A Bayesian networks approach for event tree time-dependency analysis on phased-mission system

• Autorzy: Li X.-T. , Tao L.-M. , Jia M.

Warianty tytułu

PL

Oparte na sieciach bayesowskich podejście do analizy zależności czasowychw systemach o zadaniach okresowych wykorzystujące metodę drzewa zdarzeń

• Języki publikacji: EN

Abstrakty

EN

Event tree/ fault tree (E/FT) method is the most recognized probabilistic risk assessment tool for complex large engineering systems, while its classical formalism most often only considers pivotal events (PEs) being independent or time-independent. However, the practical difficulty regarding phased-mission system (PMS) is that the PEs always modelled by fault trees (FTs) are explicit dependent caused by shared basic events, and phase-dependent when the time interval between PEs is not negligible. In this paper, we combine the Bayesian networks (BN) with the E/FT analysis to figure such types of PMS based on the conditional probability to give expression of the phase-dependency, and further expand it by the dynamic Bayesian networks (DBN) to cope with more complex time-dependency such as functional dependency and spares. Then, two detailed examples are used to demonstrate the application of the proposed approach in complex event tree time-dependency analysis.

PL

Metoda drzewa zdarzeń/drzewa błędów jest najbardziej znanym narzędziem probabilistycznej oceny ryzyka w złożonych, dużych systemach inżynieryjnych; jednak jej klasyczny formalizm najczęściej uwzględnia jedynie niezależne lub niezależne od czasu zdarzenia kluczowe. Praktyczną trudnością występującą w systemach o zadaniach okresowych jest to, że zdarzenia kluczowe, które zazwyczaj przedstawiane są w modelach drzewa błędów jako powiązane zależnościami jawnymi, mającymi związek ze wspólnym zdarzeniem podstawowym, tutaj powiązane są zależnościami czasowymi, jako że przedział czasowy pomiędzy pojedynczymi zdarzeniami kluczowymi nie jest bez znaczenia. W niniejszej pracy, połączyliśmy metodologie sieci Bayesa i analizy drzewa zdarzeń/ błędów aby opisać za pomocą pojęcia prawdopodobieństwa warunkowego, zależności czasowe w systemach o zadaniach okresowych, a następnie rozwinęliśmy tę metodę, wykorzystując dynamiczne sieci Bayesa, które pozwalają na analizę bardziej złożonych zależności czasowych, takich jak zależności funkcjonalne i związane z użyciem części zamiennych. W końcowej części pracy przedstawiliśmy dwa szczegółowe przykłady zastosowania proponowanej metody do analizy złożonych zależności czasowych w drzewach zdarzeń.

Słowa kluczowe

EN

time-dependency; Bayesian networks; event tree; fault tree; phased-mission system; reliability; risk analysis

PL

zależność czasowa; sieć bayesowska; drzewo błędów; system o zadaniach okresowych; niezawodność; analiza ryzyka

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2015
• Tom: Vol. 17, no. 2
• Strony: 273--281
• Opis fizyczny: Bibliogr. 25 poz., rys., tab.

Twórcy

autor

Li X.-T.

• Laboratory of Science and Technology on Integrated Logistics Support School of Mechatronics Engineering and Automation National University of Defense Technology De Ya Road., 109, Changsha, Hunan 410073, P. R. China

autor

Tao L.-M.

• Laboratory of Science and Technology on Integrated Logistics Support School of Mechatronics Engineering and Automation National University of Defense Technology De Ya Road., 109, Changsha, Hunan 410073, P. R. China

autor

Jia M.

• Laboratory of Science and Technology on Integrated Logistics Support School of Mechatronics Engineering and Automation National University of Defense Technology De Ya Road., 109, Changsha, Hunan 410073, P. R. China

Bibliografia

• 1. Andrews J, Dunnett SJ. Event-tree analysis using binary decision diagrams. IEEE Transactions on Reliability 2000; 49(2): 230–238, http://dx.doi.org/10.1109/24.877343.
• 2. Bobbio A, Portinale L, Minichino M, Ciancamerla E. Improving the analysis of dependable systems by mapping FTs into Bayesian networks. Journal of Reliability Engineering and System Safety2001; 71: 249–260, http://dx.doi.org/10.1016/S0951-8320(00)00077-6.
• 3. Esary JD, Ziehms H. Reliability analysis of phased missions. In: Barlow RE, Fussell JB, Singpurwalla ND, editors. Reliability and fault tree analysis: theoretical and applied aspects of system reliability and safety assessment. Philadelphia, PA: SIAM; 1975: 213–236.
• 4. Hadi Hosseini, SM, Takahashi M. Combining Static/Dynamic Fault Trees and Event Trees Using Bayesian Networks. SAFECOMP; 2007: 93–99.
• 5. Khakzad N, Khan F, Amyotte P. Safety analysis in process facilities: Comparison of fault tree and Bayesian network approaches. Reliability Engineering and System Safety2011; 96: 925-932, http://dx.doi.org/10.1016/j.ress.2011.03.012.
• 6. Khakzad N, Khan F, Amyotte P. Dynamic safety analysis of process systems by mapping bow-tie into Bayesian network. Process Safety and Environmental Protection 2013; 91:46–53, http://dx.doi.org/10.1016/j.psep.2012.01.005.
• 7. Kim K, Park KS. Phased-mission system reliability under Markov environment. IEEE Transactions on Reliability1994, 43(2): 301-309, http://dx.doi.org/10.1109/24.295013.
• 8. Lampis M, Andrews D. Bayesian belief networks for system fault diagnostics. International Journal of Quality and Reliability Engineering 2009; 25: 409–426, http://dx.doi.org/10.1002/qre.978.
• 9. Langseth H, Portinale L. Bayesian networks in reliability. Reliability Engineering and System Safety2007; 92(1):92-108, http://dx.doi.org/10.1016/j.ress.2005.11.037.
• 10. Marsh DWR, Bearfield G. Generalizing event trees using Bayesian networks. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability2008; 222: 105-114, http://dx.doi.org/10 1243/1748006XJRR131.
• 11. Montani S, Portinale L, Bobbio A, Codetta-Raiteri D. RADYBAN: a tool for reliability analysis of dynamic FTs through conversion into dynamic Bayesian networks. Reliability Engineering and System Safety2008;93:922-932, http://dx.doi.org/10.1016/j.ress.2007.03.013.
• 12. Mura I, Bondavalli A. Markov regenerative stochastic Petri nets to model and evaluate phased mission systems dependability. IEEE Transactions on Computers2001; 50(12): 1337–1351, http://dx.doi.org/10.1109/TC.2001.970572.
• 13. Nývlt O, Rausand M. Dependencies in event trees analyzed by Petri nets. Reliability Engineering and System Safety2012;104: 45–47, http://dx.doi.org/10.1016/j.ress.2012.03.013.
• 14. Portinale L, Raiteri DC, Montani S. Supporting reliability engineers in exploiting the power of dynamic Bayesian networks. International Journal of Approximate Reasoning2010; 51: 179-195, http://dx.doi.org/10.1016/j.ijar.2009.05.009.
• 15. Dugan JB. Automated Analysis of Phased-Mission Reliability. IEEE Transaction on Reliability1991; 10(1): 45-53, http://dx.doi.org/10.1109/24.75332.
• 16. Stamatelatos M. Probabilistic Risk Assessment Procedures Guide for NASA Managers and Practitioners. Technical report. US NASA, Office of Safety and Mission Assurance, NASA Headquarters, Washington, DC; 2011. NASA/SP-2011-3421.
• 17. Tang ZH, Dugan JB. BDD-Based Reliability Analysis of Phased-Mission Systems With Multimode Failures. IEEE transactions on Reliability2006; 55(2): 350-360, http://dx.doi.org/10.1109/TR.2006.874941.
• 18. Tang ZH, Xu H, Dugan JB. Reliability Analysis of Phased Mission Systems with Common Cause Failures. In: Reliability and Maintainability Symposium, 2005 annual symposium-RAMS; 2005: 313–318.
• 19. Wang CN, Xing LD, Levitin G. Competing failure analysis in phased-mission systems with functional dependence in one of phases. Reliability Engineering and System Safety2012; 108 : 90-99, http://dx.doi.org/10.1016/j.ress.2012.07.004.
• 20. Weber P, Medina-Oliva G, Simon C, Iung B. Overview on Bayesian networks applications for dependability, risk analysis and maintenance areas. Engineering Applications of Artificial Intelligence2012; 25: 671-682, http://dx.doi.org/10.1016/j.engappai.2010.06.002.
• 21. Xing LD, Levitin G. BDD-based reliability evaluation of phased-mission systems with internal/external common-cause failures. Reliability Engineering and System Safety 2013; 112: 145–153, http://dx.doi.org/10.1016/j.ress.2012.12.003.
• 22. Xu H. Dynamic event fault tree(DEFT): a methodology for probabilistic risk assessment of computer-based systems. Ph.D. Dissertation. Charlottesville: University of Virginia, 2008
• 23. Xu H, Dugan JB. Combining dynamic fault trees and event trees for probabilistic risk assessment. In: Reliability and Maintainability Symposium, 2004 annual symposium-RAMS; 2004: 214–219.
• 24. Zang XY, Sun HR, Trivedi KS. A BDD-Based Algorithm for Reliability Analysis of Phased-Mission Systems. IEEE Transactions on Reliability1999; 48(1): 50–60, http://dx.doi.org/10.1109/24.765927.
• 25. Zhang LW, Guo HP. Introduction to Bayesian networks [M]. Beijing: Science Press, 2006.