【论文】中心徐安察教授作为通讯作者在Reliability Engineering and System Safety期刊发表论文

近日，中心徐安察教授作为通讯作者在Reliability Engineering and System Safety发表了预测性维修（PdM）的相关文章。文章名为“A prognostic driven predictive maintenance framework based on Bayesian deep learning”，该期刊是可靠性领域顶级期刊。

近年来，预测性维修（PdM）在复杂工业系统中取得了显著进展。然而，现有的PdM文献通常将预测和维修决策分开处理，实际上这两个环节是相互关联的。有些研究仅关注剩余使用寿命预测，而忽略了维修问题；而另一些研究则根据已知或假设的预测信息来优化维护计划。本文提出了一种诊断驱动的动态预测性维修框架，将预测和维修决策这两个环节相结合。在预测阶段，我们使用贝叶斯深度学习模型来描述退化特征和剩余使用寿命之间的潜在结构，并生成能够很好地描述预测不确定性的剩余使用寿命预测分布。基于预测结果，在维修决策阶段，该模型可以动态更新维修和备件订购决策，同时满足操作约束条件（例如：特定产品只能在特定时间维修）。我们将该模型应用到飞机涡轮发动机数据集中。与几种基准策略的比较表明，基于贝叶斯深度学习的诊断方法可以量化数据诊断的不确定性，从而提高动态PdM决策的性能。在周期性和非周期性检查的情况下，基于所提出的策略产生的平均成本率与理想情况非常接近。