Dynamic diagnostic strategy based on reliability analysis and distance-based VIKOR with heterogeneous information

• Autorzy: Li J. , Duan R.

Identyfikatory

DOI

10.17531/ein.2018.4.12

Warianty tytułu

PL

Dynamiczna strategia diagnostyczna z wykorzystaniem informacji heterogenicznych bazująca na analizie niezawodności i opartym na odległościach algorytmie VIKOR

• Języki publikacji: EN

Abstrakty

EN

This paper presents a dynamic diagnostic strategy based on reliability analysis and distance-based VIKOR with heterogeneous information. Specifically, the proposed method uses a dynamic fault tree (DFT) to describe the dynamic fault characteristics and evaluates the failure rate of components using interval numbers to deal with the epistemic uncertainty. Furthermore, DFT is mapped into a dynamic evidential network (DEN) to calculate some reliability parameters and these parameters together with test cost constitute a decision matrix. In addition, a dynamic diagnostic strategy is developed based on an improved VIKOR algorithm and the previous diagnosis result. This diagnosis algorithm determines the weights of attributes based on the Entropy concept to avoid experts’ subjectivity and obtains the optimal ranking directly on the original heterogeneous information without a transformation process, which can improve diagnosis efficiency and reduce information loss. Finally, the performance of the proposed method is evaluated by applying it to a train-ground wireless communication system. The results of simulation analysis show the feasibility and effectiveness of this methodology.

PL

W artykule przedstawiono dynamiczną strategię diagnostyczną, w której wykorzystuje się oryginalne informacje heterogeniczne. Metoda ta bazuje na analizie niezawodności i opartym na odległościach algorytmie VIKOR. Dokładniej, przedstawiona strategia polega na wykorzystaniu dynamicznego drzewa błędów (DFT) do opisu dynamicznych charakterystyk błędów oraz ocenie intensywności uszkodzeń komponentów przy użyciu liczb przedziałowych, co pozwala rozwiązać problem niepewności epistemicznej. Ponadto, w proponowanej metodzie, DFT zostaje odwzorowane w dynamiczną sieć dowodową (DEN) w celu obliczenia niektórych parametrów niezawodności, a parametry te wraz z kosztem badań diagnostycznych tworzą matrycę decyzyjną. Opracowana dynamiczna strategia diagnostyczna opiera się na udoskonalonym algorytmie diagnostycznym VIKOR oraz wynikach wcześniejszej diagnostyki. Algorytm VIKOR określa wagi atrybutów w oparciu o koncepcję Entropii, co pozwala wyeliminować subiektywność oceny eksperckiej i ustalić optymalną kolejność działań diagnostycznych bazując bezpośrednio na oryginalnych informacjach heterogenicznych bez konieczności ich transformacji, co może poprawić efektywność diagnozy i zmniejszyć utratę informacji. Działanie proponowanej metody oceniano poprzez zastosowanie jej do diagnostyki systemu łączności radiowej pociąg–ziemia. Wyniki analizy symulacyjnej wskazują na możliwość praktycznego wykorzystania i skuteczność omawianej metodologii.

Słowa kluczowe

EN

reliability analysis; dynamic evidential network; VIKOR; decision matrix; heterogeneous information

PL

analiza niezawodności; dynamiczna sieć dowodowa; matryca decyzyjna; informacja heterogeniczna

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2018
• Tom: Vol. 20, no. 4
• Strony: 610--620
• Opis fizyczny: Bibliogr. 25 poz., rys.

Twórcy

autor

Li J.

• School of Economics and Management Nanchang University 999 Xuefu Rd., Honggutan new district Nanchang, Jiangxi, China

autor

Duan R.

• School of Information Engineering Nanchang University 999 Xuefu Rd., Honggutan new district Nanchang, Jiangxi, China

Bibliografia

• 1. Assaf T, Dugan J B. Design for diagnosis using a diagnostic evaluation measure. Instrumentation & Measurement Magazine 2006; 9(4): 37-43, https://doi.org/10.1109/MIM.2006.1664040.
• 2. Assaf T, Dugan J B. Diagnosis based on reliability analysis using monitors and sensors, Reliability Engineering & System Safety 2008; 93(4): 509-521, https://doi.org/10.1016/j.ress.2006.10.024.
• 3. Cai B, Liu H, Xie M. A real-time fault diagnosis methodology of complex systems using object-oriented Bayesian networks. Mechanical Systems and Signal Processing 2016; 80: 31–44, https://doi.org/10.1016/j.ymssp.2016.04.019.
• 4. Chiremsel Z, Said R N, Chiremsel R. Probabilistic Fault Diagnosis of Safety Instrumented Systems based on Fault Tree Analysis and Bayesian Network. Journal of Failure Analysis & Prevention 2017; 16(5): 747-760, https://doi.org/10.1007/s11668-016-0140-z.
• 5. Cao Y, Li T, Wang J, Xie R, Wang X. Fuzzy dynamic fault tree analysis for electro-mechanical actuator based on algebraic model with common-cause failures. Automatic Control and Computer Sciences 2016; 50(2): 80-90, https://doi.org/10.3103/S0146411616020024.
• 6. Doguc O. and Ramirez-Marquez J. E. Using Bayesian approach for sensitivity analysis and fault diagnosis in complex systems. Journal of Integrated Design and Process Science 2009; 13(1):33–48.
• 7. Duan R, Zhou H, Fan J. Diagnosis strategy for complex systems based on reliability analysis and MADM under epistemic uncertainty. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2015; 17(3): 343–352, https://doi.org/10.17531/ein.2015.3.4.
• 8. Duan R X, Zhou H L. Diagnosis strategy for micro-computer controlled straight electro-pneumatic braking system using fuzzy set and dynamic fault tree. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2014; 16(2): 217–223.
• 9. Huang Y F, Jing B. Diagnosis strategy for multi-value attribute system based on Rollout algorithm. Control and Decision 2011; 26(8): 1269-1272.
• 10. Johnson R A. An information theory approach to diagnosis. IRE Transactions on Reliability and Quality Control 1960; 9(1): 35-35, https://doi.org/10.1109/IRE-PGRQC.1960.5007263.
• 11. Kabir S, Walker M, Papadopoulos Y, Rüde E, Securius P. Fuzzy temporal fault tree analysis of dynamic systems. International Journal of Approximate Reasoning 2016; 77: 20-37, https://doi.org/10.1016/j.ijar.2016.05.006.
• 12. Liu Z, Li Y F, He L P, Yang Y Z, Huang H Z. A new fault tree analysis approach based on imprecise reliability model. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability 2014; 228(4): 371-381, https://doi.org/10.1177/1748006X14520824.
• 13. Lourenzutti R. Krohling R A. A generalized TOPSIS method for group decision making with heterogeneous information in a dynamic environment. Information Sciences 2016; 33:01-18, https://doi.org/10.1016/j.ins.2015.10.005.
• 14. Liu H C, You J X, You X Y. A novel approach for failure mode and effects analysis using combination weighting and fuzzy VIKOR method. Applied Soft Computing 2015; 28:579-588, https://doi.org/10.1016/j.asoc.2014.11.036.
• 15. Opricovic S. Tzeng G. Extended VIKOR method in comparison with outranking methods. European Journal of Operational Research 2007; 178(2):514-529, https://doi.org/10.1016/j.ejor.2006.01.020.
• 16. Philippe W, Christophe S. Dynamic evidential networks in system reliability analysis: A Dempster-Shafer Approach. Proceedings of the 16th Mediterranean Conference on Control & Automation, Ajaccio, France 2008; 603-608.
• 17. Sallak M, Schon W. Aguirre F. Extended Component Importance Measures Considering Aleatory and Epistemic Uncertainties. IEEE Transactions on Reliability 2013; 62(1):49-65, https://doi.org/10.1109/TR.2013.2240888.
• 18. Sanayei A, Mousavi S F. Yazdankhah A. Group decision making process for supplier selection with VIKOR under fuzzy environment. Expert Systems with Applications 2010; 37(1):24-30, https://doi.org/10.1016/j.eswa.2009.04.063.
• 19. Şahin R, Liu P. Possibility-induced simplified neutrosophic aggregation operators and their application to multi-criteria group decision-making. Journal of Experimental & Theoretical Artificial Intelligence 2017; 29(4): 769-785, https://doi.org/10.1080/0952813X.2016.1259266.
• 20. Selim H, Yunusoglu M G, Yılmaz S. Balaman, A dynamic maintenance planning framework based on fuzzy TOPSIS and FMEA: application in an international food company. Quality and Reliability Engineering International 2016; 32(3): 795-804, https://doi.org/10.1002/qre.1791.
• 21. Tian H, Duan F, Fan L. Fault diagnostic strategy of multivalued attribute system based on growing algorithm. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability 2018; https://doi.org/10.1177/1748006X18770356.
• 22. Wang D, Zhang Y, Jia X, Jiang P, Guo B. Handling Uncertainties in Fault Tree Analysis by a Hybrid Probabilistic–Possibilistic Framework. Quality and Reliability Engineering International 2016; 32(3): 1137-1148, https://doi.org/10.1002/qre.1821.
• 23. Wang X, Cai J. A group decision-making model based on distance-based VIKOR with incomplete heterogeneous information and its application to emergency supplier selection. Kybernetes 2017; 46(3): 501-529, https://doi.org/10.1108/K-06-2016-0132.
• 24. Zhang R, Zhang L, Wang N, Wang W. Reliability evaluation of a multi-state system based on interval-valued triangular fuzzy Bayesian networks. International Journal of System Assurance Engineering and Management 2016; 7(1):16-24, https://doi.org/10.1007/s13198-015-0335-9.
• 25. Zhang X, Mahadevan S, Deng X. Reliability analysis with linguistic data: An evidential network approach. Reliability Engineering & System Safety 2017; 162: 111-121, https://doi.org/10.1016/j.ress.2017.01.009.