استفاده از روش های یادگیری تقویتی برای تعمیر و نگهداری مبتنی بر شرایط در سیستم های با مولفه های مجزا

در این مقاله رویکردهای یادگیری تقویتی برای توسعه تعمیر و نگهداری سیستم های چند جزئی پیشنهاد شده است. فرآیند گاما برای مدل سازی مسیر تخریب هر جزء در سیستم استفاده شده است. عمل تعمیر و نگهداری بهینه برای هر جزء با مدل کردن مسئله تعمیر و نگهداری به عنوان یک فرآیند تصمیم مارکوف و حل آن با استفاده از یک الگوریتم یادگیری کیو انجام شده است. استفاده از رویکرد یادگیری تقویتی در مقایسه با راه حل های بهینه سازی تعمیر و نگهداری سنتی، روش کارآمدتر و مقرون به صرفه تری را ارائه می دهد. همچنین می تواند یک خط مشی تعمیر و نگهداری پویا برای هر وضعیت سیستم ارائه دهد که در مقایسه با حالت ثابت مفیدتر و سودمندتر است. با استفاده از شبیه سازی نشان داده می شود که چگونه می توان از یادگیری تقویتی برای یافتن عملیات تعمیر و نگهداری بهینه برای سیستم هایی با پیکربندی های مختلف استفاده کرد.

کلیدواژه ها:

قابلیت اطمینان ، الگوهای تعمیر و نگهداری مبتنی بر شرایط ، یادگیری تقویتی ، الگوریتم کیو.