Identification of systems reliability

• Autorzy: Wesołowski Z.
• Języki publikacji: EN

Abstrakty

EN

A purpose of the article is discussing the method of technical systems reliability modelling. The most important methods used for constructing realist models of the physical world, i.e. the method of the experimental modelling and the method of the probabilistic modelling, were presented. The particular attention was focussed on the method of the probabilistic modelling allowing for taking into account uncertainty in functioning of systems. An example of using the proposed method to the modelling of the reliability of the air-traffic-control-system was quoted.

Słowa kluczowe

EN

identification; systems; modelling; reliability of systems

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczo-Humanistycznego w Siedlcach
• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2011
• Tom: Vol. 1-2(15)
• Strony: 43--54
• Opis fizyczny: Bibliogr. 25 poz., rys.

Twórcy

autor

Wesołowski Z.

• Institute of Computer and Information Systems Faculty of Cybernetic, Military University of Technology Kaliskiego St. 2, 00-908 Warsaw, Poland

Bibliografia

• [1] Anderson T.W. (1971) The statistical analysis of time series. John Wiley & Sons, Inc., New York.
• [2] Benes J. (1979) Teoria systemów. PWN, Warszawa.
• [3] Bobrowski D. (1985) Modele i metody matematyczne teorii niezawodności w przykładach i zadaniach. WNT, Warszawa.
• [4] Box G.E.P., Jenkins G.M., Reinsel G.C. (2008) Time series analysis. Forecasting and control. John Willey and Sons, Inc., Hoboken.
• [5] Buslenko N. P. (1979) Teoria systemów złożonych. PWN, Warszawa.
• [6] Dodson B., Nolan D. (1999) Reliability Engineering Handbook. Marcel Dekker Inc.
• [7] Firkowicz Sz. (1970) Statystyczne badanie wyrobów. WNT, Warszawa.
• [8] Fishman G.S. (1981) Symulacja komputerowa. Pojęcia i metody. PWE, Warszawa.
• [9] Fisz M. (1967) Rachunek prawdopodobieństwa i statystyka matematyczna. PWN, Warszawa.
• [10] Gentle J.E. (2003) Random number generation and Monte Carlo methods. Springer, Heidelberg.
• [11] Gentle J.E. (ed.), Hardle W. (ed.) , Mori Y. (ed.) (2004) Handbook of Computational Statistics. Springer, Heidelberg.
• [12] Griffith W.S. (1980) Multi-state reliability models. Journal of Applied Probability, 17, 735-744, (1980).
• [13] Gutenbaum J. (1992) Modelowanie matematyczne systemów. Instytut Badań Systemowych PAN, Warszawa.
• [14] Karpiński J., Korczak E. (1990) Metody oceny niezawodności dwustanowych systemów technicznych. Instytut Badań Systemowych PAN, Warszawa.
• [15] Klir G.J. (1976) Ogólna teoria systemów. WNT, Warszawa.
• [16] Korzan B. (1986) Procesy stochastyczne i teoria niezawodności. WAT, Warszawa.
• [17] Linhart H., Zucchini W. (1986) Model selection. Wiley, New York.
• [18] Ljung L. (1999) System identification. Theory for the user. PTR Prentice Hall, Upper Saddle River.
• [19] Mańczak K., Nahorski Z. (1983) Komputerowa identyfikacja obiektów dynamicznych. PWN, Warszawa.
• [20] Nelles O. (2001) Nonlinear system identification. Front classical approaches to neural networks andfuzzy modełs. Springer, Berlin.
• [21] Pacut A. (1985) Prawdopodobieństwo. Teoria. Modelowanie probabilistyczne w technice. WNT, Warszawa.
• [22] Papoulis A. (1972) Prawdopodobieństwo, zmienne losowe i procesy stochastyczne. WNT, Warszawa.
• [23] Sóderstróm T., Stoica P. (1997) Identyfikacja systemów. PWN, Warszawa.
• [24] Wesołowski Z. (2006) Analiza niezawodnościowa niestacjonarnych systemów czasu rzeczywistego. Redakcja Wydawnictw Wojskowej Akademii Technicznej, Warszawa.
• [25] Zieliński R., Wieczorkowski R. (1997) Komputerowe generatory liczb losowych. WNT, Warszawa.