Quality Science

工业大脑:智能制造的质量守护者

国家自然科学基金重点项目“工业大数据环境下面向智能制造系统的质量科学管控方法研究”科普网站(项目号:71932006)

Big Data

子课题四:质量-可靠性影响链建模、预测与智能维护研究

在智能制造系统中,产品质量与设备可靠性之间存在着复杂的交互影响关系。本项目第四个子课题聚焦于这一关键领域,致力于建立质量与可靠性之间的交互影响链模型,实现设备可靠性预测与智能维护,从而为产品质量提供有力保障。

Research Content

研究内容

(一)质量-可靠性影响链建模
本研究深入分析多阶段制造系统中各阶段质量与设备可靠性的交互影响机制,建立相应的统计模型。通过构建质量对设备性能退化以及设备性能退化对质量影响的模型,全面描述质量与可靠性之间的交互影响与传播过程,为后续的可靠性预测与维护决策提供理论基础。

(二)可靠性评估与预测
基于建立的质量-可靠性交互影响链模型,本研究采用贝叶斯方法进行设备可靠性评估与预测。考虑到设备退化过程可能存在的多阶段性特性,引入多变点模型,提高预测精度。通过蒙特卡洛方法对各阶段设备剩余使用寿命进行预测,为设备维护策略的制定提供科学依据。

(三)视情维修策略优化
本研究建立基于马尔可夫决策过程(MDP)的维修策略优化框架,综合考虑设备性能退化、维修成本、停机损失等因素。针对多阶段制造系统中设备之间的经济相关性与随机相关性,提出近似动态规划与蒙特卡洛方法相结合的求解策略,优化视情维修决策,实现设备维护成本与产品质量保障之间的平衡。
 

所解决的科学问题

1. 成功建立了质量与可靠性之间的交互影响链模型,准确刻画了多阶段制造系统中质量与设备可靠性之间的复杂交互关系,为可靠性预测与维护决策提供了理论支持。

2. 提出了基于贝叶斯方法与多变点模型的可靠性评估与预测方法,有效提高了设备剩余使用寿命预测的精度,解决了传统方法在多阶段特性面前的局限性问题。

3. 设计了基于马尔可夫决策过程的视情维修策略优化框架,考虑了多阶段制造系统中设备之间的相关性,解决了传统维修策略在复杂系统中的不适用性问题,实现了维修策略的优化与成本控制。 

研究成果
本子课题围绕多阶段制造系统中质量与可靠性的交互影响问题展开深入研究,取得了系列创新性成果。通过建立质量-可靠性交互影响链模型、提出可靠性评估与预测方法以及优化视情维修策略,本研究为智能制造系统提供了全面、有效的解决方案,有力推动了质量科学与可靠性工程在智能制造领域的应用与发展,为实现智能制造的高质量、高效率生产目标提供了重要支持
论文发表

在国内外权威期刊发表多篇高水平学术论文,如《IEEE Transactions on Automation Science and Engineering》《Reliability Engineering & System Safety》《IISE Transactions》等,为智能制造领域质量与可靠性研究提供了新的理论与方法

实践应用

相关技术成果在制造企业得到应用,有效提升了企业的设备管理水平与产品质量稳定性,降低了设备维护成本,增强了企业在市场中的竞争力。



声明: 本网站内容主要基于国家自然科学基金项目的相关材料生成,旨在向公众介绍工业大数据环境下质量科学的研究内容和重要意义。
@项目研究组

Free AI Website Maker