Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2009

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: projektowanie systemów złożonych

Sortuj według:

Ogranicz wyniki do:

Zastosowanie metody dekompozycji hierarchicznej do alokacji niezawodności w dużych systemach

Zhang X. L., Huang H. Z., Liu Y.

Eksploatacja i Niezawodność

2009

nr 3

32-37

Niezawodność stała się w ostatnich latach ważkim problemem, zwłaszcza w odniesieniu do dużych systemów składających się z wielu podsystemów, modułów i komponentów. Dążenie do osiągania niezawodności już na etapie projektu sprawiło, że coraz więcej uwagi zwraca się na alokację niezawodności. Jednakże poszukiwanie optymalnego programu alokacji niezawodności dla systemu o dużej liczbie podsystemów i części składowych nie jest sprawą prostą i problem ten należy do klasy problemów trudnych. Przeprowadzono wiele prac badających przydatność wydajnych obliczeniowo metod, np., algorytmu dokładnego, algorytmu heurystycznego czy algorytmu meta-heurystycznego, itp., do optymalizacji alokacji niezawodności systemu złożonego. I chociaż zaproponowane w dotychczasowych badaniach metody sprawdzają się w przypadku systemów składających się z umiarkowanej liczby elementów składowych, to wciąż jednak ciąży na nich "przekleństwo wymiarowości," które nie pozwala na ich łączenie w przypadku systemów składających się z dziesiątek/setek podsystemów i części składowych jakie znajdują zastosowanie w inżynierii przemysłowej. Aby zminimalizować ten niedostatek, zaproponowano strategię dekompozycji, w której problem alokacji niezawodności dla systemu o dużej liczbie komponentów jest rozkładany na zespół mniejszych, skoordynowanych podproblemów, które dają się rozwiązać w sposób obliczeniowo wydajny za pomocą tradycyjnego algorytmu optymalizacyjnego. W niniejszej pracy zastosowano metodę kaskadowania celów, jako wydajną metodę dekompozycji hierarchicznej, której użyto do rozkładu problemu alokacji niezawodności dużego systemu na zespół hierarchicznie uporządkowanych problemów optymalizacyjnych zgodnie z konfiguracją systemu. Wydajność i efektywność proponowanej metody ilustruje przykład numeryczny oraz studia porównawcze.

Reliability has become a great concern in recent years, especially for large system consisting of a large number of subsystems, modules and components. To achieve the reliability goal in design stage, reliability allocation, a method to apportion the system target reliability amongst subsystems and components in a well-balanced way, has since received increasing attention. However, seeking the optimal reliability allocation scheme for a system with bunch of subsystems and components is not straightforward, and it is known as an NPhard problem. An abundance of work has been carried out to investigate the computational effi cient methods, e.g. exact algorithm, heuristic algorithm and meta-heuristic algorithm etc., to handle the optimization of reliability allocation for the complex system. Even though the proposed methods in past research work well for system consisting of a moderate set of components, they will still suffer "curse of dimensionality" and be impossible to converge if the system consisting of tens/hundreds of subsystems and components which maybe exist in industrial engineering. To mitigate the defi ciency, a decomposition strategy is proposed, in which the reliability allocation problem for the system with a large number of components is decomposed into a set of smaller, coordinated sub-problems which can be solved via traditional optimization algorithm in an computational effi cient manner. Target cascading method, as an effi cient hierarchical decomposition method, is employed in this paper to decompose the large system reliability allocation problem into a set of hierarchical optimization problems in according with the system confi guration. To illustrate the effi ciency and effectiveness of the proposed method, a numerical example is presented, as well as some comparative studies.