评估和优化基于数据驱动的预测性维护算法的度量方法
摘要：通向命运健康管理目标是利用监测数据预测退化组件/系统的剩余可用寿命。这些剩余可用寿命预测是优化预测性维护范式下维护计划的基础。我们在这里提出了一种用于评估基于数据驱动的预测算法对下游预测性维护决策影响的度量标准。该度量标准与决策设置和相应的预测性维护策略相关联。我们考虑了两种典型的预测性维护决策设置，即组件订购和/或更换计划，并研究和改进了文献中常用的预测性维护策略。所有策略都通过基于可用的监测数据从运行到失效实验进行的长期预期维护成本估计进行评估。策略评估使得可以估计所提出的度量标准。这后者可以进一步作为优化启发式预测性维护策略或算法的超参数的目标函数。不同预测性维护策略对度量标准的影响通过理论数值实例进行了初步研究。随后，我们对模拟的涡轮发动机退化问题应用了四种基于数据驱动的预测算法，并研究了预测算法与预测性维护策略对度量标准的联合影响，从而得出了这些算法的面向决策的性能评估。
作者：Antonios Kamariotis, Konstantinos Tatsis, Eleni Chatzi, Kai Goebel, Daniel Straub
论文ID：2306.03759
分类：Applications
分类简称：stat.AP
提交时间：2023-06-07