad y las actividades de mantenimiento predictivo se muestra como Fig.

RUL 1
METRO
es la longitud en funcionamiento antes de la primera PdM

ya que la nueva máquina comenzó, para las actividades de mantenimiento predictivo planificadas.
1, en la que QCI es la abreviatura de inspección de control de calidad.

Primero Segundo Tercero ( NORTE- 1)

PdM QCI QCI PdM QCI QCI PdM QCI QCI Reemplazo QCI
QCI
-ésimo PdM

t1 t2 t3 t NORTE- 1 t norte t
RUL METRO 1 RUL METRO 2
Z1 Z 1 RUL METRO 3 ... Z 1 RUL Minnesota Z2

E (T)

Figura 1. PROCESO DE PRODUCCIÓN DE INSPECCIÓN Y CONTROL DE LA CALIDAD PDMS

Supongamos que la variación de la característica de calidad X sigue la distribución Por lo general, la tasa de fracaso es conocido o se puede deducir. Entonces, de
normal con media y la desviación estándar en kt dt
acuerdo a las ecuaciones ese Rtk mi y
2
el saciar en-control, es decir, x N N, , , donde ambos y
Rt k
1 Fk t dt, Fk t puede calcularse
son conocidos. Pero después de un tiempo, el proceso puede pasar a un estado fuera

de la de control con la media del cambio de la característica de calidad 0 kt dt

Fk t mi t (2)
0=
a0 0 dónde 0 , Son
0
el k

Creemos que el PDM se lleva a cabo como estaba previsto sólo cuando la
media y desviación estándar de las muestras, respectivamente, es
máquina se deteriora hasta un cierto punto y este punto debe corresponder a un valor
la magnitud de cambio de la calidad, y la desviación estándar asume que se del índice de salud que se llama umbral del índice de salud en este estudio, como
mantiene el mismo. Para cada etapa, el tiempo para que el proceso sea en el señalamos H. seguro
RUL METRO es
estado de control de en, antes de que ocurra el cambio, se supone que siguen una
utilizado para calcular el intervalo para el próximo mantenimiento para RUL METRO es
distribución de Weibull de dos parámetros. Tomando el k º etapa por ejemplo, la
la duración de “como nuevo” a “tan malo como umbral de la salud”, en otras
función de densidad de probabilidad de la distribución de Weibull se supone que es
palabras, una vez que el índice de salud alcanza su
bk
umbral, PdM debe realizarse inmediatamente, al ver Fig.2.
segundo
k 1 ejército

segundo
k
t de reserva
Lo que es más, sobre la base de una consideración global de la opinión de Malik
Fk t EAAk dónde unk es el parámetro de escala
k k
(1979) y la opinión de Nakagawa (1998) ambos mayores de edad máquina y el número
de mantenimiento se considera que tienen efectos sobre la RUL METRO. El tiempo útil
con unk 0 yk segundo es el parámetro de forma con 0
segundo
k
. los
residual para la k º mantenimiento, RUL METRO k, se supone por la siguiente ecuación,
correspondiente fracaso tasa de Fk t es k t ,
kb 1
segundo
k
tt T T , 1k
k
. Nakagawa (1998) propuso la HSE
af
H nuevo

Automóvil club británico (3)

k k RUL k
METRO k 1
RUL M, -1k
el factor acelerador para describir el efecto del número de mantenimiento en la tasa ,2 kN
k 1
de fracaso, así que creo que la siguiente ecuación para describir la relación entre las
tasas de fracaso antes y después del mantenimiento,
dónde k 1
es el factor de disminución de describir el efecto de la edad de la

máquina en RUL METRO k

, k 1
es el factor acelerador
k
t k 1 k 1
t (1) que describe el efecto del número de mantenimiento en RUL, y METRO k

dónde k 1
t es la tasa de fallo antes de la k º mantenimiento predictivo, k t es 0 1, 1, k 2, , norte
, H significa que la máquina es
k 1 k 1 nuevo

la tasa de fallo después de la k º mantenimiento predictivo,

k 1
es el factor de disminución, en tan bueno como nuevo estado, H representa el estado de la máquina
seguro

y k 1 1 . índice tiene alcanzado a el límite, y dejar

H nuevo
1,0 H seguro
1 . TH es el punto de tiempo correspondiente a
seguro

330
“Tan malo como umbral de la salud” del Estado, TH es el punto de tiempo correspondiente a “como nuevo” estado.
nuevo

índice
Heath
primero PdM segundo PdM Reemplazo
( NORTE- 1) -ésimo PdM

H nuevo

H0

umbral predeterminado
H seguro
T 1
H segura
T H segura2
de salud
T HN ,1
T HN ,
segura segura
H fallar
RUL M2 t

Fig. 2. Relación entre RUL METRO, ÍNDICE DE SALUD Y MANTENIMIENTO

Para el k ª etapa y luego para todo el ciclo. El proceso de producción en el k º

III. Modelo de desarrollo etapa se muestra en la Fig. 3.
Dado que el ciclo de producción se divide en norte etapas, y cada etapa tiene
escenarios similares, analizamos en primer lugar los problemas

k º mantenimiento
QCI QCI QCI QCI QCI
predictivo o reemplazo

tk1 tk2 tk3 t k, m- 1 t k, m RUL METRO k t

h h h ... h Z1 o Z2
Δk

E (T k)

Fig. 3. PROCESO DE PRODUCCIÓN EN LA K ETAPA TH

A. Análisis del tiempo de ciclo esperado estado en el tiempo t kj , 1 . Además, se supone que el proceso de

Tomando el momento de la k ª etapa, por ejemplo, primero calculamos el tiempo comienza en el estado en-control en cada etapa, por lo pag
k 00
. Similar
de la etapa de esperar ET, yk luego considerar la Ben-Daya y Rahim (2000), se le da el teorema sobre tiempo de la etapa de
esperar.
tiempo de ciclo esperado ET.
Teorema 1. En el k ª etapa, el tiempo de la etapa de esperar
Dejar pjkj , 1,2, , metro
k
ser
k la probabilidad condicional de que
ET es
k
el proceso se desplaza a un estado fuera de control durante el intervalo de tiempo

t kj , 1,
t kj , dado que el proceso era en el in-de control
metro j metro j 1 mjk metro
1
k
1 k k
mjk
ET k
1 phki pag
kj
1 pag
ki
h k
1 pag
ki k
(4)
j 1 yo 0 j 1 yo 0
1 yo 1

dónde k
RUL mh, y k
METRO k
metro
k
representa el número entero Promover, de la definición de pag
kj
, obtenemos

RUL METRO k
RUL mMETRO k F kt F kt
parte de , señalado como k
fijar . pag
kj kj , 1
, j 1, 2, , metro, dónde Fk es el
kj
h h
1 F kt kj , 1

Prueba. función acumulativa de la distribución de Weibull en el k ª etapa.

Dejar ET kj
, j 0,1,2, , metro
k
será
k el tiempo residual esperado
Tenga en cuenta los posibles estados de la máquina, al final del primer intervalo de
en la etapa más allá del tiempo kj t Excluyendo 1 Zo Z,2 Dado que
muestreo durante el k º etapa, es decir, en el momento 1 t.k
el proceso es en control en hora t kj . Obviamente
Con el fin de encontrar una expresión para ET, lok esperado
etet k
= k0
. Mientras tanto dejar ER kj
, j 1,2, , mm
ser el tiempo residual más allá del tiempo 1 t k en la etapa y Associated
se espera el tiempo residual en la etapa más allá del tiempo kj t Excluyendo probabilidades se presentan en la siguiente tabla.

Z 1o Z,2dado que el proceso está fuera de control en el momento kj t

y una verdadera alarma no ha emitido todavía.

331
 TABLA II. EL ESPERADO TIEMPO residual y ASOCIADOS elementos no conformes en el estado fuera de control. Estudios previos suelen tener
PROBABILITTIES
en cuenta Q0 y 1 Q como las constantes estimadas
Se espera tiempo residual
Estado Probabilidad a partir de datos históricos (Rahim et al, 1998;. Ben-Daya et al, 2000;.. Nourelfath et
En el control y no hay ninguna alarma 1 pag 1 ET al, 2016), de manera diferente nuestro documento hace mejoras basadas en la idea
k1 k1

En el control, pero una falsa alarma 1 pag ET de la función de pérdida de calidad de Taguchi y propone una fórmula aproximada
k1 k1

Fuera de control, pero sin alarma ER

de investigación de la curva de calidad. La función de pérdida de calidad de la
pag
k1 k1

Fuera de control y una verdadera alarma 0

característica de calidad X se expresa como
pag
k11 Al 2

2
xMx (X
A partir de la información anterior, obtenemos
representa la tolerancia y UN es su correspondiente pérdida, METRO es el valor objetivo de X). En

ER , este trabajo se redefine las funciones de pérdida de calidad tanto en el estado en el control y
km k k
fuera de control estatal, respectivamente, ambos de los cuales están relacionados con las
mjk
1 mjk variables de decisión norte
ER su kj , 1
h , j 1, 2, ,, 1metro
k
1
kj
1
k
y L. El costo por unidad de pérdida de calidad en el estado de control es

DD2 AQ
1 2
. (5) 0 2
X 0
HX dx (7)
Entonces conseguimos
1
X
1

A1 2
ET h k = p kER
1 k 1
1 mascota
k 1
, k1 dónde es el coeficiente de pérdida en la que X1
x
1
ET kmk
= k
,
representa la tolerancia y UN
1
es su correspondiente pérdida,
ET h kj = p kjER 1 pag ET ,
,1 kj , 1 kj , 1 kj , 1
, HX es la función de densidad de probabilidad de la característica de calidad
j 0,1, 2, , metro 1
k X, D 1LCL 0
L norte ,
k
j 1 metro
k j 1

ET 1 phki pag 1 p kiER D 2UCL 0

L n.
k kj kj
j 1 yo 0 j 1 yo 0
(6) Del mismo modo, el coste de la pérdida de calidad por unidad en el estado de control
metro
km
fuera de la es
1 pag
ki k
yo 1

Sustituyendo la Ec. (5) en la Ec. (6), obtenemos la ecuación. (4). El tiempo de ciclo
AQ 2
LCL 2

1
2
2
X 0
HX dx X 0
HX dx (8)
UCL
esperado es la suma de k cronos, tiempo de mantenimiento predictivo y el tiempo de X
2

reposición, es decir A22

dónde es el coeficiente de pérdida en la que X2
norte x
2
ET ET k NZZ.1 2
representa la tolerancia y
1

k 1
UN
2
es su correspondiente pérdida,

B. Análisis de Costo HX es la función de densidad de probabilidad de la característica de

1) Control de calidad coste UN2 A1

calidad X, y .
2 2
En este trabajo, el costo de control de calidad que se espera E QC se utiliza para x X
2 1

expresar toda costa pasando por el control de calidad. costo de control de calidad incluye,
principalmente, los costos de pérdida de calidad respectivos para conformar artículos y A continuación, encontrar una expresión para E QC, Necesitamos
k
que

elementos no conformes, el costo de falsa alarma, el costo de encontrar las causas expresiones de búsqueda de elementos no conformes.
asignables y restaurar el proceso y toma de muestras y el costo de inspección. Al igual que
Dejar norte
kj
Se espera que el número de muestreos llevó a cabo después de la hora kj
en el análisis del tiempo de ciclo esperado, primero calculamos el costo de control de
calidad que se espera de la k ª etapa t dado que el proceso está en el estado fuera de control en tiempo de kj

E QC, entonces
k t. norte puede ser dada por
kj

considerar el costo de control de calidad que se espera del ciclo

E QC. norte
metro
0, norte
MMJ 1
1,
k k

k
mjk
. (9)
mj
1
Las funciones de costo por unidad de pérdida de calidad tanto en el estado de control norte yo 1
yo
, j 1, 2, , metro 2
kj k k
dentro y en el estado fuera de control se estudian en primer lugar. yo 1

Dejar kj ser el condicional esperado vez en-control dentro del intervalo

De acuerdo con la opinión de Taguchi, un producto debe tener pérdida

no importa que es conforme artículo o elemento no conforme. Dejar Q0 de tiempo t kj , 1,

t kj , dado que el proceso era
el costo por unidad de pérdida de calidad para conformar elementos en el estado incontrol,
en el in-control de estado en el tiempo t kj , -1
, entonces kj puede ser expresada por
Q 1el costo pérdida de calidad por unidad de

332
 kj Teorema 2. En el k ª etapa, el costo de control de calidad que se espera

kj
t t kj , 1 Fk t dt F kt kj
F kt kj , 1
. (10) E QC esk
t KJT
,1

metro
k
j 1 metro
k
j 1 metro
k
j metro
k j 1

E QC k
CC
F
n V
1 pag
ki
p kjN kj
1 pag
ki
Q PR F IS
0
1 PkiQ PR 0
pag
kj kj
1 pag
ki
j 1 yo 0 j 1 yo 0 j 1 yo 0 j 1 yo 0

metro
k
j 1 metro
k
j 1 metro
k
j 1

Q PR h 1 p kiW p 1 pag Q 1PR p kjER 1 pag (11)

1 kj kj ki kj ki
j 1 yo 0 j 1 yo 0 j 1 yo 0

metro
k

1 pag
kj
1 Pk Q PR 0
Pk Q PR 0 k
Q 1PR h k
W
j 1

dónde k
es el esperado condicional vez en el control Prueba.

dentro del intervalo de tiempo t kmk

, RUL k
METRO
, dado que el proceso de Dejar E QC , j 1,2, ,, 1metro 1 ser la esperada residual
kj k

estaba en en control estado a hora t kmk

, costo de control de calidad en la etapa más allá del tiempo kj t, dado que la
RUL k
METRO proceso está en control en tiempo de kj t.
t t km Fk t dt
k

tkkmk Tenga en cuenta los posibles estados de la máquina al final del primer intervalo de
y pag es el condicional
F kRUL F kt
k
muestra, es decir, en el momento 1 t,k durante el k ª etapa.
k
METRO km k

Con el fin de encontrar una expresión para E QC, lok esperado

probabilidad de que el proceso se desplaza al estado fuera de control durante el intervalo
costo de control de calidad residual en la etapa y las probabilidades asociadas
de tiempo t , RUL k
, dado que el proceso de
kmk METRO
se presentan en la siguiente tabla.
estaba en en control estado a hora t kmk
,

F kRUL k
METRO
F kt km k
pag
k
.
1 F kt km k

TABLA III. El coste residual ESPERADO Y ASSOCIATED PROBABILITTIES

Estado Probabilidad Costo actual coste residual esperado

En el control y no hay ninguna alarma 1 pag

k1
1 CCF n Q PR
V
h 0
E QC k1

En el control, pero una falsa alarma 1 pag

k1
CCF n YQV PR h 0
E QC k1

Fuera de control, pero sin alarma pag

k1
CCF n Q PR
V 0 k 1
Q 1PR h k1
WN un bn
k 1
Q PR ER 1 k1

Fuera de control y una verdadera alarma pag

k11
CCF n Q PR
V 0 k 1
Q 1PR h k1 W

Similar a la forma de desarrollar ET, elk seguimiento

ecuaciones son presentados por

E QC k
CC
F
n V
1 P Q PR h
k 1 0
1 pag
k 1
Y 1 p E QC
k 1 k1
(12)
P Q PR
k 1 0 k 1
Q PR h
1 k 1
pag
k 1
1 W p WNCC n Q PR ER k 1 k 1 F V 1 k1

por j 1,2, ,, 1metro

kk
,

E QC k
CCF n V
1 pag
kj , 1
Q 0PR h 1 pag
kj , 1
Y 1 pag
kj , 1
E QC kj , 1
pag
kj , 1
Q 0PR kj , 1
Q 1PR h kj , 1

pag
kj , 1
1 Wp kj , 1
WN kj , 1
CCF n Q PR
V
ER 1 kj , 1

E QC km kj
1 P k Q PR 0 k
P k Q PR 0 k
Q 1PR h k
W
(13)
Asi que

metro
k
j 1 metro
k
j 1 metro
k
j metro
k j 1

E QC k
CC
F
n V
1 pag
ki
p kjN kj
1 pag
ki
Q PR F IS
0
1 PkiQ PR 0
pag
kj kj
1 pag
ki
j 1 yo 0 j 1 yo 0 j 1 yo 0 j 1 yo 0
(14)
metro
k
j 1 metro
k j 1 metro
k j 1 metro
k

Q PR
1
h kj
1 p kiW p kj
1 pag
ki
Q 1PR p kjER kj
1 pag
ki
1 p kjE QC km k
j 1 yo 0 j 1 yo 0 j 1 yo 0 yo 1

Mediante la sustitución de la ecuación. (13) en la Ec. (14), obtenemos la ecuación. (11).

333
 El costo de control de calidad que se espera es la suma de k la calidad de la etapa de min
control de costos, que es
. . cst
Fyo TNL TNL
, ,nh ,n E, 0, yo 1, 2 , (20)
H seguro
norte

E QC E QC. (15)
k gramo
j H
, , , , h 0, J 1, 2,
k 1 seguro

2) análisis de costos de mantenimiento

en el cual NH
H
TNL son
, , cinco
, variables de decisión,
seguro ,

Según el punto de vista de Liao y Pan (2010), la degradación máquina tiene impacto
mantenimiento umbral de tiempo, frecuencia de mantenimiento predictivo, límite de control, la
en el costo de mantenimiento. Tanto el número de condición de la salud y el
muestra tamaño y muestra intervalo, respectivamente,
mantenimiento hará que el costo de la “Como nuevo” mantenimiento a aumentar. Por lo
tanto el costo de mantenimiento predictivo es dinámico como las funciones sobre el yo
nhf
H
TNL
, , , ,0 representa una restricción de igualdad sobre
seguro

estado de salud de la máquina y la frecuencia de mantenimiento. las variables en el producción proceso mientras

j
TNL
H
nhg
, , , ,0 representa una restricción de desigualdad.
seguro

Dejar E PMC k k
, 1, ,, 1norte ser el k º coste de mantenimientovpredictivo,
ser k
D. algoritmo de solución del modelo
la edad efectiva antes de la k º mantenimiento predictivo, w kser la edad efectiva Porque el modelo contiene implícito función,
diferenciación y restricciones no lineales, es difícil de resolver el problema mediante la
después de la k º mantenimiento predictivo, y vw
k
, satisfacer
k
la ecuación,
matriz de Hesse. Utilizamos un método de la encuesta completa para obtener la solución
wk (1 ) vk , dónde es factor de reversión y del modelo. El método puede pensarse que es un proceso de búsqueda recursiva con un
k k
incremento de múltiples variables. Al comparar el valor objetivo bajo diferentes
k
c PMC 1 kk
en el cual do es el factor de ajuste de mantenimiento predictivo combinaciones variables, podemos determinar el costo esperado mínimo por unidad de

y 0 do 1 PMC. modificado de Liao ( 2011) En consecuencia, nos tiempo y de sus valores de variables correspondientes. El proceso detallado se muestra
1
como sigue.
E PMC
pensado el costo de mantenimiento predictivo esperado enk el k ª etapa es

3v 3 RUL 2vk Paso 1: determinar el valor inicial de variables de decisión y longitudes de

E E PMC PMC kN 1
k 1 k
METRO

k
= k 1
,2 paso;
2v k 1
2 RUL k
METRO
vk
(dieciséis) Paso 2: dejar Ec guardar el mínimo E c, inicializar
1 nnn1

dónde v T RUL
1 1 H
TH , v (1 yo
) RUL RUL.
j norte
Ec como un número muy grande. Dejar X guardar el correspondiente valor de la variable
seguro nuevo

j 1 yo j

de decisión E c, inicializar X ;
El costo de mantenimiento predictivo esperado es la suma de k los costos de la etapa de
mantenimiento predictivo y el costo de reposición, es decir Paso 3: utilizar el método de simulación de Monte Carlo para resolver integraciones
en el modelo;
norte 1

E PMC E PMC C. k (17)

RP Paso 4: calcular Ecyo debajo X; yo
k 1

C. Modelado Ec E c, dejar
Paso 5: Comparar Ecyo y E c; Si yo
Obviamente, el costo total esperado en el tiempo de ciclo es la suma del costo de control T

de calidad que se espera y el costo de mantenimiento predictivo de esperar, tanto discute en la Ec Ec Si

yo
ECEC
= yo
dejar X XX yo
;
sección 3.2, expresada por
Paso 6: dejar yo yo 1 , repita el paso 3- paso 5 hasta en.
ECE QC E PMC (18) Salida de la solución óptima del modelo, Ec y X .
El costo esperado por unidad de tiempo puede ser considerada como la relación
entre el costo total esperado en el ciclo para el tiempo de ciclo esperado. Como resultado, IV. estudio numérico
se expresa por
A. Descripción del caso y la solución
ECE Para ilustrar la aplicación del modelo propuesto, un ejemplo modificado
(19) de Pan et al. (2012) se presenta. Supongamos que una sola máquina
c ET
procesa una pieza de precisión y la
Al minimizar el costo por unidad de tiempo para el ciclo con las limitaciones
X gráfico de control se utiliza para vigilar el proceso de producción. La tasa de producción de
estadísticas, las limitaciones económicas, y otros, ya sea en forma de igualdad o
esta parte la precisión es de 20 unidades por hora. Los coeficientes promedio de pérdida de la
desigualdad de la forma, el modelo integrado de política de mantenimiento predictivo
calidad de los estados de control en el control y fuera de la red son 1 $ y 10 $,
y control estadístico de procesos puede ser expresada por
respectivamente. El cambio promedio de la producción fuera de control se considera como 1
unidades de 0. En
vista de factores económicos y de funcionamiento, se requiere que el intervalo de
muestreo a ser de entre 1 hora y 5 horas, y el tamaño de la muestra no es más que
20. El costo fijo de cada muestreo es 1 $ mientras que el costo variable por unidad
es de 0,2 $.

334
 El tiempo de fallo de la máquina sigue la de dos parámetros de distribución se ejecuta y un costo de reemplazo es de 500 $. Además, el umbral de tiempo de
de Weibull con a = 100 y b = 2. supone que el coeficiente de influencia mantenimiento es de entre 8 y 12 horas.
de mantenimiento frecuencia es
Además, algunas limitaciones necesarias, debe añadirse a hacer el modelo más
4 k9 13 k4
, . El tiempo promedio de cada PDM es 2 adecuado para la fabricación de una situación real. Con el fin de limitar el número de
k k
5 k9 12 4
k falsas alarmas sin comprometer el rendimiento, la longitud tiempo medio de
hora, y un reemplazo es de 8 horas. El factor de ajuste de costos de mantenimiento predictivo funcionamiento (ARL) del estado en el control es gobernado a ser mayor que 100 para
es do 0,0002 . El costo de la primera PDM es mantener el equilibrio. Un cambio en el proceso fuera de control debe ser revisado tan
PMC 1 50 $ . Si el proceso se juzga a estar fuera de control, pronto como sea posible una vez que se produce causa asignable y este ARL se

mantenimiento correctivo se llevará a cabo a un costo de 100 $, mientras que una falsa alarma establece para que sea menor que 5.

desencadena un costo de 20 $. La parte superior de la frecuencia de mantenimiento predictivo

se establece como 10 para garantizar la eficiencia de mantenimiento y es superior a 5 según la
La información anterior se traduce en el valor de parámetro específico, que se
experiencia. Una vez que la frecuencia de mantenimiento predictivo llega al valor óptimo, la
muestra en la Tabla 4.
sustitución

TABLA IV. VALORES PARAMÉTRICOS

2 2
Parámetro UN1 X UN2 X do F do V PMC 1
W Y doRP
1 2

Valor 1 10 1 0.2 50 100 20 500

Parámetro PR Z1 Z2 un segundo norte

Superior

Valor 20 2 8 100 2 1 10
De acuerdo con las condiciones y parámetros conocidos, el modelo de articulación
TABLA V. ANÁLISIS DE SENSIBILIDAD CON RESPECTO A
puede ser escrito por

TH
min E ct seguro
norte L norte h Ec

0.5 11.5 10 3.0 19 2.0 2405

s . . ARL 0
100, ARL 1
5,8 TH 12,1 norte 10,1 h 5, 1 11.5 10 3.0 5 2.0 6372
seguro

1.5 11.5 10 3.0 3 2.0 9189

0.5 L 3,5 norte 10, N ,n norte
2 11.5 10 3.0 2 2.0 8824
2.5 11.5 10 3.0 1 2.0 1953
Las variables de decisión TLH h no fueron probados para todos
seguro , ,

los valores posibles, sino más bien los valores más probables y prácticas. los Las relaciones entre y TNL
H
NH ,Ec, , ,
seguro ,

TH valores se evaluaron de 8 a 12 en se muestran en la Fig. 4, Fig. 5, respectivamente.

seguro

incrementos de 0,5, la L valores se evaluaron de 0,5 a 3 en incrementos de

0,5, y el h valores se evaluaron de 1 a 5 en incrementos de 0,5. Como
resultado, la solución del modelo es casi óptima. El modelo no lineal tiene
que decidir cinco variables
NH
H
TNL, ,que, puede
, ser resuelto por la
seguro ,

anteriormente mencionado método de enumeración, y la solución óptima

es

TH NH ,NL , , = 11.5,10,5,2,3 , Ec = 6372 .

seguro ,

A partir del resultado, creemos que el primer umbral de tiempo de mantenimiento

debe ser de 11,5 horas, mientras que la frecuencia de mantenimiento llega a su superior,
el límite de control de gráfico de control debe ser
3 0
, el tamaño de la muestra está definida como 5 y el muestreo
Fig. 4. SENSIBILIDAD ANÁLISIS DE NH TNL CON
, , RESPETO
,
intervalo debe ser de 2 horas con el fin de obtener el mayor beneficio económico. A Hseguro ,

medida que el umbral óptimo tiempo de mantenimiento es de 11,5 horas, el valor del A

índice de la salud se puede calcular de acuerdo con el modelo de predicción del índice de
salud. Una vez que el índice de salud alcanza este valor, el mantenimiento debe ser
realizado.

B. Análisis de sensibilidad

Cambios en los parámetros gráficos de control, la toma de mantenimiento, el costo de

control de calidad, coste de mantenimiento, el costo esperado por unidad de tiempo se reportan
variando . Cuando un parámetro es
variadas, otros parámetros se mantienen sin cambios. Los resultados, enumerados en la Tabla
5, se muestran en la Fig. 3 y la Fig. 4.

335

Fig. 5. SENSIBILIDAD ANÁLISIS DE Ec CON RESPECTO A
A partir de las cifras, nos encontramos con que el tamaño de la muestra disminuye a
medida que aumenta la media de cambio. Cuando es muy pequeño, norte es 19, pero
como aumenta, norte disminuye rápidamente a 1. TNL
H
h son
, ,
seguro ,
no es sensible a la variación de desplazamiento medio. El costo esperado por unidad de tiempo
se elevan primero y luego disminuye a medida que los aumentos medios de desplazamiento, y
que alcanza el valor más grande cuando = 1,5, es decir, porque cuando
es pequeña, el costo de control de calidad es alta,
mientras se convierte en grande, el costo del control de calidad es relativamente
baja, además, debido a la cantidad de mantenimiento no es sensible al desplazamiento
medio y mantener sin cambios, el coste total de mantenimiento permanecer inmutable
V. CONCLUSIONES
Un modelo de optimización conjunta de un mantenimiento predictivo basado en la
condición de salud y X gráfico de control se desarrolla en este documento, que
considera el estado de salud actual de la máquina y reduce la probabilidad de acciones
de mantenimiento innecesarios o ausentes. En el modelo, se consideran los efectos
tanto de la edad de la máquina y el número de mantenimiento de la vida útil residual
para el próximo mantenimiento, y se proponen las funciones de pérdida de calidad por
unidad de ambos productos conformes y no conformes. Basándose en estas
consideraciones, un modelo integrado de PDM y control de gráfico se pone hacia
delante y su algoritmo de solución se estudió también. Por fin, un ejemplo numérico se
utiliza para mostrar el proceso de modelado y dar lugar a la sensibilidad con respecto al
desplazamiento medio.
El modelo conjunto es adecuado sólo para un simple
sistema de fabricación con una sola máquina, pero el sistema de múltiples etapas
se vuelve más y más popular, y es necesario estudiar el modelo bajo esta situación.
Además, los parámetros de fabricación se tratan como constantes en este
documento, así como en otras literaturas, sin embargo, son por lo general al azar
en la producción de bienes, por lo que para resolver el problema de decisión
conjunta de esta consideración es también una obra valiosa.
Referencias
[1] Duncan, AJ (1956). El diseño económico de X gráficos utilizados para
mantener el control actual de un proceso [J]. Diario de la Asociación Estadística Americana,
51 (274): 228-42. [2] Ben-Daya, M., Duffuaa, SO (1995). El mantenimiento y la calidad: La
eslabón perdido [J]. Revista de Calidad en Ingeniería de Mantenimiento, 1, 20-
26.
336
[3] Wang, H. (2002). Un estudio de las políticas de mantenimiento de deterioro
Los sistemas. Revista Europea de Investigación de Operaciones, 139, 469-489. [4] Lochner, R.
(1987). Mejora SPC utilizando conceptos de fiabilidad, en el 41 S t
Congreso Anual de Calidad Transacciones, pp. 648-653. [5] Kniele, R., Stephens, G. y
Vasudeva, K. (1989) Rendimiento
evaluación y control estadístico de procesos. Una aproximación a la operación y
mantenimiento costo reducción, en el Procedimiento de el
IFAC / IFORS / IAEE Simposio de Energía, Sistemas. Administración y Economía, pp.
215-221. [6] Katter, J., Tu, J., Monacelli, L. y Gartner, M. (1997). Profético
mantenimiento de un láser industrial usando estadística de gráficos de control de procesos, en
Actas de la Conferencia de procesamiento 1997 Materiales láser, pp. C57-C66. [7] Tagaras, G.
(1988). Un modelo de costes integrada para la optimización conjunta
del control del proceso y mantenimiento [J]. Revista de la Sociedad Operational Research, 39
(8): 757-766. [8] Ben-Daya, M., Rahim, MA (2000). Efecto de mantenimiento en el
diseño económico de X - gráfico de control [J]. European Journal of Operational Research,
120 (1): 131-143. [9] Lee, BH, Rahim, MA (2001). Un modelo integrado de diseño económico
para el control de calidad, reemplazo, y el mantenimiento [J]. Calidad
Ingeniería, 2001, 13 (4): 581-593. [10] Cassady, CR, Bowden RO, Liew L., y Pohl Edward A.
(2000).
La combinación de mantenimiento preventivo y control estadístico de procesos: una
investigación preliminar [J]. Transacciones IIE, 32, 471-478. [11] Yeung, TG, Cassady, CR,
Schneider, K. (2007). Simultáneo
optimización de [Xbarra] gráfico de control y políticas de mantenimiento preventivo basado en
la edad por debajo de un objetivo económico [J]. Transacciones IIE, 40 (2): 147-159. [12] Linderman,
K., McKone-Sweet, KE y Anderson, JC (2005). Un
enfoque de sistemas integrados para procesar el control y el mantenimiento [J]. European
Journal of Operational Research, 164 (2): 324-340. [13] Zhou, WH, Zhu, G L. (2008). Diseño
económico del modelo integrado de
gráfico de control y de gestión de mantenimiento [J]. Matemática y modelado por ordenador,
47 (11-12): 1389-95. [14] Chan, LY, Wu, S. (2009). El diseño óptimo para la inspección y
política de mantenimiento basado en el gráfico de CCC [J]. Computadoras e Ingeniería
Industrial, 57 (3): 667-676. [15] Mehrafrooz, Z., Noorossana, R. (2011). Un modelo integrado basado
en
control estadístico de procesos y mantenimiento [J]. Computadoras e Ingeniería Industrial, 61
(4): 1245-1255. [dieciséis] Yin, H., Zhang, G., Zhu H., y et al. (2015). Un modelo integrado de
control estadístico de proceso y de mantenimiento basado en el seguimiento retrasado [J].
Ingeniería fiabilidad y seguridad del sistema, 133, 323 -
333.
[17] Charongrattanasakul, P., Pongpullponsak, A. (2011). Minimizando el coste
de sistemas integrados de enfoque para el control de procesos y modelo de mantenimiento
por gráfico de control EWMA utilizando el algoritmo genético [J]. Sistemas expertos con
Aplicaciones, 38 (5): 5178-5186. [18] Ardakan, MA, Hamadani, AZ, Sima, M., et al. (2015). Un
híbrido
modelo para el diseño económico de gráfico de control MEWMA bajo políticas de
mantenimiento [J]. Internacional diario de avanzada
Tecnología de Fabricación, 83 (9-12): 1-10. [19] Shrivastava, D., Kulkarni, MS, Vrat, P. (2016).
El diseño integrado de
parámetros de la política de mantenimiento preventivo y de control de calidad con la carta de
CUSUM [J]. International Journal of Advanced Manufacturing Technology, 82 (9-12): 2101-2112.
[20] Nourelfath, M., Nahas, N., Ben-Daya, M. (2016). integrado preventiva
decisiones de mantenimiento y producción para los procesos imperfectos [J]. Ingeniería
fiabilidad y seguridad del sistema, 148: 21-31. [21] Huang, Z., Xu, Z., Ke, X., et al. (2016).
Restante predicción de la vida útil
para un modelo de proceso skew-Wiener adaptativa [J]. Sistemas mecánicos y Procesamiento
de Señales, 87: 294-306. [22] Qian, Y., Yan, R., Gao, RX (2016). Un enfoque escala multi-tiempo a
restante predicción de la vida útil en rodamiento [J]. Sistemas mecánicos y Procesamiento de
Señales, 83: 549-567. [23] Letot, C., Serra, R., Dossevi, M., et al. (2016). herramientas de corte
fiabilidad
y predicción de vida residual de indicadores de degradación en el proceso de [J] torneado.
International Journal of Advanced Manufacturing Technology, 86 (1): 495-506. [24] Liao, W., Pan,
E., Xi, L. (2010). la programación del mantenimiento preventivo para
sistema reparable con deterioro [J]. Journal of Intelligent
Manufacturing, 21 (6): 875-884. [25] Nakagawa, T. (1988). mantenimiento preventivo
imperfecta secuencial
políticas [J]. IEEE Transactions on Fiabilidad, 37 (3): 295-298. [26] Malik, M. (1979). política
fiable de mantenimiento preventivo [J]. AIIE
 Transacción, 11 (3): 221-228. [27] Liao, W. (2011). Investigación de Política Predictivo [28] Pan, E., Jin, Y., Wang, S., et al. (2012). Un modelo integrado basado EPQ
Mantenimiento Y en un gráfico de control para un proceso de producción imperfecta [J]. Revista Internacional de Investigación
Integrada para planificación de producción modelo basado en la máquina de degradación [D]. sobre la Producción, 50 (23): 6.999-7.011.
Shanghai Jiao Tong University.

337