Maintenance strategy decision for avionics system based on cognitive uncertainty information processing

• Autorzy: Tu J. , Sun C. , Zhang X. , Pan H. , Cheng R.

Warianty tytułu

PL

Decyzja w zakresie strategii utrzymania ruchu układu elektroniki lotniczej w oparciu o przetwarzanie informacji związanych z niepewnością kognitywną

• Języki publikacji: EN

Abstrakty

EN

Proper maintenance schedule is required to improve avionics systems reliability and safety. A decision approach to maintenance strategy remains a longstanding challenge in avionics system. With regard to fault diagnosis and equipment maintenance of avionics system, in which the equipment fault information are complex and uncertainty, a multi criteria of decision making method for avionics system based on cognitive uncertainty information processing is proposed to be used in the maintenance strategy decision. Firstly, vague set with three-parameters is introduced to make up for the shortage of the original vague set in expressing fuzzy information, a linguistic variables describing the qualitative indexes into three parameter vague of interval number is proposed. At the same time, due to risk psychological factors of maintenance policymakers that cause cognitive uncertainty are introduced into the maintenance decision process, and a prospect value function of three parameters vague interval value is defined based on prospect theory and the formula for measuring the distance between vague interval value, and a non-linear model of equipment maintenance policies can be established. The implementing process of maintenance policy decision for avionics system based on cognitive uncertainty information processing is given in this paper, and a ranking of the maintenance alternatives is determined. Finally, A specific example of decision of maintenance strategies in avionics system with the application of the proposed method is given, showing that the reliability centered maintenance strategy is the most suitable for avionics system.

PL

Doskonalenie niezawodności i bezpieczeństwa układów elektroniki lotniczej wymaga odpowiedniego harmonogramu działań obsługowych. Podejście decyzyjne do strategii utrzymania ruchu od dawna pozostaje wyzwaniem w systemach awioniki. W odniesieniu do diagnozy uszkodzeń i konserwacji urządzeń systemów elektroniki lotniczej, w których informacje o usterkach urządzeń są złożone i obarczone niepewnością, zaproponowano metodę wielokryterialnego podejmowania decyzji opartą na przetwarzaniu informacji związanych z niepewnością kognitywną, którą można stosować przy podejmowaniu decyzji dotyczących strategii utrzymania ruchu. Po pierwsze, wprowadzono nieostry zbiór trzech parametrów, które pozwalają na wyrażenie wartości liczbowej zaproponowanych zmiennych lingwistycznych opisujących wskaźniki jakościowe, jako wartości z przedziału nieostrego. Jednocześnie, do pojęcia procesu decyzyjnego dotyczącego utrzymania ruchu wprowadzono pojęcie ryzyka związanego z powodującymi niepewność poznawczą czynnikami psychologicznymi kierującymi osobami podejmującymi decyzje obsługowe. Zdefiniowano także funkcję oceny dla wartości z przedziału nieostrego trzech parametrów na podstawie teorii perspektywy i wzór do pomiaru odległości między wartościami z przedziału nieostrego, oraz ustalono nieliniowy tryb polityki konserwacji sprzętu. W artykule zaprezentowano proces implementacji decyzji w zakresie polityki konserwacji układów elektroniki lotniczej w oparciu o przetwarzanie informacji związanych z niepewnością kognitywną, stworzono też ranking dostępnych alternatyw w zakresie utrzymania ruchu. Na koniec, zaprezentowano konkretny przykład decyzji w zakresie strategii konserwacji układów elektroniki lotniczej z zastosowaniem proponowanej metody, pokazując, że strategia utrzymania ruchu oparta na niezawodności jest najbardziej odpowiednia dla układów awioniki.

Słowa kluczowe

EN

avionics system; vague sets; prospect theory; maintenance strategy; multicriteria decision making

PL

układ elektroniki lotniczej; zbiory nieostre; teoria perspektywy; strategia utrzymania ruchu; wielokryterialne podejmowanie decyzji

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2015
• Tom: Vol. 17, no. 2
• Strony: 297--305
• Opis fizyczny: Bibliogr. 28 poz., rys., tab.

Twórcy

autor

Tu J.

• School of Information Engineering Nanchang Hangkong University No. 696, Fenghenan Avenue, Honggutan New Zone Nanchang, Jiangxi, 330063, China

autor

Sun C.

• School of Information Engineering Nanchang Hangkong University No. 696, Fenghenan Avenue, Honggutan New Zone Nanchang, Jiangxi, 330063, China

autor

Zhang X.

• School of Information Engineering Nanchang Hangkong University No. 696, Fenghenan Avenue, Honggutan New Zone Nanchang, Jiangxi, 330063, China

autor

Pan H.

• Magnetic Suspension Traffic Engineering Technology Research Center of Tongji University Shanghai, 201804, China

autor

Cheng R.

• School of Information Engineering Nanchang Hangkong University No. 696, Fenghenan Avenue, Honggutan New Zone Nanchang, Jiangxi, 330063, China

Bibliografia

• 1. Al-Najjar B, Alsyouf I. Selecting the most efficient maintenance approach using fuzzy multiple criteria decision making. International Journal of Production Economics 2003;84:85-100, http://dx.doi.org/10.1016/S0925-5273(02)00380-8.
• 2. Azizollah Jafari, Mehdi Jafarian, Abalfazl Zareei. Using Fuzzy Delphi Method in Maintenance Strategy Selection Problem. Jouranl of Uncertain system 2008; 2(4): 289-298.
• 3. Bevilacqua M., Braglia M.. The analytic hierarchy process applied to maintenance strategy selection. Reliability Engineering and System Safety 2000;70(1):71-83, http://dx.doi.org/10.1016/S0951-8320(00)00047-8.
• 4. Bram de Jonge, Warse Klingenberg, Ruud Teunter, Tiedo Tinga. Optimum maintenance strategy under uncertainty in the lifetime distribution. Reliability Engineering and System Safety, 2015;133(2):59–67, http://dx.doi.org/10.1016/j.ress.2014.09.013.
• 5. Dehuang Chen, Xiaowei Wang, Jing Zhao. Aircraft Maintenance Decision System Based on Real-time Condition Monitoring. Procedia Engineering 2012;29 (1): 765 – 769, http://dx.doi.org/10.1016/j.proeng.2012.01.038.
• 6. Echefske Chris K, Wang Zheng. Using fuzzy linguistics to select optimum maintenance and condition monitoring strategies. Mechanical Systems and Signal Processing 2003;17(2): 305-316, http://dx.doi.org/10.1006/mssp.2001.1395.
• 7. Elix C Go’mez de Leo’n Hijes, JOSE´ Javier Ruiz Cartagena. Maintenance strategy based on a multicriterion classification of equipments. Reliability Engineering and System Safety 2006, 91:444-451, http://dx.doi.org/10.1016/j.ress.2005.03.001.
• 8. Gau, W.L., Buehrer, D.J. Vague sets. IEEE Transactions on Systems, Man and Cybernetics 1993; 23 (2): 610–614, http://dx.doi.org/10.1109/21.229476.
• 9. Giorgio Barone, Dan M.Frangopol. Life-cycle maintenance of deteriorating structures by multi-objective optimization involving reliability, risk, availability, hazard and cost. Structural Safety 2014;48 (3): 40-50, http://dx.doi.org/10.1016/j.strusafe.2014.02.002.
• 10. G. Medina-Oliva,P.Weber, B.Iung.Industrial system knowledge formalization to aid decision making in maintenance strategies assessment. Engineering Applications of Artificial Intelligence 2015;37(1):343–360, http://dx.doi.org/10.1016/j.engappai.2014.09.006.
• 11. Haijun Hua, Guangxu Cheng, Yun Li, Yiping Tang. Risk-based maintenance strategy and its applications in a petrochemical reforming reaction system. Journal of Loss Prevention in the Process Industries 2009;22 (2): 392–397, http://dx.doi.org/10.1016/j.jlp.2009.02.001.
• 12. Hai Canh Vu, Phuc Do, Anne Barros, Christophe Bérenguer. Maintenance grouping strategy for multi-component systems with dynamic contexts. Reliability Engineering and System Safety 2014;132(1):233–249, http://dx.doi.org/10.1016/j.ress.2014.08.002.
• 13. Hobbs A. An overview of human factors in aviation maintenance. ATSB safety report, aviation research and analysis report AR 2008;55(1):234-242.
• 14. Jue Wang, Wei Xu, Jian Ma, Shouyang Wang. A vague set based decision support approach for evaluating research funding programs. European Journal of Operational Research 2013; 230 (1): 656-665, http://dx.doi.org/10.1016/j.ejor.2013.04.045.
• 15. Kahneman D,Tversky A. Prospect theory: An analysis of decision under risk. Economic 1979; 47(2): 263-291, http://dx.doi.org/10.2307/1914185.
• 16. Lee J, Ramji A, Andrews KSJ, Darning L, and Dragan B. An integrated platform for diagnostics, prognostics and maintenance optimization. In Proceedings of Intelligent Maintenance System, Arles, France 2004;15-17.
• 17. Nicolai RP, Dekker R. Optimal maintenance of multi-component systems: a review In: Complex system maintenance handbook. London:Springer 2008:263–86, http://dx.doi.org/10.1007/978-1-84800-011-7_11.
• 18. R.R. Yager. Uncertainty representation using fuzzy measures. IEEE Trans Systems, Man, and Cybernetics, Part B, 2002;32 (1):13–20, http://dx.doi.org/10.1109/3477.979955.
• 19. Ruiying Li, Jingfu Wang, Haitao Liao, Ning Huang. A new method for reliability allocation of avionics connected via an airborne network. Journal of Network and Computer Applications 2013;34(2):678-682.
• 20. Seidenman P,Spanovich DJ. Avionics integrity. Aircraft Technology Engineering & Maintenance 2011;6:29–31.
• 21. Sharma,R.K.,D.Kumar, and P. Kumar.FLM to select suitable maintenance strategy in process industries using MISO model, Journal of Quality in Maintenance Engineering 2005;1 1(2):359-374.
• 22. Tan, J. S., Kramer, M. A. A general framework for preventive maintenance optimization in chemical process operations. Computers Chemical Engineering 1997;21(12):1451-1469, http://dx.doi.org/10.1016/S0098-1354(97)88493-1
• 23. Tangbin Xia, Lifeng Xi, Xiaojun Zhou, Jay Lee. Dynamic maintenance decision-making for series parallel manufacturing system based on MAM-MTW methodology. European Journal of Operational Research 2012;221 (1) 231-240, http://dx.doi.org/10.1016/j.ejor.2012.03.027.
• 24. Tversky, A., Kahneman, D.. Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty, 1992;5(4):297–323, http://dx.doi.org/10.1007/BF00122574.
• 25. Vassilis Tsagkas, Dimitris Nathanael,Nicolas Marmaras. A pragmatic mapping of factors behind deviating acts in aircraft maintenance. Reliability Engineering and System Safety 2014;130(1);106–11, http://dx.doi.org/10.1016/j.ress.2014.05.011.
• 26. Xiuli Geng,Xuening Chu,Zaifang Zhang.A new integrated design concept evaluation approach based on vague sets. Expert Systems with Applications 2010;37 (3): 6629–6638, http://dx.doi.org/10.1016/j.eswa.2010.03.058.
• 27. Y. Liu. H. Z. Huang. Optimal selective maintenance strategy for multi-state systems under imperfect maintenance. IEEE Transactions on Reliability 2010;59(2): 356-367, http://dx.doi.org/10.1109/TR.2010.2046798.
• 28. Zhi-Ping Fan, Xiao Zhang, Fa-Dong Chen, Yang Liu. Multiple attribute decision making considering aspiration-levels: A method based on prospect theory. Computers & Industrial Engineering 2013; 65 (1) 341–350, http://dx.doi.org/10.1016/j.cie.2013.02.013.