清华大学 土木工程系, 北京 100084
收稿日期:2019-04-12
基金项目:国家重点研发计划项目(2017YFC0704200)
作者简介:马智亮(1963—), 男, 教授。E-mail:mazl@tsinghua.edu.cn
摘要:建筑设备系统维护策略决策科学性的缺乏导致设备的维护成本长期居高不下。为解决该问题,将以可靠性为中心的维护(RCM)方法引入到建筑设备系统维护策略的决策中,以提高决策水平。首先分析建筑设备系统组成并辨识出其中的关键设备,然后从失效率、失效可检测性和失效后果3个方面评价关键建筑设备的失效风险。聚焦关键设备建立维护策略的定量化决策模型,并提出对应的Monte Carlo仿真求解方法。以某建筑空调系统风管的维护策略决策为例,对该模型的有效性进行验证。结果表明,与现行维护策略相比,利用该模型可节约成本约18.5%。
关键词:建筑设备维护以可靠性为中心的维护(RCM)决策模型Monte Carlo仿真
Quantitative decision-making model for building facility maintenance strategies based on the RCM method
MA Zhiliang, XIANG Xinglei, REN Yuan
Department of Civil Engineering, Tsinghua University, Beijing 100084, China
Abstract: The lack of scientific decision-making methods for building maintenance leads to long-term high maintenance costs. This study introduces the reliability centered maintenance (RCM) method to improve building maintenance decision-making. The building facility system is first analyzed to identify key facilities. Then, the failure risk of the key building facilities is evaluated in terms of the failure rate, failure detectability and failure consequences. A quantitative maintenance decision-making model is then developed for the key building facilities and is solved using Monte Carlo simulations. Finally, a building air-conditioning system air duct is used as an example to verify the model effectiveness. The results show that this model reduces maintenance costs by about 18.5% compared with the current maintenance strategy.
Key words: building facility maintenancereliability centered maintenance (RCM)decision-making modelMonte Carlo simulations
随着中国经济由高速增长期逐渐步入平稳发展期,建筑运行维护(简称“运维”)成为建筑行业的重要任务。建筑运维是指为了保持、修复或提升建筑的服务水平到可接受的标准而进行的维护工作[1],建筑设备维护是其中的重要内容。建筑设备维护工作包括巡检、维修和更换,其开展需要很高的成本。据研究,建筑设备维护管理的成本占到建筑设备管理总成本的65%~85%[2]。
目前,建筑设备维护策略可以归为3类[3]:1)修复性维护,即一直使用建筑设备,直到发生失效再进行维修或更换;2)预防性维护,即无论建筑设备是否失效,均按照事先制定的方案以固定的时间间隔对设备进行维修或更换;3)视情维护,即定期对建筑设备进行巡检,当发现设备出现显著劣化时进行维修或更换。维护策略的科学合理性对建筑设备维护成本具有很大影响。然而调查显示,当前实际工作中大多数情况还是依靠管理人员的经验制定维护策略[4-5]。经验式的维护策略决策方法一方面可能会因为没有及时开展维护工作而造成不必要的损失,另一方面可能会因为开展不必要的维护工作而带来成本的浪费。因此,有必要提出更加科学、合理的建筑设备维护策略的决策方法。
在现有研究中,建筑设备维护策略的决策方法可分为定量分析方法、半定量分析方法和定性分析方法3类[6]。常用的定量分析方法包括Monte Carlo模拟、智能代理仿真、离散事件仿真和基因算法等[7]。常用的半定量分析方法有决策矩阵法、层次分析法、网络分析法和逼近理想解排序法等[7]。以上方法多源自应用数学领域,适用于直接对数学化的维护决策问题进行求解,并不涉及如何对建筑设备系统进行分析、建立待求解的维护决策问题等内容。定性分析方法中,最常用的是以可靠性为中心的维护(reliability centered maintenance, RCM)方法。与其他方法相比,RCM方法包含对设备系统进行系统性定义、分析并决策的完整理论,故更加实用。目前,RCM方法在核能、电力等领域得到了广泛应用。该方法通过对设备进行功能与失效分析,综合考虑设备失效风险、维护成本等因素,制定科学、合理的维护策略[8]。研究表明,RCM方法可以有效降低设备维护成本,将维护工作量降低40%~70%[9]。
已有一些研究在建筑设备维护策略决策中应用了RCM方法。Sullivan等[10]最先提出将RCM方法用于建筑维护策略决策的框架,但该框架只包含了较为概括性的原则;何厚全[11]运用RCM方法建立了住宅可靠性评价模型,指出了应用RCM方法进行住宅维护策略的决策需要开展的基础性工作,但是没有给出具体应用方法;Salah等[12]提出了应用RCM方法对医疗设备维护策略进行决策,但是仅考虑了少数特殊类型的医疗设备,难以推广至一般的建筑设备。
本研究旨在建立基于RCM方法的建筑设备维护策略定量化决策模型。首先,阐述了RCM方法的应用流程,为本文表述提供框架;接着,从建筑设备系统的组成出发,分析其中设备的功能并选择出关键设备;然后,从失效率、失效可检测性和失效后果3个方面评价关键建筑设备的失效风险;在此基础上,建立维护策略定量化决策模型并提出求解方法;最后,通过实例验证所提方法的可行性和有效性。
1 RCM方法应用流程RCM方法的应用流程共包含4个环节[8]:1)分析要维护的设备系统并识别系统中的关键设备;2)对关键设备进行失效模式及影响分析,明确关键设备可能的失效形式、原因及影响;3)应用RCM逻辑决断图选择维护策略;4)综合考虑整个设备系统形成具体的维护计划。在RCM方法实际应用中,流程中每个环节都需要考虑实际维护对象的特征以确定实施方法。
本研究将RCM方法应用流程引入建筑设备系统维护策略决策中,并结合建筑设备的特征对具体环节的实现进行改进。在原流程中,维护策略通过逻辑决断图进行选择,这一方式存在主观性强的缺点。为此,本文引入定量化决策方法替代这一环节,对流程作出改进,使得改进后的RCM方法应用流程决策依据更加充分、决策结果更加客观,如图 1所示。将改进后的流程中第1、2个环节合称为建筑设备系统的组成及失效分析;在此基础上建立建筑设备失效风险的定量化评价方法;考虑到应用逻辑决断图主观性强的缺点,本研究在设备失效风险评价的基础上建立了建筑设备维护策略的定量化决策模型;利用该模型可直接得到具体的维护计划。
图 1 改进前后的RCM方法应用流程 |
图选项 |
2 建筑设备系统组成及失效分析建筑设备系统一般可分为给水、排水、通风及空调、供暖、燃气、消防及排烟、电气、安防、运输9个功能系统[13]。每个功能系统可以进一步分解,比如通风及空调系统由通风管道(风管、防腐层、保温层、防潮层、保护层), 进风装置(风机、室内进风口、采气口、进风塔、除尘器), 排风装置和空调机组组成。笔者参考文[13]将建筑设备系统分解为90类典型建筑设备,如表 1所示。
表 1 建筑设备系统组成及关键设备(带下划线的为关键设备)
设备系统 | 设备类型 | 设备名称 |
给水系统 | 给水管道 | 进水总管、给水干管、进水立管、进水支管 |
给水附件 | 进水阀门、水表、放空阀、闸阀、截止阀、止回阀、水龙头 | |
升压储水装置 | 给水水泵 | |
排水系统 | 卫生器具 | 便器、洗涤盆 |
排水管道 | 排出管、横支管、立管、存水弯、通气管 | |
清通设备 | 检查口、清扫口、检查井 | |
通风及空调系统 | 通风管道 | 风管、防腐层、保温层、防潮层、保护层 |
进风排风装置 | 风机、室内进风口、采气口、进风塔、除尘器、室内排风口、室外排风口 | |
动力装置 | 空调机组 | |
供暖系统 | 散热设备 | 供暖管道、暖气片 |
附属设备 | 膨胀水箱、集气罐、放气阀、除污器、补偿器、换热器、疏水器 | |
燃气系统 | 燃气管道 | 用户引入管、燃气立管、燃气干管、燃气支管 |
燃气用具 | 燃气计量表、燃气灶具、燃气热水器 | |
消防及排烟系统 | 火灾报警设备 | 火灾报警器、火灾报警控制器 |
灭火设备 | 消防水泵、消防栓、消防水阀、高位水箱、消防管网、灭火器 | |
应急照明及通信设备 | 紧急照明灯、疏散照明设备、消防专用电话、应急广播设备 | |
防排烟设备 | 排烟风机、排烟管道、排烟口、放风阀 | |
电气系统 | 高压配电设备 | 高压配电开关、高压负荷开关、高压熔断器、电流互感器 |
低压配电设备 | 漏电保护器、刀开关、自动空气开关、熔断器 | |
照明设备 | 照明线路、电度表、配电箱、照明灯具、开关 | |
安防系统 | 监控设备 | 摄像机、传输电缆、多媒体终端设备 |
报警设备 | 传感器、信号传输专线、报警控制器 | |
出入口控制设备 | 对象识别装置、出入口通信装置 | |
运输系统 | 电梯 | 厢式电梯、自动扶梯 |
表选项
对于建筑设备系统而言,设备失效对整体功能和用户安全的影响至关重要。为此,当建筑设备失效满足以下两项条件中的任意一项,即可确定为关键设备:1)建筑设备失效会影响整个功能系统的性能,例如给水水泵、空调机组、风管等;2)建筑设备失效的影响可能涉及使用者的安全,比如漏电保护器、火灾报警器等。在RCM方法中,对设备的风险分析和维护策略决策仅针对关键设备,对于非关键设备可以直接确定使用修复性维护策略。通过对建筑设备维护的调研,在表 1中给出了笔者建议的建筑设备系统中的关键设备。
为应用RCM方法,需要确定针对关键设备失效形式和失效原因分析的细度。通过对清华大学设备管理处等的调研,笔者发现建筑设备维护策略的决策对象为设备整体,因此对过于具体的设备失效模式的分析既不现实也无必要。本研究将关键设备作为RCM方法后续失效风险评价和维护策略决策的最小单位,而不分析关键设备的内部构成及其具体失效模式。
3 基于RCM方法的建筑设备失效风险评价在RCM方法中,设备失效的风险水平取决于失效率、失效可检测性和失效后果3个因素[8]。
3.1 建筑设备失效率的评价在可靠性理论中,设备失效是指设备处于不能实现预定功能的状态[8]。设备在t时刻的失效率λ(t)表示工作到t时刻的设备在其后单位时间发生失效的条件概率[8]。设备的失效率与其使用寿命之间存在如式(1)所示的对应关系,
$\lambda(t)=\frac{F(t)}{1-F(t)}.$ | (1) |
在设备的可靠性和寿命预测方面存在多种模型,其中Weibull分布应用最为广泛[14]。利用该分布得到建筑设备使用寿命的累积分布函数为
$F_{\mathrm{T}}(t)=P(T \leqslant t)=1-\exp \left[-\left(\frac{t}{\eta}\right)^{\beta}\right].$ | (2) |
$\ln [-\ln (1-F(t)]=\beta \cdot \ln t-\beta \cdot \ln \eta.$ | (3) |
$F\left(t_{i}\right) \approx \frac{i-0.3}{r+0.4}.$ | (4) |
$Y=A \cdot X+B.$ | (5) |
从以上的估计过程中可以看出,设备失效率的估计所需数据为一组同型号设备样本的使用寿命。对于不同的建筑,该数据可以从不同渠道获取。首先,对于旧建筑,可从该型号设备的累积维护工单中获取实际使用寿命信息。对于新建筑,则分为以下3种情形:1)针对原始供应商有数据的情形,从原始供应商处直接获取该型号设备的数据;2)针对原始供应商没有数据,但同类的其他型号产品有数据的情形,将同类产品的数据作为参考初始值输入,再根据后续设备使用期间累积的设备实际使用寿命数据,对初始值进行修正或替换;3)针对所有供应商都没有数据的情形,先利用建筑试运行期间累积的失效数据作为初始输入值,再根据后续正式运行期间累积的设备实际使用寿命数据作不断修正和更新。若设备在试运行期间没有发生失效或失效数据很少,难以实现上述方法,则以期望值为试运行期长度、标准差为零的Weibull分布作为设备使用寿命的初始估计,再根据后续设备使用期间累积的设备实际使用寿命数据,对初始值进行修正或替换。
以上方法的实现至少要求有设备的每次失效的时间数据。经过笔者的实际调研,绝大多数建筑维护管理部门会对设备失效报修信息和维护工单进行记录,因此以上方法是可行的,而这些方法的有效性将在后续研究中进一步探究。
3.2 建筑设备失效可检测性的评价在RCM方法中,设备失效的可检测性是指在设备失效发生之前能够被维护人员检测到的可能性[16]。对于大多数建筑设备的失效,如磨损、腐蚀、老化、生锈、疲劳等,在失效发生之前会出现某种征兆预示着设备失效即将发生,即失效是可检测的。在RCM方法中,评价设备失效可检测性的常用模型是延迟时间模型[8]。该模型用于描述设备的失效过程,将设备运行分为2个阶段:1)从开始使用到出现失效征兆为正常使用阶段;2)从出现失效征兆到失效发生为失效延迟阶段。本研究将设备失效延迟阶段的时间长度作为定量评价建筑设备失效可检测性的指标。
Salah等[12]指出建筑设备的失效延迟阶段的时间长度可由有经验的维护人员确定并给出了空调机组等部分设备的失效延迟时间。可以类推,其他类型建筑设备的失效延迟时间可由相同的方法得到。
3.3 建筑设备失效后果的评价RCM方法将设备失效的后果分为安全性后果、任务性后果和经济性后果3类进行分级评价:1)安全性后果是指建筑设备失效可能给使用者的健康带来的危害;2)任务性后果是指设备失效对建筑提供服务水平的影响;3)经济性后果包括用于维修或更换设备的直接成本和设备失效带来的停运损失2个方面[8]。考虑到建筑设备失效的安全性和任务性后果取决于设备实际应用的环境,很难建立具体的指标定量评价。因此,本研究针对这2类后果采用分级评价方法,并建立了如表 2和3所示的评价标准,进而将建筑设备的失效后果定义为安全性后果和任务性后果的较大值。对建筑设备失效的经济性后果将在第4节维护策略的决策模型中以定量化的方法进行评价。
表 2 建筑设备失效安全性后果分级评价表
等级 | 安全性后果描述 | 分级 |
高 | 可能会危及用户的生命安全 | 5 |
较高 | 可能会引发安全事故,但不会危及用户的生命安全 | 4 |
中等 | 会引起用户生理上不适 | 3 |
较低 | 不会影响身体健康,但是可能造成用户惊吓、恐慌等情绪上的剧烈波动 | 2 |
低 | 不会影响用户的身体和心理健康 | 1 |
表选项
表 3 建筑设备失效任务性后果分级评价表
等级 | 任务性后果描述 | 分级 |
高 | 严重影响大规模用户的基本生活 | 5 |
较高 | 轻度影响大规模用户的基本生活,或严重影响小规模用户的基本生活,或严重影响大规模用户的舒适程度 | 4 |
中等 | 轻度影响小规模用户的基本生活,或严重影响小规模用户的舒适程度,或轻度影响大规模用户的舒适程度 | 3 |
较低 | 轻度影响小规模用户的舒适程度 | 2 |
低 | 几乎不会影响用户的基本生活和舒适程度 | 1 |
表选项
4 建筑设备维护策略定量化决策模型建筑设备维护策略定量化决策模型以建筑设备的风险因素和成本信息为输入参数,应用仿真方法,针对特定类型的建筑设备,求解成本最小的维护策略和维护周期,从而辅助决策。
4.1 符号定义AC为特定类型建筑设备最优单位时间维护成本的仿真结果;
ACI为视情维护策略下的建筑设备单位时间维护成本;
ACI为ACI最小值的仿真结果;
ACM为修复性维护策略下的建筑设备单位时间维护成本;
ACM为ACM最小值的仿真结果;
ACP为预防性维护策略下的建筑设备单位时间维护成本;
ACP为ACP最小值的仿真结果;
CI为对特定类型建筑设备单次巡检的成本(以下简称巡检成本);
CM为对特定类型建筑设备单次维修或更换的成本(以下简称维修成本);
DC为特定类型建筑设备失效造成的停运损失(简称停运损失);
LS为建筑设备使用寿命;
N为给定维护策略和周期下的仿真次数;
n为N次仿真中设备发生失效的次数;
P为给定维护策略和周期下特定类型建筑设备在维修或更换前失效的概率;
[P]为容许失效率,即允许特定类型建筑设备在运行过程中发生失效的最大概率值;
PF为特定类型建筑设备的失效延迟时间;
Ti为视情维护策略下的巡检周期(简称巡检周期);
Tm为预防性维护策略下的维修或更换周期(简称维修周期)。
4.2 建筑设备维护策略定量化决策模型的假设在建筑设备维护策略定量化决策模型中,将建筑设备开始使用到完成维修或更换的时间定义为设备的使用周期。结合文[12]以及对建筑设备维护工作的调研,本研究对建筑设备的维护作出以下假设:1)建筑设备完成维修或更换后,可以达到初始使用状态,并进入下一个使用周期。不同使用周期之间建筑设备的失效过程是独立的。2)在视情维护策略下,当建筑设备出现失效征兆(即处于失效延迟阶段)时,巡检人员能够发现征兆并在设备失效之前采取维修或更换措施。
4.3 建筑设备维护策略定量化决策模型的建立建筑设备维护策略的决策可以转化为考虑设备失效任务性和安全性后果的约束条件下的成本优化问题。将特定类型的建筑设备使用周期内单位时间维护成本最小化作为决策目标是合理的。决策变量应包括选用的维护策略以及预防性策略下的维修周期或视情策略下的巡检周期。其中,维修周期和巡检周期合称为维护周期。在给定维护策略和维护周期的条件下,以建筑设备发生失效的概率不超过容许失效率为约束条件。容许失效率取决于建筑设备失效的安全性后果和任务性后果。根据以上分析,该决策模型为
$\begin{array}{c}\min \left\{\mathrm{ACM}, \min \left\{\mathrm{ACI}\left(T_{\rm i}\right)\right\}, \min \left\{\mathrm{ACP}\left(T_{\mathrm{m}}\right)\right\}\right\} \\\text { s.t. } P<[P].\end{array}$ | (6) |
图 2 视情维护策略下建筑设备维护情形示意图 |
图选项 |
表 4 不同情形下的建筑设备维护成本与使用周期
维护策略 | 维护成本 | 使用周期 | |||
停运损失 | 维修成本 | 巡检成本 | |||
修复性维护 | ☆ | ☆ | 使用寿命 | ||
预防性维护 | 有效 | ☆ | 维修周期 | ||
无效 | ☆ | ☆ | 使用寿命 | ||
视情维护 | 有效 | ☆ | ☆ | 巡检周期×巡检次数 | |
无效 | ☆ | ☆ | ☆ | 使用寿命 | |
注:☆表示在该维护策略下,存在该项成本。 |
表选项
建筑设备单位时间的维护成本即为一个使用周期内总的维护成本和使用周期之比。根据表 4可以得到修复性策略的单位时间维护成本如式(7)所示,预防性维护和视情维护策略下的单位时间维护成本分别如式(8)和(9)所示。
$\mathrm{ACM}=\frac{\mathrm{DC}+\mathrm{CM}}{\mathrm{LS}}.$ | (7) |
$\operatorname{ACP}\left(T_{\rm m}\right)=\left\{\begin{array}{ll}\frac{\rm C M}{T_{\rm m}}, & T_{\rm m} \leqslant {\rm L S} ;\\\frac{\rm D C+C M}{\rm L S}, & T_{\rm m}>{\rm L S}.\end{array}\right.$ | (8) |
${\mathop{\rm ACl}\nolimits} \left( {{T_{\rm{i}}}} \right) = \left\{ {\begin{array}{*{20}{l}}{\frac{{{\rm{CM}} + \left\lfloor {{\rm{LS/}}{T_{\rm{i}}}} \right\rfloor \cdot {\rm{CI}}}}{{\left\lfloor {{\rm{LS/}}{T_{\rm{i}}}} \right\rfloor \cdot {T_{\rm{i}}}}},}&{{\rm{LS}}\% {T_{\rm{i}}} \le {\rm{PF;}}}\\{\frac{{{\rm{CM + DC + }}\left\lfloor {{\rm{LS/}}{T_{\rm{i}}}} \right\rfloor \cdot {\rm{CI}}}}{{{\rm{LS}}}},}&{{\rm{LS}}\% {T_{\rm{i}}} > {\rm{PF}}.}\end{array}} \right.$ | (9) |
4.4.1 确定输入参数Monte Carlo仿真求解建筑设备最优维护策略的输入参数分为3类:成本参数、风险参数和模拟参数。输入参数及分布如表 5所示。
表 5 Monte Carlo仿真输入参数分布形式
参数类别 | 参数名称 | 参数分布形式 |
风险参数 | 使用寿命 失效延迟时间 容许失效率 | Weibull分布 均匀分布[8] 常数 |
成本参数 | 停运损失 维修成本 巡检成本 | 常数 常数 常数 |
模拟参数 | 模拟次数 | 常数 |
表选项
1) 成本参数包括停运损失、巡检成本、维修成本。成本参数取决于设备价格和维护人员的人力成本等因素,在不同建筑中有很大差别,因此需要由建筑设备维护的决策者给出。
2) 风险参数根据RCM方法风险因素的评价结果来确定,包括建筑设备的使用寿命、失效延迟时间以及容许失效率。本文节3.1给出了建筑设备使用寿命分布参数的估计方法。节3.2给出了建筑设备失效延迟时间的评价方法。建筑设备的容许失效率取决于设备失效安全性后果和任务性后果的严重程度。考虑到建筑设备的多样性,当建筑设备的失效后果影响范围较小且程度较轻时,设备的失效是可以接受的,此时将容许失效率设定为1。随着设备失效后果严重程度的提高,对失效的控制也越来越严格。因为对于不同类别、不同层次的建筑,设备维护的要求存在很大差异,所以对于表 6给出的与失效后果对应的容许失效率的建议值,用户可根据具体情况进行调整。
表 6 建筑设备失效后果与对应的容许失效率建议值
max{安全性后果,任务性后果} | 容许失效率 |
1、2 | 1 |
3 | 0.1 |
4 | 0.01 |
5 | 0.001 |
表选项
3) 模拟参数包括模拟次数N。模拟次数越多,单位时间平均成本的误差值越小。
4.4.2 求解各种维护策略下的最小维护成本在确定输入参数之后,利用Monte Carlo仿真方法求解各种维护策略下的最小维护成本。
1) 在修复性维护策略下,设备在失效发生后才被采取维护措施。该策略的应用意味着设备的失效必然发生。因此,当且仅当设备的容许失效率为1时,才可以考虑修复性维护策略。该策略下维护成本求解过程如图 3所示,根据输入参数进行N次仿真并计算维护成本的平均值。维护成本的仿真结果为
图 3 修复性策略下求解最小维护成本的流程图 |
图选项 |
$\overline{\mathrm{ACM}}=\frac{\sum\limits_{j=1}^{N} \mathrm{ACM}_{j}}{N}.$ | (10) |
图 4 预防性策略和视情策略下求解最小维护成本的流程图 |
图选项 |
对于给定的维修周期Tm,如果在N次模拟中失效率不超过容许失效率,则Tm属于可行维修周期。最优维修周期即为N次模拟中,平均维护成本最小的可行维修周期。最优维修周期对应的维护成本即为预防性维护策略下最小维护成本的仿真结果,
$\overline{\mathrm{ACP}}=\min \left\{\frac{\sum\limits_{i=1}^{N} \mathrm{ACP}_{j}\left(T_{\mathrm{m}}\right)}{N}\right\} \quad \text { s. t. } \frac{n}{N} \leqslant[P].$ | (11) |
$\overline{\mathrm{ACI}}=\min \left\{\frac{\sum\limits_{j=1}^{N} \mathrm{ACl}_{j}\left(T_{\rm i}\right)}{N}\right\} \quad \text { s. t. } \quad \frac{n}{N} \leqslant[P].$ | (12) |
$\overline{\mathrm{AC}}=\min \{\overline{\mathrm{ACM}}, \overline{\mathrm{ACP}}, \overline{\mathrm{ACI}}\}.$ | (13) |
分布式空调系统中风管发生老化会减少空调的送风量进而导致制冷能力不足。通过征询建筑设备维护人员,对风管失效任务性和安全性后果的评价结果为“会轻度影响小规模用户的舒适度”和“不会影响用户的身体及心理健康”,由表 2和3可知,风管失效后果级别为2,进而由表 6可知,风管容许失效率为1。在仿真实验中,设定风管使用寿命的期望为5 a,标准差为0.5 a(η=12.2,β=1 905),失效延迟时间为30~60 d;维修或更换的成本每次500元,巡检成本为每次4元,停运损失为240元;维修周期和巡检周期的模拟步长为1 d,模拟次数为1 000。仿真结果为:在修复性维护策略下,单位时间维护成本为0.410元/d;在预防性维护和视情维护策略下,维护成本(AC)与维护周期(T)的关系如图 5所示。
图 5 预防性维护和视情维护策略下的维护成本 |
图选项 |
最终得到的最优维护策略为预防性维护,维修或更换周期为1 634 d,单位时间维护成本为0.334元/d。与当前应用的修复性维护策略相比,节约成本约18.5%。
6 结论本研究将RCM方法引入到建筑设备系统维护策略的决策中,结合建筑设备维护的特征改进并具体实现了RCM应用流程的各个环节。与现行的决策方法相比,本文提出的维护策略决策模型考虑了设备失效的风险并且实现了定量化决策,提高了决策科学性。通过分析建筑设备系统的组成及功能,辨识出其中的关键设备,进而从失效率、失效可检测性和失效后果3个方面建立关键建筑设备失效风险评价方法。然后,以关键建筑设备失效风险为输入条件,建立定量化的维护策略决策模型并给出了求解方法。最后,应用实例验证了利用该模型可保证建筑设备维护策略决策的可行性和科学性。实例结果表明,应用该模型可节约建筑设备维护成本约18.5%。
参考文献
[1] | SEELEY I H. Building maintenance[M]. 2nd ed. London, UK: Macmillan Education, 1987. |
[2] | LAVY S, JAWADEKAR S. A case study of using BIM and COBie for facility management[J]. International Journal of Facility Management, 2014, 5(2): 1-16. |
[3] | HORNER R M W, EL-HARAM M A, MUNNS A K. Building maintenance strategy:A new management approach[J]. Journal of Quality in Maintenance Engineering, 1997, 3(4): 273-280. DOI:10.1108/13552519710176881 |
[4] | LIU R, ISSA R R A. Survey:Common knowledge in BIM for facility maintenance[J]. Journal of Performance of Constructed Facilities, 2015, 30(3): 04015033. |
[5] | AL-NAJJAR B, INGWALD A, KANS M. Maintenance in real estate and manufacturing industries: Differences, problems, needs and potentials: Four case studies[C]//Proceedings of the 10th World Congress on Engineering Asset Management. Berlin, Germany: Springer, 2016: 13-27. https://link.springer.com/chapter/10.1007/978-3-319-27064-7_2 |
[6] | 左洪福, 蔡景, 王华伟. 维修决策理论与方法[M]. 北京: 航空工业出版社, 2008. ZUO H F, CAI J, WANG H W. Maintenance decision theory and method[M]. Beijing: Aviation Industry Press, 2008. (in Chinese) |
[7] | DING S H, KAMARUDDIN S. Maintenance policy optimization:Literature review and directions[J]. The International Journal of Advanced Manufacturing Technology, 2015, 76(5-8): 1263-1283. DOI:10.1007/s00170-014-6341-2 |
[8] | 贾希胜. 以可靠度为中心的维修决策模型[M]. 北京: 国防工业出版社, 2007. JIA X S. The decision models for reliability centered maintenance[M]. Beijing: National Defense Industry Press, 2007. (in Chinese) |
[9] | 贾希胜, 甘茂治, 程中华. 以可靠性为中心的维修[J]. 工程机械与维修, 2002(11): 116-117. JIA X S, GAN M Z, CHENG Z H. Reliability centered maintenance[J]. Construction Machinery & Maintenance, 2002(11): 116-117. DOI:10.3969/j.issn.1006-2114.2002.11.018 (in Chinese) |
[10] | SULLIVAN G, PUGH R, MELENDEZ A P, et al. Operations and maintenance best practices: A guide to achieving operational efficiency[R]. Richland, USA: Pacific Northwest National Laboratory (PNNL), 2002. |
[11] | 何厚全. RCM在住宅维修中的应用研究[D].南京: 东南大学, 2005. HE H Q. The study on the use of reliability centered maintenance in housing maintenance[D]. Nanjing: Southeast University, 2005. (in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-10286-2007065632.htm |
[12] | SALAH M, OSMAN H. Performance-based reliability-centered maintenance planning for hospital facilities[J]. Journal of Performance of Constructed Facilities, 2018, 32(1): 04017113. DOI:10.1061/(ASCE)CF.1943-5509.0001112 |
[13] | 刘薇, 张喜明, 孙萍. 物业设施设备管理与维修[M]. 2版. 北京: 清华大学出版社, 2010. LIU W, ZHANG X M, SUN P. Maintenance and management of property facilities and equipment[M]. 2nd ed. Beijing: Tsinghua University Press, 2010. (in Chinese) |
[14] | BABAK A, LUIS R, MEHDI H. Estimating parameters of the three-parameter Weibull distribution using a neural network[J]. European Journal of Industry Engineer, 2008, 2(4): 428-445. DOI:10.1504/EJIE.2008.018438 |
[15] | DRAGAN J, DARJIA M. On nonlinear weighted errors-in-variables parameter estimation problem in the three-parameter Weibull model[J]. Applied Mathematics and Computation, 2010, 215(10): 3599-3609. DOI:10.1016/j.amc.2009.10.056 |
[16] | LIU H C, LIU L. Risk evaluation approaches in failure mode and effects analysis:A literature review[J]. Expert Systems with Applications, 2013, 40(2): 828-838. |