A novel Wiener process model with measurement errors for degradation analysis

• Autorzy: Wang Z. , Li J. , Zhang Y. , Fu H. , Liu C. , Krishnaswamy S.

Identyfikatory

DOI

10.17531/ein.2016.3.11

Warianty tytułu

PL

Analiza degradacji z zastosowa niem nowego modelu procesu Wienera uwzględniającego błędy pomiarowe

• Języki publikacji: EN

Abstrakty

EN

Degradation analysis can be used to assess reliability for complex systems and highly reliable products, because few or even no failures are expected in a reasonable life test span. In order to further our study on degradation analysis, an independent increment random process method with linear mean and standard deviation functions is presented to model practical degradation procedures. It is essentially a Wiener process method. Since measurement errors are often created by imperfect instruments, procedures and environments during degradation investigation, the measurement error is incorporated into the independent increment random process. Furthermore, statistical inferences of this model are discussed, and close forms of a product’s median life and percentile of the failure time distribution (FTD) are also derived. The proposed method is illustrated and verified in a comprehensive simulation study and two practice applications for storage disks and Infrared light-emitting diodes. Meanwhile, the time-transformed Wiener process model with measurement error is considered as a reference method. Comparisons show that the proposed model can provide reasonable results, even in considerably small sample size circumstance.

PL

Analizę degradacji można stosować do oceny niezawodności wysoce niezawodnych złożonych systemów i produktów, ponieważ w ich przypadku istnieje bardzo niskie lub zerowe prawdopodobieństwo wystąpienia uszkodzenia w trakcie badania trwałości w przyjętym okresie eksploatacji. W artykule przedstawiono nowo opracowane podejście do modelowania procesu degradacji wykorzystujące metodę procesu o przyrostach niezależnych oraz pojęcia funkcji średniej liniowej i funkcji liniowego odchylenia standardowego. Zasadniczo jest to metoda oparta na procesie Wienera. Ponieważ badania degradacji często wiążą się z błędami pomiarowymi wynikającymi z niedoskonałości stosowanych narzędzi, procedur i warunków badawczych, opisywany proces o przyrostach niezależnych uwzględnia błędy pomiaru. Ponadto, w pracy omówiono wnioski statystyczne, jakie można wyciągnąć na podstawie przedstawionego modelu oraz wyprowadzono wzory ogólne na średnią długość życia produktu oraz na percentyl rozkładu czasu do uszkodzenia. Proponowaną metodę zilustrowano i zweryfikowano na podstawie kompleksowego badania symulacyjnego oraz przykładów praktycznego zastosowania modelu w odniesieniu do dysków pamięci masowej oraz diod podczerwieni. W artykule przedstawiono także model procesu Wienera z transformowanym czasem uwzględniający błąd pomiaru, który posłużył za model referencyjny. Porównania pokazują, że proponowany model może dawać poprawne wyniki, nawet przy bardzo małej liczebności próby.

Słowa kluczowe

EN

performance degradation; independent increment process; Wiener process model; linear mean function; linear standard deviation function; measurement error

PL

obniżenie charakterystyk; proces o przyrostach niezależnych; model procesu Wienera; funkcja średniej liniowej; funkcja liniowego odchylenia standardowego; błąd pomiaru

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2016
• Tom: Vol. 18, no. 3
• Strony: 396--405
• Opis fizyczny: Bibliogr. 21 poz., rys., tab.

Twórcy

autor

Wang Z.

• School of Aeronautic Science and Engineering Beihang University XueYuan Road No.37 HaiDian District Beijing 100083, China

autor

Li J.

• School of Aeronautic Science and Engineering Beihang University XueYuan Road No.37 HaiDian District Beijing 100083, China

autor

Zhang Y.

• School of Aeronautic Science and Engineering Beihang University XueYuan Road No.37 HaiDian District Beijing 100083, China

autor

Fu H.

• School of Aeronautic Science and Engineering Beihang University XueYuan Road No.37 HaiDian District Beijing 100083, China

autor

Liu C.

• Science and Technology on Space Intelligent Control Laboratory Beijing Institute of Control Engineering No.16 3th South Zhongguancun Street Haidian District Beijing 100191, China

autor

Krishnaswamy S.

• Department of Mechanical Engineering Northwestern University 633 Clark Street, Evanston IL 60208 Evanston, USA

Bibliografia

• 1. Beasley J E, Chu P C. A genetic algorithm for the set covering problem. European Journal of Operational Research 1996; 94: 392-404, http://dx.doi.org/10.1016/0377-2217(95)00159-X.
• 2. Chaluvadi V N H. Accelerated life testing of electronic revenue meters. In: Clemson University, 2008.
• 3. Crowder M, Lawless J. On a scheme for predictive maintenance. European Journal of Operational Research 2007; 176: 1713-1722, http://dx.doi.org/10.1016/j.ejor.2005.10.051.
• 4. Hamada M S, Wilson A, Reese C S, Martz H. Bayesian reliability: Springer Science & Business Media: 2008, http://dx.doi.org/10.1007/978-0-387-77950-8.
• 5. Lawrence D. Handbook of genetic algorithms. Van No strand Reinhold, New York 1991.
• 6. Lu C J, Meeker W Q. Using Degradation Measures to Estimate a Time-to-Failure Distribution. Technometrics 1993: 161-174, http://dx.doi.org/10.1080/00401706.1993.10485038.
• 7. Meeker W Q, Escobar L A. Statistical methods for reliability data: John Wiley & Sons: 2014.
• 8. Meeker W Q, Hamada M. Statistical tools for the rapid development and evaluation of high-reliability products. Reliability, IEEE Transactions on 1995; 44: 187-198, http://dx.doi.org/10.1109/24.387370.
• 9. Nair V N. [Estimation of Reliability in Field-Performance Studies]: Discussion. Technometrics 1988; 379-383.
• 10. Park C, Padgett W J. New cumulative damage models for failure using stochastic processes as initial damage. Reliability, IEEE Transactions on 2005; 54: 530-540.
• 11. Peng C, Tseng S. Mis-specification analysis of linear degradation models. Reliability, IEEE Transactions on 2009; 58: 444-455.
• 12. Pham H T, Yang B, Nguyen T T. Machine performance degradation assessment and remaining useful life prediction using proportional hazard model and support vector machine. Mechanical Systems and Signal Processing 2012; 32: 320-330, http://dx.doi.org/10.1016/j.ymssp.2012.02.015.
• 13. Tseng S T, Tang J, Ku I H. Determination of burn-in parameters and residual life for highly reliable products. Naval Research Logistics (NRL) 2003; 50: 1-14, http://dx.doi.org/10.1002/nav.10042.
• 14. Tseng S, Peng C. Stochastic diffusion modeling of degradation data. Journal of Data Science 2007; 5: 315-333.
• 15. Wang W, Dragomir-Daescu D. Reliability quantification of induction motors-accelerated degradation testing approach. In: Reliability and Maintainability Symposium, 2002. Proceedings. Annual: IEEE 2002: 325-331.
• 16. Wang X. Wiener processes with random effects for degradation data. Journal of Multivariate Analysis 2010; 101: 340-351, http://dx.doi.org/10.1016/j.jmva.2008.12.007.
• 17. Wang Z, Fu H, Zhang Y. Analyzing Degradation by an Independent Increment Process. Quality and Reliability Engineering International 2014; 30: 1275-1283, http://dx.doi.org/10.1002/qre.1547.
• 18. Whitmore G A, Schenkelberg F. Modelling accelerated degradation data using Wiener diffusion with a time scale transformation. Lifetime Data Analysis 1997; 3: 27-45, http://dx.doi.org/10.1023/A:1009664101413.
• 19. Yang G. Life cycle reliability engineering: John Wiley & Sons 2007, http://dx.doi.org/10.1002/9780470117880.
• 20. Ye Z, Wang Y, Tsui K, Pecht M. Degradation data analysis using Wiener processes with measurement errors. Reliability, IEEE Transactions on 2013; 62: 772-780.
• 21. Zuo M J, Jiang R, Yam R. Approaches for reliability modeling of continuous-state devices. Reliability, IEEE Transactions on 1999; 48: 9-18, http://dx.doi.org/10.1109/24.765922.