部件模型

部件模型（精选五篇）

部件模型 篇1

现行的开发的软件主要在手工绘图的基础上, 根据手绘图的习惯和特点开发的。手绘图一般是先完成计算, 然后根据计算负荷计算的风量绘制单线图, 然后在单线图的基础上绘制双线风管及风管连接所需要的弯头、三通、四通、大小头等风管连接件。在手绘和、向CAD制图的过渡阶段, 很容易为设计人员熟悉和掌握, 为提高暖通图纸的CAD绘制速度发挥了很重要的作用。

由于建筑市场的发展和CAD在设计院的普及, 越来越多的项目在整个设计过程中要进行大量的修改和完善, 以满足业主及工程实际情况对图纸的要求, 设计修改在整个CAD制图过程中的比重越来越大, 为了减少设计人员在这方面所花费的时间, 出现了多种二次开发的暖通CAD绘图软件, 但在设计的整体思路上仍延续了手绘到计算机制图的程序编制思路。

CAD制图在高校建筑类专业都是必修课程, 在设计院的主要设计人员也对CAD非常熟悉, 根据现有的CAD应用水平, 笔者认为在暖通绘图的软件在程序设计的思路上应有所突破和创新, 充分发挥出现有计算机硬件及CAD软件平台所能提供的功能。根据这个想法, 笔者创建了风管部件的模型, 在模型的基础上以ACAD为平台, 结合VISUAL LISP与ARX编程的软件自主开发了CAD辅助设计软件HHDUCT, 通过风管部件模型的建立, 只要单个命令就可以实现对弯头、三通、四通、大小头等部件的自动判断生成。实现在设计过程中根据建筑平面和功能的调整, 只要完成对修改后的负荷, 对平面上已有的风管直段进行修改, 就能自动判断及绘制出风管直段间的连接管件, 迅速完成对图纸的修改, 提高暖通图纸绘制的效率。

下面就对风管部件模型概念的建立及应用加以介绍。

1 风管部件模型的工程原型

在通风和空调工程的施工中, 由于风管, 水管, 消防管及电缆桥架多种管线的交叉, 一般很难完全按图纸施工, 一般是各工种现场协调后, 风管安装一般是先安装风管的直段, 然后结合图纸和现场的实际情况制作风管连接件。所以在风管C A D绘制过程中, 如果只要根据风速计算出风管断面, 其余的连接让软件来判断生成, 就能发挥出软件在程序判断和图形绘制方面的优势, 将耗费多的双线风管连接件的绘制交给计算机, 提高了绘图速度, 减轻了设计人员的工作量。

2 风管部件模型的建立

2.1 一个风管系统是由多个部件组成的。

有风管直段、弯头、三通、四通、大小头, 这些对象都有各自的特点。而要对这些风管连接件实现软件的识别和判断, 首先要对它们共同的地方进行归纳和总结, 在本软件该部分的设计理念中, 将这些部件统一归纳为风管部件模型, 该模型是一个有四个接口的风管节点, 其中一个为输入或输出接口a, 与主送、排风分管相对应, 其余三个相应为输出或输入接口, 为c-1, c-2, b, 对应为风管系统的支管或支干管。如图1。

2.2 模型的解释和演化

假设a也就是输入端不为0, 以送风系统为例。

(1) 四通:风管四通的特点是送风干管分三路送风, 用风管部件模型就是有一个输入端a, 三个输出端b、c-1, c-2。

(2) 三通:当c-1, c-2, b中有任一项为0, 其余不为0时, 则模型对应为风管系统中的直三通与侧三通, 即送风干管分两路送风。如图2。

(3) 二通:针对模型的特点, 就是c-1, c-2, b中有任意两项为0, 另一不为0。相应的模型对应为为风管系统中的风管直段、大小头或弯头。如图3。

在这个模型概念建立起来的风管系统CAD绘图软件, 就是根据模型的特点, 把风管系统看作由一个个风管部件的节点组成。根据节点在风管系统中的输入输出特性, 自动判断并生成相应的风管部件。

3 通过编程实现的结果如下

3.1 四通绘制的实现

首先确定干管的位置, 然后选择支管, 根据一个输入, 三个输出的特点, 判断出连接件应为风管四通, 根据设定好的参数自动绘制出四通连接各个风管直段。

3.2 三通绘制的实现

风管直三通的自动判断及生成:根据一个输入, 两个输出的特点, 判断出连接件应为风管三通, 根据支管和主干管的位置关系, 绘制出偏心三通, 同心三通。

3.3 二通绘制的实现

(1) 大小头连接自动判断及生成:根据一个输入, 一个输出的特点, 判断出连接件应为风管二通, 根据支管和主干管的位置关系, 绘制出偏心变径与同心变径。

(2) 弯头连接自动判断及生成:风管二通, 根据支管和主干管的有一定角度时, 按弯头绘制出风管连接。

(3) 风管直段及乙字弯连接的自动判断及生成:风管二通, 根据支管和主干管的偏移距离, 分别按风管直段或风管乙字弯绘制出风管连接。

根据上述规律实现的实际绘制结果如图4。

总结, 随着计算机技术的进步、发展以及在建筑业中广泛的应用, 我们有必要以新的思路来考虑如何利用CAD二次开发这个强大工具, 将设计工作任务进行细分, 加以分类, 一些重复和有规律的部分交给计算机来完成, 而设计人员的主要精力应用在空调系统的优化, 多方案比较以及整个空调工程的合理运营设计等计算机无法取代的工作上。

参考文献

[1]陆耀庆.实用供热空调设计手册 (上、下册) (第2版) [M].中国建筑工业出版社, 2008, 5.

部件模型 篇2

基于模型辨识的发动机部件特性修正研究

在发动机的总体性能研究中,发动机部件特性图的.准确程度对总体性能计算结果有明显的影响.研究表明,部件特性数据的偏差,尤其是风扇、压气机及涡轮等部件特性的偏差会使发动机总体性能计算结果出现很大的偏差,与实际性能不符.本文采用变分加权最小二乘法对试验数据进行模型辨识分析,充分利用发动机整机测量的试验数据对发动机部件特性进行修正,该修正可反馈各部件实际特性信息,可为各部件分析及完善设计提供参考和依据.

作 者：白磊 陈思兵 江和甫 BAI Lei CHEN Si-bing JIANG He-fu 作者单位：中国燃气涡轮研究院,四川,成都,610500刊 名：燃气涡轮试验与研究英文刊名：GAS TURBINE EXPERIMENT AND RESEARCH年，卷(期)：22(3)分类号：V231关键词：发动机 模型辨识 变分加权最小二乘法

部件模型 篇3

关键词：失效率,载荷,强度,强度退化,寿命指标,零部件可靠性

0 引言

失效率作为机械产品可靠性的重要度量指标之一, 常用于机械系统和装备的可靠性评价与维修管理。多年来, 国内外学者从不同的角度对失效率进行了研究[1,2,3,4,5,6,7,8,9]。Xie等[3]研究了适用于具有浴盆形状失效率寿命数据的分布模型, 该模型包括3个参数且可与指数分布和威布尔分布相联系。Zhang等[4]研究了运用软件可靠性增长模型分析系统测试数据和使用数据的现场失效率预测方法。Xue等[5]针对步进应力加速寿命试验提出了常应力下威布尔分布损伤失效率模型的参数估计方法。Toscano等[6]针对运行环境的变化提出了能够实时预测系统可靠性的动态失效率模型。Zafiropoulos等[7]考虑失效率的不确定性, 提出了基于可靠度和费用的电子设备优化计算方法。Avinadav等[8]针对与人因相关的风险事件, 提出了新的浴盆型故障函数。王学敏等[9]针对评估和统计数据的不确定性问题, 利用概率生成函数, 提出了根据权值来获得系统共因失效率的计算方法。

然而, 现有的这些失效率计算方法大多采用统计的方法, 即通过对产品实验数据和使用数据进行统计分析获得相应的寿命分布函数, 进而得到失效率的表达式。显然, 这种失效率计算方法很难在新产品的设计阶段对产品的失效率进行预计和指导产品的可靠性设计, 特别是对于实验费用又高、样本量小的机械产品, 在相对短的研制周期内很难甚至无法获得足够的产品失效数据[10]。

本文基于载荷与强度是影响产品失效率最基本因素的认识, 研究零部件失效率在不同阶段变化的关键影响因素, 提出决定零部件失效率的四要素, 研究不需要依赖产品失效数据信息的零部件失效率计算方法, 并建立基于四要素法的机械零部件失效率计算模型。

1 零部件失效率变化的影响因素分析

失效率作为一种能够适时描述产品可靠性的度量指标, 可以直观地反映零部件或系统在任意时刻失效的可能情况。

如图1所示, 典型的产品失效率曲线 (即浴盆曲线) 具有明显的“早期失效期 (图1中的A) ”、“偶然失效期 (图1中的B) ”和“耗损失效期 (图1中的C) ”3个阶段的特征, 但并不是所有的产品失效率曲线都具有浴盆曲线的全部特征。

从内外因相互作用的观点看, 产品失效率变化实质上反映的是产品所受载荷与其强度之间相对大小关系的概率特征随寿命指标的变化。在浴盆曲线中的早期失效期, 产品的失效率随着使用时间的增加较快地下降。在这个时期, 产品强度退化可以忽略, 产品失效率主要是由于设计、制造、工艺缺陷等原因引起的强度不确定性与载荷不确定性共同决定的[11,12]。在浴盆曲线中的偶然失效期, 产品的失效率很低且在数值上变化很小, 产品在这一阶段的失效往往是由于偶然的原因所引起。此时, 强度的不确定性对失效率的影响相对较小, 而载荷的不确定性对失效率的影响却相对较大。在浴盆曲线中的耗损失效期, 失效率随寿命指标的增大而逐渐上升。这一阶段的失效主要是由于强度的退化 (如磨损、疲劳、老化等) 所引起。

从对产品失效率变化影响因素的分析我们可以看出, 决定失效率的要素可以总结为:载荷、强度、强度退化规律以及寿命指标 (时间或载荷作用次数) 等。只要给定这4个要素的相关参数, 原则上便可以确定产品的失效率。

2 零部件失效率计算的四要素模型

零部件在实际使用中, 既有以载荷作用次数作为其寿命度量指标的, 也有以工作时间作为其寿命度量指标的。下面, 针对单一失效模式零部件, 分别以载荷作用次数和时间为寿命度量指标, 建立基于载荷、强度、强度退化规律以及寿命指标等四要素的机械零部件失效率计算模型。

2.1 以载荷作用次数为寿命指标的零部件失效率

传统的直接运用载荷-强度干涉理论建立的零部件可靠性模型并不能很好地反映零部件可靠度随载荷作用次数的变化规律。用这些模型计算得到的可靠度实际上是随机载荷作用一次或特定次数的可靠度[13,14,15], 严格地讲, 是一个静态的可靠度[11,16]。因此, 也无法基于这样的可靠性模型得到零部件的失效率表达式。

机械产品大多数失效模式 (如疲劳、磨损、腐蚀等) 所对应的强度指标会随着载荷作用次数的增加而逐步降低, 即剩余强度在不断地发生变化。通常, 强度退化规律与载荷幅值、载荷作用次数以及载荷作用顺序有关。在载荷幅值不变或变化幅度相对较小的情况下, 可以认为剩余强度取决于初始强度、载荷均值以及载荷作用次数[17]。此时, 剩余强度可表示为初始强度与载荷作用次数的函数。

以载荷作用次数为寿命度量指标时, 载荷的不确定性可以用概率分布函数描述。设载荷的概率密度函数和累积分布函数分别为fs (s) 和Fs (s) 。当零件的初始强度为确定值δ时, 零件在经历载荷作用n次后的强度δ (n) 也为确定的值。用An表示零件在随机载荷作用第n次时不发生失效, 显然, An事件发生的概率可表示为

P (An|δ) =∫${}_0^{\delta {}_{(n-1)}}$fs (s) d s=Fs (δ (n-1) ) (1)

随机载荷作用n次后零件的可靠度可表示为

$R(n|\delta )=R(n-1|\delta ){\rm P}(A{}_n|\delta )={\displaystyle \prod _{i=1}^{n}F}{}_s(\delta {}_{(i-1)})$ (2)

由于δ (i-1) 可表示为初始强度和载荷作用次数的函数, 式 (2) 可写成为

$R(n|\delta )={\displaystyle \prod _{i=1}^{n}F}{}_s(\delta ,i-1)$ (3)

当零件的初始强度δ为服从概率密度函数fδ (δ) 的随机变量时, 随机载荷作用n次时零件的可靠度为

$R(n)={\displaystyle {\int }_0^{+\infty }f}{}_{\delta }(\delta ){\displaystyle \prod _{i=1}^{n}F}{}_s(\delta ,i-1)\text{d}\delta$ (4)

进一步, 当零件经历的总载荷作用次数相对较大时, 零件的失效率可表示为[15]

$\begin{array}{l}h(n)=\frac{R(n)-R(n+1)}{R(n)}=\\ \frac{{\displaystyle {\int }_0^{+\infty }f}{}_{\delta }(\delta )(1-F{}_s(\delta ,n)){\displaystyle \prod _{i=1}^{n}F}{}_s(\delta ,i-1)\text{d}\delta }{{\displaystyle {\int }_0^{+\infty }f}{}_{\delta }(\delta ){\displaystyle \prod _{i=1}^{n}F}{}_s(\delta ,i-1)\text{d}\delta }(5)\end{array}$

在式 (5) 所示的零件失效率模型中, 只需已知零部件的强度与载荷概率分布、强度退化规律以及载荷作用次数, 便可以计算出零件的失效率, 而无需依赖大量的实验数据和使用数据。

2.2 以时间为寿命指标时的零部件失效率

以时间为寿命度量指标时, 产品在t时刻的失效率h (t) 与可靠度R (t) 的关系可表示为

$h(t)=\underset{\text{Δ}t\to 0}{{\displaystyle \lim }}\frac{R(t)-R(t+\text{Δ}t)}{R(t)\text{Δ}t}=-\frac{\frac{\text{d}R(t)}{\text{d}t}}{R(t)}$ (6)

当零部件以时间作为其寿命度量指标时, 载荷一般都具有时间维和幅度维的不确定特征, 即载荷出现时间的不确定性和载荷出现时幅值大小的不确定性。在这里, 采用随机载荷的二维描述法来刻画载荷的不确定性特征[11,18], 即用参数为λ (t) 的泊松随机过程来描述载荷作用次数随时间变化的不确定性特征, 用概率分布函数 (其概率密度函数和累积分布函数分别为fs (s) 和Fs (s) ) 来描述载荷在幅度维的不确定性特征。同时, 当零部件在t时刻的强度取决于其初始强度和时间t时, 强度退化规律可表示为初始强度与时间t的函数。

当零件的初始强度为确定值δ时, 零件在t+Δ t时刻的可靠度R (t+Δt) 可表示为

其中, τ∈[t, t+Δt]。

此时, 零件在t时刻的失效率为

$\begin{array}{l}h(t)=\underset{\text{Δ}t\to 0}{{\displaystyle \lim }}\frac{R(t)-R(t+\text{Δ}t)}{R(t)\text{Δ}t}=\\ \underset{\text{Δ}t\to 0}{{\displaystyle \lim }}\frac{\lambda (t)\text{Δ}t[1-F{}_s(\delta (\tau ))]R(t)}{R(t)\text{Δ}t}=\lambda (t)[1-F{}_s(\delta (t))](8)\end{array}$

进一步, 式 (8) 可写成为

h (t) =λ (t) (1-Fs (δ, t) ) (9)

由式 (6) 及R (0) =1, 可得

R (t) =e∫t0 (Fs (δ, t) -1) λ (t) d t (10)

当初始强度δ服从概率密度函数为fδ (δ) 的概率分布时, 零件的可靠度R (t) 为

R (t) =∫+∞0fδ (δ) e∫t0 (Fs (δ, t) -1) λ (t) dtd δ (11)

失效率h (t) 为

$h(t)=\frac{{\displaystyle {\int }_0^{+\infty }f}{}_{\delta }(\delta )(1-F{}_s(\delta ,t))\lambda (t)\text{e}{}^{{\displaystyle {\int }_0^t(}F{}_s(\delta ,t)-1)\lambda (t)\text{d}t}\text{d}\delta }{{\displaystyle {\int }_0^{+\infty }f}{}_{\delta }(\delta )\text{e}{}^{{\displaystyle \int }{}_0^t(F{}_s(\delta ‚t)-1)\lambda (t)\text{d}t}\text{d}\delta }$ (12)

式 (12) 所示的零件失效率计算模型能够全面体现载荷、强度、强度退化以及时间等参数对零件失效率的影响。同样, 只需要知道零件的强度与载荷概率分布、强度的退化规律以及时间, 便可运用式 (12) 准确地计算出零件的失效率。

3 零部件失效率变化规律研究

下面分别以载荷作用次数和时间为寿命度量指标, 运用式 (4) 和式 (5) 、式 (11) 和式 (12) 所示的零件可靠度与失效率计算四要素模型, 在零件强度、载荷以及强度退化规律已知的情况下, 以零件强度和载荷幅值均服从正态分布为例, 研究零部件可靠度与失效率随寿命指标的变化规律。

以载荷作用次数为寿命度量指标时, 强度退化规律为$\delta {}_{(n)}=\delta -(\delta -\overline{s})(\frac{n}{18000}){}^{1.5}$, 载荷与强度的分布参数分别为三种情况, 分别如图2、图3所示。

1.强度δ～n (800, 802) , 载荷s～n (500, 702) 2.强度δ～n (800, 1002) , 载荷s～n (500, 602) 3.强度δ～n (800, 802) , 载荷s～n (500, 502)

1.强度δ～n (800, 802) , 载荷s～n (500, 702) 2.强度δ～n (800, 1002) , 载荷s～n (500, 602) 3.强度δ～n (800, 802) , 载荷s～n (500, 502)

以时间为寿命度量指标时, 强度退化规律为δ (t) =δ e (-0.000 02t) , 载荷作用过程服从参数为λ (t) =0.5h-1的泊松随机过程, 载荷幅值与强度的分布参数分为三种情况, 分别如图4、图5所示。

从图2和图4可以看出, 在强度、载荷、强度退化规律以及寿命指标已知的情况下, 可以运用本文模型准确地计算零部件的可靠度, 科学地反映零部件可靠度随寿命指标的变化规律。对于不同的强度分布参数、载荷分布参数以及强度退化规律, 零部件可靠度随寿命指标的变化也不同。

1.强度δ～n (680, 602) , 载荷s～n (400, 602) 2.强度δ～n (680, 802) , 载荷s～n (400, 502) 3.强度δ～n (680, 602) , 载荷s～n (400, 402)

从图3和图5可以看出, 在强度、载荷、强度退化规律以及寿命指标等4个要素已知的情况下, 可以运用本文模型准确地计算零部件的失效率。对于不同的强度分布参数、载荷分布参数以及强度退化规律组合, 零部件的失效率随寿命指标的变化规律也不同。同时, 还可以看出零部件的失效率随寿命指标的变化规律具有浴盆曲线全部 (或部分) 的特征, 这与通过对产品失效数据进行统计分析得出的失效率变化规律是相吻合的。

1.强度δ～n (680, 602) , 载荷s～n (400, 602) 2.强度δ～n (680, 802) , 载荷s～n (400, 502) 3.强度δ～n (680, 602) , 载荷s～n (400, 402)

4 结论

本文分析了零部件失效率变化的影响因素, 提出了决定机械零部件失效率的四要素, 即载荷、强度、强度退化规律和寿命指标。在此基础上, 分别以载荷作用次数和时间为寿命度量指标, 建立了机械零部件可靠度与失效率计算的四要素模型, 并研究了零部件可靠度与失效率随寿命指标的变化规律。研究表明, 在载荷、强度、强度退化规律以及寿命指标参数已知的情况下, 可以运用本文建立的四要素模型准确地计算零部件的可靠度与失效率, 科学地反映零部件可靠度与失效率随寿命指标的变化规律。对于不同强度分布参数、载荷分布参数以及强度退化规律的组合, 零部件可靠度与失效率随寿命指标的变化规律也不同。同时, 零部件的可靠度随寿命指标在逐渐减小, 失效率随寿命指标的变化具有浴盆曲线全部 (或部分) 的特征。这一结论与通过对产品失效数据进行统计分析得出的失效率变化规律是相吻合的。

本文所建立的机械零部件失效率四要素计算模型能够科学地体现载荷、强度、强度退化规律以及寿命指标对零部件失效率的影响, 且在计算过程中无需依赖产品的失效数据。因此, 在产品的设计阶段, 就能够根据零部件的相关参数准确地对零部件进行可靠性分析与失效率计算, 可以更好地指导机械零部件的可靠性设计。

部件模型 篇4

关键词：生命周期管理,交通流量,电梯部件

1 引言

随着中国经济的飞速发展,特别是房地产的大发展,带动电梯行业高速发展,以至于电梯企业如雨后春笋迅速增加,竞争日趋激烈。许多聪明的管理者引入了产品生命周期管理(一般称为PLM)。产品生命周期管理是一个集成的、信息驱动的方法,它涵盖了从设计、制造、配置、维护、服务到最终处理的产品生命周期的所有方面。PLM系列软件能够存取、更新、处理和推理由局部的和分布环境中产生出来的产品信息。换句话说,PLM将用低廉的信息比特(bits)的运动来代替昂贵的物理原子的运动。因此,用PLM系统解决售后电梯部件生命周期的过程,就是将生命周期计算模型植入计算机的过程。

2 基于交通流量模型的生命周期计算

大多数部件生命周期参数皆是运行次数,而不是时间。本文提出了基于电梯交通流模型的部件生命周期计算方法:首先依据每日的交通流量分析分解成几种不同的电梯运行模型。然后,根据每一种模型计算往返一周时间RTT和电梯往返一周中可能的停站数F(F实际上就是电梯往返一周的启动次数或者运行次数)。接着,根据每种模型所占的时间区间计算出在这个区间内的运行次数R。其后,将所有区间运行次数R加起来得到每天的运行次数Rd。最后,用部件的运行次数除以每天运行次数,就可以得到以时间为单位的生命周期。

2.1 建筑物的客流分析及交通需求

电梯服务的环境因大楼的用途不同而千差万别,所以电梯的交通流量状况也各不相同。本文将以一个普通办公大楼交通流量统计情况为例。办公大楼的特点是上、下班以及中午时刻会出现客流高峰。上班时属于上行高峰,客流的主要流量是由大楼的主端站,通常位于底层,流向各楼层。下班时相反,由各层流向主端站。中午的客流的方向视餐厅的位置而定。除了这三个时间的客流高峰外,其余时间的客流量都比较少。

2.2 交通流量模型

上面的客流分析和统计还是比较抽象,无法用来计算。因此,必须使其具体化、量化——建立电梯的服务形式模型。本文做如下假设:

(1)不考虑群控的情况。

(2)本文把电梯的运行情况视为对称的--上高峰与下高峰对称,平时往返一周的运行也是对称的。这主要是从客流情况考虑的:根据统计学分析,每天有多少人次被运上去,就有多少人次被运下来。进一步,上、下高峰所运送的人次基本相同,只是方向相反;平时,一台电梯向上运送的人次应该基本等于向下运送的人次。从另一个角度分析,每一位大楼里的乘客一天在楼里的运动轨迹也遵循对称的原则。(以上的分析是在不考虑群控的情况下做出的)

(3)一栋楼的交通流量基本恒定,理论上会有变化,如有人出差,流量减少;相反,有客到访,流量会增加。

上行高峰:上行单程区间快行。在上班交通中,从基站上行到某层是快行区间;再往上是短区间。下行是快行区间。

非高峰运行:往返区间快行。从基站到某一层的上下行都是快行区间;再往上的上、下行都是短区间的一种服务方式。根据交通流量统计图,正常运行主要分为两种情况:午餐交通和正常运行。午餐交通实际上如上下高峰,运输的人员比较多,只不过上行和下行的人数差不多或者说相等。但是正常运行期间,虽然运行模型同午餐交通,但是运输的人员只有午餐交通时的一半。

下行高峰:下行单程区间快行。在下班交通中,上行是快行区间。再往下是短区间,然后返回基站是快行区间。

运用以上4种运行模型简化了电梯一天交通流量分布。其中,上、下高峰所运送的人次基本相同,只是方向相反。因此,可将上、下高峰模型合并处理。同时,正常运行期间,虽然运行模型同午餐交通,但是运输的人员只有午餐交通时的一半。因此,可以重点讨论午餐交通模型,然后将其结果减半来代替正常运行模型。

2.3 电梯交通流量计算

2.3.1 往返一周时间RTT(Round Trip Time)

所谓往返一次时间是从轿厢回到基站开始算起,把乘客从基站送到前方层再回到基站所用的时间。通常RTT由以下几部分组成:乘客出入轿厢时间Tp;开关门的总时间Td;轿厢行驶时间Tr;运行一周损失时间Tl。所以单梯往返一周的时间为:

损耗时间Tl和轿厢门宽、电梯乘客人数、乘客年龄等因素有关。通过统计分析,损失时间为乘客出入总时间和电梯开关门总时间之和的10%,所以:

已知每个乘客出入时间为Tp,它与出入宽度系数K和电梯往返一周可能停站数F有关。

在一个电梯运行周期RTT内,由于电梯乘客人数为r,所以计算电梯出入总时间为:

在一个运行周期内,电梯开关门总时间为:

其中,F为电梯往返一周中可能的停站数,Td为单层开关门时间,在单程区间快行服务方式下,电梯行车总时间Tr为:

其中,Trl为短区间行车总时间;Tre为快行区间行车总时间。

其中,Sa为电梯加速距离;SH为电梯从底层到平均最高返回层的距离;Se为上、下行单程区间快行距离;Sf为平均电梯层高(除了大厅层,一栋建筑的层高通常都一样);H为平均最高返回层;ta为电梯加速时间;tr为层间运行时间。

2.3.2 电梯往返一周可能的停站数

F为电梯往返一周的停站数,即电梯的启动次数或者运行次数。

(1)上、下班高峰,往返一周可能的停站数

其中,fl为短程区间内可能停站数;fe为快行区间内可能停站数,等于2

(2)非上、下班高峰,往返一周可能的停站数

上文已经假设上行运输的人数等于下行运输的人数,所以ru=rd,同时,fe=2

2.3.3 电梯平均最高返回层

经过统计分析,电梯平均最高返回层H与电梯的层站数有关,如下式:

2.4 生命周期计算

有了电梯平均日运行次数Rd,用部件的运行次数除以日运行次数,就可以得到以天为单位的生命周期。进一步,如果是办公电梯,一年通常工作250天,用以天单位的生命周期除以250就可以得到以年为单位的生命周期;如果是住宅电梯,一年工作365天,用以天单位的生命周期除以365就可以得到以年为单位的生命周期。

3 生命周期计算方法应用和验证

3.1 上、下班高峰每小时运行次数计算

(1)Tr的计算

应用公式16,计算电梯平均返回层

电梯乘客人数为r=0.8Re=0.8×10=8。

因为Sf>2Sa,所以应用公式(9),计算轿厢行驶时间

(2)每小时运行次数

因为是办公楼电梯,所以通电持续率DC=0.5,RTT+AI=Tr/15=99.2/0.5=198.4(秒)

计算上、下高峰时一小时的运行次数

3.2 非高峰每小时运行次数计算(以午餐交通为例)

(1)Tr的计算

应用公式16,计算电梯平均返回层

电梯乘客人数为:ru=rd=0.4Re=0.4×10=4

因为Sf>2Sa,所以应用公式(9),计算轿厢行驶时间

(2)每小时运行次数

正如上文所述,午餐交通采用高峰运行通电持续率DC=0.5,RTT+AI=Tr/DC=89.6/0.5=179.2(秒)

计算上、下高峰时一小时的运行次数AI=40(s)

计算午餐交通时一小时的运行次数

3.3 部件生命周期计算与验证

3.3.1 一年运行次数的计算和验证

上面已经计算了上、下高峰的运行次数和午餐高峰的运行次数。同时,正常运行时运输的人员只有午餐交通时的一半,因此,正常运行时的运行次数也可以认为是午餐交通的一半,因为运行次数和乘客人数是正比例关系。

计算平均日运行次数:Rd=140+140+149+74×7=947(次),办公楼一年运行天数为250天,所以电梯一年的运行次数为:Ry=947×250=236,750(次)

为了验证计算结果的有效性,利用电梯远程监控系统对上万台电梯的运行情况进行检测,电梯一年运行次数统计表如表1。

可见,计算结果落在统计区间中(190,000~333,000),因此运用交通流量模型计算的结果与统计的结果是吻合的。

3.3.2 电梯部件生命周期计算

验证了一年运行次数的准确性,用它除部件的运行次数,就可以得到以年为单位的生命周期。下面以电梯控制继电器为例进行生命周期计算,继电器通常运行次数为一百万次,所以继电器的寿命为:1000,000/250/947=4.2(年)。这个结果与日本电梯界4年更换一次继电器的行业规定是一致的。因此,基于电梯交通流模型的部件生命周期计算方法是通用的,科学的。

4 结论与贡献

验证的结果表明基于电梯交通流模型的部件生命周期计算方法是有效的,它可以计算出部件以时间为单位的生命周期。日本电梯公司应用PLM比较早,它们的经验证明采用PLM管理系统会对企业带来如下收益。

(1)如果人员数量不变,那么维保台量可以增加一倍。如果台量不变,那么维保人员数量可以减少一半。

(2)维保方案将从常规性维保升级为战略性维保或者按需维保。

(3)维修中物料更换的准确率将是100%。

(4)电梯使用故障率将从2.8降到1以下,甚至更低(日本现在的故障率为0.2-0.3)。

总之,将生命周期计算方法植入到PLM系统中会提高工作效率,减少浪费,提高准确性,最终减少电梯的故障率,从而提高电梯的安全系数,保证乘客的人身安全。

参考文献

[1]朱德文.电梯交通配置的步骤和输送效率的计算[J].建筑设计中的电梯选型配置,2005.

[2]宗群,尚晓光,岳有军,等.电梯群控系统的交通模式识别[J].控制与决策,2001.

部件模型 篇5

一般制造业的产品是由多种零部件组成的,有些部件是由子部件,或是子部件和零件的结合构成的,在传统的纵向一体化管理模式下,企业追求“大而全”、“中而全”、“小而全”的封闭思想,对其所需的零部件往往采取投资自制,即自己能自制的零部件决不会外包给别的企业,由于经济的全球化、市场需求的不断变化、专业化分工不断加大,企业只靠自己的内部资源来运作,则无法在竞争激烈的市场中立足,企业为了生存、降低成本、提高响应市场需求的能力,逐渐由纵向一体化向横向一体化的管理模式发展,抓住企业的核心竞争力把非核心的业务外包给其他企业。因此,企业的管理者以及决策者对业务外包尤为重视。

一个企业要成功地实施业务外包,就必须进行正确的业务外包决策。对于制造业来说,就是零部件的自制与外包的决策,哪些零部件需要实施外包,哪些零部件适合企业自制?然而,目前很少有具体研究零部件自制与外包的分析模型。为此,本文综合考虑自制与外包所需成本以及投资总额等因素,来建立使产品总成本最小的零部件自制与外包策略的0-1规划模型。

2 零部件自制与外包的0-1规划模型

在资金约束下的产品零部件自制与外包的战略选择成为企业管理者和决策者碰到的一个问题。在可选零部件数量较少的情况下,决策者可以用一些直观的方法得到满意的答案,如列举、比较所有可能的组合并从中选优,但如果零部件校多,比如在10个零部件选择自制还是外包时,则共有210-1种方案,逐一列举就非常费事费力了。然而对于制造业来说产品的零部件往往多于10个,有的甚至上百、上千、上万个。并且零部件自制还是外包选择的问题,不仅受到资金方面的限制还受到设备、人员等方面的限制,进行直观的选择就有些力不从心了。0-1规划法解决以上问题,得出最优的组合方案,供决策者参考。

2.1 假设条件

为解决多个零部件自制还是外包的问题,我们结合实际情况做出如下假设:

(1)产品需要自制还是外包选择的零部件的数量为n。

(2)第j个零部件自制的总成本为cj,其中j=1,2,3,…,n。

(3)第j个零部件外包的总成本为dj,其中j=1,2,3,…,n。

(4)企业开发研制生产该产品投资总额为b。

(5)决策变量为xj。

2.2 建立0-1目标规划模型

以产品总成本最小化为目标,以资金限制为约束,并结合零部件自制和外包总成本与其他成本的相互关系,建立模型1。

模型1可用穷举法、简单枚举发法或隐枚举法求出最优解。本文主要阐述模型1的经济意义。

3 模型1的经济含义

模型1中,(1)式是目标函数,它表示决策目标是为了实现产品总成本最小化。xj为决策变量,当xj取1时意味着第j个零部件外包,取0时则意味着该零部件由企业内部自制。表示所有零部件自制的成本总和,表示第j个零部件自制的成本,表示第j个零部件外包的成本,所以表示所有零部件自制的总成本减去其中外包零部件原先需要自制的成本再加上外包零部件所需成本,即是产品的总成本。

(2)式是资金约束条件,所有零部件所需成本总和不得大于企业投资的总额。其中cj=cj1qj+cj2+cj3+cj4,cj1为第j个零部件自制的边际成本,即每生产该零部件一个单位的产品有cj1费用的投入;qj为第j个零部件所需数量;cj2为第j个零部件自制的固定成本;cj3为第j个零部件自制的管理成本;cj4为第j个零部件自制的机会成本。dj=dj1+dj2+dj3+dj4,dj1为第j个零部件外包的价格,这个价格是企业应付给外包企业该零部件折扣后的最终价格;dj2为第j个零部件外包的管理成本;dj3为第j个零部件外包的交易成本;dj4为第j个零部件外包的机会成本。

对于零部件成本的分析不但包括零部件生产成本还应包括隐性成本———管理成本、交易成本和机会成本,这方面的成本由于隐性化,常常被人们所忽视。接下来对管理成本、交易成本以及机会成本进行解释。

管理成本(Management Cost):对于企业自制的管理成本,是指企业为确保零部件的生产,计划、组织、协调、人员调度等管理费用,而对于企业外包的管理成本是企业培育外包人员对企业文化的认同感,对外包公司的管理费用。

交易成本(Transaction Cost):1937年,科斯(Coase)在《企业的性质》中将交易成本定义为运用市场机制的费用,并进一步指出交易费用包括市场上搜寻有关的价格信息、为了达成交易进行谈判和签约以及监督合约执行等活动花费的费用。可见交易成本是企业选择外包还是自制的一个关键因素,影响着评价结果的真实可靠程度。为了分析方便把交易成本细分为:信息搜寻成本、交易谈判成本、契约拟订和实施成本、交易变更成本四个方面。在分析交易成本时,企业应明确与供应商建立什么样的合作关系,Coase认为,通过签订长期的合同,交易费用就可以降低[1,2]。

机会成本(Opportunity Cost)是至少一个交易方不诚实地,以追求自身利益最大化为目的采取行动的时候发生的。发生机会的行为在外包环境中出现的可能性,比在内部交易中出现的可能性大,这是因为利润分配是组织间交易内生的。一般来说,组织内部成员拥有更多和更好的机会对机会行为的制约。当然,在组织内部仍然存在着机会行为。所以外包中的机会成本往往高于组织内部机会成本[3]。

(3)式是决策变量的0-1约束。

模型1是应用0-1规划解决多个零部件自制与外包选择的基本模型,实际应用可以根据实际情况对模型1进行改进,如增加、减少、改变约束条件等,以便达到更好的效果。下面给出实例进行分析。

4 实例分析

设一家企业准备生产一批产品,该产品的零部件共计10个。企业预投资100万元来生产该批产品。通过模型1对零部件进行自制与外包的决策,以达到产品总成本最小。经过整理统计所需数据如下。

零部件自制的相关数据如下:

零部件外包的相关数据如下:

使用工具MATLAB6.5对模型1求解得下表中的结果。

可见,Z为最优成本838220元,零部件1、3、5、6、8、9、10采取外包,零部件2、4、7应采取自制。

5 结束语

零部件的自制与外包的决策,不仅影响企业的战略选择,甚至影响企业的生死存亡。使用科学的方法在多个零部件自制与外包的选择可以最大程度的利用资金,实现产品总成本最小的目标。本文在一些假设条件下给出了0-1规划进行零部件自制与外包选择的基本模型,并给以实例加以分析,希望对企业管理者决策者提供一定的参考价值。

摘要：将0-1规划原理运用到零部件自制与外包的决策过程中,能较好解决多个零部件自制与外包的选择问题。通过建立0-1规划模型对自制与外包进行决策,以达到总成本最小的目的,最后给出实例加以分析。