带告警的动态巡修工问题的策略
最优化与控制
2022-05-23 v2 机器学习
摘要
风力涡轮机和医学成像设备等工业资产的停机代价高昂。为避免此类停机成本，企业寻求在故障前即刻开展维护。遗憾的是，这因以下两个原因而具挑战性：一方面，即便存在指示早期退化的实时监测设备，资产故障仍众所周知地难以预测；另一方面，服务于地理分散资产网络的可用人力资源通常有限。本文提出一种融合上述两方面挑战的带告警动态巡修工新问题模型，并提供三种调度有限资源的求解途径。即我们提出：(i) 基于紧迫性、邻近性与经济风险对资产排序的贪婪启发式方法；(ii) 优化短期成本的新型巡修工启发式方法；(iii) 优化长期成本深度强化学习（DRL）方法。每种方法对可用告警信息有不同要求。小型资产网络的实验表明，在获得完整状态信息时所有方法均可逼近最优策略。对于较大网络，所提方法产生具竞争力的策略，其中 DRL 始终实现最低成本。
引用
@article{arxiv.2105.15119,
title = {Policies for the Dynamic Traveling Maintainer Problem with Alerts},
author = {Paulo da Costa and Peter Verleijsdonk and Simon Voorberg and Alp Akcay and Stella Kapodistria and Willem van Jaarsveld and Yingqian Zhang},
journal= {arXiv preprint arXiv:2105.15119},
year = {2022}
}