基于GERT网络的多工序制造过程质量控制与维护策略联合建模研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71701098
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    17.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0108.工业工程与质量管理
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Almost all of modern manufacturing processes belong to multi-stage systems, but the existing joint modeling of quality control and maintenance policy is limited to the relatively simple production system with a single machine supposed to have a type of failure mechanism, as a result, it cannot serve the multi-stage manufacturing process well. First the coupling mechanism of quality control and maintenance of the multi-stage manufacturing process is revealed. Based on this, a semi-Markov process method—GERT network is used to model the production system in order to describe the series-parallel logic, multistate and the failure mechanism following any distribution. Then the configuration of the network parameters and the solution of the model are studied to get the expected cost and expected time for the subsequent joint modeling. Next combing with statistical constraints and economic constraints, the joint modeling of quality control and maintenance policy for the multi-stage manufacturing process is presented. due to the continuously updating data in the production process, a model correction mechanism is designed to obtain the optimal strategies. This project can not only enrich the theory and methods in the fields of statistical process control and maintenance decision, but also provide a whole solution for the joint decision of quality control and maintenance for the multi-stage manufacturing process, which has important practical significance.
几乎所有的现代制造过程都属于多工序系统,但现有的质量控制与维护策略联合建模问题多局限于单机系统、失效机制单一等相对简单的生产系统,其成果无法满足多工序系统的现实需求。本项目在揭示多工序质量控制与维护策略耦合机理的基础上,考虑运用半马尔可夫过程—GERT网络进行生产过程建模,以描述多设备间串并联逻辑关系、多生产过程状态以及服从任意分布的设备失效机制,并研究网络参数的配置以及模型求解问题,以获取后续联合建模的成本期望与时间期望;然后,结合统计、经济等方面的约束,研究多工序制造过程质量控制与维护策略联合建模与求解问题;考虑到生产过程数据不断更新,故根据新数据的反馈,设计一套多工序质量控制与维护策略集成模型的修正机制,以获得最佳的联合策略。本项目不仅能丰富统计过程控制与维护决策领域的理论与方法,更能为多工序制造过程质量控制与维护策略的联合决策提供一种整体解决方案,具有重要的现实意义。

结项摘要

本项目针对多工序过程质量传递机理与维护策略对系统的影响,提出了自相关过程残差控制图应用中的自回归模型选择策略,建立了基于O-GERT网络的制造过程质量损失预测方法,研究了基于隐马尔可夫模型的退化评估与预测方法,构建了质量控制与维护决策联合优化的GERT网络模型,基于概率模型推导,分别探讨了完美维护与不完美维护与CUSUM控制图的集成建模问题,取得了一系列的理论成果,为多工序制造过程质量控制与维护决策提供了理论支撑。该项目取得的成果有:以第一作者或通讯作者身份发表论文10篇,SCI 5篇,CSSCI 2篇,EI 3篇,EI检索国际会议论文2篇,申请发明专利2项。其他作者身份发表EI期刊论文2篇;形成《基于 GERT 网络的多工序制造过程质量控制与维护策略联合建模研究》研究报告1份;培养硕士3名,本科生若干名。

项目成果

期刊论文数量(10)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(2)
基于改进型GERT网络的多工序制造过程质量损失预测研究
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    工业工程与管理
  • 影响因子:
    --
  • 作者:
    李亚平;陶良彦
  • 通讯作者:
    陶良彦
Joint Economic Design of CUSUM Control Chart and Age-Based Imperfect Preventive Maintenance Policy
CUSUM控制图与基于年龄的不完善预防性维护策略的联合经济设计
  • DOI:
    10.1155/2018/9246372
  • 发表时间:
    2018-06
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Li Yaping;Chen Zhen;Pan Ershun
  • 通讯作者:
    Pan Ershun
On autoregressive model selection for the exponentially weighted moving average control chart of residuals in monitoring the mean of autocorrelated processes
监测自相关过程均值的残差指数加权移动平均控制图的自回归模型选择
  • DOI:
    10.1002/qre.2701
  • 发表时间:
    2020-07
  • 期刊:
    Quality and Reliability Engineering International
  • 影响因子:
    2.3
  • 作者:
    Li Yaping;Pan Ershun;Xiao Yan
  • 通讯作者:
    Xiao Yan
A Residual Chart with Hidden Markov Model to Monitoring the Auto-Correlated Processes
一种用隐马尔可夫模型监测自相关过程的残差图
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    Journal of Shanghai Jiaotong University(Science)
  • 影响因子:
    --
  • 作者:
    Li Yaping;Huang Mengdie;Pan Ershun
  • 通讯作者:
    Pan Ershun
A Novel Multi-Variable Grey Prediction Model and Its Application in Sino-Russian Timber Trade Volume Forecasting. , 2017,29(4): 109-121
一种新型多变量灰色预测模型及其在中俄木材贸易量预测中的应用。
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    Journal of Grey System
  • 影响因子:
    1.6
  • 作者:
    Li Yaping;Chen Zhen;Tao Liangyan;Liu Sifeng;Guo Xiaojun
  • 通讯作者:
    Guo Xiaojun

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于逆高斯过程的竞争失效建模研究
  • DOI:
    10.19495/j.cnki.1007-5429.2017.01.012
  • 发表时间:
    2017
  • 期刊:
    工业工程与管理
  • 影响因子:
    --
  • 作者:
    郭昊;张田;李亚平;潘尔顺
  • 通讯作者:
    潘尔顺
复杂产品质量参数总体设计PBS-STA-HoQ网络架构设计
  • DOI:
    10.19495/j.cnki.1007-5429.2016.06.014
  • 发表时间:
    2016
  • 期刊:
    工业工程与管理
  • 影响因子:
    --
  • 作者:
    李亚平;刘思峰;方志根;潘尔顺
  • 通讯作者:
    潘尔顺
拟除虫菊酯类农药光降解的研究进展
  • DOI:
    10.13758/j.cnki.tr.2015.01.003
  • 发表时间:
    2015
  • 期刊:
    土壤
  • 影响因子:
    --
  • 作者:
    李亚平;胡艳芳;杨凡昌;颜冬云;刘娜
  • 通讯作者:
    刘娜
磁珠固定化结核分枝杆菌二氢叶酸还原酶及其表征
  • DOI:
    10.13345/j.cjb.180316
  • 发表时间:
    2019
  • 期刊:
    生物工程学报
  • 影响因子:
    --
  • 作者:
    周伟;卢进鹏;李亚平;杨林玉;胡小蕾;廖飞;杨晓兰
  • 通讯作者:
    杨晓兰
1980—2018年粤港澳大湾区国土空间结构演变
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    地理研究
  • 影响因子:
    --
  • 作者:
    唐常春;李亚平;杜也;孙威
  • 通讯作者:
    孙威

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

李亚平的其他基金

考虑多源衰退的租赁制造系统协同维护决策与动态均衡生产策略研究
  • 批准号:
    72171120
  • 批准年份:
    2021
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码