Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "uszkodzenie spowodowane wspólną przyczyną" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Fault tree analysis of train rear-end collision accident considering common cause failure
    Analiza drzewa uszkodzeń dla kolizji tylnej części składu pociągu z uwzględnieniem uszkodzenia spowodowanego wspólną przyczyną
    Autorzy:
    Li, Y. F.
    Mi, J.
    Huang, H. Z.
    Zhu, S. P.
    Xiao, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/301383.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    common cause failure
    train rear-end collision accident
    fault tree analysis (FTA)
    uszkodzenie spowodowane wspólną przyczyną
    kolizja tylnej części składu pociągu
    analiza drzewa uszkodzeń
    Opis:
    Along with the development of modern design technology and the increasing complication of modern engineering systems, component dependency has become a universal phenomenon during the failure analysis of systems. Ignoring the dependency among the failure behaviors of system components may lead to a huge error or even yield faulty results. In this paper, three types of models and two kinds of modeling methods are introduced for solving the common cause failure issues. The fault tree model of the train rear-end collision accident has been proposed based on the explicit modeling method. The probability of occurrence of the train rear-end collision accident is calculated using the square root model. The result shows that common cause failure has significant influences on the system reliability.
    Wraz z rozwojem nowoczesnych technologii projektowania i rosnącej komplikacji nowoczesnych systemów inżynierskich, zależność między komponentami stała się zjawiskiem powszechnym w analizie uszkodzeń systemów. Ignorowanie zależności między zachowaniami uszkodzeniowymi komponentów systemu może doprowadzić do ogromnego błędu, a nawet dać całkowicie błędne wyniki. W niniejszej pracy, przedstawiono trzy typy modeli i dwa rodzaje metod modelowania służących do rozwiązywania typowych problemów związanych z uszkodzeniami spowodowanymi wspólną przyczyną. Zaproponowano model drzewa uszkodzeń dla kolizji tylnej części składu pociągu w oparciu o metodę modelowania bezpośredniego. Prawdopodobieństwo wystąpienia kolizji tylnej części składu pociągu obliczono przy użyciu modelu pierwiastka kwadratowego. Wynik pokazuje, że uszkodzenie spowodowane wspólną przyczyną ma znaczący wpływ na niezawodność systemu.
    Źródło:
    Eksploatacja i Niezawodność; 2013, 15, 4; 403-408
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Importance measure of probabilistic common cause failures under system hybrid uncertainty based on bayesian network
    Oparta na sieci bayesowskiej miara ważności probabilistycznych uszkodzeń spowodowanych wspólną przyczyną w warunkach niepewności hybrydowej systemu
    Autorzy:
    Mi, Jinhua
    Li, Yan-Feng
    Beer, Michael
    Broggi, Matteo
    Cheng, Yuhua
    Powiązania:
    https://bibliotekanauki.pl/articles/1365216.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    probabilistic common cause failure
    Bayesian network
    α factor model
    extended Birnbaum importance
    probabilistyczne uszkodzenie spowodowane wspólną przyczyną
    sieć bayesowska
    model współczynnika α
    rozszerzona miara ważności Birnbauma
    Opis:
    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.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 1; 111-120
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reliability analysis of multi-state system with common cause failure based on bayesian networks
    Analiza niezawodności systemu wielostanowego z uszkodzeniem spowodowanym wspólną przyczyną w oparciu o sieci bayerowskie
    Autorzy:
    Mi, J.
    Li, Y.
    Huang, H. Z.
    Liu, Y.
    Zhang, X. L.
    Powiązania:
    https://bibliotekanauki.pl/articles/302167.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    uszkodzenie spowodowane wspólną przyczyną (CCF)
    niezawodność systemu
    system wielostanowy (MSS)
    sieci bayesowskie (BN)
    model współczynnika β
    common cause failure (CCF)
    system reliability
    multi-state system (MSS)
    Bayesian network (BN)
    β-factor model
    Opis:
    Taking account of the influence of common cause failure (CCF) to system reliability and the widespread presence of multi-state system (MSS) in engineering practices, a method for reliability modeling and assessment of a multi-state system with common cause failure is proposed by taking the advantage of graphic representation and uncertainty reasoning of Bayesian Network (BN). The model is applied to a two-axis positioning mechanism transmission system to demonstrate its effectiveness and capability for directly calculating the system reliability on the basis of multi-state probabilities of components. Firstly, the reliability block diagram is built according to the hierarchy of structure and function of multi-state system. Then, the traditional Bayesian Networks model of the transmission system is constructed based on the reliability block diagram, failure logic between components and the failure probability distribution of them. In this paper, the β-factor model is used to analyze the CCF of the transmission system, and a new Bayesian network combining with CCF is established following by the implementation of reliability analysis. Finally, the comparison between the proposed method and the one without considering CCF is made to verify the efficiency and accuracy of the proposed method.
    Uwzględniając wpływ uszkodzeń spowodowanych wspólną przyczyną (CCF) na niezawodność systemów oraz powszechne występowanie w praktyce inżynierskiej systemów wielostanowych (MSS), zaproponowano metodę modelowania i oceny niezawodności systemu wielostanowego z uszkodzeniem spowodowanym wspólną przyczyną, która wykorzystuje reprezentację graficzną sieci Bayesa (BN) i oparte na nich wnioskowanie przybliżone. Model zastosowano do analizy układu przenoszenia napędu dwu-osiowego mechanizmu pozycjonowania. Zbadano w ten sposób skuteczność modelu oraz możliwość wykorzystania go do bezpośredniego obliczania niezawodności systemu na podstawie wielostanowych prawdopodobieństw elementów składowych. W pierwszej kolejności stworzono schemat blokowy niezawodności uwzględniający hierarchię struktury i funkcji badanego systemu wielostanowego. Następnie, w oparciu o schemat blokowy niezawodności, logikę uszkodzeń komponentów oraz rozkład prawdopodobieństwa uszkodzeń tych komponentów, skonstruowano tradycyjny model bayesowski układu przenoszenia napędu. W niniejszej pracy wykorzystano model współczynnika β do analizy CCF układu przenoszenia napędu oraz opracowano nową sieć Bayesa uwzględniającą CCF, po czym przeprowadzono na ich podstawie analizę niezawodności. Skuteczność i dokładność proponowanej metody sprawdzono poprzez porównanie jej z metodą nie wykorzystującą CCF.
    Źródło:
    Eksploatacja i Niezawodność; 2013, 15, 2; 169-175
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies