Karol ANDRZEJCZAK

Podobne dokumenty
Funkcje charakteryzujące proces. Dr inż. Robert Jakubowski

Cechy eksploatacyjne statku. Dr inż. Robert Jakubowski

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

TRÓJPARAMETROWY MODEL ZDATNOŚCI SYSTEMU Z DWOMA TYPAMI ZAGROŻEŃ

Podstawy diagnostyki środków transportu

Politechnika Krakowska im. Tadeusza Kościuszki KARTA PRZEDMIOTU

Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia. Język polski

PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV

Modelowanie niezawodności prostych struktur sprzętowych

WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA WYKŁAD

XXXIII Konferencja Statystyka Matematyczna

W3 - Niezawodność elementu nienaprawialnego

EKSPLOATACJA SYSTEMÓW TECHNICZNYCH

Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Streszczenie: Zasady projektowania konstrukcji budowlanych z uwzględnieniem aspektów ich niezawodności wg Eurokodu PN-EN 1990

Spis treści Przedmowa

Spis treści. Przedmowa 11

PRZEWODNIK PO PRZEDMIOCIE

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka matematyczna i ekonometria

Diagnostyka procesów i jej zadania

Niezawodność i diagnostyka projekt. Jacek Jarnicki

ZAKŁAD SAMOLOTÓW I ŚMIGŁOWCÓW

PROTOKÓŁ NR 10. Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska

Egzamin / zaliczenie na ocenę*

Niezawodność i diagnostyka projekt

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

Etapy modelowania ekonometrycznego

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

W4 Eksperyment niezawodnościowy

Spis treści 3 SPIS TREŚCI

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki

Określenie maksymalnego kosztu naprawy pojazdu

Rys. 1. Instalacja chłodzenia wodą słodką cylindrów silnika głównego (opis w tekście)

Ekonometria dynamiczna i finansowa Kod przedmiotu

Pytania kierunkowe KIB 10 KEEEIA 5 KMiPKM 5 KIS 4 KPB 4 KTMiM 4 KBEPiM 3 KMRiMB 3 KMiETI 2

PODSTAWY OCENY WSKAŹNIKÓW ZAWODNOŚCI ZASILANIA ENERGIĄ ELEKTRYCZNĄ

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU

Systemy zabezpieczeń

Podstawy niezawodności Bases of reliability. Elektrotechnika II stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Elektrotechnika I stopień (I stopień / II stopień) Ogólno akademicki (ogólno akademicki / praktyczny) Kierunkowy (podstawowy / kierunkowy / inny HES)

SYLABUS. Nazwa jednostki prowadzącej Wydział Matematyczno Przyrodniczy Centrum Mikroelektroniki i Nanotechnologii

MT 2 N _0 Rok: 1 Semestr: 1 Forma studiów:

Analiza przeżycia. Wprowadzenie

Statystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars

Diagnostyka procesów przemysłowych Kod przedmiotu

WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH

Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Matematyka ubezpieczeń majątkowych r.

Odniesienie do obszarowych efektów kształcenia Kierunkowe efekty kształcenia WIEDZA (W)

Ćwiczenia IV

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy

Metody systemowe i decyzyjne w informatyce

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

Statystyka i Analiza Danych

Prawdopodobieństwo i statystyka

Niezawodność w energetyce Reliability in the power industry

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11

Niezawodność elementów i systemów. Sem. 8 Komputerowe Systemy Elektroniczne, 2009/2010 1

PRZEWODNIK PO PRZEDMIOCIE

Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw

Uchwała Nr 22/2017/V Senatu Politechniki Lubelskiej z dnia 25 maja 2017 r.

POLITECHNIKA WROCŁAWSKA STUDIA DOKTORANCKIE JEDNOSTKA ZGŁASZAJĄCA/REALIZUJĄCA KURS: WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO / STUDIUM DOKTORANCKIE

Ekonometria i prognozowanie Econometrics and prediction

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH

Tematy prac dyplomowych w Katedrze Awioniki i Sterowania. Studia: I stopnia (inżynierskie)

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0

Metody Ilościowe w Socjologii

ESTYMACJA BŁĘDU PREDYKCJI I JEJ ZASTOSOWANIA

ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Statystyka Matematyczna Anna Janicka

WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015

Bezpieczeństwo i koszty wdrażania Informatycznych Systemów Zarządzania Hubert Szczepaniuk Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:

Student Bartosz Banaś Dr inż. Wiktor Kupraszewicz Dr inż. Bogdan Landowski Dr inż. Bolesław Przybyliński kierownik zespołu

Fuzja sygnałów i filtry bayesowskie

Rozpoznawanie obrazów

Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz

Zarządzanie eksploatacją w elektroenergetyce

WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48

Transformacja wiedzy w budowie i eksploatacji maszyn

PRZEWODNIK PO PRZEDMIOCIE

W6 Systemy naprawialne

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Niezawodność i diagnostyka systemów

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Spis treści. Analiza i modelowanie_nowicki, Chomiak_Księga1.indb :03:08

Stanisław Cichocki. Natalia Nehrebecka

Konspekt. Piotr Chołda 10 stycznia Modelowanie niezawodności systemów złożonych

Transkrypt:

Karol ANDRZEJCZAK karol.andrzejczak@put.poznan.pl

PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL ROZPRAWY 3. GŁÓWNE WYNIKI ROZPRAWY 4. PODSUMOWANIE

PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL WYKŁADU 3. GŁÓWNE WYNIKI ROZPRAWY 4. PODSUMOWANIE

PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL WYKŁADU 3. PROBLEMY CZĄSTKOWE 4. PODSUMOWANIE

PLAN PREZENTACJI 1. OBSZAR PROBLEMOWY 2. CEL WYKŁADU 3. PROBLEMY CZĄSTKOWE 4. PODSUMOWANIE

1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT

1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT

1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT

1. OBSZAR PROBLEMOWY Wszelkie urządzenia i obiekty techniczne (OT) są efektem wielofazowych twórczych działań inżynierskich. projektowanie konstruowanie wytwarzanie eksploatacja 90% Rys. 1. Schemat podstawowych faz życia OT Faza eksploatacji OT jest główną fazą jego cyklu życia Faza ta wyznacza zasadniczy obszar problemowy wykładu

Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka

Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka

Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka

Współczesnym OT stawiane są coraz ostrzejsze wymagania eksploatacyjne w zakresie EEE: Ekonomia Ekologia Energetyka

Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność

Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność

Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność

Zwiększone wymagania inicjują lub poszerzają w działalności inżynierskiej nowe zadania również w zakresie BGF: Bezpieczeństwo Gotowość Funkcjonalność

UŚCIŚLONY OBSZAR PROBLEMOWY Przedstawienie wybranych metod probabilistycznych i statystycznych na potrzeby doskonalenia procesu zarządzania eksploatacją OT w zakresie BGF.,,, W prezentacji wykorzystano obrazy udostępnione w internecie. Adresy źródeł podane są na obrazach.

UŚCISLONY OBSZAR PROBLEMOWY Przedstawienie wybranych metod probabilistycznych i statystycznych na potrzeby doskonalenia procesu zarządzania eksploatacją OT w zakresie BGF.,,, W prezentacji wykorzystano obrazy udostępnione w internecie. Adresy źródeł podane są na obrazach.

W doskonaleniu procesu zarządzania eksploatacją OT w układzie C-M-O szczególne znaczenie mają: badanie zachowania OT w rzeczywistej sytuacji eksploatacyjnej Efektywne zbieranie informacji charakteryzyjącej stan ŚT, otoczenie i operatora (sensory) Przetwarzanie strumienia informacji wspomagających zarządzanie obsługą ŚT

W doskonaleniu procesu zarządzania eksploatacją OT w układzie C-M-O szczególne znaczenie mają: badanie zachowania OT w rzeczywistej sytuacji eksploatacyjnej efektywne pozyskiwanie danych charakteryzyjących stan OT, otoczenie oraz operatora (sensory) Przetwarzanie strumienia informacji wspomagających zarządzanie obsługą ŚT

W doskonaleniu procesu zarządzania eksploatacją OT w układzie C-M-O szczególne znaczenie mają: badanie zachowania OT w rzeczywistej sytuacji eksploatacyjnej efektywne pozyskiwanie danych charakteryzyjących stan OT, otoczenie oraz operatora (sensory) przetwarzanie danych w informacje wspomagające zarządzanie obsługą OT

Techniczne rozwiązywanie problemów sensory CAN Controler Area Network Czujnik urządzenie dostarczające informacji o pojawieniu się określonego bodźca, przekroczeniu pewnej wartości progowej lub o wartości rejestrowanej wielkości fizycznej. Czujniki są najczęściej elementami składowymi większego układu (magistrali komunikacyjnej CAN), którego zadaniem jest wychwytywanie, rozpoznawanie i rejestrowanie sygnałów w czasie eksploatacji ŚT.

Techniczne rozwiązywanie problemów sensory CAN Controler Area Network Czujnik urządzenie dostarczające informacji o pojawieniu się określonego bodźca, przekroczeniu pewnej wartości progowej lub o wartości rejestrowanej wielkości fizycznej. Czujniki są najczęściej elementami składowymi większego układu (magistrali komunikacyjnej CAN), którego zadaniem jest wychwytywanie, rozpoznawanie i rejestrowanie sygnałów w czasie eksploatacji OT.

Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania ŚT, predykcji zagrożeń stanu zdatności.

Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania OT, predykcji zagrożeń stanu zdatności.

Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania OT, predykcji zagrożeń stanu zdatności.

Uzupełnieniem technicznych rozwiązań służących doskonaleniu procesu zarządzania eksploatacją OT są metody analityczne dotyczące: predykcji zdarzeń niepożądanych, predykcji przyczyn uszkadzania OT, predykcji zagrożeń stanu zdatności.

2. CEL WYKŁADU Opracowanie metod predykcji losowych zdarzeń niepożądanych, w czasie użytkowania OT w układzie C-M-O, na potrzeby aktywnego zarządzania procesem eksploatacji. Obiekt w eksploatacji Baza wiedzy, baza danych eksploatacyjnych Predykcja zdarzeń losowych Aktywne zarządzanie Predykcja zdarzeń w pętli zarządzania eksploatacją

2. CEL WYKŁADU Opracowanie metod predykcji losowych zdarzeń niepożądanych, w czasie użytkowania OT w układzie C-M-O, na potrzeby aktywnego zarządzania procesem eksploatacji. Obiekt w eksploatacji Baza wiedzy, baza danych eksploatacyjnych Predykcja zdarzeń losowych Aktywne zarządzanie Predykcja zdarzeń w pętli zarządzania eksploatacją

Cel rozwiązywany poprzez sformułowanie problemów cząstkowych

3. PROBLEMY CZĄSTKOWE Pierwszy problem diagnostyka stanu technicznego metody regresji wielorakiej zdefiniowanie zmiennych objaśnianych i objaśniających Pozyskiwanie, przetwarzanie danych, estymacja modelu Badanie rozkładu błędu modelu Sprawdzenie adekwatności modelu Zastosowanie modelu do oceny stanu obiektu i działań Proces modelowania regresyjnego

Podejmowanie działań zależnych od sygnałów diagnostycznych d wymaga ustalenia relacji pomiędzy wektorem stanów technicznych i macierzą stanów diagnostycznych X n 1 Φ(d) n (k+1) X = Φ(d) n 1 n (k+1) β (k+1) 1 wektor stanów technicznych, + ε n 1 (1) macierz przekształconych sygnałów diagnostycznych, wektor parametrów, β (k+1) 1 ε n 1 wektor błędów losowych.

Klasyfikator stanów Na potrzeby podejmowania bieżących i przyszłych działań eksploatacyjnych opracowywane są klasyfikatory stanów Macierz parametrów stanu diagnozowanego obiektu + taksonomia = podstawa tworzenia bazy działań typu: jeżeli OT znajdzie się w stanie w, to podejmij działanie lub spowoduj reakcję r(w)

Klasyfikator stanów Na potrzeby podejmowania bieżących i przyszłych działań eksploatacyjnych opracowywane są klasyfikatory stanów Macierz parametrów stanu diagnozowanego obiektu + taksonomia = podstawa tworzenia bazy działań typu: jeżeli OT znajdzie się w stanie w, to podejmij działanie lub spowoduj reakcję r(w)

Metodyka predykcji zdarzeń niepożądanych z uwzględnieniem zagrożeń Identyfikacja zagrożeń Identyfikacja podatności Identyfikacja systemów zabezpieczeń Predykcja możliwych zdarzeń niepożądanych Ocena ryzyka Zbiór decyzji Działania Schemat procesu przygotowania decyzji i działań Podatność wada lub luka w strukturze fizycznej, organizacyjnej, proceduralnej, administracyjnej, zarządzającej, oprogramowania obiektu pozwalająca zagrożeniu wykorzystać ją do spowodowania szkód.

Metodyka predykcji zdarzeń niepożądanych z uwzględnieniem zagrożeń Identyfikacja zagrożeń Identyfikacja podatności Identyfikacja systemów zabezpieczeń Predykcja możliwych zdarzeń niepożądanych Ocena ryzyka Zbiór decyzji Działanie Schemat procesu przygotowania decyzji i działań Podatność wada lub luka w strukturze fizycznej, organizacyjnej, proceduralnej, administracyjnej, zarządzającej, oprogramowania obiektu pozwalająca zagrożeniu wykorzystać ją do spowodowania szkód.

METODY PREDYKCJI ZDARZEŃ Modele A. Warunkowe modele zdarzeń 1. CRM1 2. CRM2 Modele B. Modele predykcji czasu zdatności 1. normalny 2. uogólniony gamma 3. PH 4. dynamiczny PH Służą zwiększaniu gotowości i poziomu bezpieczeństwa użytkowania OT poprzez identyfikację potencjalnych zagrożeń i zmniejszanie podatności na nie.

METODY PREDYKCJI ZDARZEŃ Modele A. Warunkowe modele zdarzeń 1. CRM1 2. CRM2 Modele B. Modele predykcji czasu zdatności 1. normalny 2. uogólniony gamma 3. PH 4. dynamiczny PH Służą zwiększaniu gotowości i poziomu bezpieczeństwa użytkowania OT poprzez identyfikację potencjalnych zagrożeń i zmniejszanie podatności na nie.

II. Model CRM2 z dwoma typami uszkodzeń Uwzględnia: uszkodzenia incydentalne, uszkodzenia starzeniowe. Proponowana jest trójparametrowa rodzina rozkładów, której funkcja intensywności uszkodzeń przyjmuje postać: h T(λ1,λ 2,β)(t) = λ 1 + λ 2 β(λ 2 t) β 1, λ 1, λ 2, β > 0 (2) Rozkład ten został zastosowany do badania przyczyny awaryjności samochodów osobowych. Funkcja przeżycia S T(λ1,λ 2,β)(t) = exp ( λ 1 t (λ 2 t) β ) (3)

II. Model CRM2 z dwoma typami uszkodzeń Uwzględnia: uszkodzenia incydentalne, uszkodzenia starzeniowe. Proponowana jest trójparametrowa rodzina rozkładów, której funkcja intensywności uszkodzeń przyjmuje postać: h T(λ1,λ 2,β)(t) = λ 1 + λ 2 β(λ 2 t) β 1, λ 1, λ 2, β > 0 (2) Rozkład ten został zastosowany do badania przyczyny uszkodzeń samochodów osobowych. Funkcja przeżycia S T(λ1,λ 2,β)(t) = exp ( λ 1 t (λ 2 t) β ) (3)

Predykcja typu uszkodzenia P(T E < T W ) = λ 1 π exp ( λ 2 1 λ 2 2 4λ2) erfc ( λ 1 ) (4) 2 2λ 2 Na podstawie danych serwisowych zostały oszacowane parametry λ 1 i λ 2 [1/rok] modelu dla β = 2. Estymacja została dokonana na podstawie dwóch typów uszkodzeń, tj. incydentalnych, dla których λ 1 1, oraz starzeniowych dla których λ 2 2. Stąd gęstość prawd. (jednostką jest rok eksploatacji): f T(1,2,2) (t) = (1 + 8t)exp ( t 4t 2 ),

Predykcja typu uszkodzenia P(T E < T W ) = λ 1 π exp ( λ 2 1 λ 2 2 4λ2) erfc ( λ 1 ) (4) 2 2λ 2 Na podstawie danych serwisowych zostały oszacowane parametry λ 1 i λ 2 [1/rok] modelu dla β = 2. Estymacja została dokonana na podstawie dwóch typów uszkodzeń, tj. incydentalnych, dla których λ 1 1, oraz starzeniowych dla których λ 2 2. Stąd gęstość prawd. (jednostką jest rok eksploatacji): f T(1,2,2) (t) = (1 + 8t)exp ( t 4t 2 ),

Prawdopodobieństwo, że pojazd z badanej zbiorowości trafi do stacji napraw z uszkodzeniem incydentalnym sprowadza się do obliczenia P(T E < T W ) = ( π 4) exp(0,0625) erfc(0,25) 0,34126 Prawdopodobieństwa utraty zdatności λ 2 λ 1 0,1 0,2 0,5 1 1,5 2 5 10 P(T E T W ) 0,98 0,93 0,75 0,54 0,42 0,34 0,15 0,08 Czas oczekiwania na zdarzenie niepożądane: ET = π exp ( λ 2 1 2λ 2 4λ2) erfc ( λ 1 ) (5) 2 2λ 2

Prawdopodobieństwo, że pojazd z badanej zbiorowości trafi do stacji napraw z uszkodzeniem incydentalnym sprowadza się do obliczenia P(T E < T W ) = ( π 4) exp(0,0625) erfc(0,25) 0,34126 Prawdopodobieństwa utraty zdatności λ 2 λ 1 0,1 0,2 0,5 1 1,5 2 5 10 P(T E T W ) 0,98 0,93 0,75 0,54 0,42 0,34 0,15 0,08 Czas oczekiwania na zdarzenie niepożądane: ET = π exp ( λ 2 1 2λ 2 4λ2) erfc ( λ 1 ) (5) 2 2λ 2

III. Predykcje czasu przetrwania z uwzględnieniem różnych warunków użytkowania Uogólniony model gamma S(t z) Γ(α(z),β(z)tγ(z) ) l Γ(α(z)) (0, ) (t) (6) α(z), β(z), γ(z) dodatnie parametry zależne od warunków eksploatacji z, Γ(x) funkcja specjalna gamma, Γ(x, y) niepełna funkcja gamma: Γ(x, y) = y t x 1 exp( t) dt (7)

Warunkowa funkcja intensywności uszkodzeń: h(t z) = γ(z) (β(z)) α(z) Γ(α(z), β(z)t γ(z) ) tα(z)γ(z) 1 exp( β(z)t γ(z) ) l (0, ) (t) Warunkowy czas oczekiwania na zdarzenie niepożądane przy użytkowaniu OT w warunkach z: E(T z) = Γ(α(z)+ 1 γ(z) ) Γ(α(z)) (β(z)) 1 γ(z) (8)

Czwarty problem cząstkowy Przyczynowe predykcje utraty zdatności OT wielomodułowy system przeznaczony do realizacji określonych zadań w określonych warunkach eksploatacyjnych. Paradygmat: utrata zdatności OT następuje symultanicznie wraz z uszkodzeniem dokładnie jednego z jego modułów. Moduł ten jest uznawany za bezpośrednią przyczynę utraty zdatności.

Czwarty problem cząstkowy Przyczynowe predykcje utraty zdatności OT wielomodułowy system przeznaczony do realizacji określonych zadań w określonych warunkach eksploatacyjnych. Paradygmat: utrata zdatności OT następuje symultanicznie wraz z uszkodzeniem dokładnie jednego z jego modułów. Moduł ten jest uznawany za bezpośrednią przyczynę utraty zdatności.

Metody przyczynowej predykcji służą do wskazywania tych modułów, które winny być poddane obsłudze zapobiegawczej, gdyż ich uszkodzenie stanie się bezpośrednią przyczyną uszkodzenia OT. Do ustalania rankingu wpływu modułów na uszkodzenie OT zdefiniowane zostały trzy kryteria będące modyfikacjami kryterium Birnbauma I i B (t) = P(φ(1 i, X(t)) φ(0 i, X(t)) = 1) (9) Zygmunt Wilhelm Birnbaum (1903-2000) wywodzi się z Lwowskiej Szkoły Matematycznej. Jest współtwórcą przestrzeni Birnbauma-Orlicza, rozkładu Birnbauma- Saundersa i podstaw teorii niezawodności.

Metody przyczynowej predykcji służą do wskazywania tych modułów, które winny być poddane obsłudze zapobiegawczej, gdyż ich uszkodzenie stanie się bezpośrednią przyczyną uszkodzenia OT. Do ustalania rankingu wpływu modułów na uszkodzenie OT zdefiniowane zostały trzy kryteria będące modyfikacjami kryterium Birnbauma I i B (t) = P(φ(1 i, X(t)) φ(0 i, X(t)) = 1) (9) Zygmunt Wilhelm Birnbaum (1903-2000) wywodzi się z Lwowskiej Szkoły Matematycznej. Jest współtwórcą przestrzeni Birnbauma-Orlicza, rozkładu Birnbauma- Saundersa i podstaw teorii niezawodności.

Pierwsza modyfikacja kryterium zastosowanie iloczynów I i B (t)f i (t) Wersja unormowana I i B1 (t) = I i B (t)f i (t) i C I i B (t)f i (t) (10) Kryterium to służy do predykcji przyczyny utraty zdatności OT w chwili t > 0 jego użytkowania. Zygmunt Wilhelm Birnbaum (1903-2000) wywodzi się z Lwowskiej Szkoły Matematycznej. Jest współtwórcą przestrzeni Birnbauma-Orlicza, rozkładu Birnbauma- Saundersa i podstaw teorii niezawodności.

Druga modyfikacja w wersji nieunormowanej modyfikacja przyjmuje postać I B2 t i (t) = I B i (u)df i (u) du (11) 0 Kryterium to jest stosowane, gdy celem badań jest ustalenie potencjalnej przyczyny utraty zdatności OT przy założeniu, że utrata zdatności nastąpi w losowej chwili T z ustalonego przedziału (0, t). 0 T t

Trzecia modyfikacja nieistotny jest czas, w którym nastąpi utrata zdatności I i B3 0 I i B (t)df i (t) dt (12) Przykładowe struktury niezawodnościowe OT Struktura Minimalne niezawodnościowa ścieżki φ 1 {e 1, e 2, e 3 } φ 2 {e 1, e 2 } {e 1, e 3 } {e 2, e 3 } Schemat e 1 e 2 e 3 e 1 e 1 e 2 e 3 e 2 e 3

φ 3 {e 1 } {e 2 } {e 3 } e 1 e 2 e 3 φ 4 {e 1, e 2 } {e 1, e 3 } e 1 e 2 e 3 φ 5 {e 1, e 3 } {e 2, e 3 } e 1 e 2 e 3 Dane: R i (t) = exp( λ i t), t > 0, λ i > 0, i = 1, 2, 3 ET 1 = 10 [j. c. ], ET 2 = 20 [j. c. ], ET 3 = 30 [j. c. ]

Wyniki prognoz symulacyjnych i analitycznych Moduł \ system e 1 e 2 e 3 MS MA MS MA MS MA e 1 e 2 e 1 e 2 e 3 e1 0,570 0,545 0,280 0,273 0,150 0,182 e 2 e 3 0,260 0,326 0,450 0,388 0,290 0,286 0,170 0,129 0,270 0,339 0,560 0,532 0,830 0,871 0,090 0,061 0,080 0,068 0,200 0,205 0,360 0,327 0,440 0,468 Wyznaczony ranking modułów służy do planowania racjonalnej profilaktycznej obsługi OT. Cel: zmniejszanie podatności na uszkodzenia, zwiększanie gotowości operacyjnej i poziomu bezpieczeństwa. e 3 e 1 e 2 e 1 e 2 e 3 e 1 e 3 e 3 e 2

Piąty problem cząstkowy Predykcje stanu niezawodnościowego OT z zabezpieczeniami OT z zabezpieczeniami, to obiekt z nadmiarowością diagnostyczno-usprawniającą, obniżającą jego podatność na zagrożenia, a tym samym zwiększającą jego gotowość i zwiększającą bezpieczeństwo jego użytkowania. Opracowano stochastyczny proces do wyznaczania gotowości OT przy: braku zabezpieczeń, częściowym zabezpieczeniu, W tym celu wprowadzona została miara stopnia zabezpieczenia

Piąty problem cząstkowy Predykcje stanu niezawodnościowego OT z zabezpieczeniami OT z zabezpieczeniem, to obiekt z nadmiarowością diagnostyczno-usprawniającą, obniżającą jego podatność na zagrożenia, a tym samym zwiększającą jego gotowość i zwiększającą bezpieczeństwo jego użytkowania. Opracowano stochastyczny model do wyznaczania gotowości OT przy: braku zabezpieczeń, częściowym zabezpieczeniu, W tym celu wprowadzona została miara stopnia zabezpieczenia.

Piąty problem cząstkowy Predykcje stanu niezawodnościowego OT z zabezpieczeniem OT z zabezpieczeniem, to obiekt z nadmiarowością diagnostyczno-usprawniającą, obniżającą jego podatność na zagrożenia, a tym samym zwiększającą jego gotowość i zwiększającą bezpieczeństwo jego użytkowania. Opracowano stochastyczny model do wyznaczania gotowości OT przy: braku zabezpieczeń, częściowym zabezpieczeniu,

5. PODSUMOWANIE Cel wykładu: identyfikacja problemów i opracowanie metod predykcji zdarzeń, w czasie użytkowania OT w układzie C-M-O, na potrzeby zarządzania procesem ich eksploatacji został omówiony poprzez wskazanie metod rozwiązywania wybranych problemów cząstkowych.

5. PODSUMOWANIE Cel wykładu identyfikacja problemów i opracowanie metod predykcji zdarzeń, w czasie użytkowania OT w układzie C-M-O, na potrzeby zarządzania procesem ich eksploatacji został omówiony poprzez wskazanie metod rozwiązywania wybranych problemów cząstkowych.

Literatura: 1. Andrzejczak K. (2013) Metody prognozowania w modelowaniu eksploatacji środków transportu. Wyd. PP. 2. Andrzejczak K. (2009) Probabilistic model for competing risk. Maintenance Problems, 75, s.7-18. 3. Andrzejczak K., Popowska B. (2011) Three parameter model of the system lifetime with two types of risks. Maintenance Problems, 80, s. 17-24. 4. Andrzejczak K., Popowska B. (2013) Probabilistic safety assessment of the critical infrastructure. Materiały XLI ZSN. 5. Kołowrocki K., Soszyńska-Budny J. (2011) Reliability and safety of complex Technical Systems and Processes. London, Springer. 6. Młyńczak M. (2012) Metodyka badań eksploatacyjnych obiektów mechanicznych. Oficyna Wydawnicza PWr.