航空发动机车间维修成本预测

• 论文 •

航空发动机车间维修成本预测

付旭云，王瑞，钟诗胜

1.哈尔滨工业大学机电工程学院，黑龙江哈尔滨150001;2.哈尔滨工业大学（威海船舶工程学院，山东威海264209

出版日期:2010-10-15 发布日期:2010-10-25

Aeroengine shop visit cost prediction

FU Xu-yun, WANG Rui, ZHONG Shi-sheng

1.School of Mechatronics Engineering, Harbin Institute of Technology, Harbin 150001, China;2.School of Naval Architecture, Harbin Institute of Technology at Weihai, Weihai 264209, China

Online:2010-10-15 Published:2010-10-25

摘要/Abstract

摘要： 为提高航空发动机车间维修成本的预测精度，对工时+材料合同模式下的车间维修成本构成进行了分析，将其重新划分为确定Ⅰ型成本、确定Ⅱ型成本、不确定Ⅰ型成本和不确定Ⅱ型成本。对不确定Ⅰ型成本和不确定Ⅱ型成本，分别建立了重要件报废概率模型和其他器材费和修理费的成本概率模型，采用粒子群优化算法对模型参数进行了求解。采用某航空公司的实际数据对所提方法进行了验证，开发了一套原型系统。通过在某大型航空公司中的试用，验证了原型系统的有效性。

关键词: 航空发动机, 车间维修成本, 成本预测, 报废概率模型, 成本概率模型

Abstract: To improve prediction accuracy of aeroengine shop visit cost, the shop visit cost under contract of man hour and material was analyzed and redivided into the determinacy cost of typeⅠ, the determinacy cost of typeⅡ, the indeterminacy cost of typeⅠand the indeterminacy cost of typeⅡ. Scrap probability model of important part and the cost probability model of other material and repair were established for the indeterminacy cost of typeⅠ and typeⅡ, and then particle swarm optimization was adopted to obtain models' parameters. Finally, the presented method was verified by using the actual data from some airline and a prototype system was developed. A large airline had a trial of the prototype system. The trial results showed that the prototype system could satisfy the airline's requirements.

Key words: aeroengine, shop visit cost, cost prediction, scrap probability model

中图分类号:

V267

付旭云，王瑞，钟诗胜. 航空发动机车间维修成本预测[J]. .

FU Xu-yun, WANG Rui, ZHONG Shi-sheng. Aeroengine shop visit cost prediction[J]. .

[1]	张玉金,黄博,廖文和. 面向场景的航空发动机基于模型的系统工程设计[J]. 计算机集成制造系统, 2021, 27(11): 3093-3102.
[2]	付宇,殷逸冰,冒慧杰,左洪福,冯正兴. 基于静电监测和神经网络的航发典型故障诊断[J]. 计算机集成制造系统, 2019, 25(第11): 2852-2862.
[3]	聂兆伟,熊丹丹. 航空发动机叶片自适应修复目标曲面重构[J]. 计算机集成制造系统, 2019, 25(第1): 53-60.
[4]	杜党党,贾晓亮,王卓. 基于故障彩色图谱的航空发动机故障模式识别[J]. 计算机集成制造系统, 2018, 24(第9): 2297-2305.
[5]	陈志英,刘勇,周平,刘广通. 基于改进田口试验法的装配公差分析[J]. 计算机集成制造系统, 2018, 24(第5): 1200-1206.
[6]	柳强,焦国帅. 基于改进NSGA-Ⅱ的航空发动机管路多目标布局优化[J]. 计算机集成制造系统, 2018, 24(第5): 1217-1227.
[7]	陈振,贾晓亮. 不确定条件下航空发动机大修周期预测方法[J]. 计算机集成制造系统, 2018, 24(第2): 281-289.
[8]	周金华,任军学,蔡菊. 基于RBF神经网络的航空叶片铣削残余应力预测[J]. 计算机集成制造系统, 2018, 24(第2): 361-370.
[9]	李联辉,尹冠飞,莫蓉. 面向航空发动机装配过程的信息追溯与过程监控[J]. 计算机集成制造系统, 2018, 24(第12): 2986-3000.
[10]	张军锋,史耀耀,蔺小军,段继豪,张宏基,李志山. 基于灰色关联分析的叶片砂带抛光参数优化[J]. 计算机集成制造系统, 2017, 23(第4期): 806-814.
[11]	淮文博,史耀耀,唐虹,蔺小军,张溦. 砂布轮抛光叶片表面粗糙度预测与参数优化[J]. 计算机集成制造系统, 2017, 23(第12): 2708-2718.
[12]	王辉,周明星,余杰,王文宇,黄博浩,融亦鸣. 航空发动机叶片保形加工中的定位误差数值建模与分析[J]. 计算机集成制造系统, 2016, 22(第9期): 2118-2126.
[13]	姜天华,严洪森. 面向航空发动机装配车间知识化制造系统自进化[J]. 计算机集成制造系统, 2015, 21(第12期): 3222-3230.
[14]	杜党党,贾晓亮,郝超博. 基于遗传过程神经网络算法的航空发动机健康状态图谱化预测方法[J]. 计算机集成制造系统, 2015, 21(第11期): 2980-2987.
[15]	付旭云,陕振勇,李臻,钟诗胜. 时变模糊神经网络及其在航空发动机排气温度预测中的应用[J]. 计算机集成制造系统, 2014, 20(4): 919-.