Reliability analysis for multi-state system based on triangular fuzzy variety subset bayesian networks

• Autorzy: He Q. , Zha Y. , Zhang R. , Sun Q. , Liu T.

Identyfikatory

DOI

10.17531/ein.2017.2.2

Warianty tytułu

PL

Analiza niezawodności systemu wielostanowego z zastosowaniem sieci bayesowskich opartych na rozmytych podzbiorach zmienności opisanych przez trójkątną funkcję przynależności

• Języki publikacji: EN

Abstrakty

EN

In this paper, a novel reliability analysis method for multi-state system is proposed on the basis of triangular fuzzy variety subset Bayesian network (BN). The method considers fuzziness, multi-state, and variety of failure probability over time. With advantages in modeling and computation, the BN is utilized for reliability analysis. Fuzzy set theory is introduced into the BN analysis by using triangular fuzzy variety subset to describe failure probability. The uncertainty of fault logical relationship between different nodes is described through fuzzy conditional probability tables. As a function of time, the failure probability of each root node is analyzed first. Subsequently, the triangle fuzzy variety subset is established to describe the fuzzy failure probability of root nodes. This subset is applied to analyze the reliability of multi-state system fuzzy BN. Finally, a case study on the car free movement accident of flexible high-speed elevator lift system is used to demonstrate the effectiveness and practicality of the proposed method. Results show that the proposed approach could effectively address the problems on information uncertainty and multi-state in the early stage.

PL

W niniejszej pracy zaproponowano nową metodę analizy niezawodności systemów wielostanowych wykorzystującą sieci Bayesa (BN) oparte na rozmytych podzbiorach zmienności opisanych za pomocą trójkątnej funkcji przynależności. Metoda ta uwzględnia rozmyty charakter danych dotyczących uszkodzeń, wielostanowość systemu oraz zmienność prawdopodobieństwa wystąpienia uszkodzenia w czasie. BN, które znalazły zastosowanie w modelowaniu i metodach obliczeniowych, wykorzystuje się także do analizy niezawodności. W przedstawionych badaniach, analizę BN uzupełniono o elementy teorii zbiorów rozmytych wykorzystując do opisu prawdopodobieństwa wystąpienia uszkodzenia, podzbiory zmienności opisane przez trójkątną funkcję przynależności. Niepewność zależności logicznej pomiędzy awariami reprezentowanymi przez różne węzły sieci opisano za pomocą tabel rozmytego prawdopodobieństwa warunkowego. W pierwszej kolejności analizowano prawdopodobieństwo uszkodzenia każdego korzenia (węzła głównego) w funkcji czasu. Następnie, wyznaczono trójkątny rozmyty podzbiór zmienności, za pomocą którego opisano rozmyte prawdopodobieństwo uszkodzenia węzłów głównych. Podzbiór ten wykorzystano do analizy niezawodności systemu wielostanowego przy pomocy rozmytych BN. Artykuł kończy opis wypadku podczas ruchu wózka windy szybkobieżnej, który potwierdza skuteczność i możliwość praktycznego wykorzystania proponowanej metody. Wyniki pokazują, że proponowane podejście może skutecznie rozwiązywać na wczesnym etapie problemy związane z niepewnością informacji oraz wielostanowością systemu.

Słowa kluczowe

EN

reliability analysis; fuzzy set theory; Multi-State System; Bayesian network; elevator free movement accident

PL

teoria zbiorów rozmytych; system wielostanowy; sieć bayesowska; wypadek podczas ruchu wózka windy; analiza niezawodności

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2017
• Tom: Vol. 19, no. 2
• Strony: 158--165
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

He Q.

• College of information System and Management National University of Defense Technology Sanyi Avenue, Changsha, China
• School of Mechanical and electrical engineering, Shandong Jianzhu university, 250000, Fengming Road, Ji'nan, China

autor

Zha Y.

• College of information System and Management,National University of Defense Technology, 410073, Sanyi Avenue, Changsha, China

autor

Zhang R.

• School of Mechanical and electrical engineering, Shandong Jianzhu university, 250000, Fengming Road, Ji'nan, China

autor

Sun Q.

• College of information System and Management, National University of Defense Technology, 410073, Sanyi Avenue, Changsha, China

autor

Liu T.

• Troop 78092 of PLA 610036, no.14 Jinxianqiao Road, Chengdu, China

Bibliografia

• 1. Andrews JD, Beeson S, Birnbaum S. Measure of Importance for Non-coherent Systems. IEEE Trans Reliability 2003; 52: 213-219, https://doi.org/10.1109/TR.2003.809656.
• 2. Borgonovo E. Differential, Criticality and Birnbaum Importance Measures: an Application to Basic Event, Groups and SSCs in Event Trees and Binary Decision Diagrams. Reliability Engineering and System Safety 2007; 92: 1458-1467, https://doi.org/10.1016/j.ress.2006.09.023.
• 3. Boudali H, Dugan JB. A Discrete-time Bayesian Network Reliability Modeling and Analysis Framework. Reliability Engineering and System Safety 2005; 87: 337-349, https://doi.org/10.1016/j.ress.2004.06.004.
• 4. Chen DN, Yao CY. Reliability Analysis of Multi-state System based on Fuzzy Bayesian Networks and Application in Hydraulic System. Journal of Mechanical Engineering 2012; 48: 175-183, https://doi.org/10.3901/JME.2012.16.175.
• 5. Du L, Gao JM, Chen K. Reliability Deployment based on Fault Correlation Analysis. Computer Integrated Manufacturing Systems 2011; 17: 1973-1980.
• 6. He M, Quan JC, Zheng X, et al. Network reliability evaluation based on binary decision diagrams. Control and Decision 2011; 26: 32-36.
• 7. Jensen F V. An Introduction to Bayesian Networks. New York: Springer Press; 1996.
• 8. Jin X, Hong YJ, Du HM. Reliability Analysis Method of Common Cause Failure System. Beijing: National Defense Industry Press; 2008.
• 9. Kuo S, Lu S, Yeh F. Determining teminal-pair reliability based on edge expansion diagrams using OBDD. IEEE. Trans Reliability 1999; 48: 234-246, https://doi.org/10.1109/24.799845.
• 10. Lin C T, Hong W C, Chen Y F, et al. Application of salesman-like recommendation system In 3G mobile phone online shopping decision support. Expert Systems with Applications 2010; 37: 8065-8078, https://doi.org/10.1016/j.eswa.2010.05.081.
• 11. Lu Y, Li QM, Zhou ZP. Safety Risk Prediction of Subway Operation based on Fuzzy Bayesian Network. Journal of Southeast University 2010; 40: 1110-1114.
• 12. Ma DZ, Zhou Z, Yu XY, et al. Reliability analysis of multi-state Bayesian networks based on fuzzy probability. Systems Engineering and Electronic 2012; 34: 2607-2611.
• 13. Matsuoka T, Kobayashi M. The GO-FLOW reliability analysis methodology-analysis of common cause failure with uncertainty. Nuclear Engineering and Design 1997; 175: 205-214, https://doi.org/10.1016/S0029-5493(97)00038-1.
• 14. Palaniappan RK. Bayesian networks: Application in safety instrumentation and risk reduction, ISA Transactions 2007; 46: 255-259, https://doi.org/10.1016/j.isatra.2006.11.003
• 15. Son HS, Seong PH. A safety analysis method using fuzzy Petri nets. Annual Meeting of the North American Fuzzy Information Processing Society. Syracuse, New York: IEEE Press; 1997.
• 16. Yao CY, Zhang YY, Wang XF, et al. Importance analysis method of fuzzy fault tree based on T-S model. China Mechanical Engineering 2011; 22: 1261-1268.
• 17. Yin XW, Qian XW, Xie LY. Application of Bayesian Network to Reliability Assessment of Mechanical Systems. Journal of Northeastern University (Natural Science) 2008; 29: 557-560.
• 18. Zeng QH. Fault Prognostic Technologies Research for Key Parts and Components of Mechanical Transmission Systems. PhD dissertation. National University of Defense Technology, China; 2010.
• 19. Zhang Ruijun. Robust and optimization design with safety assessment technique of the parameter uncertainty. PhD dissertation. Beijng University of Posts and Telecommunication, China, 2015.