بهینه‌سازی مجدد سیستم‌های آماده به کار سرد تحت نظارت و نگهداری دوره‌ای

در این مقاله، مساله تخصیص اجزای مازاد برای سیستم‌های آماده‌به‌کار سرد با اجزای مخرب مورد مطالعه قرار گرفته‌است. ما اجرای یک سیاست بازرسی دوره‌ای و تعمیر و نگهداری پیشگیرانه بر روی اجزای آماده به کار سرد را در نظر می‌گیریم. فرض بر این است که اجزا در حالت آماده به کار سرد از افت عملکرد رنج می‌برند وقتی که در محیط‌های بسیار آماده به کار برای ذخیره‌سازی طولانی‌مدت در معرض قرار می‌گیرند. به جز اجزای کاری آنلاین، دیگر اجزای آماده‌به‌کار سرد به طور متناوب بازرسی می‌شوند و به طور پیشگیرانه حفظ می‌شوند تا آن‌ها را در یک وضعیت قابل‌قبول نگه دارند. این وضعیت، که اجزای استاندارد آماده به کار سرد جدید احیا شده‌اند اما نرخ شکست آن‌ها افزایش می‌یابد، در نظر گرفته شده‌است. در این مقاله، ما مدلی را برای تعیین یک ترکیب بهینه از انتخاب‌های اجزا، تعداد اجزای اضافی، و طول بازه بازرسی دوره‌ای ارایه می‌دهیم، تا قابلیت اطمینان سیستم را در حین برآورده کردن محدودیت‌های منابع، مانند هزینه و وزن، به حداکثر برسانیم. از آنجا که بدست آوردن یک عبارت فرم بسته از تابع هدف برای مساله بهینه‌سازی دشوار است، یک تابع هدف تق

Highlights•We investigate a redundancy allocation problem for a cold-standby system with degrading components.•We consider performing periodic inspection and preventive maintenance for the degrading cold-standby components.•The proposed optimization problem has three parts of decision variables: component choices, the number of redundant components, and the length of periodic inspection interval.•We use approximation methods when evaluating the system reliability (objective function) and expected cost.•A modified genetic algorithm involving dual mutation and random keys technique is developed to solve the proposed problem.AbstractIn this paper, a redundancy allocation problem for cold-standby systems with degrading components is studied. We consider performing a policy of periodic inspection and preventive maintenance on the cold-standby components. Components in cold-standby mode are assumed to suffer from performance degradation when exposed in extreme standby environments for a long