A bayesian approach for sealing failure analysis considering the non-competing relationship of multiple degradation processes

Degradation analysis is an effective method for reliability analysis when failure time data is rare or hard to observe. Multiple degradation analysis with competing risk model is often used to implement the degradation analysis. However, in reality, the failure of a system is often a result of a combination of multiple degradation processes, such as the sum of multiple degradations. To handle this non-competing relationship of multiple degradation processes, this paper presents a new reliability model for multiple degradation processes analysis. The proposed model is demonstrated through a case-study of a spool valve. In this paper, the gamma process is adopted to construct the reliability model. The Bayesian method is used to obtain the estimations of model parameters and reliability indexes by taking account of uncertainty. The results can then be further used as valuable information for further degradation analysis and decision-making considering uncertainty.

Analiza degradacji jest skuteczną metodą analizy niezawodnościowej w przypadkach gdy dane są skąpe lub trudne do zaobserwowania. W badaniach często wykorzystuje się analizę współwystępujących degradacji z zastosowaniem modelu zagrożeń konkurujących. Jednak w rzeczywistości, awaria systemu często jest wynikiem wystąpienia degradacji niekonkurujących, t.j. wynikiem sumy lub kombinacji współwystępujących procesów degradacji. Aby uwzględnić tę relacje między niekonkurującymi procesami degradacji, w artykule przedstawiono nowy model niezawodności służący do analizy współwystępujących procesów degradacji. Proponowany model zilustrowano za pomocą studium przypadku rozdzielnika suwakowego. Przedstawiony w pracy model niezawodności skonstruowano w oparciu o proces gamma. Do oszacowania parametrów modelu oraz indeksów niezawodności zastosowano metodę Bayesa z uwzględnieniem niepewności. Uzyskane wyniki można wykorzystać w przyszłości jako cenne dane do dalszej analizy degradacji i podejmowania decyzji z uwzględnieniem niepewności.