PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Forecasting the readiness of special vehicles using the semi-Markov model

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Prognozowanie gotowości pojazdów specjalnych na podstawie modelu semi-Markowa
Języki publikacji
EN PL
Abstrakty
EN
The vehicle exploitation system, consisting of statistically identical objects that perform intervention tasks, not subject to systematic changes, can be modelled as a stationary stochastic process. Such a model allows to determine the probabilistic indicators of current and boundary readiness of the system. This article presents the use of the semi-Markov process, based on three operating states: operation, ready-to-be-used and repair, to study a transport system consisting of special vehicles. On the example of a sample consisting of police patrol cars, experimental studies of the intensity of fleet utilization, time of failure-free operation of vehicles were carried out, and it was demonstrated that the examined transport system is characterized by a satisfactory, stationary readiness coefficient. The developmental possibilities of the presented modelling method were emphasized.
PL
System eksploatacji samochodów, które realizują zadania interwencyjne, niepodlegający systematycznym zmianom może być modelowany jako stacjonarny proces stochastyczny. Taki model pozwala wyznaczyć probabilistyczne wskaźniki bieżącej i granicznej gotowości systemu. W niniejszym artykule, do modelowania systemu eksploatacji pojazdów specjalnych, wykorzystano proces semi-Markowa, oparty na trzech stanach eksploatacyjnych: użytkowania, postoju użytkowego i naprawy. Na przykładzie próby radiowozów policyjnych przeprowadzono doświadczalne badania intensywności użytkowania floty, czasu bezawaryjnej pracy pojazdów a także wykazano, że badany system transportowy charakteryzuje się zadowalającym, stacjonarnym współczynnikiem gotowości. Podkreślono rozwojowe możliwości przedstawionej metody modelowania.
Rocznik
Strony
662--669
Opis fizyczny
Bibliogr. 39 poz., rys., tab.
Twórcy
autor
  • Military University of Technology ul. Kaliskiego 2, 01-476, Warsaw, Poland
  • Motor Transport Institute, ul. Jagiellońska 80, 03-301, Warsaw, Poland
  • University of Defence, Kounicova 65, 662 10 Brno, Czech Republic
Bibliografia
  • 1. Andrzejczak K, Młyńczak M, Selech J. Poisson-distributed failures in the predicting of the cost of corrective maintenance. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2018; 20(4): 602-609, https://doi.org/10.17531/ein.2018.4.11.
  • 2. Bain L.J, Engelhardt M. Introduction to Probability and Mathematical Statistics. Second Edition. California: Cengage Learning, 2000.
  • 3. Becker L.R, Zaloshnja E, Levick N, Guohua L, Miller T. R. Relative risk of injury and death in ambulances and other emergency vehicles. Accident Analysis & Prevention 2003; 35(6): 941-948, https://doi.org/10.1016/S0001-4575(02)00102-1.
  • 4. Behm G.W, Huber W.B, Noll A.J, Pelaez R. A Method and system for safe emergency vehicle operation using route calculation. United States Patent US8842021B2, 2014.
  • 5. Cheng Q, Sun B, Zhao Y, Gu P. A method to analyze the machining accuracy reliability sensitivity of machine tools based on Fast Markov Chain simulation. Podejście do analizy czułości niezawodnościowej dokładności obrabiarek oparte na symulacji metodą szybkich łańcuchów Markowa. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2016; 18 (4): 552-564, https://doi.org/10.17531/ein.2016.4.10.
  • 6. Chu H. C. Risk factors for the severity of injury incurred in crashes involving on-duty police cars. Traffic injury prevention 2016, (5)17: 495-501, https://doi.org/10.1080/15389588.2015.1109082.
  • 7. Dekker R, Nicolai R.P, Kallenberg L.C.M, Maintenance and Markov decision models. In Wiley StatsRef: Statistics Reference Online (eds Balakrishnan N, Colton T, Everitt B, Piegorsch W, Ruggeri F, Teugels J.L.). John Wiley & Sons, 2014, https://doi.org/10.1002/9781118445112.stat03960.
  • 8. Dinc S, Dinc I. Evaluation of Unsupervised Classification on Police Patrol Zone Design Problem. SoutheastCon 2018. St Petersburg, 2018: 1-7, https://doi.org/10.1109/SECON.2018.8478908.
  • 9. Dong W, Liu S, Yang X, Wang H, Fang Z. Balancing reliability and maintenance cost rate of multi-state components with fault interval omission. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2019; 21(1): 37-45, https://doi.org/10.17531/ein.2019.1.5.
  • 10. Elliott T, Payne A, Atkison T, Smith R. Algorithms in Law Enforcement: Toward Optimal Patrol and Deployment Algorithms. Proceedings of the 2018 International Conference on Information and Knowledge Engineering IKE'18. Las Vegas, 2018: 93-99.
  • 11. Ge H, Tomasevicz C.L, Asgarpoor S. Optimum Maintenance Policy with Inspection by Semi-Markov Decision Processes. 39th North American Power Symposium, Las Cruces, 2007: 541-546, https://doi.org/10.1109/NAPS.2007.4402363.
  • 12. Girtler J, Ślęzak M. Application of the theory of semi-Markov processes to the development of a reliability model of an automotive vehicle. Archiwum Motoryzacji 2012; 2: 15-27, https://doi.org/10.5604/1234754X.1066721.
  • 13. Grabski F. Semi-Markov Processes. Applications in System Reliability and Maintenance. Elsevier, 2015, https://doi.org/10.1016/B978-0-12-800518-7.00004-1.
  • 14. Grabski F. Teoria semi-Markowskich procesów eksploatacji obiektów technicznych. - The theory of semi-Markov processes of technical object exploitation Gdynia: Zeszyty Naukowe Wyższej Szkoły Marynarki Wojennej 75A, 1982.
  • 15. Hong W, Zhou K. A note on the passage time of finite-state Markov chains. Communications in Statistics - Theory and Methods 2017; 46(1):438-445, https://doi.org/10.1080/03610926.2014.995825.
  • 16. Hu L, Su P, Peng R, Zhang Z. Fuzzy Availability Assessment for Discrete Time Multi-State System under Minor Failures and Repairs by Using Fuzzy Lz-transform. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2017; 19 (2): 179-190, https://doi.org/10.17531/ein.2017.2.5.
  • 17. Huang X.X, Zou X.L, Guo X.P. A minimization problem of the risk probability in first passage semi-Markov decision processes with loss rates. Science China Mathematics 2015, 58: 1923 - 1938, https://doi.org/10.1007/s11425-015-5029-x.
  • 18. Hunter J.J. The computation of the mean first passage times for Markov chains. Linear Algebra and its Applications 2018; 549: 100-122, https://doi.org/10.1016/j.laa.2018.03.010.
  • 19. Iscioglu F, Kocak A. Dynamic reliability analysis of a multi-state manufacturing system. Eksploatacja i Niezawodnoscć - Maintenance and Reliability 2019; 21 (3): 451-459, https://doi.org/10.17531/ein.2019.3.11.
  • 20. Jaźwiński J, Grabski F. Niektóre problemy modelowania systemów transportowych - Selected problems of transport system modelling. Radom: Instytut Technologii Eksploatacji, 2003.
  • 21. Kaczor G. Modelowanie i ocena niezawodności systemu transportu intermodalnego - Modelling and assessment of the reliability of the intermodal transport system. Logistyka 2015; 3: 2047-2054.
  • 22. Kolesar P.J, Rider K.L, Crabill T.B, Walker W.E. A Queuing-Linear Programming Approach to Scheduling Police Patrol Cars. Operations Research 1975; 23(6):1045-1062, https://doi.org/10.1287/opre.23.6.1045.
  • 23. Landowski B, Muślewski Ł, Knopik L, Bojar P. Semi-Markov model of quality state changes of a selected transport system. Journal of KONES 2017; 24(4): 141-148.
  • 24. Lu J-M, Lundteigen M.A, Liu Y, Wu X-Y. Flexible truncation method for the reliability assessment of phased mission systems with repairable components. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2016; 18 (2): 229-236, https://doi.org/10.17531/ein.2016.2.10.
  • 25. Lundälv J, Philipson Ch, Sarre R. How do we reduce the risk of deaths and injuries from incidents involving police cars? Understanding injury prevention in the Swedish context. Police Practice and Research 2010; 11(5): 437-450, https://doi.org/10.1080/15614263.2010.497333.
  • 26. Lyons H.W. Integrated warning light and rear-view mirror. United States Patent 5851064, 1998.
  • 27. Michaelson E.B. Bulletproof blanket for use with law enforcement vehicles such as police cars. United States Patent 6161462, 2000.
  • 28. Migawa K. Availability control for means of transport in decisive semi-Markov models of exploitation process. Archives of Transport 2012; 4(24): 497-508, https://doi.org/10.2478/v10174-012-0030-4.
  • 29. Młyńczak M. Metodyka badań eksploatacyjnych obiektów mechanicznych - Methodology of exploitation tests of mechanical objects. Wrocław: Oficyna Wydawnicza Politechniki Wrocławskiej, 2012.
  • 30. Muślewski Ł. Control Method for Transport System Operational Quality. Journal of KONES 2009; 3(16): 275-282.
  • 31. Restel F. The Markov reliability and safety model of the railway transportation system. Safety and Reliability: Methodology and Applications - Proceeding of the European Safety and Reliability Conference. London, 2014: 303-311, https://doi.org/10.1201/b17399-46.
  • 32. Świderski A. Inżynieria jakości w wybranych obszarach transportu - Quality engineering in selected areas of transport. Warszawa: Instytut Transportu Samochodowego (Motor Transport Institute), Warszawa 2018.
  • 33. Szawłowski S. Analiza wpływu systemu obsług na gotowość techniczną śmigłowca pokładowego SH-2G - Analysis of the impact of the maintenance system on the technical readiness of the SH-2G ship-based helicopter. Prace Instytutu Lotnictwa 2008; 3-4 (194-195): 326-331.
  • 34. Thomas O.S, Sobanjo J.O. Semi-Markov Decision Process: A Decision Tool for Transportation Infrastructure Management Systems. International Conference on Transportation and Development: Projects and Practices for Prosperity 2016: 384 - 396, https://doi.org/10.1061/9780784479926.036.
  • 35. Woropay M, Żurek J, Migawa K. Model of assessment and shaping of operational readiness of the maintenance subsystem in the transport system. Radom: Instytut Technologii Eksploatacji, 2003.
  • 36. Wu X, Zhang J. Finite approximation of the first passage models for discrete-time Markov decision processes with varying discount factors.Discrete Event Dynamic Systems 2016; 26(4): 669 - 683, https://doi.org/10.1007/s10626-014-0209-3.
  • 37. Wu X, Zou X, Guo X. First passage Markov decision processes with constraints and varying discount factors. Frontiers of Mathematics in China 2015; 10(4): 1005-1023, https://doi.org/10.1007/s11464-015-0479-6.
  • 38. Xie W, Hong Y, Trivedi K. Analysis of a two-level software rejuvenation policy. Reliability Engineering & System Safety 2005; 87: 13-22, https://doi.org/10.1016/j.ress.2004.02.011.
  • 39. Żurek J, Tomaszewska J. Analysis of the exploitation system from the standpoint of readiness, Prace Naukowe Politechniki Warszawskiej, Warszawa 2016; 114: 471 -477.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-837d52fa-87f2-4f4b-8e9b-e8e434b8ecb8
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.