In line with the principles of modern design a building structure should not only be safe but also optimized. In deterministic optimization, the uncertainties of the structures are not explicitly taken into account. Traditionally, uncertainties of the structural system (i.e. material parameters, loads, dimensions of the cross-sections) are considered by means of partial safety factors specified in design codes. Worth noticing, that optimal structures are sensitive to randomness design parameters and deterministic optimal solutions may lead to reduced reliability levels. It therefore seems natural to extend the formulation of deterministic optimization with the random scatter of parameter values. Such a formulation is offered by robust optimization and reliability-based design optimization. The applicability of RBDO is strongly dependent on the availability of the joint probability density function. A formulation of non-deterministic optimization that better adapts to the design realities is robust optimization. Unlike RBDO optimization, this formulation does not require estimation of failure probabilities. In the paper using the examples of steel beams, the authors compare the strengths and weaknesses of both formulations.
PL
Analiza wpływu, jaki na modelowane zjawisko ma losowy charakter opisujących je parametrów jest niezwykle istotna w procesie optymalnego projektowania. Rozwiązania, które spełniają swoją funkcję dla nominalnych wartości parametrów mogą okazać się nie do zaakceptowania po uwzględnieniu losowych imperfekcji. Imperfekcje te mogą dotyczyć nieuniknionego rozrzutu parametrów materiałowych, wymiarów, oddziaływań zewnętrznych. W analizowanej pracy zmienność parametrów materiałowych opisuje moduł Younga E ze współczynnikiem zmienności równym 3%. Rozrzut wymiarów geometrycznych przekroju poprzecznego opisują zmienne D, d ze współczynnikiem zmienności 2%. Oddziaływanie zewnętrzne definiuje obciążenie równomiernie rozłożone Q o współczynniku zmienności równym 2%. Rezultaty optymalizacji deterministycznej, przy zachowaniu zdefiniowanych wcześniej współczynników zmienności, okazały się całkowicie nieprzydatnymi. Prawdopodobieństwa awarii obliczone dla stanu granicznego nośności i stanu granicznego użytkowania są bardzo wysokie. Dążąc do znalezienia rozwiązania niewrażliwego na trudne do kontrolowania imperfekcje parametrów modelu lub oddziaływań zewnętrznych mamy do dyspozycji dwie opcje. Pierwsza z nich to optymalizacja typu robust. Druga to optymalizacja oparta na niezawodności tzw. RBDO. Jeżeli zagwarantowanie wysokiego poziomu bezpieczeństwa jest najważniejszym wymaganiem stawianym projektowanej konstrukcji warto wybrać RBDO. W ramach RBDO, ograniczenia projektowe formułowane są za pomocą prawdopodobieństw awarii. Możliwość zastosowania RBDO jest silnie uwarunkowana dostępnością łącznej funkcji gęstości prawdopodobieństwa. Od precyzyjnego modelu stochastycznego zależy wiarygodność szacowanych wartości prawdopodobieństwa awarii. Sformułowaniem optymalizacji niedeterministycznej, które lepiej dopasowuje się do realiów projektowych jest optymalizacja typu robust. Celem optymalizacji odpornościowej powinna być jednoczesna minimalizacja wartości średniej oraz odchylenia standardowego funkcji celu. W odróżnieniu od optymalizacji RBDO, sformułowanie to nie wymaga szacowania prawdopodobieństw awarii. Losowy charakter odpowiedzi konstrukcji uwzględniany jest poprzez definicje funkcji celu i ograniczeń, zawierających wartości średnie oraz wariancje. Złożoność obliczeniowa tego podejścia wiąże się z użyciem efektywnych metod szacowania momentów statystycznych. W pracy do obliczeń RBDO wykorzystano moduł Costrel środowiska obliczeniowego Strurel. W module Costrel obliczenia realizowane są zgodnie z ideą metod jednopoziomowych. Celem tych metod jest wyeliminowanie wewnętrznej pętli związanej z analizą niezawodności poprzez rozszerzenie zbioru zmiennych decyzyjnych oraz zastąpienie ograniczeń niezawodnościowych poprzez kryteria optymalności zadań poszukiwania punktów projektowych. Obliczenia związane z „robust” optymalizacją wykonano za pomocą oprogramowania Numpress Explore. Odpowiednia aproksymacja funkcji celu i ograniczeń ma kluczowe znaczenie dla efektywności oraz zbieżności przeprowadzanych analiz. W pracy wykorzystano metodę krigingu w wersji aproksymacyjnej wraz z planem eksperymentu opartym na koncepcji optymalnej łacińskiej hiperkostki.
A "multi-state linear k-within-(m,s)-of-(m,n):F lattice system" (MS L(k,m,s,n:F)) comprises of m×n components, which are ordered in m rows and n columns. The state of system and components may be one of the following states: 0, 1, 2, …, H. The state of MS L(k,m,s,n:F) is less than j whenever there is at least one sub-matrix of the size m×s which contains kl or more components that are in state less than l for all j ≤ l ≤ H. This system is a model for many applications, for example, tele communication, radar detection, oil pipeline, mobile communications, inspection procedures and series of microwave towers systems. In this paper, we propose new bounds of increasing MS L(k,m,s,n:F) reliability using second and third orders of Boole-Bonferroni bounds with i.i.d components. The new bounds are examined by previously published numerical examples for some special cases of increasing MS L(k,m,s,n:F). Also, illustration examples of modelling the system and numerical examples of new bounds are presented. Further, comparisons between the results of second and third orders of Boole-Bonferroni bounds are given.
PL
"Wielostanowy system liniowy k-w- ( m, s ) -z- ( m, n ):F o strukturze kratowej" (MS L(k, m, s, n:F)) składa się z m × n elementów, uporządkowanych w m wierszach i n kolumnach. Stan systemu i elementów może być jednym z następujących stanów: 0, 1, 2, ..., H. Stan MS L (k, m, s, n: F) jest mniejszy niż j, gdy istnieje co najmniej jedna pod-matryca o rozmiarze m × s, która zawiera kl lub więcej elementów, które znajdują się w stanie mniejszym niż l dla wszystkich j ≤ l ≤ H. System ten stanowi model dla wielu zastosowań, na przykład w telekomunikacji, detekcji radarowej, rurociągach naftowych, komunikacji mobilnej, procedurach przeglądu oraz systemach wież radiolinii. W niniejszym artykule proponujemy nowe granice zwiększania niezawodności MS L ( k, m, s, n: F) z wykorzystaniem drugiego i trzeciego stopnia nierówności Boole'a–Bonferroniego z niezależnymi elementami o jednakowym rozkładzie. Nowe granice omówiono na podstawie poprzednio publikowanych przykładów numerycznych dla niektórych szczególnych przypadków zwiększania MS L ( k, m, s, n: F). Przedstawiono także przykłady ilustrujące modelowanie systemu oraz numeryczne przykłady nowych granic. Ponadto porównano wyniki uzyskane dla drugiego i trzeciego stopnia nierówności Boole'a–Bonferroniego.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł dotyczy zastosowania programowania ewolucyjnego do optymalizacji niezawodności elektroenergetycznych sieci dystrybucyjnych. W artykule przedstawiono koncepcję i opis proponowanej metody oraz algorytm obliczeniowy. W końcowej części zaprezentowano przykładowe rezultaty obliczeń dla wybranej elektroenergetycznej sieci dystrybucyjnej.
EN
In the article is presented the evolutionary programming using the optimization of reliability the power distribution grids. The article presents the conception and description the evolutionary programming. The final part of the article describes sample calculations for power distribution grids using the developed method.
Optimizing system reliability in a fuzzy environment is complex due to the presence of imprecise multiple decision criteria such as maximizing system reliability and minimizing system cost. This calls for multi-criteria decision making approaches that incorporate fuzzy set theory concepts and heuristic methods. This paper presents a fuzzy multi-criteria nonlinear model, and proposes a fuzzy multi-criteria genetic algorithm (FMGA) for complex bridge system reliability design in a fuzzy environment. The algorithm uses fuzzy multi-criteria evaluation techniques to handle fuzzy goals, preferences, and constraints. The evaluation approach incorporates fuzzy preferences and expert choices of the decision maker in regards to cost and reliability goals. Fuzzy evaluation gives the algorithm flexibility and adaptability, yielding near-optimal solutions within short computation times. Results from computational experiments based on benchmark problems demonstrate that the FMGA approach is a more reliable and effective approach than best known algorithm, especially in a fuzzy multi-criteria environment.
PL
Optymalizacja niezawodności systemu w środowisku rozmytym to problem złożony ze względu na konieczność wzięcia pod uwagę wielu niedokładnie określonych kryteriów decyzyjnych, takich jak maksymalizacja niezawodności systemu i minimalizacja kosztów. Wymaga ona zastosowania wielokryterialnych metod podejmowania decyzji, które łączyłyby pojęcia z zakresu teorii zbiorów rozmytych oraz metody heurystyczne. W niniejszej pracy przedstawiono rozmyty wielokryterialny model nieliniowy (FMGA) oraz zaproponowano rozmyty wielokryterialny algorytm genetyczny do projektowania niezawodności złożonych systemów mostkowym w środowisku rozmytym. Algorytm wykorzystuje techniki rozmytej oceny wielokryterialnej do określania rozmytych celów, preferencji oraz ograniczeń. Metoda oceny uwzględnia rozmyte preferencje i eksperckie wybory decydenta dotyczące kosztów oraz celów niezawodnościowych. Ocena rozmyta nadaje algorytmowi cechy elastyczności oraz adaptacyjności, pozwalając na otrzymanie niemal optymalnych rozwiązań w krótkim czasie obliczeniowym. Wyniki eksperymentów obliczeniowych opartych na problemach wzorcowych pokazują, że podejście z zastosowaniem FMGA jest bardziej niezawodne i wydajne niż najbardziej znany algorytm, zwłaszcza w rozmytym środowisku wielokryterialnym.
Reliability is one of the most important criteria, which must be taken into consideration during planning and operation phases of an electric power system, especially in present situation of the power sector. This paper considers the optimization of electric power system reliability. The formalization of description of electric power system reliability level optimization is done as well as its practical solving components are given: diagram of value based reliability approach and estimation of customer damage costs resulting from insufficient reliability level.
PL
Niezawodność jest jednym z najważniejszych kryteriów, które należy uwzględniać, zarówno podczas planowania rozwoju, jak też eksploatacji systemu elektroenergetycznego, szczególnie w obecnej sytuacji elektroenergetyki. Artykuł dotyczy optymalizacji niezawodności systemu elektroenergetycznego. Przedstawiono formalny opis matematyczny zagadnienia optymalizacji poziomu niezawodności systemu elektroenergetycznego oraz pewne elementy jego rozwiązania: schemat podejścia wartościowania niezawodności oraz szacowanie kosztów strat odbiorców z tytułu niedostatecznego poziomu niezawodności.
Artykuł dotyczy zagadnienia alokacji nieuszkadzalności w systemach logistycznych w oparciu o funkcję kosztów Mettasa. Przedstawiono problem optymalizacji nieliniowej w postaci minimalizacji wykładniczej funkcji kosztów zależnej od nieuszkadzalności komponentów systemu przy ograniczeniach nałożonych na nieuszkadzalność systemu i poszczególnych jego elementów. Pokazano zastosowanie omówionego modelu do alokacji nieuszkadzalności w przykładowym systemie logistycznym. Do obliczeń wykorzystano oprogramowanie BlockSim firmy ReliaSoft, które ma zaimplementowaną opisaną metodę optymalizacji. Porównano także wyniki alokacji nieuszkadzalności z odpowiadającą jej alokacją redundancji, która jest dodatkowym wynikiem zastosowania optymalizacji niezawodności w programie.
EN
Papers deals with application of reliability allocation using Mettas cost function in logistic systems. It shows nonlinear optimization problem in a form of minimalization of exponential cost function depending on component reliability under limitation on system reliability and achievable component reliabilities. En example of allocation calculation for certain logistic system with the use of ReliaSoft BlockSim software was presented. A comparison with the results of adequate redundancy allocation was made.
Ponieważ znalezienie odpowiedniego rozwiązania zadania optymalizacji niezawodnościowej przy wykorzystaniu metod programowania matematycznego uznaje się za trudne, coraz częściej stosuje się do tego celu metody heurystyczne. Algorytm genetyczny do optymalizacji wielokryterialnej (Multiobjective Genetic Algorithm, MGA) jest jedną z metod heurystycznych, stworzoną w celu znajdowania rozwiązań dla systemów szeregowo-równoległych, pozwalającą na uzyskanie maksymalnej niezawodności oraz minimalnych kosztów i ciężaru na poziomie systemu. Zadania takie występują powszechnie w dziedzinie projektowania i konstrukcji systemów mechanicznych i elektrycznych. Wykazano, że MGA pozwala uzyskać odpowiednie rozwiązania tego typu zadań uwzględniając przy tym funkcje celu, takie jak niezawodność, koszty i ciężar. W niniejszej pracy przedstawiono połączenie metody wyszukiwania probabilistycznego oraz jednej z metod rozwiązywania problemów decyzyjnych o nazwie TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). MGA pozwala uzyskać odpowiednie rozwiązania konstrukcyjne dając przy tym znaczną oszczędność czasu w porównaniu z niektórymi innymi metodami. Jednocześnie potraktowanie kosztów i ciężaru jako funkcji celu daje lepsze wyniki w porównaniu do metody wykorzystującej algorytm genetyczny, w której koszty i ciężar rozpatrywane są jako ograniczenia.
EN
Since developing an appropriate solution for reliability optimization problem with mathematical programming methods has been considered as difficult techniques, the heuristic approaches increasingly has been applied. Multiobjectve Genetic Algorithm (MGA) has been among heuristic methods that was developed to find solutions for series-parallel systems to obtain maximum reliability, and minimum cost and weight at the system level. These are very common problems in engineering design such as mechanical and electrical systems. It has been shown that the Multiobjectve Genetic Algorithm offers proper results to these problems while it respects to the several objective functions such as reliability, cost and weight. This paper presents the combination of probabilistic search, and one of the decision making methods called Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). The Multiobjectve Genetic Algorithm, allows us to achieve a proper design solution while it saves a considerable time compared with some other approaches. At the same time as the reliability, cost and weight were chosen as objective functions, the results obtained by this method showed an overall improvement in comparison to the existing GA method considering cost and weight as constraints.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Reliability is one of the most important criteria, which must be taken into consideration during planning and operation phases of an electric power system, especially in present situation of the power sector. This paper considers the optimization of electric power system reliability. The formalization of description of electric power system reliability level optimization is done as well as its practical solving components are given: diagram of value based reliability approach and estimation of customer damage costs resulting from insufficient reliability level.
PL
Niezawodność jest jednym z najważniejszych kryteriów, które należy uwzględniać, zarówno podczas planowania rozwoju, jak też eksploatacji systemu elektroenergetycznego, szczególnie w obecnej sytuacji sektora elektroenergetyki. Artykuł dotyczy optymalizacji niezawodności systemu elektroenergetycznego. Przedstawiono formalny opis matematyczny zagadnienia optymalizacji poziomu niezawodności systemu elektroenergetycznego oraz przedstawiono pewne elementy jego rozwiązania: schemat podejścia wartościowania niezawodności oraz szacowanie kosztów strat odbiorców z tytułu niedostatecznego poziomu niezawodności.
9
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Purpose: This article mainly describe the reliability of the cutting tools in the high speed turning by normal distribution model. Design/methodology/approach: A series of experimental tests have been done to evaluate the reliability variation of the cutting tools. From experimental results, the tool wear distribution and the tool life are determined, and the tool life distribution and the reliability function of cutting tools are derived. Further, the reliability of cutting tools at anytime for high speed machining (HSM) is easily calculated from cutting parameters and tool wear limit from the derived reliability function. Findings: The higher the cutting speed, the sooner the tool flank wear, and the faster the degrade speed of the reliability curve. It means that the sooner the tool flank wear rate, the shorter the tool life, and it is the time to change the cutting tool. Practical implications: This paper shows that the tool flank wear rate can be described by the reliability degrade rate, the higher the flank wear rate, the steeper the tool reliability degrade rate. Originality/value: This article is discussing about the tool wear variation of the cutting tool from the point of reliability. From the reliability variation of the cutting tool, we can further predict the tool life, in order to decide the tool replacement time.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.