[发明专利]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

说明书

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。

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：