Resumen

En este artculo se analiza el problema del mantenimiento predictivo (MP) de un sistema de un solo equipo. Se asume que el equipo tiene estados de deterioro de la calidad a medida que funciona, lo que resulta en mltiples niveles de rendimiento representados como estados de observacin del sistema. Planteamos el deterioro del equipo como un modelo de proceso de decisin semi-Markov (SMDP) de estado discreto y tiempo continuo y resolvemos el problema SMDP en el marco del aprendizaje por refuerzo (RL) utilizando el mtodo basado en estrategias. De este modo, el objetivo es maximizar la tasa de recompensa media del sistema (SARR) y generar la estrategia de mantenimiento ptima para determinados estados de observacin. Adems, el tiempo de PM puede obtenerse mediante un mtodo de simulacin. Para demostrar la ventaja de nuestro mtodo propuesto, introducimos el algoritmo estndar de mantenimiento preventivo secuencial con intervalo de tiempo desigual. Nuestro mtodo propuesto se compara con el algoritmo de mantenimiento preventivo secuencial en un objetivo de prueba de SARR, y los resultados nos dicen que nuestro mtodo propuesto puede superar al algoritmo de mantenimiento preventivo secuencial. Al final, se presenta el anlisis de sensibilidad de algunos parmetros sobre el tiempo de MP.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Mantenimiento predictivo; Deterioro de equipos; Proceso de decisión semimarkov; Aprendizaje por refuerzo; Estrategia de mantenimiento; Mantenimiento preventivo.
• Keywords:Predictive maintenance; Equipment deterioration; Semi-Markov decision process; Reinforcement learning; Maintenance strategy; Preventive maintenance