دانلود مقاله ISI انگلیسی شماره 107987
ترجمه فارسی عنوان مقاله

شناسایی تصمیمات نگهداری پیشگیرانه مطلوب برای اجزای کامپوزیت

عنوان انگلیسی
Identification of optimal preventive maintenance decisions for composite components
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
107987 2018 11 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Transportation Research Procedia, Volume 29, 2018, Pages 202-212

ترجمه کلمات کلیدی
نگهداری هواپیما، کامپوزیت ها، پشتیبانی تصمیم بهینه سازی نگهداری پیشگیرانه،
کلمات کلیدی انگلیسی
Aircraft maintenance; composites; decision support; preventive maintenance optimization;
ترجمه چکیده
این پژوهش یک ابزار حمایت از تصمیم گیری را پیشنهاد می کند که تصمیم گیری در مورد هزینه های بهینه را برای یک دوره برنامه ریزی مشخص می کند. همزمان، وضعیت قابلیت اطمینان جزء در یک مقدار اطمینان اطمینان داده می شود: یک سیاست محدودیت خطا اعمال می شود. این ابزار برای حمایت از تصمیم گیری تعمیر و یا جایگزینی برای اجزای کامپوزیت که احتمالا آسیب ضربه را متحمل می شوند، طراحی شده است. به عنوان یک بخش اصلی از ابزار، یک مشکل کمینه سازی هزینه تعریف شده و با استفاده از الگوریتم درخت جستجو با محدودیت های اکتشافی حل می شود. درخواست برای مطالعه موردی که از داده های آسیب تاریخی و شبیه سازی های بعدی استفاده می کند، توانایی ابزار را برای شناسایی تصمیمات کم هزینه حداقل فراهم می کند. ابزار پشتیبانی تصمیم می تواند طیف وسیعی از پارامترها را برای بررسی عمق تصمیمات پیشگیرانه نگهداری کند.
پیش نمایش مقاله
پیش نمایش مقاله  شناسایی تصمیمات نگهداری پیشگیرانه مطلوب برای اجزای کامپوزیت

چکیده انگلیسی

This research proposes a decision support tool which identifies cost-optimal maintenance decisions for a given planning period. Simultaneously, the reliability state of the component is kept at or below a given reliability threshold: a failure limit policy applies. The tool is developed to support repair-or-replacement decision making for composite components likely to suffer impact damage. As a core part of the tool, a cost minimization problem is defined and solved using a search tree algorithm with heuristic constraints. Application to a case study which utilizes historical damage data and subsequent simulation shows the potential of the tool to identify cost-minimal maintenance decisions. The decision support tool is capable of incorporating a wide range of parameters to study preventive maintenance decision making in depth.