A new approach for determining the most important system components and the budget-constrained system reliability improvement

Pavlović, P.; Makajić-Nikolić, D.; Vujošević, M.

doi:10.17531/ein.2017.3.12

Artykuł - szczegóły

Tytuł artykułu

A new approach for determining the most important system components and the budget-constrained system reliability improvement

Autorzy

Pavlović P. , Makajić-Nikolić D. , Vujošević M.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

DOI

10.17531/ein.2017.3.12

Warianty tytułu

Nowe podejście do wyznaczania najważniejszych elementów systemu oraz poprawy niezawodności systemu w warunkach ograniczonego budżetu

Języki publikacji

Abstrakty

Importance measures are used for indexing system components due to their impact on the system’s overall reliability. In order to identify the specific number of the most critical components, first-ranked components are singled out as the most important ones. However, importance measures consider only the influence of individual components and they are not applicable to combinations or groups of components. This common feature of importance measures is referred to in literature as one of still open issues. This paper proposes a new approach for determining the most important system components, where a whole set of components are determined simultaneously taking into account their interdependence. In systems with a large number of interdependent components, the number of the most important components which should be prevented is often limited due to the available budget. Using pre-known minimal cut sets, a mathematical model based on the Budgeted Maximum Coverage Problem is proposed. By its optimization, the simultaneous determination of all of the most important components whose total expenses do not exceed the limited overall budget is achieved. The new approach was tested by a series of experiments conducted over a set of test examples. The results of the experiments were compared with the results obtained using two commonly used cost importance measures.

W złożonych systemach, w których koszty poprawy niezawodności poszczególnych elementów są znane, często ogranicza się budżet przeznaczony na podnoszenie ogólnej niezawodności systemu. W takich przypadkach konieczna jest maksymalizacja niezawodności systemu przy jednoczesnym utrzymaniu kosztów na poziomie minimum. Powszechnie znane metody rozwiązywania powyższego problemu opierają się na wyznaczaniu ważności kosztów, co wymaga określenia rang elementów składowych systemu, a w dalszej kolejności wyodrębnienia pewnej liczby najważniejszych elementów pierwszorzędnej rangi. W niniejszej pracy zaproponowano nowe podejście do określania najważniejszych komponentów systemu w oparciu o problem maksymalnego pokrycia w granicach budżetu (budgeted maximum coverage problem); podejście wdrażano z wykorzystaniem wcześniej znanych minimalnych przekrojów niezdatności. Optymalizacja proponowanego modelu matematycznego, pozwoliła na jednoczesne wyznaczenie wszystkich najważniejszych elementów, dla których łączne wydatki na utrzymanie ruchu nie przekraczały całkowitego ograniczonego budżetu. Nowe podejście zostało przebadane w serii eksperymentów przeprowadzonych na zbiorze przykładów testowych, za które posłużyły wzorcowe drzewa błędów. Wyniki badań porównano z wynikami uzyskanymi za pomocą dwóch miar ważności kosztów – miary ważności opartej na kosztach oraz miary ważności opartej na opłacalności. W większości przypadków, proponowany model dawał lepsze wyniki niż pomiary ważności kosztów.

Słowa kluczowe

reliability importance measures critical components budgeted maximum coverage problem optimization

niezawodność miara ważności element krytyczny problem maksymalnego pokrycia zbioru w granicach budżetu optymalizacja

Wydawca

Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne

Czasopismo

Eksploatacja i Niezawodność

Rocznik

2017

Tom

Vol. 19, no. 3

Strony

413--419

Opis fizyczny

Bibliogr. 29 poz., rys.

Twórcy

autor

Pavlović P.

petar.pavlovic@vtssa.edu.rs

Higher Medical and Business-Technological School of Applied Studies in šabac Hajduk Veljkova 10, 15000 šabac, Serbia

autor

Makajić-Nikolić D.

makajic-nikolic.dragana@fon.bg.ac.rs

University of Belgrade Faculty of Organizational Sciences Jove Ilića 154, 11000 Belgrade, Serbia

autor

Vujošević M.

vujosevic.mirko@fon.bg.ac.rs

University of Belgrade Faculty of Organizational Sciences Jove Ilića 154, 11000 Belgrade, Serbia

Bibliografia

1. Armstrong M. Joint reliability importance of elements. IEEE Transactions on Reliability 1995; 44(3): 408-412, https://doi. org/10.1109/24.406574.
2. Birnbaum Z. On the importance of different components in a multicomponent system. In P. Krishnaiah (Ed.), Multivariate Analysus-II. New York: Academic Press 1969.
3. Bar-Yam Y. Dynamics of complex systems (Vol. 213). Reading, MA: Addison-Wesley 1997.
4. Borgonovo E, Apostolakis G. A new importance measure for risk-informed decision making. Reliability Engineering and System Safety 2001; 72: 193-212 ,https://doi.org/10.1016/S0951-8320(00)00108-3.
5. Caskurlu B, Mkrtchyan V, Perekh O, Subramani K. On Pratial Vertex Cover and Budgeted Maximum Coverage Problems in Bipartite Graphs. Theoretical Computer Science: 8th IFIP TC 1/WG 2.2 International Conference, TCS 2014, Rome, Italy: Springer 2014; 13-25.
6. Curtis DE, Pemmaraju SV, Polgreen P. Budgeted Maximum Coverage with Overlapping Costs: Monitoring the Emerging Infections Network. 2010 Proceedings of the Twelfth Workshop on Algorithm Engineering and Experiments (ALENEX). Society for Industrial and Applied Mathematics 2010.
7. Der Kiureghian A, Song J. Multi-scale reliability analysis and updating of complex systems by use of linear programming. Reliability Engineering and System Safety 2008; 93(2): 288-297, https://doi.org/10.1016/j.ress.2006.10.022.
8. Du D, Ko K, Hu X. Design and analysis of appromaxition algorithms. Springer Optimization and Its Applications 2012, https://doi. org/10.1007/978-1-4614-1701-9.
9. Ericson II C A. Hazard Analysis technique for System Safety. New Jersey: John Wiley & Sons 2015.
10. Espitrity J, Coit D, Prakash U. Component criticalty importance measures for the power industry. Electric Power Systems Research 2007; 407-420, https://doi.org/10.1016/j.epsr.2006.04.003.
11. GLPK (GNU Linear Programming Kit) From: www.gnu.org/software/glpk.
12. Gupta S, Bachttacharya J, Barabady J, Kumar U. Cost-effective importance measure: A new approach for resource prioritization in a production plant. International Journal of Quality & Realibility Management 2013; 30 (4): 379-386, https://doi.org/10.1108/02656711311308376.
13. Khuller S, Moss A, Naor J. The budgeted maximum coverage problem. Information Processing Letters 1999; 70 (1): 39-45, https://doi. org/10.1016/S0020-0190(99)00031-9.
14. Kuo W, Zhu X. Importance measures in reliability, risk and optimization. Chichester: John Whiley & Sons 2012, https://doi. org/10.1002/9781118314593.
15. Ladyman J, Lambert J, Wiesner K. What is a complex system? European Journal for Philosophy of Science 2013; 3(1): 33-67, https://doi. org/10.1007/s13194-012-0056-8.
17. Li Y F, Mi J, Huang H Z, Zhu S P, Xiao N. Fault tree analysis of train rear-end collision accident considering common cause failure. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2013; 15 (4): 403–408.
18. Rauzy A. A Benchmark of Boolean Formulae. From http://iml.univmrs.fr/~arauzy/aralia/ benchmark.htm.
19. Revelle C S. A bibliography for some fundamental problem categories in discrete location science. European Journal of Operational Research 2008; 184 (3): 817-848, https://doi.org/10.1016/j.ejor.2006.12.044.
20. Van der Borst M, Schoonakker H. An overview of PSA importance measures. Reliability Engineering and System Safety 2001; 72 (3): 241245, https://doi.org/10.1016/S0951-8320(01)00007-2.
21. van Heuven van Staereling I, de Keijzer B, Schafer G. The Ground-Set-Cost Budgeted Maximum Coverage Problem. 41st International Symposium on Mathematical Foundations of Computer Science (MFCS 2016). Dagstuhl Research Online Publication Server, 2016.
22. Vaurio J. Ideas and developments in importance measures and fault-tree techiques for reliability and risk analysis. Reliability Engineering and System Safety 2010; 95: 99-107, https://doi.org/10.1016/j.ress.2009.08.006.
23. Vesely W, Davis T, Denning R, Saltos N. Measures of risk importance and their applications. Columbus: Battelle Columbus Labs, OH (USA), 1983, https://doi.org/10.2172/5786790.
24. Wu S. Joint importance of multistate system. Computers & Industrial Engineering 2005; 49: 63-67, https://doi.org/10.1016/j. cie.2005.02.001.
25. Wu S, Coolen F. A cost-based importance measure for system components: An extension of the Birnbaum importance. European Journal of Operational Research 2013; 189-195, https://doi.org/10.1016/j.ejor.2012.09.034.
26. Zafiropoulos E P, Dialynas N E. Methodology for the optimal component selection of electronic devices under reliability and cost constraints. Quality and Reliability Engineering International 2007; 23 (8): 885-897, https://doi.org/10.1002/qre.850.
27. Zaitseva E, Levashenko V, Kostolny J. Application of logical differential calculus and binary decision diagram in importance analysis. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2015; 17 (3): 379–388, https://doi.org/10.17531/ein.2015.3.8.
28. Zio E. Risk importance measures. In H. Pham (Ed.), Safety and risk modeling and its applications. London: Springer 2011; 151-196, https:// doi.org/10.1007/978-0-85729-470-8_6.
29. Zio E, Podofilini L. Accouniting for components interactions in the differential importance measure. Reliability Engineering and System Safety 2006; 91: 1163-1174, https://doi.org/10.1016/j.ress.2005.11.044.
30. Zio E, Podofilini L. The use of importance measures for the optimization of multi-state systems. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2006; 2: 33-36.

Uwagi

Błędna numeracja bibliografii.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-283aaf78-2fbe-474c-afa4-10027d2554e1