دانلود ترجمه مقاله مدل زنجیره مارکوف MINLP برای بهینه سازی قابلیت اطمینان

1. مقدمه 2. شرح مساله 3. مدلسازی 4. مثال 5. نتیجه‌گیری

چکیده – نیاز به تامین ابزارهای بهینه‌سازی برای طراحی قابلیت اطمینان با در نظر گرفتن عوامل عملیاتی به دلیل لزوم دسترس بودن سیستم‌های فرآیند و فقدان ابزارهای نظام‌مند و دقیق به شدت حیاتی است. برای رفع این نیاز، این مقاله یک رویکرد سیستماتیک را برای مدل‌سازی فرآیند تصادفی شکست‌های سیستمی و تعمیراتی به صورت یک زنجیره مارکف در زمان پیوسته معرفی می‌کند که در آن تاثیر حفظ و نگهداری به منظور یافتن انتخاب بهینه واحدهای موازی ادغام می‌شود. برای روشن تر شدن موضوع از یک مثال گویا استفاده شده‌است. مقدمه: در دسترس بودن نیروگاه، برای فرآیندهای شیمیایی به شدت مورد توجه قرار گرفته‌است، چرا که بخشی از زمان عملیاتی نرمال را نشان می‌دهد که به طور مستقیم سودآوری را تحت‌تاثیر قرار می‌دهد. در عمل، ابزارهای شبیه‌سازی رویداد گسسته برای بررسی در دسترس بودن چند طرح منتخب با سطوح افزونگی مختلف تحت سیاست‌های نگهداری مختلف مورد استفاده قرار می‌گیرند (شاردا و باری، ۲۰۰۸). با این حال، بهترین برنامه انتخاب‌شده از طریق شبیه‌سازی معمولاً نیمه بهینه است زیرا فهرست نامزدها کامل نیست. بنابراین، انگیزه قوی برای ابزارهای بهینه‌سازی سیستماتیک برای طراحی افزونگی در نظر گرفتن عوامل عملیاتی وجود دارد. مرور پیشینه تحقیقاتی در مهندسی قابلیت اطمینان می‌تواند در تحقیقات یه و همکاران (2017) مشاهده شود که در آن یک چارچوب کلی ترکیبی مختلط برای انتخاب واحدهای آماده‌به‌کار برای به حداکثر رساندن در دسترس بودن و به حداقل رساندن هزینه پیشنهاد شده‌است. با این حال, برای بهینه‌سازی جامع‌تر, مهم است که اثرات عوامل عملیاتی مثل تعمیر و نگهداری در نظر گرفته شود. به طور خاص, نگهداری پیشگیرانه (PM) یک استراتژی مهم برای بهبود در دسترس بودن واحدها است (دینگ وکامارودین, 2015). پیستیکوپولوس و همکاران (2001) و جوئل و همکاران (2003) یک مدل MILP برای انتخاب واحدها و برنامه‌ریزی تولید و نگهداری برای یک پیکربندی سیستم ثابت ایجاد کردند. زنجیره مارکف یک ابزار ریاضی قوی است که به طور گسترده برای بدست آوردن فرآیند تصادفی انتقال سیستم‌های در میان حالت‌های مختلف مورد استفاده قرار می‌گیرد. بلاچ (2002) فرآیند زوال یک سیستم را به عنوان زنجیره مارکوف زمان پیوسته برای بهینه‌سازی فواصل بازرسی مدل‌سازی می‌کند. لین و همکاران (2012) یک سیستم کاربردی ساده با استفاده از زنجیره مارکف را مدل کرده و RAM (قابلیت اطمینان, در دسترس بودن قابلیت نگهداری) را به صورت تکراری برای تصمیم‌گیری درباره طراحی قابلیت اطمینان بهینه اجرا می‌کنند.

The need for optimization tools for reliability design considering operational factors is motivated by the significance of availability of process systems and the lack of systematic and rigorous tools. In response to this need, this paper introduces a systematic approach to model the stochastic process of system failures and repairs as a continuous-time Markov chain, in which the impact of maintenance is incorporated in order to find the optimal selection of parallel units. An illustrative example is shown. Introduction: Plant availability has been a critical consideration for chemical processes, as it represents the fraction of normal operating time, which directly impacts profitability. In practice, discrete-event simulation tools are used to examine the availability of a few selected designs of different redundancy levels under various maintenance policies (Sharda and Bury, 2008). However, the best plan selected through simulation is usually suboptimal because the list of candidates is not exhaustive. Thus, there is a strong motivation for systematic optimization tools for redundancy design considering operational factors. Literature review of research in reliability engineering can be found in Ye et al. (2017) where a general mixed-integer framework is proposed to select standby units to maximize availability and minimize cost. However, for a more comprehensive optimization, it is also important to consider the impacts of operational factors such as maintenance. In particular, preventive maintenance (PM) is a major strategy to improve the availability of units (Ding and Kamaruddin, 2015). Pistikopoulos et al. (2001) and Goel et al. (2003) formulate an MILP model for the selection of units and production and maintenance planning for a fixed system configuration. Markov chain is a powerful mathematical tool being extensively used to capture the stochastic process of systems transitioning among different states. Bloch-Mercier (2002) models the deterioration process of a system as continuous-time Markov chain to optimize inspection intervals. Lin et al. (2012) model a simple utility system using Markov chain and carry out RAM (reliability, availability & maintainability) analysis iteratively to decide the optimal reliability design.