A simulation approach on reliability assessment of complex system subject to stochastic degradation and random shock

• Autorzy: Pourhassan Mohammad Reza , Raissi Sadigh , Hafezalkotob Ashkan

Identyfikatory

DOI

10.17531/ein.2020.2.20

Warianty tytułu

PL

Metoda symulacyjna oceny niezawodności złożonego systemu podlegającego procesom degradacji stochastycznej i narażonego na obciążenia losowe

• Języki publikacji: EN

Abstrakty

EN

Many systems are affected by different random factors and stochastic processes, significantly complicating their reliability analysis. In general, the performance of complicated systems may gradually, suddenly, or continuously be downgraded over times from perfect functioning to breakdown states or may be affected by unexpected shocks. In the literature, analytic reliability assessment examined for especial cases is restricted to applying the Exponential, Gamma, compound Poisson, and Wiener degradation processes. Consideration of the effect of non-fatal soft shock makes such assessment more challenging which has remained a research gap for general degraded stochastic processes. Through the current article, for preventing complexity of analytic calculations, we have focused on applying a simulating approach for generalization. The proposed model embeds both the stochastic degradation process as well randomly occurred shocks for two states, multi-state, and continuous degradation. Here, the user can arbitrarily set the time to failure distribution, stochastic degradation, and time to occurrence shock density function as well its severity. In order to present the validity and applicability, two case studies in a sugar plant alongside an example derived from the literature are examined. In the first case study, the simulation overestimated the system reliability by less than 5%. Also, the comparison revealed no significant difference between the analytic and the simulation result in an example taken from an article. Finally, the reliability of a complicated crystallizer system embedding both degradation and soft shock occurrence was examined in a threecomponent standby system.

PL

Prawidłowe działanie wielu systemów zależy od różnych czynników losowych i procesów stochastycznych, co znacznie komplikuje analizę niezawodności tych układów. Parametry pracy skomplikowanych systemów mogą ulegać stopniowemu, nagłemu lub stałemu obniżeniu ze stanu doskonałego funkcjonowania do stanu awaryjnego. Wpływ na nie mogą też mieć niespodziewane obciążenia. W literaturze przedmiotu, analityczną ocenę niezawodności stosuje się do badania przypadków szczególnych i ogranicza do badania degradacji w oparciu o proces wykładniczy, proces gamma, złożony proces Poissona i proces Wienera. Ocena niezawodności z uwzględnieniem wpływu obciążeń miękkich, nieprowadzących do całkowitej awarii, stanowi większe wyzwanie tworząc lukę w badaniach nad ogólnymi stochastycznymi procesami degradacji. Aby uniknąć złożonych obliczeń analitycznych, w niniejszej pracy skupiliśmy się na zastosowaniu podejścia symulacyjnego w celu uzyskania generalizacji. Proponowany model obejmuje zarówno stochastyczny proces degradacji, jak i losowo występujące obciążenia i uwzględnia przypadki degradacji systemów dwustanowych, wielostanowych oraz degradacji ciągłej. Posługując się tym modelem, użytkownik może dowolnie ustawiać rozkład czasu do uszkodzenia, degradację stochastyczną, czas do wystąpienia obciążenia, funkcję gęstości prawdopodobieństwa wystąpienia obciążenia, a także jego nasilenie. Trafność oraz możliwości zastosowania przedstawionego modelu zilustrowano na podstawie dwóch studiów przypadków dotyczących cukrowni oraz przykładu zaczerpniętego z literatury. W pierwszym studium przypadku, poziom niezawodności systemu obliczony na podstawie symulacji różnił się o mniej niż 5% od wyniku otrzymanego na drodze analitycznej. Porównanie nie ujawniło również żadnej istotnej różnicy między wynikiem analitycznym a symulacyjnym w przykładzie pochodzącym z literatury. Artykuł wieńczy analiza niezawodności złożonego układu krystalizatora, obejmująca zarówno degradację, jak i występowanie miękkich obciążeń w trójelementowym systemie krystalizatora z rezerwą.

Słowa kluczowe

EN

system reliability; multi-state system; competing failures; stochastic degradation; random shocks; discrete event simulation

PL

niezawodność systemu; system wielostanowy; uszkodzenia konkurujące; degradacja stochastyczna; obciążenia losowe; symulacja zdarzeń dyskretnych

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2020
• Tom: Vol. 22, no. 2
• Strony: 370--379
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Pourhassan Mohammad Reza

• School of Industrial Engineering Islamic Azad University, South Tehran Branch Tehran, Iran

autor

Raissi Sadigh

• School of Industrial Engineering Islamic Azad University, South Tehran Branch Tehran, Iran

autor

Hafezalkotob Ashkan

• School of Industrial Engineering Islamic Azad University, South Tehran Branch Tehran, Iran

Bibliografia

• 1. An Z, Sun D. Reliability modeling for systems subject to multiple dependent competing failure processes with shock loads above a certain level. Reliability Engineering & System Safety 2017; 157: 129-138, https://doi.org/10.1016/j.ress.2016.08.025.
• 2. Angskun T, Bosilca G, Fagg G, Pje J, Dongarra JJ. Reliability analysis of self-healing network using discrete-event simulation. Seventh IEEE International Symposium on Cluster Computing and the Grid (CCGrid '07). Washington DC. USA 2007, https://doi.org/10.1109/CCGRID.2007.95.
• 3. Caballé N, Castro I. Analysis of the reliability and the maintenance cost for finite life cycle systems subject to degradation and shocks. Applied Mathematical Modelling 2017; 52: 731-746, https://doi.org/10.1016/j.apm.2017.08.002.
• 4. Che H, Zeng Sh, Guo J. Reliability Analysis of Load-Sharing Systems Subject to Dependent Degradation Processes and Random Shocks. IEEE Access 2017; 5: 23395 - 23404, https://doi.org/10.1109/ACCESS.2017.2762727.
• 5. Eryilmaz S. On the lifetime behavior of a discrete time shock model. Journal of Computational and Applied Mathematics 2013; 237(1): 384-388, https://doi.org/10.1016/j.cam.2012.06.008.
• 6. Fan M, Zeng Z, Zio E, Kang R. Modeling dependent competing failure processes with degradation-shock dependence. Reliability Engineering & System Safety 2017; 165: 422-430, https://doi.org/10.1016/j.ress.2017.05.004.
• 7. Finkelstein Maxim, Cha Ji Hwan. Stochastic Modeling for Reliability- Shocks. Burn-in and Heterogeneous Populations. Springer-Verlag London. 2013, https://doi.org/10.1007/978-1-4471-5028-2_8.
• 8. Gola A. Reliability Analysis of Reconfigurable manufacturing System Structures Using Computer Simulation Method. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2019; 21(1): 90-102, https://doi.org/10.17531/ein.2019.1.11.
• 9. Hao S, Yang J, Ma X, Zhao Y. Reliability modeling for mutually dependent competing failure processes due to degradation and random shocks. Applied Mathematical Modelling 2017; 51: 232-249, https://doi.org/10.1016/j.apm.2017.06.014.
• 10. Huang Wenping, Zhou Jinglun, Ning Juhong. A Condition Based Maintenance for System Subject to Competing Failure due to Degradation and Shock. IAENG International Journal of Applied Mathematics 2016; 46(2): 223-230.
• 11. Jasiulewicz-Kaczmarek M, Gola A. Maintenance 4.0 Technologies for Sustainable Manufacturing - an Overview. IFAC PapersOnLine 52-10, 2019; 91-96, https://doi.org/10.1016/j.ifacol.2019.10.005.
• 12. Juan AA, Ferrer A, Serrat C, Monteforte A, Faulin J. Applications of discrete-event simulation to reliability and availability assessment in civil engineering structures. Simulation Conference (WSC). Proceedings of the Winter: IEEE 2009; 11179210, https://doi.org/10.1109/WSC.2009.5429250.
• 13. Kosicka E, Kozlowski E, Mazurkiewicz D. Intelligent systems of forecasting the failure of machinery park and supporting fulfilment of orders of spare parts. Advances in Intelligent Systems and Computing 2018; 637: 54-63, https://doi.org/10.1007/978-3-319-64465-3_6.
• 14. Liu Z, Ma X, Shen L, Zhao Y. Degradation‐shock‐based Reliability Models for Fault‐tolerant Systems. Quality and Reliability Engineering International 2015; 32(3): 949-955, https://doi.org/10.1002/qre.1805.
• 15. Montoro-Cazorla D, Pérez-Ocón R. A reliability system under cumulative shocks governed by a BMAP. Applied Mathematical Modelling 2015; 39(23-24): 7620-7629, https://doi.org/10.1016/j.apm.2015.03.066.
• 16. Nikulin M.S., Limnios N., Balakrishnan N., Kahle W., Huber-Carol C. Advances in Degradation Modeling- Applications to Reliability, Survival Analysis, and Finance. Birkhauser Boston, a part of Springer Science + Business Media LLC 2010, https://doi.org/10.1007/978-0-8176-4924-1.
• 17. Patelli E, Feng G, Coolen F.PA, Coolen-Maturi T. Simulation methods for system reliability using the survival signature. Reliability Engineering and System Safety 2017; 167: 327-337, https://doi.org/10.1016/j.ress.2017.06.018.
• 18. Rafiee K, Feng Q, Coit DW. Reliability assessment of competing risks with generalized mixed shock models. Reliability Engineering & System Safety 2016; 159: 1-11, https://doi.org/10.1016/j.ress.2016.10.006.
• 19. Riascos-Ochoa J, Sanchez-Silva M, Akhavan-Tabatabaei R. Reliability analysis of shock-based deterioration using phase-type distributions. Probabilistic Engineering Mechanics 2014; 38: 88-101, https://doi.org/10.1016/j.probengmech.2014.09.004.
• 20. Sobaszek Ł, Gola A, Kozłowski E. Application of survival function in robust scheduling of production jobs. Proceedings of the Federated Conference on Computer Science and Information Systems, IEEE, New York 2017; 575-578, https://doi.org/10.15439/2017F276.
• 21. Vaisi B, Farughi H, Raissi S. Two - Machine Robotic Cell Sequencing Under different Uncertainties .International Journal of Simulation Modeling 2018; 17(2): 284-294, https://doi.org/10.2507/IJSIMM17(2)434.
• 22. Wang C, Zhang H, Li Q. Reliability assessment of aging structures subjected to gradual and shock deteriorations. Reliability Engineering & System Safety 2017; 161: 78-86, https://doi.org/10.1016/j.ress.2017.01.014.
• 23. Warrington L, Jones JA. Representing complex systems within discrete event simulation for reliability assessment. Annual Reliability and Maintainability Symposium. IEEE, 2003, http//doi.org/10.1109/RAMS.2003.1182037.
• 24. Wenjie D, Sifeng L, Xiaoyu Y, Zhigeng F. 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.
• 25. Zaim S, Turkyılmaz A, Acar MF, Al-Turki U, Demirel O. Maintenance strategy selection using AHP and ANP algorithms: a case study. Journal of Quality in Maintenance Engineering 2012; 18(1): 16-29, https://doi.org/10.1108/13552511211226166.
• 26. Zhang W, Jiang Sh, Li X, Wang Z. An approach to structural reliability evaluation under fatigue degradation and shocks. Mechanical Systems and Signal Processing 2018; 113: 65-76, https://doi.org/10.1016/j.ymssp.2017.06.006.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).