史以明　張冰

摘要：考慮到不同設備維修方法對不同設備的最佳適用性，本文提出運用TreePlan決策分析工具，選擇最優(yōu)設備維修方式，以降低維修成本、提高設備維修經濟性。采用該方法進行實例應用和計算，并進行決策結果對某些重要決策因素的敏感性分析，為設備維修方式的選擇提供參考。

關鍵詞：TreePlan；決策分析；設備維修方式；敏感性分析

0引言

設備維修方式一般分為事后維修、預防維修和狀態(tài)維修三種，ABC分類法對設備按照重要程度分類，對A類設備采用狀態(tài)維修，B類設備采用預防維修，C類設備采用事后維修。這種選擇方法有一定道理，強調了重點設備重點維修的原則，但它忽視了各種方法對不同設備的最佳適用性，會增加設備的維修費用。

根據(jù)可靠性和經濟性理論，設備維修決策以保證生產計劃正常實施、而維修費用最少為判斷準則。TreePlan決策分析工具提供一種科學決策方法，綜合考慮設備停機帶來的生產損失、設備修復發(fā)生的配件購置或修理費以及為趕工付出的加班費等維修成本，在目標設備出現(xiàn)故障前即可確定最佳維修方式，以降低維修成本、提高設備維修經濟性。

本文以某機械加工企業(yè)的ML120數(shù)控龍門鏜銑加工中心主軸齒輪箱故障為例，具體說明TreePlan決策分析工具在設備維修方式決策中的應用。

1案例設備簡介

該設備2005年從意大利引進，設備價格100萬歐元，可以實現(xiàn)大型復雜曲面的五軸聯(lián)動加工，國內同類型設備較少，生產負荷較大，屬于不可替代設備。主軸齒輪箱是該設備上的一個動力傳遞部件，屬于該設備的關鍵部件，在投入使用以來曾發(fā)生過兩次故障，均采取了事后維修方式，維修期間該設備承擔的加工任務通過外協(xié)完成，造成了較大的生產損失。

2 TreePlan決策分析工具簡介

TreePlan是由美國舊金山大學麥可·R·米德爾頓（Michael Middleton）教授開發(fā)的一種決策分析工具。該工具基于貝葉斯決策規(guī)則建立，在Excel上以加載宏的方式使用。

貝葉斯決策規(guī)則的決策要點：對于每一種備擇方案，將每一個收益乘以相應自然狀態(tài)的先驗概率，再把乘積相加就得到收益的加權平均，在統(tǒng)計上這個加權平均成為這個備擇方案的期望收益。貝葉斯決策規(guī)則選擇具有最大期望收益的備擇方案。

3維修期望收益定義

設備維修的期望收益以維修成本來表示，維修成本越少期望收益就越高。設備故障造成的維修成本主要有兩類：一類是設備停機帶來的生產損失，包含外部協(xié)作加工費用和延期交付的經濟處罰：再一類是設備修復發(fā)生的配件購置、修理費以及為趕工付出的加班費。以上費用都可以折合成以貨幣表現(xiàn)的維修成本。

4維修成本設定

按設備供應商報價，購置新齒輪箱需花費18萬元人民幣（下同），訂購周期3個月（按外協(xié)報價，折合生產損失15萬元）；

修理齒輪箱需要花費2萬元，修理周期10天（按外協(xié)報價，折合生產損失2.5萬元）；

定期檢修費用，包括更換軸承、注油潤滑、間隙調整以及停工檢修，生產損失及修理費用各1萬元；

若實行狀態(tài)檢測，需要投入振動監(jiān)測、優(yōu)質檢測、噪音監(jiān)控等儀器設備3萬元。

基于以上設定，三種維修方式的維修成本見表1。

在表1中，三種維修方式的生產損失相對差別較大。狀態(tài)維修由于可以提前預測零件故障，可以提前采購備件，在生產間歇期安排維修，因此一般不會造成生產損失；事后維修由于是在設備故障發(fā)生導致設備停產以后才去維修，采購備件及故障排除的時間相對最長，因而造成的生產損失最大：計劃維修采取的是按事先制定的維護計劃進行有針對性的檢查與維修，可在一定程度上避免或延緩故障的發(fā)生，但維修會造成生產停頓，因此其生產損失介于二者之間。

5自然狀態(tài)及先驗概率

根據(jù)國內外工業(yè)工程、試驗數(shù)據(jù)、歷史統(tǒng)計數(shù)據(jù)，三種維修方式的自然狀態(tài)及先驗概率見表2。

6建立決策樹

ML120五軸加工中心主軸齒輪箱的維修備擇方案就是三種維修方式，可能結果就是每一個備擇方案的自然狀態(tài)，發(fā)生的概率就是每一種自然狀態(tài)的先驗概率，據(jù)此編制決策樹。

根據(jù)貝葉斯準則的計算規(guī)則，每一個決策節(jié)點都是按照事件的期望收益高者進行選擇，因此成本均以負數(shù)形式表示，以實現(xiàn)成本低者中選。

運用Excel的加載宏TreePlan決策分析軟件，在電子表格上進行構建和分析決策樹，具體結果見圖1。

根據(jù)以上決策分析可以看出，針對MLl20五軸加工中心主軸齒輪箱的維修策略，應該選擇狀態(tài)維修，因為其期望收益最大，或者說預期維修成本最低。

7敏感性分析

在上述決策要素中，無論是各種維修成本，還是各種自然狀態(tài)的先驗概率，都是過去經驗的總結與應用，而未來實際要發(fā)生的結果具有其不確定性，加上決策者思維上的局限性，使得方案實際所實現(xiàn)的目標與預計的目標出現(xiàn)偏差。通過Sensit軟件進行敏感性分析可以分析這種不確定性（要素的可能變化）對決策目標的影Ⅱ向。

本文以生產損失、狀態(tài)維修有效果的概率兩個決策因素運用Sensit軟件進行敏感性分析，其結果見圖2、圖3。

圖2表明，隨著每天停產損失的增加，期望收益在下降，當每天停產損失小于3000元時，對期望收益的影響比較明顯。據(jù)統(tǒng)計，某機械加工企業(yè)共有90臺加工設備，每臺設備的停產損失因設備而定：一般情況下，普通設備在600元以下，小型數(shù)控設備在1500元左右，大型數(shù)控設備在8000左右，當沒有替代設備時，損失加倍。90臺設備平均每天停產損失在1500元左右，其中82臺在1500以下，占總量的92.2%?？梢?，停產損失對該所總體期望收益的影響是比較大的。

圖3表明，狀態(tài)維修有效果的概率在80%以下時，對期望收益沒有影響，只有大于80%時，二者呈正相關關系。因此，狀態(tài)維修有效果的概率測算十分重要，當?shù)陀谝欢ㄖ禃r，使用狀態(tài)維修就不恰當。

類似地，可以逐一對決策要素進行敏感性分析，以觀察其變化對期望收益的影響趨勢和程度大小。

8小結

通過以上分析，就ML120五軸加工中心主軸齒輪箱而言，設備故障造成的停產損失是所有影響維修綜合成本因素中最大的一項，因此該設備的維修策略應圍繞如何降低停產損失來制定。

該分析案例具有一定的代表性，事實上，所有可替代性比較差的重要設備都具有類似的特點，那就是，設備停機損失在所有維修成本中占據(jù)重要地位。因此，該分析結果也是設備分類時確定各分類因素權重的重要依據(jù)，進而也是確定設備維修方式的重要依據(jù)。endprint