BR 및 QIR 유지 관리 전략의 효율성을 평가하고 최적화하기 위한 몬테카를로 시뮬레이션

본 연구는 확률적 열화에 노출된 생산 시스템을 위한 유지 관리 전략에 대한 포괄적인 평가를 제공하며, 전통적인 접근법과 고급 접근법을 비교 분석합니다. 블록 교체(BR) 및 분위수 기반 검사 및 교체(QIR)와 같은 전통적인 모델은 비용 효과성과 강건성 측면에서 비판적으로 검토됩니다. BR은 고정된 교체 주기에 의존하는 반면, QIR은 시스템 열화 프로필에 따라 검사 일정을 동적으로 조정하여 유지 관리 비용을 최적화하고 시스템 가용성을 향상시키는 것을 목표로 합니다. 그러나 산업 시스템이 점점 더 복잡해짐에 따라 우수한 성능과 적응력을 제공하는 보다 진보된 유지 관리 전략의 필요성이 부각되었습니다. 이 맥락에서 본 연구는 조건 기반 유지 관리(CBM)를 위한 비례 위험 모델(PHM), 강화 학습 기반 유지 관리(RL-M), 하이브리드 예측-예방 유지 관리(PPM) 등과 같은 진보된 전략을 탐색합니다. PHM-CBM은 실시간 열화 데이터를 활용하여 동적이고 최적화된 일정을 제공합니다. RL-M은 기계 학습 알고리즘을 이용하여 유지 관리 결정을 반복적으로 수정하며, 하이브리드 PPM은 예측 분석과 예방 조치를 통합하여 일관된 비용 통제 및 시스템 신뢰성을 보장합니다. 철저한 평가를 촉진하기 위해, 본 연구에서는 장기 비용률 예측과 갱신 주기 동안 관찰된 변동성을 통합하는 새로운 비용 기준을 제안하여 성능과 강건성 모두에 대한 균형 잡힌 평가를 제공합니다. 분석은 몬테카를로 시뮬레이션 및 확률적 갱신 이론을 사용하여 수행되어 다양한 유지 관리 전략을 비교하기 위한 기준을 제공합니다. 궁극적으로 본 연구는 진보된 유지 관리 정책과 전통적인 유지 관리 정책 간의 추가적인 정량적 비교의 중요성을 강조합니다.