基于机会维护的干散货港口装卸作业系统运维优化方法技术方案

本发明专利技术公开了一种基于机会维护的干散货港口装卸作业系统运维优化方法。包括如下步骤：收集干散货港口设备故障数据并拟合设备故障特征三参数韦伯分布；构建干散货港口装卸作业“设备级

【技术实现步骤摘要】
基于机会维护的干散货港口装卸作业系统运维优化方法


[0001]本专利技术属于港口作业系统优化领域，具体涉及一种基于机会维护的干散货港口作业系统运维优化方法。

技术介绍

[0002]经济全球化和世界经济一体化的发展驱动着干散货航运市场交易额迅速增长，干散货港口的吞吐量持续处于高位，对港口的货物处理能力与装卸效率提出了更高的要求。伴随着干散货港口装卸设备故障诊断难度的不断提升，港口装卸设备运维管理存在专业化意识缺乏、设备运维整体水平滞后的问题，不可避免地会因设备故障造成干散货港口装卸作业停滞，影响其上下游产业。因此，实现干散货港口装卸作业调度和装卸设备维护时机的协同优化尤为迫切。现有的干散货港口装卸设备维护策略大多集中在港口设施设备的可靠性评估、码头作业流程的可靠性分析，以及港口装卸设备维护策略的改进三个方面，缺少作业流程可靠性分析与装卸设备维护策略的结合，停留在可靠性评估和预测上；而设备调度优化的现有研究大多集中在干散货港口装卸、转运设备的调度，以及干散货港口作业设备的设计和控制两个方面，尚未有考虑装卸设备故障对其所属作业流程乃至整个作业系统的影响。

技术实现思路

[0003]为解决上述问题，本专利技术提出了一种基于机会维护的干散货港口装卸作业系统运维优化方法。将干散货港口装卸作业流程视为串并联流程，其中取料机、皮带机、装船机等装卸设备视为可修设备，采用预测性维护保证装卸设备工作状态的稳定性，并考虑小修的影响。为了减小装卸设备故障对干散货港口装卸作业系统的影响，构建干散货港口装卸作业“设备级
‑
流程级
‑
系统级”运维优化模型。提出机会维护方法对其进行求解，实现“设备级
‑
流程级
‑
系统级”运维优化，为干散货港口装卸作业系统提供了使设备故障对港区作业影响最小的运维方法。
[0004]本专利技术的技术方案：
[0005]一种基于机会维护的干散货港口装卸作业系统运维优化方法，步骤如下：
[0006]步骤一：收集干散货港口设备故障数据并拟合设备故障特征三参数韦伯分布
[0007]本专利技术基于的港口数据包括：
[0008]平面布置数据：泊位个数及靠泊吨级，堆场位置及容量，闸口位置。
[0009]港口运营规则：码头资源调度规则等。
[0010]港口装卸设备数据：各泊位装船机的数量、装船效率，皮带机的数量、运输效率，取料机的数量、工作效率。
[0011]气候相关数据：气温，一年中影响作业的风、雾及雷暴发生的天数，封航时间。
[0012]干散货港口装卸作业系统中的装卸设备，包括装船机、皮带机、取料机等，其使用寿命都很长，但由于需要在高强度、大功率条件下进行连续运转，不可避免地会经常发生故
障。
[0013]收集干散货港口装卸作业系统中每一台装卸设备发生的每一次设备停机信息，包括：
[0014](1)日期：设备停机开始的日期；
[0015](2)工班：白班或夜班；
[0016](3)船舶序号：停机设备所属作业流程对应的到港船舶序号；
[0017](4)流程号：装卸作业流程编号，根据作业流程占用的作业线组合的不同而不同；
[0018](5)停机设备编号：发生停机的设备编号；
[0019](6)开始时刻：设备停机开始的时刻，精确到秒；
[0020](7)结束时刻：设备停机结束的时刻，精确到秒；
[0021](8)设备停机原因：港区工作人员对设备停机原因进行分析后，记录的设备停机具体原因；
[0022](9)设备串：与流程号相对应，记录停机设备所属作业流程调用的设备情况及其排列。
[0023]基于历史数据，进行装卸设备故障率三参数韦伯分布模拟，公式如下：
[0024][0025]其中，η
ij
为三参数韦伯分布的形状参数，θ
ij
为三参数韦伯分布的尺度参数，为三参数韦伯分布的位置参数，T
ij
为装卸设备i的每一次预测性维护间隔长度，λ
ij
为故障率函数值,N
i
为装卸设备i预测性维护间隔次数。
[0026]步骤二：构建干散货港口装卸作业“设备级
‑
流程级
‑
系统级”运维优化模型干散货港口装卸作业“设备级
‑
流程级
‑
系统级”运维优化模型的目标函数为：
[0027][0028]其中，ETA
F
表示装卸作业流程的可用性；T
F
为考虑的优化期长度；为装卸作业流程在优化期内的维护时长，包括预测性维护时长和小修时长，通过下式确定：
[0029][0030]其中，i为装卸作业流程中包含的呈串联关系的装卸设备编号，i＝1,2,
…
,I
S
，I
S
为呈串联关系的装卸设备总数；为装卸设备i的每一次预测性维护时长平均值；N
Fi
为装卸设备i在优化期内的预测性维护次数；为装卸设备i在其第j个预测性维护间隔内的小修总时长；为采用特定装卸作业流程维护方案下装卸设备i节省的总时长，包括节省的预测性维护时长和小修时长。
[0031]对于某一确定的装卸作业流程，I
S
为定值；通过历史数据拟合得到，对于特定装卸设备i，可视为定值；N
Fi
受装卸设备i的每一次预测性维护间隔长度T
ij
的影响，随着T
ij
的增大，N
Fi
有减小的趋势；受T
ij
的影响，随着T
ij
的增大，有增大的趋势；则取决于采用的装卸作业流程维护方案，并受T
ij
的影响。
[0032]因此，干散货港口装卸作业“设备级
‑
流程级
‑
系统级”运维优化模型的决策变量为T
ij
，目标函数ETA
F
的变化趋势取决于装卸作业流程中包含的每一台装卸设备的每个预测性维护间隔长度T
ij
的取值，同时，受采用的装卸作业流程维护方案以及系统内其他装卸作业流程的影响。
[0033]步骤三：运维优化模型求解
[0034]采用干散货港口装卸作业“设备级
‑
流程级
‑
系统级”机会维护方法对T
ij
进行优化，求解上述优化模型。
[0035](1)设备级运维优化
[0036]首先，基于干散货港口装卸作业系统设备故障特征，构建故障率演化函数，对其进行参数拟合，并考虑小修的影响。其次，以装卸设备可用性最大化为优化目标，得到初步的T
ij
较优解，实现设备级运维优化。
[0037](1.1)故障率演化函数建模
[0038]定义装卸设备i在其第j个预测性维护间隔内t时刻的故障率函数f...

【技术保护点】

【技术特征摘要】
1.一种基于机会维护的干散货港口装卸作业系统运维优化方法，其特征在于，步骤如下：步骤一：收集干散货港口设备故障数据并拟合三参数韦伯分布所基于的干散货港口数据有：平面布置数据包括泊位个数及靠泊吨级、堆场位置及容量和闸口位置；港口运营规则包括码头资源调度规则；港口装卸设备数据包括各泊位装船机的数量、装船效率，皮带机的数量、运输效率，取料机的数量、工作效率；港口设备相关数据包括装船机、皮带机及取料机的正常运作时间、停机及故障时间、故障原因、型号、尺寸、所在的流程号及设备串；气候相关数据包括气温，一年中影响作业的风、雾及雷暴发生的天数，封航时间；收集干散货港口装卸作业系统中每一台装卸设备发生的每一次设备停机信息；基于历史数据，进行装卸设备故障率三参数韦伯分布模拟，公式如下：其中，η
ij
为三参数韦伯分布的形状参数，θ
ij
为三参数韦伯分布的尺度参数，为三参数韦伯分布的位置参数，T
ij
为装卸设备i的每一次预测性维护间隔长度，λ
ij
为故障率函数值,N
i
为装卸设备i预测性维护间隔次数；步骤二：构建干散货港口装卸作业“设备级
‑
流程级
‑
系统级”运维优化模型干散货港口装卸作业“设备级
‑
流程级
‑
系统级”运维优化模型的目标函数为：其中，ETA
F
表示装卸作业流程的可用性；T
F
为考虑的优化期长度，为定值；为装卸作业流程在优化期内的维护时长，包括预测性维护时长和小修时长；装卸作业流程在优化期内的维护时长为：其中，i为装卸作业流程中包含的呈串联关系的装卸设备编号，i＝1,2,
…
,I
S
，I
S
为呈串联关系的装卸设备总数；为装卸设备i的每一次预测性维护时长平均值；N
Fi
为装卸设备i在优化期内的预测性维护次数；为装卸设备i在其第j个预测性维护间隔内的小修总时长；为采用特定装卸作业流程维护方案下装卸设备i节省的总时长，包括节省的预测性维护时长和小修时长；步骤三：运维优化模型求解采用干散货港口装卸作业“设备级
‑
流程级
‑
系统级”机会维护方法对运维优化模型进行求解；(1)设备级运维优化首先，基于干散货港口装卸作业系统设备故障特征，构建故障率演化函数，对其进行参
数拟合，并考虑小修的影响；其次，以装卸设备可用性最大化为优化目标，得到初步的T
ij
较优解，实现设备级运维优化；(1.1)故障率演化函数建模定义装卸设备i在其第j个预测性维护间隔内t时刻的故障率函数f
ij
(t)满足：其中，T
ij
为装卸设备i的第j个预测性维护间隔的长度，为装卸设备i的第j个预测性维护间隔的长度，为装卸设备i的第j个预测性维护的开始时刻，为装卸设备i的第j
‑
1个预测性维护的完成时刻，为装卸设备i的投入使用时刻；装卸设备i在其第j个预测性维护间隔内的故障率阈值H
i0
满足：装卸设备i的故障率演化过程：f
i(j+1)
(t)＝γ
i
β
i
f
ij
(t+a
i
T
ij
),t∈(0,T
i(j+1)
),j＝1,2,
…
,N
i
其中，γ
i
为环境因子，β
i
为递增故障率因子，a
i
为递推递减因子，对于γ
i
、β
i
和a
i
，有γ
i
>1,β
i
>1，0<a
i
<1；N
i
为装卸设备i在生命周期内的预测性维护间隔个数，以为指标，判断是否需更换装卸设备i；(1.2)故障率演化函数参数拟合根据反映装卸设备i故障特征的三参数韦伯分布，进行故障率演化函数参数拟合：(1.3)小修的影响记装卸设备i的第j个预测性维护间隔内发生的第k次小修的时长为假设在一次小修进行的过程中，不会有其他小修的情况发生，小修持续时间不重叠，即则考虑小修后的装卸设备i的第j个预测性维护间隔长度变为其累积故障风险函数为：其中，F
ij
(t)为不考虑小修影响时的装卸设备i的第j个预测性维护间隔内的累积故障风险函数，n为该预测性维护间隔内t时刻已经发生的小修次数，M
ij
为小修进行
的时间区间，表示为：装卸设备i在第j个预测性维护间隔内t时刻发生的小修总时长记为当时，根据下式计算：其中，为装卸设备i的第j个预测性维护间隔内发生的第k次小修时长；(1.4)设备级运维优化方案以装卸设备i从投入使用到更换的整个生命周期内的可用性ETA
i
(H
i0
)最大化为目标进行优化，其目标函数为：其中，为装卸设备i在故障率阈值取H
i0
时整个生命周期内的作业时长，为装卸设备i在故障率阈值取H
i0
时整个生命周期...

【专利技术属性】
技术研发人员：田琦，郭子坚，王文渊，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：