1.4　现有方法的不足

1.4.1　设备健康预测研究的不足

综合以上文献分析结果，发现大部分对机械设备的健康预测研究都是在确定的样本数据下进行的，在数据不确定下进行设备健康预测的研究却很少，或者针对不确定数据问题的解决很难得到满意的结果。但在机械实际运转过程中，会出现样本数据不确定的情况[55][56][57]。不确定的数据会降低从数据集中抽取模式的正确度和导出规则的准确度，不仅增加数据分析的难度，而且会导致数据挖掘的结果产生偏差，不能准确地对设备进行故障诊断和寿命预测。因此，如果能够对不确定的样本数据先进行一系列的预处理工作，然后利用确定的样本数据去为设备的健康状态做出诊断，就可以为设备未来的运行趋势做出更精确的预测。

1.4.2　设备维护研究的不足

通过对以上国内外单设备维护策略和多设备维护策略以及设备维护与备件联合优化的相关文献分析，可以发现学者们对单设备的研究比较多而且理论也较为完善，但对于多设备组成系统的研究较迟且研究成果不多。设备维护理论可以有效地帮企业减少维护成本，增加市场竞争力，使企业能够更好地运作。设备维护优化主要是帮助企业节约维护成本和保证生产的安全进行。设备的故障一般分为可修复故障和不可修复故障，当设备发生可修复故障时，对设备进行小修或者大修；当设备发生不可修复故障时，对设备更换维护。维护的方式有不完美维护和完美维护，在对设备进行不完美维护的时候，维护后的设备不能恢复到全新状态，当对设备进行完美维护时，设备的状态变成全新。设备会随着运行时间的增长，故障发生的频率逐渐地增加，维护的难度也逐渐地增加。在过去的几十年内，学者们对单设备的维护研究得非常仔细，而且成果也非常丰硕，对设备退化过程进行描述的随机过程也很多，其中比较常用的是连续时间马尔可夫过程、离散时间马尔可夫过程、伽马过程、维纳过程等。对单设备系统的维护策略主要有状态维护策略、定周期维护策略、基于年龄的维护策略、弹性周期维护策略等。状态维护策略与其他维护策略相比，它可以提高维护的效率，因为它是基于设备的实际状态进行维护，既不会维护过度也不会维护不足。对多设备系统的维护策略研究，主要考虑设备之间的三种关系，分别是经济相关性、结构相关性、随机相关性，一般对多设备系统的维护方式主要有三种，分别是状态维护策略、分组维护策略和机会维护策略。对单设备和多设备系统的维护策略研究时，很多没有考虑备件这个因素，即备件是随取随用的，但是在实际中备件的数量是否满足维护需求是未可知的，而且备件的订购数量是否合理都是需要考虑的因素，因此对设备维护策略和备件的订购策略进行联合优化，可以使企业减少维护成本。

从生产与维护联合优化问题的研究中可以发现，维护费用，检查费用和生产成本均已被考虑到总成本模型中去。但是这些模型中，有的忽视维护所需的停工时间对生产能力造成的影响。也有的把维护活动看得过于单一，只是给出一个固定的维护时间，没有考虑到维护时间与具体的零部件的复杂程度和故障的严重程度相关。