[發明專利]基于免疫粒子群的民機航材修理級別與庫存配置聯合優化方法

有效

• 申請號: 202011315328.4
• 申請日: 2020-11-21
• 公開（公告）號: CN112464558B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 夏俊;馮蘊雯;譚宏斌;薛小鋒
• 申請（專利權）人: 西北工業大學;上海飛機客戶服務有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06Q10/08;G06F111/04;G06F111/06
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

1.一種基于免疫粒子群方法的民機航材修理級別與庫存配置聯合優化方法，其特征在于步驟如下：

步驟1：按照目前普遍的兩級維修模式：航線級和基地級，首先對航材運用LORA分析，對故障件進行判斷，如果技術上不可修，則選擇報廢；如果技術上可修，則轉至下一步；

步驟2：結合ELORA分析，從經濟性的角度判別故障件是否可修，一般而言，如果修理費用大于購買全新備件的70％以上，則選擇不可修，即報廢；如果可修則轉至下一步；

步驟3：通過維修費用判別故障件的修理級別，如果航線維修費用小于基地維修費用，則選擇在航線修理；如果航線維修費用大于基地維修費用，則選擇在基地修理；

步驟4：確定不同修理級別下維修成本與相應庫存配置成本的計算參數，見下式1中參數，建立以維修成本與庫存配置成本之和最小為目標的聯合優化數學模型，模型目標函數由三部分組成：LORA可變費用、固定費用，航材費用，分別為下式1中的三部分；通常把人工、運輸、備件費用認為是可變費用工具，而把設備與技術文檔相關的費用認為是固定費用，航材費用則是指航材本身的價格，計算如下式；

式中：I是所有航材的集合，E是所有修理級別的集合：其中E_a表示航線修理，E_b為基地修理，R是修理選項r的集合，其中R＝(x,d,m)，'x'、'd'、'm'分別表示修理、報廢、轉移，轉移表示部件在當前位置無法修理，需移至高一層級進行決策；vc_e,r,i是部件i(i∈I)在修理級別e(e∈E)選擇修理選項r時的可變費用；λ_i是部件i的年失效率；g_g是部件的集合，該集合元素共同承擔某一共享資源費用，g是g_g的集合；表示在修理級別e選擇修理選項r時，部件集合g_g需承擔的費用，hc_i表示部件i的單價，S_i,e表示航材i在修理級別e位置上的數量；N_e,r,i、是決策變量，定義如下三個決策變量：

目標函數(1)使部件的LORA與備件費用之和最小；約束(2)確保第一層失效部件在修理級別航線級都有修理工作；約束(3)表示，如果部件i在第一級修理點E_ba選擇轉移選項，那么該部件在基地修理點必定要選擇一個修理工作；約束(4)表示修理與資源的約束關系，若部件選擇修理，則必有相關的修理資源與之配套；約束(5)是修理級別決策變量的取值范圍；

步驟5：根據上述步驟建立的模型，需求解航材最優的修理級別與配置方案，以式1為目標函數，求解其最小值；首先對所有航材修理級別組合下的方案進行組合為D維的搜索空間，空間D包括了每件航材所處的修理級別位置及配置數量，則D＝I*(E+1)；并使用N個粒子(X1,X2,…Xj,…XN)對D空間進行搜索,每個粒子代表了一種修理級別與庫存配置的組合方案，且每個粒子的位置與速度就是一個D維向量,即Xj＝(Xj₁,Xj₂,…,Xj_D)與Vj＝(Vj₁,Vj₂,…,Vj_D)，隨機產生每個粒子的隨機位置X_j和速度Vj；

步驟6：根據下式8，計算在不同修理級別及庫存配置組合情況下所需配置航材的庫存費用，不斷進行調整迭代，并選取最優適應度值；

步驟7：每次迭代后根據下式(9)、(10)更新各組合方案的參數，并隨機產生M個新的修理級別與庫存配置組合方案，即M個新粒子；

V_id＝ωV_id+C₁random(0,1)(P_id-X_id)+C₂random(0,1)(P_gd-X_id) (9)

X_id＝X_id+V_id (10)

其中i＝1，2，…，N，j表示微粒的第j維，ω稱為慣性因子，w∈[0.3,0.9]，C1每個粒子的個體學習因子，C2是每個粒子的社會學習因子，通常設置C1＝C2＝2，一般取c、c∈[0,4]，random(0,1)表示區間[0,1]上的隨機數，P_id表示第i個變量的個體極值的第d維，P_gd表示全局最優解的第d維；

步驟8：每次迭代后根據式(11)計算各組合方案的濃度，根據式12并按概率抽取，使迭代后組合方案數量與初始設置時的狀態相同；

步驟9：達到最大迭代次數時，輸出代表最優組合方案的粒子適應度，即為最優費用，且得到最優的航材修理級別與庫存方案，最后運用邊際分析法對航材在對應修理級別上進行配置。