Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2020

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

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

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.

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.