前言

随着现代化工业技术的提高，生产系统中的设备正变得越来越复杂。这些设备一旦发生故障，不仅会带来严重的经济损失，还会给人身安全造成威胁。诊断设备当前所处的健康状态，并预测剩余有效寿命，能够为企业维护策略的制定提供理论依据。在实际生产中，由于人为因素和噪声、扰动等环境因素导致其健康预测中的样本数据会出现不确定的情况。不确定的样本数据会降低数据挖掘的能力，导致预测结果出现偏差，而可靠的预测结果作为开展设备状态维护的关键，在保障企业设备的安全性能、制定设备维护的计划以及降低维护成本等方面都发挥着重要的作用。

在诸多制造业企业中，设备是其最重要的财产，而围绕设备制订生产计划和维护计划是企业最重要的活动。生产活动的进行会造成设备故障率的上升，而维护活动则是对设备可能出现的故障加以消除，保证设备正常运转。若生产计划与维护计划的制订相脱离，势必导致设备维护过度或维护不充分等不良后果。因此，将生产计划与维护计划联合研究，既能充分发挥设备产能，满足生产需求；也能减少设备故障带来的不必要的停机，对降低维护成本具有重要的意义。

本书主要从以下十个方面进行探讨。

第1章是绪论部分，这部分内容主要阐述本书选题的背景、分析和探讨了已有设备健康预测、设备维护以及调度的相关研究，包括对已有的研究进行回顾，评论已有方法的不足，确定需要进一步研究的方向。

第2章是设备维护的概念及理论部分，描述了设备健康管理的发展历程，同时给出了状态识别、剩余寿命预测、设备维护等概念。

第3章研究了数据完备情况下设备健康预测问题。针对设备在日常使用过程中存在的老化现象，设计了指数型和乘数型两种形式的老化因子，并且将不同形式的老化因子集成到改进的隐半马尔可夫模型（HSMM）中，更新状态概率转移矩阵，通过一个包含双重迭代估值算法对相应老化因子进行估值。最后，基于设备失效率函数，对设备的剩余有效寿命进行预测，提高了设备健康预测的精度。使用从液压泵上获取的实时监测数据，对不同形式的老化因子进行估值，选取似然值最大的老化因子获得设备的剩余有效寿命。并且，为了体现不同形式的老化因子在预测性能方面的差异，将不同形式老化因子的预测结果进行了对比分析。

第4章研究了数据不完备情况下设备健康预测问题。针对样本数据中存在缺失数据的情况，建立分段隐半马尔可夫模型（SHSMM）架构，并利用EM算法对SHSMM模型的参数进行估计。选择灰色启发式算法来填补监测样本中的缺失数据，并使用灰色启发式算法将填补好的完整数据样本输入SHSMM中来进行机械设备的健康预测。针对样本数据中存在异常数据的情况，基于提出的SHSMM模型，将样本数据中的异常值当作缺失值处理，设计了一个动态前向后向灰色填充方法。针对样本数据中存在不准确数据的情况，基于Dempster-Shafer（DS）证据理论和Markov链建立DS-MM理论框架，建立状态识别框架并用区间数表示不准确的数据，利用区间数之间的距离和相似度作为产生基本概率赋值（BPA）的证据，采用Pignistic概率转换将BPA转化为基础状态的概率分布并进行设备健康预测。

第5章在设备健康预测基础上，基于时间延迟理论，建立了考虑生产计划的单设备系统的维护模型。首先以单机系统设备为对象，研究优化维护费用的问题。考虑到实际生活中设备可能出现的不同程度的缺陷或故障，使用三阶段时间延迟理论，不同阶段定义不同的分布函数模拟设备的劣化过程。分析缺陷、故障发生的时刻与阈值时间点之间的关系，对维护情况进行分类，建立以单位时间维护费用最低为优化目标的模型。在此基础上，对部件串联的多产品生产系统的生产、维护综合计划展开研究，实现生产与维护总成本最低的目标。最后基于实际生产时间与可用生产时间的约束关系，建立总成本最低模型。

第6章在设备健康预测基础上，基于可靠度约束，建立了考虑生产计划的单设备系统的维护模型。针对单设备生产系统，为解决两种计划独立决策的不足，防止因生产系统不满足可靠度标准而产生质量费用，构建了基于可靠度约束的生产计划和预防维护的集成计划模型。结合生产实际，为强化设备维护与生产的相关关系，考虑设备役龄对产品加工工时的影响，引入产品堕化效应；同时考虑设备闲置与生产的不同状态，基于设备的实际生产运行时间研究设备故障，制订维护和生产计划，实现生产与维护费用的总费用最低。

第7章在单设备维护优化基础上，基于集成动态维护模型，针对多部件设备的特点，建立了多部件设备的维护拓展模型。多部件设备的维护决策包括性能衰退、维护方式和维护费用三部分内容，在性能衰退方面，通过在线诊断信息和预测信息得到设备故障率变化趋势，用威布尔分布模拟设备的衰退过程；在维护方式方面，定义小修、大修和更换三种维护方式，分别描述了三种维护方式对设备故障率的影响；在维护费用方面，考虑了故障成本、维护成本、资源成本和停机成本四部分，根据每次维护活动的费用模型，建立了多阶段的总费用率模型。

第8章在单设备维护优化基础上，考虑生产与需求，建立多设备系统的维护优化模型。针对考虑生产多于需求或少于需求的情况下多设备系统的维护问题，建立了状态维护策略模型。首先构建状态的转移概率模型，并且针对不同状态采取两种维护策略；其次，基于半马尔可夫模型以损失成本和超额利润、检测成本、维护成本为优化目标，建立在不同策略下维护费用模型，求解不同状态下的维护策略。针对周期检测的由多个同类型设备组成的系统，根据在检测点观测的多设备系统的状态，从而确定维护需求和备件订购数量，基于半更新过程，建立在一个周期内的以检查费用、维护相关费用和备件相关费用的平均费用率为目标函数的联合决策优化模型。

第9章在单设备维护优化基础上，针对生产系统由于发生故障将造成生产停滞、增加短缺成本的问题，构建了多情景模式下考虑产品次品率的预防维护模型。首先，分析缓冲区库存变化的轨迹，确定不同的缓冲区库存情景模式，构建生产周期内不同情景下缓冲区库存持有成本模型。其次，以预防性维护时的次品率阈值水平、建立缓冲区库存时次品率的阈值水平和缓冲区库存量大小为决策变量，以生产周期内单位时间总费用最小作为目标建立生产系统预防维护模型，总费用包括预防性维护费用、库存持有费用、返工费用、短缺费用、保修维护费用。

第10章为研究工作的总结，给出了研究的结论，并讨论了设备剩余寿命预测、集成维护与设备衰退等问题未来可能的研究方向。

本书的10章内容相互之间联系紧密，形成了一个数据驱动的设备维护决策框架。基于设备健康预测思想，提出了数据完备和数据不完备两种情况下的设备健康预测模型；基于设备健康预测，提出了单设备系统、多部件设备系统、多设备系统以及租赁设备的维护模型。本书所做的研究内容有助于提高企业的维护水平和设备可靠性、降低维护成本、提高设备利用率，最终提高企业的竞争力。同时，拓展了制造系统的维护管理领域，为制造企业维护策略的制定提供决策支持和科学有效的指导。

本书得到了国家自然科学基金重点项目（项目编号：71632008）、国家自然科学基金项目（项目编号：71371123）、上海市自然科学基金资助项目（项目编号：19ZR1435600）、教育部人文社会科学研究规划基金资助项目（项目编号：20YJAZH068）、上海理工大学科技发展项目（项目编号：2020KJFZ038）、上海市课程思政改革领航学院（上海理工大学管理学院）、上海市课程思政改革领航团队（上海理工大学工业工程团队）和第六批上海市属高校应用型本科试点专业建设项目上海理工大学工业工程专业（沪教委高2015[65]号）的资助，作者深表谢意。由于作者的水平有限，书中难免有不妥之处，敬请读者不吝批评指正。