Wyniki wyszukiwania - BazTech

1

Cognitive Modeling and Formation of the Knowledge Base of the Information System for Assessing the Rating of Enterprises

Kryvoruchko Olena, Desiatko Alona, Karpunin Igor, Hnatchenko Dmytro, Lakhno Myroslav, Malikova Feruza, Turdaliev Ayezhan

International Journal of Electronics and Telecommunications

|

2023

|

Vol. 69, No. 4

697--705

EN

A mathematical model is proposed that makes it possible to describe in a conceptual and functional aspect the formation and application of a knowledge base (KB) for an intelligent information system (IIS). This IIS is developed to assess the financial condition (FC) of the company. Moreover, for circumstances related to the identification of individual weakly structured factors (signs). The proposed model makes it possible to increase the understanding of the analyzed economic processes related to the company's financial system. An iterative algorithm for IIS has been developed that implements a model of cognitive modeling. The scientific novelty of the proposed approach lies in the fact that, unlike existing solutions, it is possible to adjust the structure of the algorithm depending on the characteristics of a particular company, as well as form the information basis for the process of assessing the company's FC and the parameters of the cognitive model.

2

Ocena ryzyka robót dodatkowych w budowie infrastruktury kolejowej

Leśniak Agnieszka, Janowiec Filip

Materiały Budowlane

|

2022

|

nr 10

68--70

PL

Artykuł prezentuje autorskie podejście do oceny ryzyka robót dodatkowych w przedsięwzięciach kolejowych. Opracowana baza danych posłużyła do budowy i kalibracji modelu w postaci sieci bayesowskiej. Zdefiniowano kluczowe zdarzenia dotyczące robót dodatkowych. W przypadku każdego z nich określono warianty w węzłach sieci i prawdopodobieństwo ich wystąpienia. Zaproponowano 3 poziomy ryzyka. Przekroczenie przyjętego poziomu referencyjnego oznacza ryzyko nieakceptowalne i wymaga podjęcia działań zapobiegawczych.

EN

This article presents a proprietary approach to the risk assessment of additional works in the railway construction projects. The developed database was used to build and calibrate the model as a Bayesian network. The key events causing additional works were defined. Variants in nodes of network and probability of occurrence were determined for each of them. Three levels of risk were proposed. Exceeding the defined reference level means an unacceptable risk and requires taking preventive actions.

3

Automation of Information Security Risk Assessment

Akhmetov Berik, Lakhno Valerii, Chubaievskyi Vitalyi, Kaminskyi Serhii, Adilzhanova Saltanat, Ydyryshbayeva Moldir

International Journal of Electronics and Telecommunications

|

2022

|

Vol. 68. No. 3

549--555

EN

An information security audit method (ISA) for a distributed computer network (DCN) of an informatization object (OBI) has been developed. Proposed method is based on the ISA procedures automation by using Bayesian networks (BN) and artificial neural networks (ANN) to assess the risks. It was shown that such a combination of BN and ANN makes it possible to quickly determine the actual risks for OBI information security (IS). At the same time, data from sensors of various hardware and software information security means (ISM) in the OBI DCS segments are used as the initial information. It was shown that the automation of ISA procedures based on the use of BN and ANN allows the DCN IS administrator to respond dynamically to threats in a real time manner, to promptly select effective countermeasures to protect the DCS.

4

Modelling the impact of electronic auction on the tender procedure for the construction of railway infrastructure with the Bayesian networks

Janowiec Filip

Archives of Civil Engineering

|

2022

|

Vol. 68, nr 4

617--631

EN

The numerous overruns of the investor's budget during tenders for the construction of railway infrastructure in Poland resulted in the widespread use of a new procedure for awarding public contracts - electronic auction. This procedure has many advantages and potential risks. One of the biggest benefits for an investor is the potential gains from reducing bids. Contractors competing against each other allow for the achievement of optimal prices for the planned construction investment. However, this may cause the originally calculated risks, should they materialize, lead to significant budget overruns. This, in turn, may imply further negative consequences, including exceeding the assumed investment deadlines. The article presents a method of modeling the influence of an electronic auction on a tender procedure with the use of a Bayesian network. Data from completed tender procedures announced by the PKP Polskie Linie Kolejowe S.A. were used to build the network. The created network was then validated, verified and calibrated using new data from 8 tender procedures.

PL

Liczne przekroczenia budżetu inwestorskiego podczas przetargów na budowę infrastruktury kolejowej w Polsce spowodowały powszechne zastosowanie nowego trybu udzielania zamówień publicznych - aukcji elektronicznej. Ta procedura ma wiele zalet i potencjalnych zagrożeń. Jedną z największych korzyści dla inwestora są potencjalne zyski, wynikające z zmniejszenia ofert. Oferenci konkurując wzajemnie pozwalają na osiągnięcie optymalnych cen dla planowanej inwestycji budowlanej. Jednak to może spowodować, iż pierwotnie kalkulowane ryzyka w razie urzeczywistnienia się, doprowadzą do znacznych przekroczeń budżetu. To z kolei może implikować dalsze negatywne konsekwencje, w tym przekroczenie założonych terminów inwestycji. W artykule przedstawiono metodę modelowania wpływu aukcji elektronicznej na postępowanie przetargowe z wykorzystaniem sieci bayesowskiej. Do budowy sieci wykorzystano dane pochodzące z zakończonych postępowań przetargowych ogłaszanych przez spółkę PKP Polskie Linie Kolejowe S.A. Stworzona sieć została następnie poddana walidacji, zweryfikowana i skalibrowana z wykorzystaniem nowych danych, pochodzących z 8 postępowań przetargowych.

5

From conventional to machine learning methods for maritime riskassessment

Rawson A., Brito M., Sabeur Z., Tran-Thanh L.

TransNav : International Journal on Marine Navigation and Safety of Sea Transportation

|

2021

|

Vol. 15 No. 4

757--764

EN

Within the last thirty years, the range and complexity of methodologies proposed to assess maritime risk have increased significantly. Techniques such as expert judgement, incident analysis, geometric models, domain analysis and Bayesian Networks amongst many others have become dominant within both the literature and industry. On top of this, advances in machine learning algorithms and big data have opened opportunities for new methods which might overcome some limitations of conventional approaches. Yet, determining the suitability or validity of one technique over another is challenging as it requires a systematic multicriteria approach to compare the inputs, assumptions, methodologies and results of each method. Within this paper, such an approach is proposed and tested within an isolated waterway in order to justify the proposed advantages of a machine learning approach to maritime risk assessment and should serve as inspiration for future work.

6

Grid Fault Diagnosis Based on Information Entropy and Multi-source Information Fusion

Zeng Xin, Xiong Xingzhong, Luo Zhongqiang

International Journal of Electronics and Telecommunications

|

2021

|

Vol. 67, No. 2

143--148

EN

In order to solve the problem of misjudgment caused by the traditional power grid fault diagnosis methods, a new fusion diagnosis method is proposed based on the theory of multi-source information fusion. In this method, the fault degree of the power element is deduced by using the Bayesian network. Then, the time-domain singular spectrum entropy, frequency-domain power spectrum entropy and wavelet packet energy spectrum entropy of the electrical signals of each circuit after the failure are extracted, and these three characteristic quantities are taken as the fault support degree of the power components. Finally, the four fault degrees are normalized and classified as four evidence bodies in the D-S evidence theory for multi-feature fusion, which reduces the uncertainty brought by a single feature body. Simulation results show that the proposed method can obtain more reliable diagnosis results compared with the traditional methods.

7

Falcon optimization algorithm for bayesian network structure learning

Kareem Shahab Wahhab, Okur Mehmet Cudi

Computer Science

|

2021

|

T. 22 (4)

553--569

EN

In machine-learning, some of the helpful scientific models during the production of a structure of knowledge are Bayesian networks. They can draw the relationships of probabilistic dependency among many variables. The score and search method is a tool that is used as a strategy for learning the structure of a Bayesian network. The authors apply the falcon optimization algorithm (FOA) to the learning structure of a Bayesian network. This paper has employed reversing, deleting, moving, and inserting to obtain the FOA for approaching the optimal solution of a structure. Essentially, the falcon prey search strategy is used in the FOA algorithm. The result of the proposed technique is associated with pigeon-inspired optimization, greedy search, and simulated annealing that apply the BDeu score function. The authors have also examined the performances of the confusion matrix of these techniques by utilizing several benchmark data sets. As shown by the experimental evaluations, the proposed method has a more reliable performance than other algorithms (including the production of excellent scores and accuracy values).

8

Assessment of the possibility of using Bayesian nets and Petri nets in the process of selecting additive manufacturing technology in a manufacturing company

Topczak Marcin, Śliwa Małgorzata

Applied Computer Science

|

2021

|

Vol. 17, no 1

5--16

EN

The changes caused by Industry 4.0 determine the decisions taken by manufacturing companies. Their activities are aimed at adapting processes and products to dynamic market requirements. Additive manufacturing technologies (AM) are the answer to the needs of enterprises. The implementation of AM technology brings many benefits, although for most 3D printing techniques it is also relatively expensive. Therefore, the implementation process should be preceded by an appropriate analysis, in order, finally, to assess the solution. This article presents the concept of using the Bayesian network when planning the implementation of AM technology. The use of the presented model allows the level of the success of the implementation of selected AM technology, to be estimated under given environmental conditions.

9

Using bayesian networks to model competence of lifeboat coxswains

Billard R., Smith J., Masharraf M., Veitch B.

TransNav : International Journal on Marine Navigation and Safety of Sea Transportation

|

2020

|

Vol. 14. no. 3

585--594

EN

The assessment of lifeboat coxswain performance in operational scenarios representing offshore emergencies has been prohibitive due to risk. For this reason, human performance in plausible emergencies is difficult to predict due to the limited data that is available. The advent of lifeboat simulation provides a means to practice in weather conditions representative of an offshore emergency. In this paper, we present a methodology to create probabilistic models to study this new problem space using Bayesian Networks (BNs) to formulate a model of competence. We combine expert input and simulator data to create a BN model of the competence of slow-speed maneuvering (SSM). We demonstrate how the model is improved using data collected in an experiment designed to measure performance of coxswains in an emergency scenario. We illustrate how this model can be used to predict performance and diagnose background information about the student. The methodology demonstrates the use of simulation and probabilistic methods to increase domain awareness where limited data is available. We discuss how the methodology can be applied to improve predictions and adapt training using machine learning.

10

Group decision support system based on Bayesian network

Kvyetnyy Roman N., Kuzmina Natalia F., Poplavskyy Olexander A., Drabovska Vira A., Kuzmik Valentyna B., Gromaszek Konrad, Kalizhanova Aliya, Smaillova Saule

Przegląd Elektrotechniczny

|

2020

|

R. 96, nr 9

123--128

EN

The article examines the process of building a developed group decision support system, its analytical and informational support. Different modes of the operation of the system are described. Software implementation and practical aspects of using such a system to resolve conflicts in supporting group decision making process are proposed. The experimental results, which allowed to confirm the effectiveness of the developed system and its application for evaluation and teaching of users are presented.

PL

Artykuł analizuje proces budowy rozwiniętego systemu wspomagania decyzji grupowych, jego wsparcie analityczne i informacyjne. Opisano różne tryby działania systemu. Proponowane jest wdrożenie oprogramowania i praktyczne aspekty korzystania z takiego systemu do rozwiązywania konfliktów we wspieraniu grupowego procesu decyzyjnego. Przedstawiono wyniki eksperymentów, które pozwoliły potwierdzić skuteczność opracowanego systemu i jego zastosowania do oceny i nauczania użytkowników.

11

Reactive energy compensator effect on the reliability of a complex electrical system using Bayesian networks

Reffas Omar, Sahraoui Yacine, Nahal Mourad, Ghoul Rachida Hadiby, Saad Salah

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 4

684--693

EN

The static synchronous compensator is presented in order to improve an electrical network system performance. The present work aims to develop a Bayesian methodology for assessing the time-variant reliability of a complex electrical system taking into account reactive energy compensator (STATCOM). However, the complex aspect is not only related to the complexity of electrical system components architecture, nevertheless is allied to electrical network and STATCOM interactions. The Bayesian network is used for coping with this complexity constraint. The reliability-based assessment of reactive energy compensator effect is applied to a real case of a complex electrical system. The proposed Bayesian methodology application reveals that the STATCOM has a significant influence on electrical system reliability and the developed model can provide valuable information for decision makers to improve the system reliability performance.

12

Imprecise sensitivity analysis of system reliability based on the Bayesian network and probability box

Liang He, Mi Jinhua, Bai Libing, Cheng Yuhua

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 3

508--519

EN

Sensitivity analysis measures how changes in system inputs affect outputs. Previously, a large amount of sensitivity analysis research was relevant to the precise probability that is regarded as an ideal condition of engineering. Due to insufficient test samples and the low accuracy of test data, system reliability with hybrid uncertainty is difficult to be described as a precise value. As a profusion of highly integrated electromechanical equipment is applied in modern life, it is impossible to apply sufficient resources to eliminate the stochastic property of every component, which necessitates the identification of highly sensitive components to efficiently reduce imprecision. Hence, based on the theory of imprecise probability, imprecise sensitivity analysis has become a popular research topic in the last decade. In this paper, a method for uncertain system reliability and imprecise sensitivity analysis is proposed based on a Bayesian network, a probability box and the pinching method. The feasibility and accuracy of the combined method are fully verified through the evaluation and analysis of a numerical example and a case study of an electromechanical system, and the highly sensitive components that heavily influence the imprecision of system outputs are accurately identified.

PL

Celem analizy czułościowej jest badanie w jakim stopniu zmiany danych wejściowych systemu wpływają na dane wyjściowe. Dotychczasowe badania z wykorzystaniem analizy czułościowej były związane z dokładnym prawdopodobieństwem postrzeganym w inżynierii jako warunek idealny. Przy niewystarczającej wielkości badanej próby i niskiej dokładności danych testowych, niezawodność systemu o hybrydowej niepewności trudno opisać w sposób dokładny. Biorąc pod uwagę fakt, że we współczesnym świecie wykorzystuje się duże ilości wysoce zintegrowanych urządzeń elektromechanicznych, niemożliwa jest alokacja wystarczających zasobów w celu wyeliminowania właściwości stochastycznych każdego elementu. Oznacza to, że aby zredukować niedokładność, konieczna jest identyfikacja komponentów o wysokiej czułości. Dlatego też popularnym przedmiotem badań ostatniej dekady stała się niedokładna analiza czułości, bazująca na teorii niedokładnego prawdopodobieństwa. W artykule zaproponowano metodę analizy niezawodności niepewnego systemu jak również niedokładnej analizy czułościowej w oparciu o sieć bayesowską, pole prawdopodobieństwa i metodę pinch point. Możliwość wykorzystania i dokładność metody zostały w pełni potwierdzone na podstawie przykładu liczbowego jak również studium przypadku systemu elektromechanicznego; proponowana metoda pozwoliła na poprawne określenie wysoce czułych elementów systemu, które w dużym stopniu wpływają na niedokładność danych wyjściowych układu.

13

Importance measure of probabilistic common cause failures under system hybrid uncertainty based on bayesian network

Mi Jinhua, Li Yan-Feng, Beer Michael, Broggi Matteo, Cheng Yuhua

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 1

111--120

EN

When dealing with modern complex systems, the relationship existing between components can lead to the appearance of various dependencies between component failures, where multiple items of the system fail simultaneously in unpredictable fashions. These probabilistic common cause failures affect greatly the performance of these critical systems. In this paper a novel methodology is developed to quantify the importance of common cause failures when hybrid uncertainties are presented in systems. First, the probabilistic common cause failures are modeled with Bayesian networks and are incorporated into the system exploiting the α factor model. Then, probability-boxes (bound analysis method) are introduced to model the hybrid uncertainties and quantify the effect of uncertainties on system reliability. Furthermore, an extended Birnbaum importance measure is defined to identify the critical common cause failure events and coupling impact factors when uncertainties are expressed by probability-boxes. Finally, the effectiveness of the method is demonstrated through a numerical example.

PL

W przypadku nowoczesnych systemów złożonych, relacje zachodzące między komponentami mogą prowadzić do pojawienia się różnych zależności między ich uszkodzeniami, a tym samym do sytuacji w których kilka składowych systemu ulega uszkodzeniu jednocześnie w nieprzewidywalny sposób. Tego typu probabilistyczne uszkodzenia wywołane wspólną przyczyną (PCCF) mają ogromny wpływ na wydajność tych kluczowych systemów. W przedstawionym artykule opracowano nową metodę szacowania ważności PCFF w sytuacjach, gdy w systemie występują niepewności hybrydowe. W pierwszej kolejności, PCFF zamodelowano za pomocą sieci bayesowskich i włączono do systemu wykorzystującego model współczynnika α. Następnie, wprowadzono przedziały prawdopodobieństwa, tzw. probability boxes (bound analysis method), w celu zamodelowania niepewności hybrydowych i kwantyfikacji wpływu tych niepewności na niezawodność systemu. Ponadto zdefiniowano rozszerzoną miarę ważności Birnbauma, która pozwala zidentyfikować krytyczne zdarzenia PCCF oraz czynniki, które je wywołały, w przypadkach, gdy niepewności wyrażone są za pomocą probability boxes. Skuteczność metody wykazano na przykładzie numerycznym.

14

Extracting structure of Bayesian network from data in predicting the damage of prefabricated reinforced concrete buildings in mining areas

Rusek Janusz, Firek Karol, Słowik Leszek

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 4

658--666

EN

This article presents the results of the research on the construction of a model for assessing the risk of damage to building structures located in mining areas. The research was based on the database on the structure, technical condition and mining impacts regarding 129 prefabricated reinforced concrete buildings erected in the industrialised large-block system, located in the mining area of the Legnica-Glogow Copper District (LGCD). The methodology of the Bayesian Belief Network (BBN) was used for the analysis. Using the score-based Bayesian structure learning approach (Hill-Climbing and Tabu-Search) as well as the selected optimisation criteria, 16 Bayesian network structures were induced. All models were subjected to quantitative and qualitative evaluation by verifying their features in the context of accuracy of prediction, generalisation of acquired knowledge and cause-effect relationships. This allowed to select the best network structure together with the corresponding optimisation criterion. The analysis of the results demonstrated that the Tabu-Search method adopting the optimisation criterion in the form of Locally Averaged Bayesian Dirichlet score (BDla) led to obtaining a model with the best features among all the selected models. The results justified the adoption of the BBN methodology as effective in the context of assessing the extent of damage to building structures in mining areas.

PL

W artykule zaprezentowano wyniki badań dotyczących budowy modelu do oceny ryzyka powstawania uszkodzeń budynków usytuowanych na terenach górniczych. Podstawą do badań była baza danych nt. konstrukcji, stanu technicznego oraz wpływów górniczych dla 129 żelbetowych prefabrykowanych budynków wznoszonych w uprzemysłowionym systemie wielkoblokowym zlokalizowanych na terenie górniczym Legnicko-Głodowskiego Okręgu Miedziowego (LGOM). Do analiz zastosowano metodykę sieci przekonań Bayesa (BBN – Belief Bayesian Networks). Stosując podejście score-based Bayesian structure learning (Hill-Climbing oraz Tabu-Search) oraz wyselekcjonowane kryteria optymalizacyjne, wyłoniono 16 struktur sieci Bayesowskich. Wszystkie modele poddano ocenie ilościowej i jakościowej, weryfikując ich własności w kontekście trafności predykcji, generalizacji nabytej wiedzy oraz zależności przyczynowo-skutkowych. Pozwoliło to na wyselekcjonowanie najlepszej struktury sieci wraz z odpowiadającym kryterium optymalizacyjnym. Analiza wyników wykazała, że metoda Tabu-Search przy przyjęciu kryterium optymalizacyjnego w postaci Locally Averaged Bayesian Dirichlet score (BDla), prowadzi do uzyskania modelu o najlepszych własnościach spośród wszystkich wyłonionych modeli. Uzyskane rezultaty uzasadniają przyjęcie metodyki BBN, jako efektywnej w kontekście oceny zakresu uszkodzeń budynków na terenach górniczych.

15

A novel reliability estimation method of multi-state system based on structure learning algorithm

Li Zhifeng, Wang Zili, Ren Yi, Yang Dezhen, Lv Xing

Eksploatacja i Niezawodność

|

2020

|

Vol. 22, no. 1

170--178

EN

Traditional reliability models, such as fault tree analysis (FTA) and reliability block diagram (RBD), are typically constructed with reference to the function principle graph that is produced by system engineers, which requires substantial time and effort. In addition, the quality and correctness of the models depend on the ability and experience of the engineers and the models are difficult to verify. With the development of data acquisition, data mining and system modeling techniques, the operational data of a complex system considering multi-state, dependent behavior can be obtained and analyzed automatically. In this paper, we present a method that is based on the K2 algorithm for establishing a Bayesian network (BN) for estimating the reliability of a multi-state system with dependent behavior. Facilitated by BN tools, the reliability modeling and the reliability estimation can be conducted automatically. An illustrative example is used to demonstrate the performance of the method.

PL

Tradycyjne modele niezawodności, takie jak analiza drzewa błędów (FTA) czy schemat blokowy niezawodności (RBD), buduje się zazwyczaj w oparciu o tworzone przez inżynierów systemowych schematy zasad działania systemu, których przygotowanie wymaga dużych nakładów czasu i pracy. Jakość i poprawność tych modeli zależy od umiejętności i doświadczenia inżynierów, a same modele są trudne do zweryfikowania. Dzięki rozwojowi technik akwizycji i eksploracji danych oraz modelowania systemów, dane operacyjne złożonego systemu uwzględniające jego zależne, wielostanowe zachowania mogą być pozyskiwane i analizowane automatycznie. W artykule przedstawiono metodę konstrukcji sieci bayesowskiej (BN) opartą na algorytmie K2, która pozwala na ocenę niezawodności systemu wielostanowego o zachowaniach zależnych. Dzięki narzędziom BN, modelowanie i szacowanie niezawodności może odbywać się automatycznie. Działanie omawianej metody zilustrowano na podstawie przykładu.

16

Application of bayesian networks for estimation of individual psychological characteristics

Litvinenko Alexander, Mamyrbayev Orken, Litvinenko Natalya, Shayakhmetova Assem, Kotyra Andrzej

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 5

92--97

EN

An accurate qualitative and comprehensive assessment of human potential is one of the most important challenges in any company or collective. We apply Bayesian networks for developing more accurate overall estimations of psychological characteristics of an individual, based on psychological test results, which identify how much an individual possesses a certain trait. Examples of traits could be a stress resistance, the readiness to take a risk, the ability to concentrate on certain complicated work.

PL

Jakościowa oraz kompleksowa ocena potencjału ludzkiego jest jednym z najważniejszych wyzwań dla każdej firmy lub grupy. Sieci Bayesowskie stosowane są do opracowywania dokładniejszych ogólnych oszacowań cech psychologicznych jednostki, w oparciu o wyniki testów psychologicznych, które określają, jak dużo dana osoba posiada pewnych cech.

17

Generations in Bayesian networks

Litvinenko Alexander, Litvinenko Natalya, Mamyrbayev Orken, Shayakhmetova Assem

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2019

|

T. 9, nr 3

10--13

EN

This paper focuses on the study of some aspects of the theory of oriented graphs in Bayesian networks. In some papers on the theory of Bayesian networks, the concept of “Generation of vertices” denotes a certain set of vertices with many parents belonging to previous generations. Terminology for this concept, in our opinion, has not yet fully developed. The concept of “Generation” in some cases makes it easier to solve some problems in Bayesian networks and to build simpler algorithms. In this paper we will consider the well-known example “Asia”, described in many articles and books, as well as in the technical documentation for various toolboxes. For the construction of this example, we have used evaluation versions of AgenaRisk.

PL

Niniejszy artykuł koncentruje się na badaniu pewnych aspektów teorii zorientowanych grafów w sieciach bayesowskich. W niektórych artykułach na temat teorii sieci bayesowskich pojęcie „generacji wierzchołków” oznacza pewien zestaw wierzchołków z wieloma rodzicami należącymi do poprzednich generacji. Terminologia tego pojęcia, naszym zdaniem, nie została jeszcze w pełni rozwinięta. Koncepcja „Generacji” w niektórych przypadkach ułatwia rozwiązywanie niektórych problemów w sieciach bayesowskich i budowanie prostszych algorytmów. W tym artykule rozważymy dobrze znany przykład „Azja”, opisany w wielu artykułach i książkach, a także w dokumentacji technicznej różnych zestawów narzędzi. Do budowy tego przykładu wykorzystaliśmy wersje testowe AgenaRisk.

18

Reliability analysis of complex uncertainty multi-state system based on Bayesian network

Wang Haipeng, Duan Fuhai, Ma Jun

Eksploatacja i Niezawodność

|

2019

|

Vol. 21, no. 3

419--429

EN

Reliability analysis of complex multi-state system has uncertainty, which is caused by complex structures, limited test samples, and insufficient reliability data. By introducing fuzzy mathematics and grey system theory into the Bayesian network, the model of the grey fuzzy Bayesian network is built, and the reliability analysis method of complex uncertainty multi-state system with the non-deterministic membership function and the interval characteristic quantity is proposed in this paper. Using the trapezoidal membership function with fuzzy support radius variable to describe the fault state of the component, it can effectively avoid the influence of human subjective factors on the selection of the membership function and solve the problem that the fault states of the system and its components are difficult to define accurately. And the conditional probability table containing interval grey numbers is constructed to effectively express the uncertain fault logic relationship between the system and its components. Moreover, a parameter planning model of the system reliability characteristic quantities is constructed, and the system reliability characteristic quantities are expressed as the form of interval values. Finally, two sets of numerical experiments are conducted and discussed, and the results show that the proposed method is an effective and a promising approach to reliability analysis for complex uncertainty multi-state systems.

PL

Analiza niezawodności złożonych systemów wielostanowych obarczona jest niepewnością związaną ze złożonością ich struktury, ograniczoną liczbą próbek badawczych i niewystarczającymi danymi dotyczącymi niezawodności. W przedstawionej pracy, wprowadzenie elementów matematyki rozmytej i teorii szarych systemów do sieci bayesowskiej umożliwiło budowę modelu szarej rozmytej sieci bayesowskiej i zaproponowanie metody analizy niezawodności złożonych systemów wielostanowych w warunkach niepewności, która wykorzystuje niedeterministyczną funkcję przynależności oraz pojęcie interwałowej wielkości charakterystycznej. Zastosowanie trapezoidalnej funkcji przynależności z rozmytą zmienną promienia nośnego do opisu stanu uszkodzenia komponentu, pozwala zniwelować wpływ subiektywnego czynnika ludzkiego na wybór funkcji przynależności i eliminuje konieczność precyzyjnego definiowania stanu uszkodzenia systemu i jego elementów składowych. Opracowana tabela prawdopodobieństw warunkowych zawierająca szare liczby interwałowe pozwala wyrazić niepewne zależności logiki uszkodzeń między systemem a jego składnikami. Ponadto, w pracy skonstruowano model planowania parametrów charakterystycznych wielkości niezawodności systemu wyrażonych w postaci wartości interwałowych. W ostatniej części artykułu omówiono dwie serie eksperymentów numerycznych, których wyniki pokazują, że proponowana metoda stanowi skuteczne i obiecujące podejście do analizy niezawodności złożonych systemów wielostanowych w warunkach niepewności.

19

Diagnozowanie uszkodzeń łożysk tocznych z wykorzystaniem wybranych klasyfikatorów

Piekoszewski J.

Autobusy : technika, eksploatacja, systemy transportowe

|

2018

|

R. 19, nr 12

597--601

PL

Niewielkie uszkodzenie łożysk tocznych może prowadzić do poważnej awarii urządzenia. Zatem, bardzo ważnym jest wykrycie takich defektów na ich początkowym etapie powstawania aby zapobiec dalszym uszkodzeniom. W pracy przedstawiono kilka wybranych teoretycznych narzędzi z obszaru sztucznej inteligencji zastosowanych do rozwiązania problemu diagnozowania uszkodzeń łożysk tocznych. Rozważanymi narzędziami są: algorytm k najbliższych sąsiadów, drzewo decyzyjne, maszyna wektorów podpierających, perceptron wielowarstwowy, sieć bayesowska oraz sieć neuronowa o radialnych funkcjach bazowych. Rezultaty wszystkich eksperymentów zostały otrzymane z wykorzystaniem rzeczywistych danych oraz aplikacji WEKA (ang. Waikato Environment for Knowledge Analysis) dostępnej na stronach Uniwersytetu Waikato w Nowej Zelandii.

EN

Minor roller bearing damage may lead to serious failures of the device. Thus, it is very important to detect such damage as early as possible to prevent further damage. This paper presents a selection of several theoretical tools from the field of artificial intelligence and their application in roller bearings fault classification. The considered tools are: k-nearest neighbor algorithm, decision tree, support vector machine, feed forward neural network (multilayer perceptron), Bayesian network and neural network with radial basis functions. All numerical experiments presented in the paper were performed with the use of real - world dataset and WEKA (Waikato Environment for Knowledge Analysis) software, available at the server of the University of Waikato.

20

A model for oil spill scenarios from tanker collision accidents in the Northern Baltic Sea

Goerlandt F.

Zeszyty Naukowe Akademii Morskiej w Szczecinie

|

2017

|

nr 50 (122)

9--20

EN

Oil spills from maritime activities can lead to very extensive damage to the marine environment and disrupt maritime ecosystem services. Shipping is an important activity in the Northern Baltic Sea, and with the complex and dynamic ice conditions present in this sea area, navigational accidents occur rather frequently. Recent risk analysis results indicate those oil spills are particularly likely in the event of collisions. In Finnish sea areas, the current wintertime response preparedness is designed to a level of 5000 tonnes of oil, whereas a state-of-the-art risk analysis conservatively estimates that spills up to 15000 tonnes are possible. Hence, there is a need to more accurately estimate oil spill scenarios in the Northern Baltic Sea, to assist the relevant authorities in planning the response fleet organization and its operations. An issue that has not received prior consideration in maritime waterway oil spill analysis is the dynamics of the oil outflow, i.e. how the oil outflow extent depends on time. Hence, this paper focuses on time-dependent oil spill scenarios from collision accidents possibly occurring to tankers operating in the Northern Baltic Sea. To estimate these, a Bayesian Network model is developed, integrating information about designs of typical tankers operating in this area, information about possible damage scenarios in collision accidents, and a state-of-the-art time-domain oil outflow model. The resulting model efficiently provides information about the possible amounts of oil spilled in the sea in different periods of time, thus contributing to enhanced oil spill risk assessment and response preparedness planning.