Research on time-varying characteristics of testability index based on renewal process

• Autorzy: Zhao Z. , Qiu J. , Liu G. , Zhang Y.

Identyfikatory

DOI

10.17531/ein.2016.3.19

Warianty tytułu

PL

Badanie zmiennych w czasie własności wskaźnika testowalności na podstawie procesu odnowy

• Języki publikacji: EN

Abstrakty

EN

Testability indices are used in the phases of testability design and testability demonstration. This paper focuses on fault detection rate (FDR), which is the most widely used testability index. Leading hypothesis suggests that the value of FDR of a system is usually a certain value. However, few attempts have been made to research the statistical characteristics of FDR. Considering the fault occurrence process and test uncertainty, FDR is time varying and a special statistical process. Under the assumption of perfect repairs, we build a fault occurrence model based on the renewal process theory. Supposing that test uncertainty is mainly induced by test fault, the renewal process is employed to depict the occurrence process of test faults. Simultaneously, we depict the process of test state change and then construct the fault detection logic based on the digraph model. Combining the fault occurrence model and the fault detection logic, we focus on the expectation of FDR, which is one of the key statistical characteristics. By comparison, we introduce the calculation method of expectation of FDR in two cases, including without considering test uncertainty and considering test uncertainty. To validate the conclusions presented in this paper, we carry on a simulation case using an integrated controller. Based on the theoretic and simulating methods, the expectation of FDR tends to be a constant with the increase of time under the assumptions made in this paper. The statistical characteristic of FDR presented in this paper would be the basic theoretical guide to testability engineering.

PL

Wskaźniki testowalności wykorzystuje się w fazach projektowania oraz potwierdzania testowalności. Przedstawiony artykuł poświęcony jest wskaźnikowi wykrywalności błędów (fault detection rate, FDR), który jest najczęściej stosowanym wskaźnikiem testowalności. Wiodąca hipoteza sugeruje, że wartość FDR dla danego systemu jest zwykle wartością pewną. Istnieje jednak niewiele badań na temat statystycznych własności FDR. Biorąc pod uwagę proces występowania błędów oraz niepewność pomiarów, współczynnik FDR można opisać jako zmienny w czasie specjalny proces statystyczny. Przy założeniu naprawy doskonałej, zbudowaliśmy model występowania błędów w oparciu o teorię procesu odnowy. Przyjmując, że niepewność testową wywołują głównie błędy testowe, wykorzystaliśmy proces odnowy do zobrazowania procesu występowania błędów testowych. Jednocześnie przedstawiliśmy proces zmiany stanu testu, a następnie zbudowaliśmy logikę wykrywania błędów w oparciu o model grafu skierowanego. Łącząc model występowania błędów z logiką wykrywania błędów, opracowaliśmy metodę obliczania wartości oczekiwanej FDR, która jest jedną z najważniejszych własności statystycznych tego wskaźnika. Dla porównania, metodę obliczania wartości oczekiwanej FDR zastosowaliśmy w dwóch przypadkach, z uwzględnieniem i bez uwzględnienia niepewności testowej. Aby zweryfikować wnioski przedstawione w niniejszej pracy, przeprowadziliśmy symulację z wykorzystaniem zintegrowanego kontrolera. Obliczenia teoretyczne i symulacja pokazują, że wartość oczekiwana FDR wraz z upływem czasu staje się wartością stałą w warunkach założonych w niniejszej pracy. Przedstawiona w artykule charakterystyka statystyczna FDR stanowi jedną z podstaw teoretycznych inżynierii testowej.

Słowa kluczowe

EN

testability index; fault detection rate; renewal process; test uncertainty; statistical characteristics

PL

wskaźnik testowalności; wskaźnik wykrywalności błędów; proces odnowy; niepewność testu; własność statystyczna

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2016
• Tom: Vol. 18, no. 3
• Strony: 457--468
• Opis fizyczny: Bibliogr. 30 poz., rys., tab.

Twórcy

autor

Zhao Z.

• Science and Technology on Integrated Logistics Support Laboratory, National University of Defense Technology Changsha, Hunan 410073, China College of Mechatronic Engineering and Automation, National University of Defense Technology Changsha, Hunan 410073, China

autor

Qiu J.

• Science and Technology on Integrated Logistics Support Laboratory, National University of Defense Technology Changsha, Hunan 410073, China College of Mechatronic Engineering and Automation, National University of Defense Technology Changsha, Hunan 410073, China

autor

Liu G.

• Science and Technology on Integrated Logistics Support Laboratory, National University of Defense Technology Changsha, Hunan 410073, China College of Mechatronic Engineering and Automation, National University of Defense Technology Changsha, Hunan 410073, China

autor

Zhang Y.

• Science and Technology on Integrated Logistics Support Laboratory, National University of Defense Technology Changsha, Hunan 410073, China College of Mechatronic Engineering and Automation, National University of Defense Technology Changsha, Hunan 410073, China

Bibliografia

• 1. Attardi L, Pulcini G. A new model for repairable systems with bounded failure intensity. IEEE Transactions on Reliability 2005; 54(4): 572-574, http://dx.doi.org/10.1109/TR.2005.858465.
• 2. Banghart M, Fuller K. Utilizing confidence bounds in failure mode effects analysis (FMEA) hazard risk assessment. IEEE Aerospace Conference 2014: 1-6, http://dx.doi.org/10.1109/AERO.2014.6836222.
• 3. Barnett N, Bristol. In-service reliability, maintainability and testability demonstrations - 15 years of experience. Annual Reliability and Maintainability Symposium 2003: 587-592, http://dx.doi.org/10.1109/RAMS.2003.118254.
• 4. Coetzee J L. The role of NHPP models in the practical analysis of maintenance failure data. Reliability Engineering and System Safety 1997; 56(2): 161-168, http://dx.doi.org/10.1016/S0951-8320(97)00010-0.
• 5. Deng S, Jing B, et al.Yang Z. Test point selection strategy under unreliable test based on heuristic particle swarm optimization algorithm. IEEE Conference on Prognostics and System Health Management (PHM) 2012: 1 - 6, http://dx.doi.org/10.1109/PHM.2012.6228884.
• 6. Fan S, Pan M, et al.Catherine A. Intercept based performance evaluation of operation characteristic curve. International Conference on Computer Application and System Modeling 2010: V13-173-V13-175, http://dx.doi.org/10.1109/ICCASM.2010.5622707.
• 7. Feng K. Test-based study on verification model of detection rate in flight test phase. Flight Dynamics 2015; 33(4): 369-370, http://dx.doi.org/10.13645/j.cnki.f.d.20150513.011.
• 8. Ji G, Wu W, Zhang B, et al. A renewal-process-based component outage model considering the effects of aging and maintenance. International Journal of Electrical Power and Energy Systems 2013; 44(1): 52-59, http://dx.doi.org/10.1016/j.ijepes.2012.07.035.
• 9. Kacprzynski G J, Goebel K, et al.Vachtsevanos G. Methodologies for uncertainty management in prognostics. IEEE Aerospace Conference 2009: 7-8, http://dx.doi.org/10.1109/AERO.2009.4839668
• 10. Kim H, Singh C. Reliability modeling and simulation in power systems with aging characteristics. IEEE Transactions on Power Systems 2010; 25(1): 21-27, http://dx.doi.org/10.1109/TPWRS.2009.2030269.
• 11. Li X, Jia Y, Wang P, et al. Renewable warranty policy for multiple-failure-mode product considering different maintenance options. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2015; 17(4): 551–560, http://dx.doi.org/10.17531/ein.2015.4.10.
• 12. Liu Q, Zhao P. An analysis method of system mission reliability based on Monte Carlo method. Electronic Product Reliability and Environmental Testing 2013; 31(5): 17-20, http://dx.doi.org/10.3969/j.issn.1672-5468.2013.05.005.
• 13. Liu Y, Liu J, Jiang P, et al. Selection of equipment testability parameters based on improved AHP and fuzzy evaluation. China Measurement & Test 2015; 41(7): 23-24, http://dx.doi.org/10.11857/j.issn.1674-5124.2015.07.006.
• 14. Lu Z, Sun Y. Reliability calculating method of complex systems based on Monte Carlo method and genetic algorithm. Systems Engineering and Electronics 2008; 30(12): 2520-2521, http://dx.doi.org/10.3969/j.issn.1672-5468.2013.05.005.
• 15. Ma Y, Han J, et al.Li G. Testability demonstration method of electronic equipment based on hypergeometric distribution. IEEE International Conference on Industrial Engineering and Engineering Management 2008 http://dx.doi.org/10.1109/IEEM.2008.4738256.
• 16. Mitov K V, Omey E, Renewal processes. Springer, 2014, http://dx.doi.org/10.1007/978-3-319-05855-9.
• 17. Qiu J, Wang C, Liu G, et al. Testability demonstration for a flight control system based on sequential probability ratio test method. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering 2015; 229(3): 492-501, http://dx.doi.org/10.1177/0954410014537239.
• 18. Ruan S, Yu F, Meirina C, et al. Dynamic multiple fault diagnosis with imperfect tests. Proceedings of AUTOTESTCON 2004: 395 - 401, http://dx.doi.org/10.1109/AUTEST.2004.1436895.
• 19. Ruan S, Zhou Y, Yu F, et al. Dynamic multiple-fault diagnosis with imperfect tests. IEEE Transactions on Systems, Man, and Cybernetics—Part A: Systems and Humans 2009; 39(6): 1225-1229, http://dx.doi.org/10.1109/TSMCA.2009.2025572.
• 20. Singh S, Kodali A, Choi K, et al. Dynamic multiple fault diagnosis: mathematical formulations and solution techniques. IEEE Transactions on Systems, Man, and Cybernetics—Part A: Systems and Humans 2009; 39(1): 160-163, http://dx.doi.org/10.1109/TSMCA.2008.2007986.
• 21. Su C, Zhou X. Maintenance optimization considering dependent competing failure based on renewal process. International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering 2013: 620 - 625, http://dx.doi.org/10.1109/QR2MSE.2013.6625657.
• 22. Wang C, Qiu J, Liu G, et al. Testability demonstration test planning based on sequential posterior odds test method. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability 2014; 228(2): 189-199, http://dx.doi.org/10.1177/1748006X13508108.
• 23. Wang C, Qiu J, Liu G, et al. Testability evaluation using prior information of multiple sources. Chinese Journal of Aeronautics 2014; 27(4): 867-874, http://dx.doi.org/10.1016/j.cja.2014.03.029.
• 24. Wang C, Qiu J, Liu G, et al. Testability verification based on sequential probability ratio test method. IEEE AUTOTESTCON 2013: 1-7, http://dx.doi.org/10.1109/AUTEST.2013.6645066.
• 25. Xu P, Liu S, et al.Li Y. Research on concept and model of testability test. China Measurement & Test 2006; 14(9): 1150-1151, http://dx.doi.org/10.3321/j.issn:1671-4598.2006.09.010.
• 26. Yanez M, Joglar F, et al.Modarres M. Generalized renewal process for analysis of repairable systems with limited failure experience Reliability Engineering and System Safety 2002; 77(2): 167-180, http://dx.doi.org/10.1016/S0951-8320(02)00044-3.
• 27. Yang R, Zhao F, Kang J, et al. Inspection optimization model with Imperfect maintenance based on a three-stage failure process. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2015; 17(2): 165-173, http://dx.doi.org/10.17531/ein.2015.2.1.
• 28. Zantek P F, Hanson T, Damien P, et al. A decision dependent stochastic process model for repairable systems with applications. Operations Research Perspectives 2015(2): 73-80, http://dx.doi.org/10.1016/j.orp.2015.03.002.
• 29. Zhang Y, Qiu J, Liu G, et al. A fault sample simulation approach for virtual testability demonstration test. Chinese Journal of Aeronautics 2012; 25(4): 598-604, http://dx.doi.org/10.1016/S1000-9361(11)60424-X.
• 30. Zhang Y, Qiu J, Liu G, et al. Fault sample generation for virtual testability demonstration test subject to minimal maintenance and scheduled replacement. Mathematic Problems in Engineering 2015, http://dx.doi.org/10.1155/2015/645047.