大量自动化、智能化设备的研制和使用是现代先进制造业的重要特征之一。设备的健康状态和运行效率直接影响着产品的质量和产率,进而决定了工厂的制造成本和收益。我国制造企业经过数字化改造,已经具备了一定的生产现场信息采集与存储的能力。根据工厂特定的生产模式和历史运行数据,有针对性的制定设备维修策略和方案,有助于进一步提升工厂的管理水平和综合竞争力。本文以设备加工质量的波动情况作为设备健康状态的评估指标,根据统计质量控制理论将生产设备的运行状态分为受控和失控两种水平,并用控制图进行识别与报警维修,形成了基于统计质量控制的设备视情维修方法(Statistical Quality Control-Condition Based Maintenance,SQC-CBM)。在对批量生产过程进行合理的简化和假设后,本文讨论了设备在特定生产和维修策略条件下可能存在的状态,并基于历史生产数据、控制图原理和贝叶斯理论等对状态转移概率或速率进行了统计、分析和计算,进而建立了设备的SQC-CBM马尔科夫状态空间模型。利用该模型可计算出生产系统在相应的过程质量控制和设备维修策略组合下的期望投入或产出,从而通过搜索比较得到使系统期望成本最低或期望利润最高的最优方案。本文用时间、状态均离散的马尔科夫链对计数型检验的SQC-CBM方法进行建模,采用级数求和的方式计算状态转移概率,在抽样检验和设备维修时间可忽略不计的假设下,对属性控制图监控下串联生产系统的加工、检测和维修成本进行了分析计算,以得出指导各设备视情维修的最佳属性控制图参数。针对计量型检验,本文首先建立了单工位的连续时间齐次马尔科夫模型。为了减少虚发警报引起的停机损失,同时给视情维修预留出必要的准备时间,本文提出了一种延迟维修策略,允许设备在控制图发出警报后继续运行一段时间再进行主动检修。在用Tecnomatix仿真实验验证了模型的准确性后,用该模型求解和分析单工位在不同的生产条件下的最佳设备维修方案。在此基础上,进一步建立了串联生产系统的SQC-CBM递推模型,考虑缓冲区库存容量无限的条件下,设备停机检修和残次品流出对下游工位产生的传递效应,从系统角度对各设备的维修方案进行整体优化,并用遗传算法求解最优SQC-CBM决策参数。最后,本文介绍了SQC-CBM决策支持系统(Decision Support System,DSS)的功能实现过程,帮助工厂管理人员利用现有的信息系统软件中大量的历史数据,对生产设备的维修策略进行优化,提供有效的SQC-CBM解决方案,并列举了几个工程应用案例对系统的可行性予以验证。