دانلود مقاله انگلیسی رایگان:یادگیری تقویتی عمیق برای برنامه ریزی نگهداری مبتنی بر شرایط سیستم های چند جزئی تحت خطرات رقابت وابسته - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Deep reinforcement learning for condition-based maintenance planning of multi-component systems under dependent competing risks Deep reinforcement learning for condition-based maintenance planning of multi-component systems under dependent competing risks
    Deep reinforcement learning for condition-based maintenance planning of multi-component systems under dependent competing risks

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Deep reinforcement learning for condition-based maintenance planning of multi-component systems under dependent competing risks


    ترجمه فارسی عنوان مقاله:

    یادگیری تقویتی عمیق برای برنامه ریزی نگهداری مبتنی بر شرایط سیستم های چند جزئی تحت خطرات رقابت وابسته


    منبع:

    Sciencedirect - Elsevier - Reliability Engineering and System Safety, 203 (2020) 107094. doi:10.1016/j.ress.2020.107094


    نویسنده:

    Nailong Zhanga,⁎, Wujun Sib


    چکیده انگلیسی:

    Condition-Based Maintenance (CBM) planning for multi-component systems has been receiving increasing attention in recent years. Most existing research on CBM assumes that preventive maintenances should be conducted when the degradations of system components reach specific threshold levels upon inspection. However, the search of optimal maintenance threshold levels is often efficient for low-dimensional CBM but becomes challenging if the number of components gets large, especially when those components are subject to complex dependencies. To overcome the challenge, in this paper we propose a novel and flexible CBM model based on a customized deep reinforcement learning for multi-component systems with dependent competing risks. Both stochastic and economic dependencies among the components are considered. Specifically, different from the threshold-based decision making paradigm used in traditional CBM, the proposed model directly maps the multicomponent degradation measurements at each inspection epoch to the maintenance decision space with a cost minimization objective, and the leverage of deep reinforcement learning enables high computational efficiencies and thus makes the proposed model suitable for both low and high dimensional CBM. Various numerical studies are conducted for model validations.
    Keywords: Maintenance | Markov decision process | Deep Q network | Failure dependency | Cost minimization


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 520 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi