CN103886201A - 一种在宏观条件下确定系统中元件重要性的方法 - Google Patents
一种在宏观条件下确定系统中元件重要性的方法 Download PDFInfo
- Publication number
- CN103886201A CN103886201A CN201410107977.3A CN201410107977A CN103886201A CN 103886201 A CN103886201 A CN 103886201A CN 201410107977 A CN201410107977 A CN 201410107977A CN 103886201 A CN103886201 A CN 103886201A
- Authority
- CN
- China
- Prior art keywords
- under
- inefficacy
- importance
- factor
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在宏观条件下确定系统中元件重要性的方法,其特征在于,构建系统,将元件作为研究对象集合U,系统工作的宏观环境作为因素集C,元件重要性排序集作为D;对宏观环境中的工作时间和温度进行划分形成不同的状态区域,计算在中元件的失效权重和在中系统T的失效权重,从而得到在状态下的等效失效权重;其包括如下步骤:划分形成不同的状态区域,计算失效权重,和;本发明可用于确定状态下的原件重要性排序,及元件失效性对及的敏感性。
Description
技术领域
本发明涉及系统工程,特别是涉及在宏观条件下确定系统中元件重要性并对系统进行分析。
背景技术
在实际的对系统安全性的研究中,系统可能是复杂的,使用者并不清楚内部结构,无法使用定量的如事故树等方法对系统安全性进行定量分析。系统由大量元件组成,是个复杂组合,元件的可靠性本身就是个问题,是个统计值。系统中大量各种元件对系统的可靠性影响不同,研究时应该主要关注那些经常故障被换掉的元件。元件的可靠性在系统工作环境变化中对于不同元件是不同的。描述了一个电器系统的安全问题。在该系统使用环境下其元件可靠度是不同的,导致整个系统在不同的使用温度和使用时间下的可靠度不同。这个系统是较简单的,可以使用空间事故树理论进行可靠性分析,但是对于大型系统这样的方法显得很困难。
目前对系统可靠性的研究主要有:何雪浤等对基于时变可靠度的全寿命系统维修模型做了研究;屈 毅等研究了随机分布系统可靠保性能控制算法;于春雨等研究了单元为不同分布的串并联系统可靠度Bayes置信限;张道兵等做了多失效模式相关下的结构系统可靠度计算研究;李宇等研究了基于故障树的复杂电子系统可靠度模糊评定方法;张根保等对数控机床功能部件可靠度建模与维护预警系统进行了开发。但是这些方法对于上述提出的系统可靠性研究作用不大。
从实际研究出发,收集了一个电器系统的维修资料,包括系统的故障次数,维修时更换的零件(种类及数量),及发生故障的时间和环境温度。试图从宏观统计分析的角度解决元件与系统可靠性之间的关系。基于因素空间理论构建了系统,使用元件可靠性敏感的使用时间和温度组成因素集,及空间事故树理论的基本思想,使用维修资料,来研究那些被更换过的元件种类在不同条件下对系统的重要性并进行排序。从而为现场使用人员确定不同环境状态下元件重要性提供依据,解决他们在不同环境下预测系统故障问题,提前确定更换元件种类和数量等方面提供保障。
1. 因素空间理论
因素是分析事物属性与因果关联的要素。因素空间是以因素命名的坐标空间,它是事物描述的普适性的数学框架。是人工智能特别是智能数据科学的基本数学理论。
因素被数学地定义为一种映射。它把一个对象(具体事物)映射成为一个属性值(用自然语言中的形容词来描述),这种映射称为质映射;同时,也映射成为一个性态(用有限维欧式空间中的实向量来表示)这种映射称为量映射。例如,身高是一个映射,它把一个对象张三映射成性态‘很高’,同时,也映射成一个量态1.8(米),如图1所示。任何事物都同时存在着质与量的两种规定性。从量变到质变,量决定质。
基于这一哲理,我们设定这两种映射共存。因素f的量映射形成一个(一维或高维)坐标轴Xf,f的质映射所得的属性值是Xf中的普通或模糊子集。有关模糊子集的形成方法由模糊集理论早已解决。
因素是分析,是抽象,回到具体,便是认识的分析综合过程。 如图所示,把诸因素轴联合起来,就得到以因素命名的坐标架,这就是因素空间。任何事物都可以被看成是因素空间中的点。数学的定义便是以因素F 为指标集的一个集合族。这里F是诸因素所形成的一个集合,由于因素与因素之间存在着布尔运算,F是一个布尔代数,故因素空间被定义成以布尔代数为指标集的集合族。
因素库是一种新的数据库,它是因素空间理论的数据实现,它对数据的处理采用一系列的基本表格形式。
用因素空间来研究和处理因素库,除了能干净利落地从其概念分析表进行属性划分和概念格的提取外,还有很多更加深入的理论和应用,主要研究的表型还有:(1)因素分析表(定量值域生成定性值域,因素相关分析,事件因果分析);(2)加入目标因素进行优化的多目标决策表;(3)加入安全因素进行评估的安全警示表;(4)加入控制因素进行调节的稳定调节表;(5)因素词典及因素表头库的建立。
2. 空间事故树理论
实际上,就系统中基本事件(元件)发生概率而言,其影响因素是很多的。比如电器系统中的二极管,它的故障概率就与工作时间的长短、工作温度的大小、通过电流及电压等有直接关系。如果对这个系统进行分析,各个元件的工作时间和工作适应的温度等可能都不一样,随着系统整体的工作时间和环境温度的改变,系统的故障概率也是不同的。
针对上述问题,将经典事故树扩展为多维空间事故树,基本事件的发生概率在单一影响因素下定义为发生概率的特征函数,基本事件在多因素下的发生概率定义为发生概率空间分布,顶上事件的发生概率改为顶上事件发生概率空间分布,相应的概率重要度和关键重要度改为概率重要度空间分布和关键重要度空间分布,同时定义多维事故树特有的对某一因素的顶上事件发生概率空间分布趋势(对某因素求导)。结合简单的电器系统对上述概念进行说明,并建立以时间和温度为影响因素,系统故障概率为函数值的三维事故树空间,从而将其转化为三维空间曲面通过数学方式研究。
主要得到的结论如下:
理论方面基于经典事故树理论定义了多维空间事故树,并建立了在多因素影响情况下单一事件(元件故障)发生概率的空间分布和顶上事件(系统故障)发生的概率分布。文中通过对某电器系统的研究得到了,在主要因素工作时间t和工作温度c影响下,将元件受单一因素影响的故障率表示成函数,进而通过叠加构造了元件故障概率空间分布和系统故障概率空间分布,为进一步的实际应用和数学研究提供基础。
将经典事故树扩展成多维空间事故树,进而表示为空间曲面,从而运用数学方法对该曲面进行研究。文中对系统故障概率的空间分布曲面进行了研究,通过对t和c影响因素的求导,研究了系统故障概率受这两个因素影响的程度,即系统故障概率的变化趋势。这种研究在经典事故树中是无法完成的,这仅仅是多维空间事故树的一个数学应用。
发明内容
根据上节介绍的因素空间与空间事故树理论作为基础,构建系统 ,将元件作为研究对象集合U,系统工作的宏观环境作为因素集C,元件重要性排序集作为D。对宏观环境中的工作时间和温度进行划分形成不同的状态区域,计算在中元件的失效权重和在中系统T的失效权重,从而得到在状态下的等效失效权重,从而得到在研究状态下的原件的重要性排序。具体定义和解释如下所示。
在研究中必须清晰的划分整个研究环境。定义3 对因素的这个作用区域划分,划分为n个子区间,即,满足且。不同划分的组合状态域,为每个中的一个划分,在文中表示因素共同作用下的环境。那么的数量为每个因素划分数量的乘积,的排序由的i由小到大表示。设,表示整个额定状态。如上例将温度域等分为4份,℃、℃、℃、℃;时间域等分为4份,d、d、d、d,那么,,。
附图说明
图1人的因素空间性态表述
具体实施方式
根据收集的一个电器系统的维修资料,包括系统的故障次数,维修时更换的零件,及发生故障的时间和环境温度。建立系统, 为系统中元件对象集,表示这个系统维修时更换过的四种元件;为影响系统可靠性的宏观因素集,分别表示系统工作温度(℃)和工作时间(d(天));为元件重要性排序。
由于维修资料统计数据较多,使用表的结构化形式进行罗列,表1显示了研究区域(使用温度0~10℃且使用时间在0~25d)的信息表,表中数据显示了对应的符号表示,具体计算见式(1)~(3)。表2是由16个具有表1形式的表组成的,由于篇幅所限,只给出数据不标注对应的符号。
表2研究区域的信息表
整个系统额定工作范围:使用温度0~40℃且使用时间在0~100d,对于导致系统T失效的元件重要度排序可表示为: 。说明在整个额定状态下工作,失效导致系统失效的概率为30.18%,为21.6%,为21.22%,为26.99%,在该环境范围内对系统失效的影响最大,元件重要性依次为>>>。
那么不同环境范围工作的系统,其元件失效对系统失效的作用是相同的吗?下面列举了三个不同环境区域的元件重要性排序:
可见在不同工作条件下,对哪种元件导致系统失效的关注是不一样的。也就是说哪种元件最容易导致系统失效在不同环境下是不一样的。实际中可根据本表具体确定某一工作环境条件下的元件重要度。
end
在对k1进行处理,形成相对温度的敏感性元件决策表k1’,如表4所示,伪代码如下:
For i=1:4
Q=k1 (i,:)+ k1 (i+4,:)+ k1 (i+8,:)+ k1 (i+12,:)
k1’(i,:)=(Q-min(Q))/(max(Q)-min(Q)) 注k1’为4行4列表,
end
表 3 相对温度的敏感性数据表
表4 相对温度的敏感性元件决策表
表5 相对时间的敏感性元件决策表
从表4可以看出元件和适合在10~20℃范围内工作,和适合在20~30℃范围内工作,他们的失效对系统失效影响不大,即分别在这些环境下和与和对系统是不重要的,维修时可以少储备这些元件;在30~40℃范围内工作,、、和对系统都很重要,这种环境下运行系统要充足的准备这些元件。从整体看,这个系统适合在10~30℃范围内工作。
从表5可以看出系统在工作25~50d期间内的故障较多,这段时间应多存储备用元件。50~75d期间内系统故障较少。表5中0的出现看上去不符合常理,因为0~25d期间是大修完成后的时间,这时的元件应该是质量最好的,不应发生失效,即表中数值应为0,同理75~100d数值应为1。其实根据维修记录,有时系统故障的元件定位不准,一次系统失效可能更换很多元件,同时也可能把正常的元件更换掉;而且大修并不是全部更换新元件,大修是全面检测系统运行,以减少可能的故障,大量临近失效的元件仍在系统中,可能随时失效。所以造成了表5中0的分布,但是这个分布在长时间的统计过程中基本上是循环出现的。
总上系统在10~30℃且50~75d环境下工作的可靠性是最高的。其余时间可以按照对表4和表5的分析准备不同类型的元件,以便系统故障时更换,保证系统正常运行。
Claims (9)
2.根据权利要求1所述的确定系统中元件重要性的方法,其特征在于,研究复杂系统在工作环境中其组成元件对系统安全运行的重要性,将因素空间理论与空间事故树理论相结合,构造的一套元件重要性研究方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410107977.3A CN103886201A (zh) | 2014-03-21 | 2014-03-21 | 一种在宏观条件下确定系统中元件重要性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410107977.3A CN103886201A (zh) | 2014-03-21 | 2014-03-21 | 一种在宏观条件下确定系统中元件重要性的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103886201A true CN103886201A (zh) | 2014-06-25 |
Family
ID=50955091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410107977.3A Pending CN103886201A (zh) | 2014-03-21 | 2014-03-21 | 一种在宏观条件下确定系统中元件重要性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886201A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930503A (zh) * | 2010-09-09 | 2010-12-29 | 西北工业大学 | 一种设备部件维修重要度计算方法 |
US20120317058A1 (en) * | 2011-06-13 | 2012-12-13 | Abhulimen Kingsley E | Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's |
CN103413023A (zh) * | 2013-07-11 | 2013-11-27 | 电子科技大学 | 一种多状态系统动态可靠度评估方法 |
-
2014
- 2014-03-21 CN CN201410107977.3A patent/CN103886201A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930503A (zh) * | 2010-09-09 | 2010-12-29 | 西北工业大学 | 一种设备部件维修重要度计算方法 |
US20120317058A1 (en) * | 2011-06-13 | 2012-12-13 | Abhulimen Kingsley E | Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's |
CN103413023A (zh) * | 2013-07-11 | 2013-11-27 | 电子科技大学 | 一种多状态系统动态可靠度评估方法 |
Non-Patent Citations (3)
Title |
---|
崔铁军等: "多维空间故障树构建及应用研究", 《中国安全科学学报》 * |
张道兵等: "多失效模式相关下的结构系统可靠度计算研究", 《采矿与安全工程学报》 * |
汪培庄: "因素空间与因素库", 《因素空间与因素库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426680B (zh) | 基于特征配置的故障树生成方法 | |
CN103902816A (zh) | 基于数据挖掘技术的带电检测数据处理方法 | |
Hou et al. | Evaluating Ecological Vulnerability Using the GIS and Analytic Hierarchy Process (AHP) Method in Yan'an, China. | |
CN106600115A (zh) | 一种企业信息系统运维智能分析方法 | |
CN103473400A (zh) | 基于层次依赖建模的软件fmea方法 | |
CN106202665B (zh) | 基于域映射与加权关联规则的早期故障根原因识别方法 | |
CN104951588A (zh) | 一种矿井通风系统辅助设计方法 | |
CN103227734A (zh) | 一种OpenStack云平台异常的检测方法 | |
CN106164795B (zh) | 用于分类报警的优化方法 | |
CN103605787B (zh) | 继电保护评价分析方法及系统 | |
Kaur et al. | Software maintainability prediction by data mining of software code metrics | |
CN111126853A (zh) | 基于模糊fmea的水利工程风险预警分析方法及系统 | |
Jharko | Towards the problem of creating information operator support systems for nuclear power plants | |
Rabbani et al. | Using Robust-DEA optimization approach to analyze performance and efficiency of a mine in north of Iran | |
CN105223943A (zh) | 用于支持全局效应分析的系统和方法 | |
CN102609787B (zh) | 航空运行控制系统的风险预警系统 | |
Koc | Role of national conditions in occupational fatal accidents in the construction industry using interpretable machine learning approach | |
Sun et al. | A fault diagnosis and maintenance decision system for production line based on human-machine multi-information fusion | |
Baek | Digital Twin Federation and Data Validation Method | |
JP6458157B2 (ja) | データ分析装置および分析方法 | |
CN103886201A (zh) | 一种在宏观条件下确定系统中元件重要性的方法 | |
CN106871963A (zh) | 一种水库供水实时监测管理系统 | |
CN103699750B (zh) | 基于目标分析的卫星控制系统可重构性建模与评价方法 | |
JP2020080630A (ja) | 電力系統監視システム、電力系統監視方法、およびプログラム | |
BLanc et al. | Control Room Modernization End-State Design Philosophy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140625 |
|
WD01 | Invention patent application deemed withdrawn after publication |