Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Historial del artículo: Este artículo investiga una nueva política de mantenimiento preventivo de dos fases para un sistema de un solo
Recibido el 23 de mayo de 2018 Aceptado el 30
componente con el objetivo de maximizar los ingresos generados por la contratación basada en el rendimiento
de octubre de 2018 Disponible en línea el 6 de
(PBC). El sistema pasa por un estado defectuoso antes de fallar y produce una señal que indica la condición. La
noviembre de 2018
política de mantenimiento consta de dos fases: fase de mantenimiento imperfecto seguida de fase de reemplazo
Palabras clave: pospuesto. En la fase de mantenimiento imperfecto, se realiza una inspección para revelar el estado defectuoso, lo
Mantenimiento que lleva a una posible reparación. Tanto la inspección como la reparación son imperfectas. En la fase de reemplazo
Tiempo de retardo pospuesto, el reemplazo preventivo se realiza durante la próxima ventana de mantenimiento programado, antes de
Reparación imperfecta la cual no se ejecuta ninguna inspección o reparación. El ingreso neto esperado bajo PBC se maximiza a través de la
Reemplazo pospuesto optimización conjunta del intervalo de inspección, número de inspección e intervalo de reemplazo preventivo.
Contrato basado en el desempeño
Aplicamos el modelo a un caso de una planta convertidora de acero y los resultados muestran que nuestra política
de mantenimiento propuesta supera algunas políticas de mantenimiento existentes en términos de ingresos netos.
© 2018 Elsevier BV Todos los derechos reservados.
1. Introducción observado en los sistemas de fabricación (Liu, Wang y Peng, 2015; Ye, Yan y
Xie, 2012). El monitoreo de condición y/o las inspecciones manuales pueden
El mantenimiento preventivo es una forma efectiva de reducir los costos detectar tales señales (Peng, Shen, Shen y Sun, 2018; Yang, Ma, Peng y Zhao,
de operación de los activos industriales, que se ha adoptado ampliamente 2018; Qiu y Cui, 2018),Permitir a los mantenedores tomar las medidas
en diversas áreas industriales, como sistemas de fabricación, sistemas de apropiadas antes de la falla (Alaswad y Xiang, 2017; Chen, Ye, Xiang y Zhang,
energía, infraestructuras críticas, redes de transporte (Cavalcante, Lopes y 2015). El concepto de tiempo de retardo propuesto porChrister y Waller
Bufanda, 2018; Jin, Xiang y Cassady, 2013; Xiang, Zhu, Coit y Feng, 2017). En (1984)se usa comúnmente para caracterizar tales procesos de falla. En las
general, un plan de mantenimiento elaborado puede equilibrar la últimas dos décadas, los modelos de mantenimiento basados en el tiempo
compensación entre la reducción de los riesgos de fallas y el ahorro de de demora se han investigado ampliamente con varias aplicaciones exitosas
recursos de mantenimiento y, por lo tanto, mejorar la disponibilidad del del mundo real, como líneas de producción, vías férreas, oleoductos,
sistema y/o reducir los costos de mantenimiento (Keizer, Flapper y Teunter, dispositivos médicos, bombas de agua y gas y vías férreas. (Liu, Xie y Kuo,
2017; Qiu, Cui, Gao y Yi, 2018; Wu y bufanda, 2017). Dependiendo de la 2016; Zhao, Wang y Peng, 2015).Wang (2012)proporciona una revisión
información de falla/condición, el mantenimiento preventivo puede dividirse completa del tiempo de retraso, incluidos resúmenes de varios tipos de
sustancialmente en dos categorías: (a) mantenimiento basado en el tiempo; configuraciones y aplicaciones del modelo.
y (b) mantenimiento basado en la condición. Los últimos años han visto el
rápido desarrollo de las tecnologías de monitoreo, lo que permite una La mayoría de los modelos de mantenimiento basados en el tiempo de
aplicación más amplia del mantenimiento basado en la condición en la demora se enfocan en un mantenimiento perfecto (Ahmad y Kamaruddin, 2012),
industria (Alaswad y Xiang, 2017; Xiang, Coit y Feng, 2014; Luo y Wu, 2018a). asumiendo que el estado defectuoso del sistema puede ser completamente
diagnosticado y eliminado. Esta suposición enfrenta dos desafíos potenciales en
Las señales de defectos, como variaciones en la calidad, grietas por fatiga, los sistemas de fabricación reales. En primer lugar, la técnica de diagnóstico de
abolladuras, corrosión por picaduras y sobrevibración son comúnmente defectos puede estar restringida por la estructura compleja de una planta de
fabricación, lo que lleva a la reducción del efecto del diagnóstico (Driessen, Peng y
Van Houtum, 2017). En segundo lugar, reemplazar una planta de fabricación
∗Autor correspondiente.
Correos electrónicos:yanglirass@buaa.edu.cn (L.Yang),pengrui1988@ustb.edu.cn crítica es relativamente costoso, lo que no se recomienda para la eliminación de
(R.Peng). defectos durante la etapa inicial del sistema. Imperfecto
https://doi.org/10.1016/j.ejor.2018.10.049 0377-2217/©
2018 Elsevier BV Todos los derechos reservados.
L. Yang, Z.-s. Ye y C.-G. Lee et al. / Revista europea de investigación operativa 274 (2019) 966–977 967
2. Descripción del sistema la edad defectuosa se transforma en la edad normal. Por lo tanto, la
edad normal virtual después de la reparación es(1 -ω)X1+(1 -ω)(sk−X1)=
Este estudio considera un sistema de fabricación de un solo componente (1 -ω)sky la edad defectuosa virtual vuelve a 0.
que sufre un deterioro gradual, lo que resulta en un defecto (Berrade et al.,
2017; Wang, 2012). Si no se toman medidas, el defecto finalmente se 2.2. Política de mantenimiento
convertirá en una falla completa, lo que provocará una falla inmediata del
sistema. Adoptamos el concepto de tiempo de retardo (Christer y Waller, En esta sección, proponemos una política de mantenimiento novedosa basada
1984) para caracterizar un proceso de falla de dos etapas. En consecuencia, en las características de falla del sistema. Suponemos que todas las acciones de
hay tres posibles estados del sistema: normal, defectuoso y fallido. mantenimiento requieren la parada del sistema y que los tiempos de inactividad
Suponemos que la falla del sistema es fatal y autoanunciada, mientras que el debidos a estas acciones de mantenimiento no son despreciables. Cabe señalar
estado defectuoso está oculto y solo se revela durante las inspecciones. que todas las acciones de reparación en nuestra política de mantenimiento son
Denotamos porXel tiempo de inicialización del defecto aleatorio con función preventivas y no se considera la reparación correctiva. En otras palabras, una falla
de densidad (función de supervivencia)FX(x)(F̄X(X)), yYel tiempo de retardo del sistema siempre se elimina mediante un reemplazo correctivo en ambas fases.
aleatorio con función de densidad (función de supervivencia)gramoY(y)(ḠY La política de mantenimiento detallada es la siguiente.
(y))Entonces la densidad
función y la función de supervivencia del sistema se dan comow(t)= ∫t
∫t • Se proporciona una ventana de mantenimiento para el reemplazo
0FX(x) gY(t−x)dxyW̄ (t)=FX(t)+0FX(x)ḠY(t−x)dx, respect-
preventivo del sistema cuando su edad alcanzaT.El costo y la
tivamente.
duración requerida para el reemplazo sonCpagyTpag,
respectivamente. Siempre que ocurra una falla dentro(0,t), un
2.1. Mantenimiento preventivo imperfecto reemplazo correctivo es inmediato con un costoCFy una duraciónTF.
• Dentro del intervalo(0,t), las inspecciones se ejecutan cadas,0< s < T
En nuestro modelo, el mantenimiento preventivo imperfecto se considera: (a) unidades de tiempo para detectar el estado defectuoso. Hay, como
inspección imperfecta y (b) reparación imperfecta. Las inspecciones son mucho,metroinspecciones realizadas en(0,t), donde 1≤metro≤ metro
imperfectas en el sentido de que cada inspección tiene una probabilidad constante máximo=T/s.El costo y la duración requerida para una inspección sonCenyT
y distinta de ceroqperder el estado defectuoso (Berrade et al., 2013). En en, respectivamente.
consecuencia, si se produce un defecto durante el intervalo de inspección • Si ocurre un defecto entre(si,si+1),i=0,1, . . . ,metro−1,y es revelado
(ti,ti+1),i=0,1, . . ., entonces la probabilidad condicional de su detección por la inspección realizada ensj+1,j=yo, yo+ 1, . . . ,metro−1,luego es
en el (i+1)º, (i+2) la… inspección es removido inmediatamente por una reparación imperfecta con un
costoCry una duraciónTr.
PR{ζX=jT|X∈(eso, (yo+1)T )} =q j−i−
(1 -q)=q−i−1−qj j−i,
1 • Tanto las inspecciones como las reparaciones no se ejecutan durante(smetro,t).
(1) En consecuencia, si se produce un defecto entre(smetro,t), solo puede ser
removido por el reemplazo preventivo enT.
dondeζXes el tiempo de detección del defecto que ocurre enX.
Las reparaciones preventivas también son imperfectas. Pueden devolver Nuestra política de mantenimiento construye de manera innovadora un
el sistema del estado defectuoso al estado normal, pero el sistema no será marco de mantenimiento de dos fases, que incorpora tres categorías de
"tan bueno como nuevo". Caracterizamos el efecto de tales reparaciones acciones de mantenimiento preventivo; (a) inspección imperfecta; (b)
utilizando el modelo PAR (ver, por ejemplo,Pham y Wang, 1996; Wang et al., reparación imperfecta; y (c) reemplazo. Durante la etapa anterior
2011). En consecuencia, el(k+1)La reparación afecta únicamente al tiempo de (0,smetro), los defectos solo pueden eliminarse mediante reparaciones
funcionamiento entre lakyk+1ª reparación.τkdenota el tiempo de ejecución imperfectas, y no se prevé una renovación preventiva del sistema de
de lakreparación conτ0= 0, yωdenota el factor de mejora constante de la fabricación. Llamamos a esta fase la “fase de mantenimiento imperfecto”.
reparación. La reducción de edad debido a la (k+1) la reparación esω(τk+1−τ Durante la última fase(smetro,t), el sistema ya no se somete a inspección y
k). En consecuencia, en el momentot >τk+1 reparación, y se programa una ventana de mantenimiento para el
la edad virtual del sistema es reemplazo preventivo del sistema. Como consecuencia, si se activa un
defecto durante esta fase, no se puede revelar y eliminar hasta la llegada de
∑k esta ventana. En otras palabras, las eliminaciones de defectos en realidad se
Vt=t−τk+1+ (1 -ω)(τyo+1−τyo)=t−ωτk+1. (2)
posponen a esta ventana en lugar de ejecutarse inmediatamente. Llamamos
yo=0
a esta fase la “fase de aplazamiento”.
La novedad del modelo de reparación preventiva radica en su efecto El marco de mantenimiento construido requiere algunas explicaciones.
dependiente del estado. En contraste conWang et al. (2011), la edad virtual Recuerde que el reemplazo/revisión de un sistema de fabricación crítico
definida enecuación (2)es en realidad la "edad normal", que solo influye en la puede generar un alto costo. Como la intensidad de la inicialización de
función de intensidad del tiempo de inicialización del defecto defectos es relativamente pequeña en la edad temprana del sistema, se
λX(t). Por el contrario, la acción de reparación puede eliminar por completo el recomienda eliminar los defectos mediante algunas acciones de reparación
impacto de un defecto y, por lo tanto, no queda ninguna edad defectuosa simples en lugar de reemplazos costosos. Sin embargo, la efectividad
después. Esto es similar a las reparaciones correctivas de fallas ocultas. Una falla económica de la reparación imperfecta disminuye con el tiempo debido a la
oculta solo puede ser revelada mediante inspecciones, y la "edad de la falla edad normal virtual acumulada continuamente. Cuando el número de
oculta" (desde la ocurrencia de la falla hasta la detección de la falla) se restablece a reparaciones es lo suficientemente grande, un sistema reparado volverá a
0 después de una reparación (consulte, por ejemplo,Qiu, Cui, Shen y Yang, 2017y ser defectuoso en muy poco tiempo y el riesgo de falla aumenta
Pham y Wang, 1996). Una configuración tan clara permite el modelado analítico y significativamente. Por lo tanto, realizar reparaciones imperfectas ya no es
la optimización de muchas políticas de mantenimiento más complejas. Otros rentable cuando la edad del sistema alcanza un cierto nivel, y se sugiere más
efectos de reparación dependientes del estado también se pueden investigar en el una renovación completa del sistema.
futuro, pero a costa de un proceso de cálculo mucho más complicado a través de Además, dado que el sistema defectuoso puede permanecer operativo
la simulación. durante un período de tiempo adicional cuando se vuelve defectuoso, una
Figura 1ilustra este efecto de reparación. El primer defecto se sustitución inmediata tras la identificación de un defecto no es rentable.
desencadena enX1y se revela ensk=Kansas, dondeses el intervalo de Para abordar esto, elegimos no proporcionar inspecciones en la segunda
inspección. Entonces la edad normal enskesX1y la edad defectuosa essk−X1. fase y solo permitir que el reemplazo preventivo de un sistema defectuoso
Después de la primera reparación, el defecto se elimina por completo y el se posponga a una ventana programada. Semejante
L. Yang, Z.-s. Ye y C.-G. Lee et al. / Revista europea de investigación operativa 274 (2019) 966–977 969
Figura 1.Efecto de la reparación imperfecta en la función de intensidad: (a) impacto enλX(t)y (b) impacto enλY(t).
un reemplazo pospuesto tiene dos ventajas (a) asegura la utilización Para ser específico, dejeFi (tu) denota la función de densidad del de-
X
suficiente de la vida útil restante y (b) reduce el costo de reemplazo a tiempo de inicialización del efectoXdado que la última reparación se realiza ensi.
través de la preparación suficiente de los recursos de mantenimiento. Residencia enecuación (2),Fi(tú)
X se puede expresar como
FXi(tú)=FX(tu−ωsi). (4)
3. Cálculo y optimización de costos bajo PBC
En consecuencia, la probabilidad de realizar una reparación imperfecta
El objetivo de esta sección es calcular y optimizar los ingresos netos ensk,1≤k≤metro, pagr(s, k), se puede obtener mediante el siguiente cálculo
esperados del sistema de fabricación bajo el requisito de un contrato basado iterativo
en el desempeño (PBC). Un PBC es un enfoque típico centrado en las
k−1∑k−1
∑ ∫sj+1
ganancias que ha recibido una atención considerable en las industrias FXi(u)G (s
Y k−tu)
intensivas en capital (Xiang et al., 2017). Se concentra tanto en el nivel de PAGr(s, k)= PAGr(s, yo) qk− −j1 (1 -q) du,
i=0j=i
sj FX(( 1-ω)si)
rendimiento como en el costo operativo del sistema de fabricación (Nowicki,
Kumar, Steudel y Verma, 2008). En nuestro estudio, el nivel de rendimiento (5)
se mide por la disponibilidad de estado estableA, y el costo operativo se
mide por el costo de mantenimiento esperado en un ciclo de renovaciónCE)( dondePAGr(s,0)=1.
ver, por ejemplo,Nowicki et al., 2008; Qiu et al., 2017). En este contrato, Usandoecuación (5), las probabilidades de renovación se pueden
existe un límite inferior de la ejecuciónAmin, por debajo del cual no se puede calcular iterativamente. En especial, la reposición correctiva dentro(sk−1,
proporcionar ningún beneficio. Entonces la función de ingresos netos sk)consta de dos escenarios: (a) tanto el defecto como la falla se activan
esperados,R, se da como entre(sk−1,sk),1≤k≤metro; y (b) el defecto se desencadena entre
{ (sj,sj+1)y luego se convierte en una falla entre(sk−1,sk),2≤
− CE), A≤Amin k≤m, j=i,· · ·,k−2. Esto se ilustra enFigura 2. Resumiendo
R= , (3)
a+licenciado en Letras−Amin)−CE), A > Amin estos dos escenarios, tenemos la probabilidad como
estos dos escenarios, tenemos 1,2, . . . ,m, E(UF). 2Sus expresiones se dan respectivamente como
∑ ∫T UEpag)=TPpag, (9)
metro
FXi ( u)GY(T−tu)
PAGF2 =PAGF(s, m, t)= PAGr(s, yo) du
FX((1-ω)si)
i=0 smetro
(
∫sj+1 ( ) ∑ ∑ k−1
∑ ∫sk ∫sk−tut.f.i
∑ ∑− 1 X(u) gY(t)
metro metro
− j i X(u)(G)Y(T−tu)−GRAMOY(smetro−tu))
− 1metro
metro
X(u) gY(t)
PAGr(s metro
∑1 ∑1 ∫ ∫sj+1 ∫
− jFi X(u)GY(T−tu)
metro− metro−
sj+1 ∑1 ∑1 T−tuqqmetro−jFi
X(u) gY(t)
metro− metro−
+ PAGr(s, yo)
qmetro
du. (8) + dtdu. (11)
FX((1-ω)si)
PAGr(s, yo)
i=0 j=i sj
i=0 j= i
sj smetro−tu FX((1-ω)si)
Esto se ilustra enFigura 4. En resumen, el tiempo disponible total esperado durante un ciclo de renovación es
Análogamente, el tiempo de inactividad esperado debido a las inspecciones viene dado por y el costo esperado de reparación imperfecta en un ciclo de renovación se da
como
∑ metro
( ) { }
k ∑ k−1
∑
E(Den)= (k− 1)T + (14)
metro
enPAGF+monteenPAGF
1 2 PAGpag,
CEr)= PAGF(s, k) CrPAGr(s, yo)
k=1
k=1 i=0
∑metro k−1
∑ ( ) ∑1
metro− + PAGF(s, m, t)+PAGpag(s, m, t) CrPAGr(s, yo). (19)
k
E(Dr)= PAGF1 TrPAGr(s, yo)+PAGF 2
+ PAGpag TrPAGr(s, yo). (15) i=0
k=1 i=0 i=0 En conclusión, el coste de mantenimiento esperado en un ciclo de renovación es
k=1 k=1
= ( ) ,
∑ ( ) ∑ ( ) ∑1
k−
ψ
metro metro
TPpag+ψ2+ k
+ TF−Tpag PAGF+ kPAGk+ donde CkF=CF+(k−1)Cen+ CrPAGr(s, yo);Ckpag=Cpag+(k−1)Cen+
metro
PAGpag+PAGF
1 f1
pag
2 2
k=1 k=1 i=0
(dieciséis)
∑1
k−
CrPAGr(s, yo).
i=0
∑1
k− kpag=Tpag+(k− 1)Ten+
donde k=TF+
F
(k−1)Ten+ TrPAGr(s, yo);
i=0 3.4. Optimización de ingresos netos
∑1
k−
TrPAGr(s, yo).
i=0 Con base en el modelo de costos de disponibilidad y mantenimiento en
Secciones 3.2y3.3, podemos calcular el ingreso neto esperado del sistema a través
deecuación (3). Tenga en cuenta que los ingresos netos incorporan el efecto
3.3. modelo de costo de mantenimiento
integral tanto del rendimiento de la disponibilidad como del nivel de costos. Una
política de mantenimiento centrada en la disponibilidad ofrece una ganancia
Además de la disponibilidad constante, también se requiere el costo de
basada en el rendimiento relativamente considerable, pero también incurre en
mantenimiento esperado en un ciclo de renovación para calcular los
altos costos de mantenimiento. Por el contrario, una política centrada en los
ingresos netos. Análogo al proceso de cálculo enSección 3.2, podemos
costos reduce efectivamente los costos totales de mantenimiento, pero da como
obtener el costo de reemplazo preventivo esperado y el costo de reemplazo
resultado un desempeño de baja disponibilidad. Por tanto, el objetivo de este
correctivo en un ciclo de renovación como (Ross, 1982; Sheu y Zhang, 2013)
modelo es diseñar una política de mantenimiento óptima que logre un equilibrio
entre el coste y la disponibilidad.
( ) Deecuaciones (3), (dieciséis) y (20), el ingreso neto esperadoR(s, m, T)
() ∑metro
es una función del intervalo de inspeccións, el número de inspección
CEpag)=CpagPAGpag(s, m, T ), CEF =CFPAGF(s, m, t)+ PAGF(s, k) .
metro y el intervalo de reemplazoT.Por lo tanto, el problema de
k=1
optimización se puede describir como
(17) {
− CE), A≤Amin
máximoR(s, m, T)=
De manera similar, el costo de inspección esperado en un ciclo de renovación se da como {s, m, t} a+licenciado en Letras−Amin)−E(C), A > Amin
(21)
sujeto a
0<s < T, metro∈{1,2, . . . ,T/s}.
∑ metro
( )
CEen)= (k−1)CenPAGF(s, k)+mcenPAGF(s, m, t)+PAGpag(s, m, t) , dondeCE)es dado porecuación (20), yAes dado porecuación (dieciséis).
k=1 Deecuación (21), podemos ver que los rangos demetroysson todos
(18) relacionado con el valor deT.Esto puede conducir a una opti-
972 L. Yang, Z.-s. Ye y C.-G. Lee et al. / Revista europea de investigación operativa 274 (2019) 966–977
proceso de mización. Para simplificar el problema, definimos una nueva variable, a proceso de ∧
metrose basa en el algoritmo ABC, que consiste en
saber, intervalo de aplazamientoyo, yo >0, que es igual al intervalo de reemplazo cuatro fases de la siguiente manera.
j
y Akay (2011)yKaraboga y Basturk (2007)), que tiene la ventaja de un proceso elegido. SiR(m, metro) >R(m, nuevo
metro ), la calidad de la solución es
j
de búsqueda relativamente conciso (con parámetros de control limitados) y no mejorado, entonces establecemos el número de no mejoranorteno=
una gran robustez. El diagrama de flujo del procedimiento de optimización no
norte j +1; de lo contrarionortej nose restablece a 0.
de costos basado en el algoritmo ABC se muestra en Figura 5.
• Fase de abeja espectadora
El principal método de optimización es buscar el conjunto óptimo de variables La función principal de la fase de abeja espectadora es evitar una
reales ∧
metro=(sm∧etro,yom
∧ etro)en el número de inspección actualmetro, metro∈ convergencia prematura de soluciones. Esta fase comienza eligiendo abejas
{1,2, . . . ,METRO}. Posteriormente, podemos comparar los valores de los ingresos espectadoras según el método de la rueda de la ruleta (ver, por ejemplo,
netosR(m, ∧
metro)=R(m, s∧ ,yometro)para todosmetro∈{1,2, . . . ,METRO}y entonces
metro ∧ Karaboga y Akay, 2011). Luego, estas abejas espectadoras continúan
elegir el óptimometro∗que maximiza los ingresos. La búsqueda mejorando la calidad de las soluciones basadas enAlgoritmo 2.
L. Yang, Z.-s. Ye y C.-G. Lee et al. / Revista europea de investigación operativa 274 (2019) 966–977 973
metro
j
5: metro=
jnuevo
metro;norteno=0;
6: más
7: norteno=norteno+1;
8: terminara si
9: final para
Parámetro 1= 1.3 2= 1 .2
El análisis de estos casos especiales muestra la flexibilidad de nuestra política
de mantenimiento para manipular los recursos de inspección, reparación y
repuestos. Según las condiciones de operación y las características de falla de los
• Fase de exploración
sistemas de fabricación prácticos, los mantenedores pueden elegir de manera
flexible las políticas de mantenimiento adecuadas y ajustar los parámetros de
La fase de exploración tiene como objetivo eliminar las soluciones que no son de
j j mantenimiento para maximizar los ingresos netos. Por ejemplo, los mantenedores
mejora. Si el número de no mejora de una solución metro,norteno, Alcanza el
pueden decidir si se requiere una reparación imperfecta en función de la
límitenortelímite, entonces esta solución se abandona y se reemplaza por una
diferencia de costo entre la reparación y el reemplazo. Una comparación detallada
nueva solución generada a través deAlgoritmo 1.
de los ingresos netos esperados bajo estas políticas de mantenimiento se
proporciona enSección 4.
3.5. Algunos casos especiales
Tabla 2
Elementos de costo y efectos de las actividades de mantenimiento.
Tabla 3 Tabla 5
Valores de los parámetros de control y rangos de solución en el algoritmo ABC. Ingresos netos esperados bajo la política
de mantenimiento propuesta.
Parámetro notario público METRO nortemáximo (shasta,sdn), semana (lhasta,yodn), semana
Valor 20 25 50 (0,20) (0,50) metro s∗ yo∗ R(m, s∗,yo∗)
Figura 8.Sensibilidad del ingreso neto óptimo al factor de mejoraω(ω∈ [0,1],tamaño de paso = 0.1).
el efecto de reparación es malo, mientras que el número de inspección elegido no está la frecuencia de reparación está positivamente relacionada con la tasa de éxito de la
determinado por el efecto de reparación. inspección 1 −q. Obviamente, una gran tasa de éxito puede reducir el riesgo de defectos,
Figura 9representa el impacto de la tasa de fallas en la inspecciónqsobre pero también puede generar demasiados costos de reparación. En cambio, un pequeñoq
los ingresos netos esperados, dondeqtambién tiene un tamaño de paso de puede reducir el costo de reparación, pero también incurre en un alto costo de falla. Por
0.1. Cuándo qaumenta, el ingreso neto óptimo primero aumenta y luego esta razón, debe haber una compensación entre estos dos costos a través de la selección
disminuye bajo todas las políticas. Esto significa que cuando el costo de deq.
inspección sigue siendo el mismo, existe un óptimoqque puede maximizar Finalmente, probamos la sensibilidad del ingreso neto esperado
los ingresos netos. Una posible explicación de esto es que el óptimo al límite inferior de disponibilidad constanteAmin. Esto
976 L. Yang, Z.-s. Ye y C.-G. Lee et al. / Revista europea de investigación operativa 274 (2019) 966–977
Figura 9.Sensibilidad del ingreso neto óptimo a la tasa de fallas en la inspecciónq(q∈ [0,1],tamaño de paso = 0.1).
Figura 10.Sensibilidad del ingreso neto óptimo al límite inferior de la disponibilidadAmin(Amin∈ [0,1,0.9],tamaño de paso = 0.1).
El parámetro influye directamente en el equilibrio entre el rendimiento de la Nuestra investigación puede extenderse a lo largo de varias líneas, y
disponibilidad y el costo operativo. Los resultados se muestran en Figura 10. enumeramos dos extensiones interesantes aquí. El primero es la aplicación
Se puede ver que la política de mantenimiento propuesta siempre del marco de mantenimiento de dos fases en sistemas de fabricación de
proporciona los ingresos más altos entre estas cinco políticas, componentes múltiples (Luo y Wu, 2018b; Keizer, Teunter y Veldman, 2017;
independientemente del valor deAmin. Además, tanto la política propuesta Keizer, Teunter, Veldman y Babai, 2018). En esta situación, se pueden
como el caso especial 1 son menos sensibles aAminen comparación con las incorporar al marco algunas políticas de mantenimiento interesantes, como
otras tres pólizas. Esto se debe a que el reemplazo pospuesto provisto en el mantenimiento oportunista y el mantenimiento grupal (Cavalcante, &
ambas pólizas permite una asignación de mantenimiento más flexible y, por Lopes, 2015; Keizer et al., 2017). El segundo es la exploración adicional de la
lo tanto, la compensación entre la disponibilidad y el costo es relativamente teoría del mantenimiento imperfecto en el modelo de tiempo de retardo. Por
estable. ejemplo, el efecto de mejora de una reparación puede ser aleatorio y una
inspección puede dar un falso positivo o incluso causar un mal
funcionamiento del sistema.
5. Observaciones finales
Reconocimiento
Diseñamos una novedosa política de mantenimiento preventivo
para sistemas de manufactura sujetos a proceso de falla en dos etapas. La investigación reportada aquí fue financiada parcialmente por la NSFC
En contraste con la mayoría de los modelos de tiempo de demora, bajo números de subvención71671016y71231001, el Ministerio de Educación
desarrollamos un marco de mantenimiento de dos fases para tratar los con el número de subvención107-5004/107F107012, y el Fondo de
defectos del sistema. En la primera fase, se realizan tanto la inspección Investigación Fundamental de las Universidades Centrales con el número de
imperfecta como la reparación imperfecta para eliminar el defecto. En subvenciónFRF-GF-17-B14.
la segunda fase, el sistema se apaga para revisión durante la ventana
de tiempo programada. No se proporcionó ninguna inspección durante Apéndice: Algoritmos para fases ABC separadas
la segunda fase, y la eliminación de defectos siempre se pospuso a la
ventana de tiempo de mantenimiento programado. Esta política de dos Algoritmos 1–3.
fases puede proporcionar una asignación de recursos de
mantenimiento suficiente y flexible, lo que garantiza una alta Referencias
disponibilidad a un costo relativamente bajo.
Ahmad, R. y Kamaruddin, S. (2012). Una descripción general de las condiciones basadas en el tiempo y
mantenimiento basado en ciones en aplicaciones industriales.Informática e Ingeniería
Industrial, 63(1), 135–149.
L. Yang, Z.-s. Ye y C.-G. Lee et al. / Revista europea de investigación operativa 274 (2019) 966–977 977
Alaswad, S. y Xiang, Y. (2017). Una revisión sobre la optimización del mantenimiento basado en la condición Peng, W., Shen, L., Shen, Y. y Sun, Q. (2018). Análisis de confiabilidad de sistemas reparables.
modelos de ción para un sistema que se deteriora estocásticamente.Ingeniería de confiabilidad y seguridad del elementos con fallas recurrentes inducidas por mal uso y fallas de operación normal.Ingeniería de
sistema, 157, 54–63. confiabilidad y seguridad del sistema, 171, 87–98.
Berrade, MD, Bufanda, PA y Cavalcante, CAV (2017). Un estudio de re- Pham, H. y Wang, H. (1996). Mantenimiento imperfecto.Revista europea de operaciones
Colocación en un modelo de tiempo de retardo.Ingeniería de confiabilidad y seguridad del sistema, 168, 70–79. Investigación, 94, 425–438.
Qiu, Q. y Cui, L. (2018). Evaluación de confiabilidad basada en una falla dependiente de dos etapas.
Berrade, MD, Bufanda, PA, Cavalcante, CAV y Dwight, RA (2013). Imperfecto ure proceso con fallas en competencia.Modelos matemáticos aplicados, 64, 699–712.
inspección y reemplazo de un sistema con un estado defectuoso: un análisis de costos y Qiu, Q., Cui, L., Gao, H. y Yi, H. (2018). Asignación óptima de unidades en secuencia
confiabilidad.Ingeniería de confiabilidad y seguridad del sistema, 120, 80–87. Cavalcante, sistemas de series de probabilidad.Ingeniería de confiabilidad y seguridad del sistema, 169, 351–363.
CAV, Lopes, RS y Bufanda, PA (2018). Una inspección general y op- Qiu, Q., Cui, L., Shen, J. y Yang, L. (2017). Política de mantenimiento óptima considerando
política portunística de sustitución de sistemas monocomponente de calidad variable. errores de mantenimiento para sistemas que operan bajo contratos basados en
Revista europea de investigación operativa, 266(3), 911–919. desempeño. Informática e Ingeniería Industrial, 112, 147–155.
Cavalcante, CAV y Lopes, RS (2015). Modelo multicriterio para apoyar la def- Qiu, Q., Cui, L. y Yang, L. (2018). Pólizas de mantenimiento para sistemas energéticos sujetos
Inicio de la política de mantenimiento oportunista: un estudio en un sistema de cogeneración. a complejos procesos de falla y acuerdo de compra de energía.Informática e
Energía, 80, 32–40. Ingeniería Industrial, 119, 193–203.
Chen, N., Ye, ZS, Xiang, Y. y Zhang, L. (2015). Uso de mantenimiento basado en la condición Ross, SM (1982).Procesos estocásticos. Nueva York: John Wiley & Sons.
ing el modelo de degradación gaussiana inversa.Revista europea de investigación Bufanda, PA, & Cavalcante, CAV (2012). Modelando la calidad en el reemplazo y
operativa, 243(1), 190–199. mantenimiento de inspección.Revista Internacional de Economía de la Producción, 135(1),
Christer, AH y Waller, WM (1984). Reducción del tiempo de inactividad de la producción mediante el retraso: 372–381.
análisis de tiempoRevista de la Sociedad de Investigación Operacional, 35(6), 499–512. Sheu, SH, Tsai, HN, Wang, FK y Zhang, ZG (2015). Un óptimo extendido
Driessen, JPC, Peng, H. y Van Houtum, GJ (2017). Optimización del mantenimiento modelo de reemplazo para un sistema deteriorado con inspecciones.Ingeniería de
bajo probabilidades no constantes de inspecciones imperfectas.Ingeniería de confiabilidad y confiabilidad y seguridad del sistema, 139(3), 33–49.
seguridad del sistema, 165, 115–123. Sheu, SH y Zhang, ZG (2013). Una póliza de reemplazo de edad óptima para multi-estado
Jin, T., Xiang, Y. y Cassady, R. (2013). Entender la disponibilidad operativa en per- sistemasTransacciones IEEE sobre confiabilidad, 62(3), 722–735.
servicios de logística y mantenimiento basados en el rendimiento. En2013 Actas del Van Oosterom, CD, Elwany, AH, Çelebi, D. y Van Houtum, GJ (2014). Óptimo
simposio anual de confiabilidad y mantenibilidad (RAMS)(págs. 1–6). Karaboga, D. y Akay, B. Políticas para un modelo de tiempo de demora con reemplazo pospuesto.Revista europea de
(2011). Un algoritmo de colonia artificial de abejas (ABC) modificado para investigación operativa, 232(1), 186–197.
Problemas de optimización con restricciones.Informática blanda aplicada, 11(3), 3021–3031. Wang, L., Hu, H., Wang, Y., Wu, W. y He, P. (2011). El modelo de disponibilidad y pa-
Karaboga, D. y Basturk, B. (2007). Un algoritmo poderoso y eficiente para cálculos numéricos. método de estimación de rámetros para el modelo de tiempo de retardo con mantenimiento
optimización de funciones: algoritmo de colonia de abejas artificiales (ABC).Diario de imperfecto en la inspección.Modelado matemático aplicado, 35(6), 2855–2863. Wang, W. (2012). Una
Optimización Global, 39(3), 459–471. descripción general de los avances recientes en el mantenimiento basado en el tiempo de retardo
Keizer, MCAO, Teunter, RH, Veldman, J. y Babai, MZ (2018). basado en condiciones modelado financiero.Ingeniería de confiabilidad y seguridad del sistema, 106, 165–178.
mantenimiento para sistemas con dependencia económica y reparto de carga.Revista Wang, W. y Wang, H. (2015). Reemplazo preventivo para sistemas con condición
Internacional de Economía de la Producción, 195, 319–327. seguimiento e inspecciones manuales adicionales.Revista europea de investigación
Keizer, MCAO, Teunter, RH y Veldman, J. (2017). Mantenimiento conjunto basado en la condición operativa, 247(2), 459–471.
optimización de tenencia e inventario para sistemas con múltiples componentes. Wang, W., Zhao, F. y Peng, R. (2014). Un modelo de mantenimiento preventivo con
Revista europea de investigación operativa, 257(1), 209–222. política de inspección de dos niveles basada en un proceso de falla de tres etapas.Ingeniería de
Keizer, MCAO, Flapper, SDP y Teunter, RH (2017). mantenimiento basado en condiciones confiabilidad y seguridad del sistema, 121, 207–220.
Políticas de arrendamiento para sistemas con múltiples componentes dependientes: una Wu, S. y Bufanda, Pensilvania (2017). Dos nuevos modelos estocásticos del proceso de falla de un
revisión. Revista europea de investigación operativa, 261(2), 405–420. sistema en serie.Revista europea de investigación operativa, 257(3), 763–772. Xiang,
Liu, B., Wu, S., Xie, M. y Kuo, W. (2017). Una política de mantenimiento basada en la condición Y., Zhu, Z., Coit, DW y Feng, Q. (2017). Mantenimiento bajo condiciones
para sistemas degradantes con costo de operación dependiente de la edad y el estado. bajo la contratación basada en el desempeño.Informática e Ingeniería Industrial, 111, 391–
Revista europea de investigación operativa, 263(3), 879–887. 402.
Liu, B., Xie, M. y Kuo, W. (2016). Modelado de confiabilidad y mantenimiento preventivo Xiang, Y., Coit, DW y Feng, Q. (2014). Burn-in acelerado y basado en condiciones
de sistemas de carga compartida con componentes degradantes.Transacciones IIE, 48(8), mantenimiento para -subpoblaciones sujetas a degradación estocástica.
699–709. Transacciones IIE, 46(10), 1093–1106.
Liu, X., Wang, W. y Peng, R. (2015). Una producción integrada, inventario y pre- Yang, L., Ma, X., Peng, R., Zhai, Q. y Zhao, Y. (2017). Un mantenimiento preventivo
Modelo de mantenimiento preventivo para un sistema de producción multiproducto.Ingeniería de modelo basado en deterioro dependiente en dos etapas y choques externos.Ingeniería de
confiabilidad y seguridad del sistema, 137, 76–86. confiabilidad y seguridad del sistema, 160, 201–211.
Luo, M. y Wu, S. (2018a). Un enfoque de valor en riesgo para la optimización de políticas de garantía Yang, L., Ma, X., Peng, R. y Zhao, Y. (2018). Mantenimiento preventivo híbrido de
glacial.Revista europea de investigación operativa, 267(2), 513–522. fallas competitivas en un entorno aleatorio.Ingeniería de confiabilidad y seguridad del
Luo, M. y Wu, S. (2018b). Un enfoque de optimización de media-varianza para colectivamente sistema, 174, 130–140.
políticas de garantía de precios.Revista Internacional de Economía de la Producción, 196, Ye, ZS, Yan, S. y Xie, M. (2012). Burn-in basado en la degradación con mantenimiento preventivo
101–112. tenenciaRevista europea de investigación operativa, 221, 360–367.
Nowicki, D., Kumar, UD, Steudel, HJ y Verma, D. (2008). Aprovisionamiento de repuestos Zhao, F., Wang, W. y Peng, R. (2015). Mantenimiento preventivo basado en el tiempo de demora
bajo contrato de logística basado en el desempeño: enfoque centrado en las ganancias.Revista de la modelado para una planta de producción: un estudio de caso en una acería.Revista de la Sociedad de
Sociedad de Investigación Operacional, 59(3), 342–352. Investigación Operacional, 66(12), 2015–2024.