RU2602295C1 - Method of pump station reliability evaluation - Google Patents
Method of pump station reliability evaluation Download PDFInfo
- Publication number
- RU2602295C1 RU2602295C1 RU2015133745/13A RU2015133745A RU2602295C1 RU 2602295 C1 RU2602295 C1 RU 2602295C1 RU 2015133745/13 A RU2015133745/13 A RU 2015133745/13A RU 2015133745 A RU2015133745 A RU 2015133745A RU 2602295 C1 RU2602295 C1 RU 2602295C1
- Authority
- RU
- Russia
- Prior art keywords
- random
- pumping station
- pump station
- simulation
- failures
- Prior art date
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B5/00—Use of pumping plants or installations; Layouts thereof
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B23/00—Pumping installations or systems
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
Description
Изобретение относится к области систем водоснабжения и водоотведения и может быть использовано для определения законов распределения случайной величины подачи насосных станций.The invention relates to the field of water supply and sanitation systems and can be used to determine the laws of distribution of a random flow rate of pumping stations.
Известен метод оценки надежности насосных станций (см. статью одного из авторов данной заявки: Игнатчик С.Ю. Энергосбережение и обеспечение надежности при реконструкции канализационных насосных станций / Водоснабжение и санитарная техника. 2012. №12. С. 37-43). Он позволяет определять технологические и вероятностные показатели надежности для каждого элемента технологической части станции, а также вероятностные и параметрические показатели надежности станции в целом посредством математической модели, описывающей процесс изменения ее состояний в виде Марковского случайного процесса.A known method for assessing the reliability of pumping stations (see the article by one of the authors of this application: Ignatchik S.Yu. Energy conservation and reliability in the reconstruction of sewer pumping stations / Water supply and sanitary equipment. 2012. No. 12. P. 37-43). It allows you to determine the technological and probabilistic reliability indicators for each element of the technological part of the station, as well as the probabilistic and parametric reliability indicators of the station as a whole through a mathematical model that describes the process of changing its states in the form of a Markov random process.
Для указанного метода характерна узкая область применения, поскольку он применим только при стационарных потоках отказов и восстановлений оборудования насосных станций, например, на станциях, оборудованных насосными агрегатами, для которых продолжительность устранения внезапных отказов, устраняемых в процессе текущих ремонтов, и постепенных отказов, устраняемых в процессе капитальных ремонтов, существенно не отличаются. Однако на практике встречаются насосные станции, для которых это условие не выполняется, например, станции, оборудованные мощными насосными агрегатами с высоковольтными двигателями. Для них средние продолжительности восстановлений (12000-16000 ч) в процессе капитального ремонта на три порядка больше средних продолжительностей восстановлений в процессе текущего ремонта (60-80 ч). Такой процесс восстановлений не соответствует критериям стационарности. По этой причине, в подобных случаях применение данного метода приведет к снижению точности оценки надежности насосных станций.This method is characterized by a narrow scope, since it is applicable only for stationary flows of failures and recoveries of equipment of pumping stations, for example, at stations equipped with pumping units for which the duration of elimination of sudden failures eliminated during ongoing repairs and gradual failures eliminated in the process of major repairs are not significantly different. However, in practice there are pumping stations for which this condition is not fulfilled, for example, stations equipped with powerful pumping units with high-voltage motors. For them, the average duration of the restoration (12000-16000 h) during the overhaul process is three orders of magnitude longer than the average duration of the restoration during the current repair (60-80 h). Such a recovery process does not meet the criteria for stationarity. For this reason, in such cases, the application of this method will lead to a decrease in the accuracy of assessing the reliability of pumping stations.
Наиболее близким аналогом к заявляемому способу служит Общий логико-вероятностный метод (ОЛВМ), описанный в трудах профессоров Рябинина И.А., Черкесова Г.Н., Можаева А.С.и др. Например, в работе «Сравнительный анализ технологий деревьев отказов и автоматизированного структурно-логического моделирования, используемых для выполнения работ по вероятностному анализу безопасности АЭС и АСУТП на стадии проектирования»: отчет о НИР «Технология-2004» / ФГУП СПб АЭП, ОАО "СПИК СЗМА", ИПУ РАН; ответственные исполнители: Ершов Г.А., Можаев А.С., Викторова B.C. Санкт-Петербург, - 2005 г., стр. 21-22. В соответствии с этим отчетом ОЛВМ включает в себя следующие четыре этапа:The closest analogue to the claimed method is the General logical and probabilistic method (OLVM), described in the writings of professors I. Ryabinin, G. N. Cherkesov, A. S. Mozhaev and others. For example, in the work “Comparative analysis of fault tree technologies and automated structural and logical modeling used to carry out probabilistic safety analysis of NPPs and process control systems at the design stage ”: report on R&D“ Technology-2004 ”/ FSUE SPb AEP, OJSC“ SPIK SZMA ”, IPU RAS; responsible executors: Ershov G.A., Mozhaev A.S., Viktorova B.C. St. Petersburg, - 2005, p. 21-22. In accordance with this report, the CFM includes the following four stages:
1. Этап структурно-логической постановки задачи, который включает в себя:1. The stage of the structural-logical statement of the problem, which includes:
- разделение всей рассматриваемой системы на конечное число Н элементов i=1, 2, …, H, каждый из которых представляется в модели надежности простым (бинарным) событием xi с двумя возможными состояниями xi={xi, }, например, работоспособности/отказа, готовности/не готовности, поражения/не поражения и т.д. и заданными вероятностными параметрами pi(t), или qi(t)=1-pi(t);- dividing the entire system under consideration into a finite number H of elements i = 1, 2, ..., H, each of which is represented in the reliability model as a simple (binary) event x i with two possible states x i = {x i , }, for example, operability / failure, readiness / not readiness, defeat / not defeat, etc. and given probabilistic parameters p i (t), or q i (t) = 1-p i (t);
- определение содержания и логических условий реализации yi и/или не реализации выходных (интегративных) функций для каждого элемента в системе;- determination of the content and logical conditions for the implementation of y i and / or non-implementation output (integrative) functions for each element in the system;
- логически строгое вербальное и графическое (аналитическое) описание множествах X отдельных элементов системы и множества условий Y реализации ими своих системных функций, которые в совокупности G(X,Y) образуют специальную схему функциональной целостности (СФЦ) рассматриваемой системы;- a logically rigorous verbal and graphical (analytical) description of the sets X of individual elements of the system and the set of conditions Y of their implementation of their system functions, which together G (X, Y) form a special functional integrity scheme (SFC) of the system in question;
- логически строгое описание и задание с помощью отдельных или групповых выходных (интегративных) функций логических критериев функционирования (ЛКФ) системы реализации основных функций и/или возникновения опасных состояний системы;- a logically strict description and assignment using separate or group output (integrative) functions of the logical functioning criteria (LCF) of the system implementation of the basic functions and / or occurrence of dangerous conditions of the system;
2. Этап логического моделирования, на котором с помощью специальных методов преобразования СФЦ и ЛКФ осуществляется построение логической функции работоспособности системы (ФРС) Логическая ФРС позволяет аналитически строго, но в компактной форме, определить все комбинации состояний элементов , в которых (и только в которых) система реализует свою выходную функцию F.2. The stage of logical modeling, at which, using special conversion methods of the SFC and LFF, the logical function of the system’s health (FRS) is built Logical Fed allows analytically strict, but in a compact form, to determine all combinations of element states in which (and only in which) the system realizes its output function F.
3. Этап вероятностного моделирования, на котором с помощью специальных методов преобразования ФРС осуществляется построение многочлена расчетной вероятностной функции (ВФ) PF({pi(t), qi(t)}, i=1, 2, …, H; t). Многочлен ВФ позволяет аналитически строго определить закон распределения времени безотказной работы системы по реализации выходной функции F, заданной логическим критерием функционирования.3. The stage of probabilistic modeling, in which, using special methods of the Fed conversion, the polynomial of the calculated probabilistic function (WF) P F ({p i (t), q i (t)}, i = 1, 2, ..., H; t). The WF polynomial allows one to strictly analytically determine the law of the distribution of the system uptime for the implementation of the output function F, given by the logical criterion of operation.
4. Этап выполнения расчетов показателей надежности, которые выполняются на основе ВФ и заданных параметров надежности элементов.4. The stage of calculating the reliability indicators, which are performed on the basis of the WF and the specified parameters of the reliability of the elements.
Для указанного метода характерны ограниченные функциональные возможности, поскольку:This method is characterized by limited functionality, because:
- с его помощью нельзя определить технологические показатели надежности в виде распределения не времени безотказной работы, а технологического параметра, например, подачи насосной станции с учетом гидравлических закономерностей совместной работы насосов;- with its help, it is impossible to determine technological reliability indicators in the form of distribution not of uptime, but of a technological parameter, for example, the supply of a pumping station, taking into account the hydraulic laws of the pumps working together;
- с его помощью нельзя оценить надежность системы, состоящей из элементов, процесс изменения состояний (работоспособное и отказное) которых происходит под воздействием двух случайных потоков (выход в текущий и капитальный ремонты, продолжительности которых отличаются на порядок и более), т.к. между этими событиями не существует логической связи.- with its help it is impossible to evaluate the reliability of a system consisting of elements whose process of changing states (operational and failure) occurs under the influence of two random flows (exit to current and overhaul repairs, the durations of which differ by an order of magnitude or more), because there is no logical connection between these events.
Задачей настоящего изобретения является расширение функциональных возможностей известного метода.The objective of the present invention is to expand the functionality of the known method.
Поставленная задача решается тем, что в известном способе, содержащем этапы, на которых:The problem is solved in that in the known method containing the stages in which:
а) осуществляют разделение всей рассматриваемой системы на конечное число H элементов i=1, 2, …, H, каждый из которых представляется в модели надежности простым (бинарным) событием с двумя возможными состояниями, например, работоспособности/отказа и вероятностными параметрами;a) carry out the separation of the entire system in question into a finite number H of elements i = 1, 2, ..., H, each of which is represented in the reliability model as a simple (binary) event with two possible states, for example, operability / failure and probability parameters;
б) осуществляют вероятностное моделирование с определением закона распределения случайной величины, в соответствии с настоящим изобретением:b) carry out probabilistic modeling with the definition of the law of distribution of a random variable, in accordance with the present invention:
1. В качестве i-го элемента насосной станции принимают, по меньшей мере, один насос, по меньшей мере, одного типа в совокупности со всеми другими элементами насосной станции, отказ которых приводит к остановке работы упомянутого насоса.1. At least one pump of at least one type in combination with all other elements of the pump station, the failure of which leads to a halt in the operation of said pump, is taken as the ith element of the pump station.
2. В качестве вероятностных параметров i-го элемента насосной станции принимают интенсивности внезапных отказов λi,t, устраняемых в процессе текущих ремонтов, и интенсивности их восстановлений µi,t, интенсивности постепенных отказов λi,k, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений µi,k.2. As the probabilistic parameters of the ith element of the pumping station, take the intensities of sudden failures λ i, t eliminated during the current repairs, and the intensities of their recoveries µ i, t , the intensities of the gradual failures λ i, k eliminated during the overhauls, and the intensities of their recoveries µ i, k .
3. В качестве случайной величины принимают подачу Q насосной станции.3. As a random variable, the flow Q of the pumping station is taken.
Кроме того, на этапе а) дополнительно определяют конечное число n состояний насосной станции, j=0, 1, 2, n, и соответствующих им подач Qj насосной станции, а также допустимую точность σдоп определения закона распределения случайной величины и назначают продолжительность t имитационного моделирования.In addition, at step a), a final number n of states of the pumping station, j = 0, 1, 2, n, and the corresponding feeds Q j of the pumping station, as well as the permissible accuracy σ are additionally determined for additionally determining the distribution law of a random variable and the duration t simulation modeling.
При этом, вероятностное моделирование на этапе б) осуществляют посредством обработки данных результатов имитационного моделирования работы насосной станции, в процессе которого:At the same time, probabilistic modeling at stage b) is carried out by processing the data of the simulation results of the operation of the pumping station, during which:
параллельно генерируют серию случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых - с интенсивностью внезапных отказов λi,t и интенсивностью восстановлений µi,t, второй - с интенсивностью постепенных отказов λi,k и интенсивностью восстановлений µi,k;in parallel, generate a series of random processes from two flows of random operating time and recoveries of elements of the pumping station, one of which with the intensity of sudden failures λ i, t and the recovery rate µ i, t , the second with the intensity of gradual failures λ i , k and the recovery rate µ i, k ;
определяют среднеквадратические отклонения для элементов насосной станции каждого типаdetermine the standard deviations for the elements of the pumping station of each type
где m1, m2 - суммарное количество случайных процессов в серии продолжительностью t случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, t1,ii, t2,ii - средние значения по процессам случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов,where m 1 , m 2 is the total number of random processes in a series of t random times between sudden failures that are eliminated in the process of current repairs, and gradual failures that are eliminated in the process of overhauls, t 1, ii , t 2, ii are the average values for random running processes between sudden failures eliminated in the process of current repairs and gradual failures eliminated in the process of major repairs,
и, если полученные среднеквадратические отклонения σ1 и σ2 превышают допустимую точность σдоп определения закона распределения случайной величины, то увеличивают продолжительность t имитационного моделирования и повторяют этап б) до тех пор, пока полученные среднеквадратические отклонения σ1 и σ2 не уменьшатся до допустимой точности σдоп,and, if the obtained standard deviations σ 1 and σ 2 exceed the permissible accuracy σ additional determination of the distribution law of a random variable, then increase the duration t of simulation and repeat step b) until the obtained standard deviations σ 1 and σ 2 are reduced to an acceptable accuracy σ add
а, если полученные среднеквадратические отклонения σ1 и σ2 не превышают допустимую точность σдоп определения закона распределения случайной величины, то путем статистического анализа состояний j насосной станции и соответствующих им подач Qj, полученных в результате имитационного моделирования, получают закон распределения F(q) случайной величины Q, определяющий для каждого значения q вероятность того, что случайная величина подачи Q насосной станции примет значение меньше q, т.е. F(q)=P(Q<q).and, if the obtained standard deviations σ 1 and σ 2 do not exceed the permissible accuracy σ additional determination of the distribution law of a random variable, then by statistical analysis of the states j of the pumping station and the corresponding flows Q j obtained as a result of simulation, we obtain the distribution law F (q ) a random variable Q, which determines, for each q value, the probability that the random supply quantity Q of the pumping station takes a value less than q, i.e. F (q) = P (Q <q).
Отличительными признаками заявляемого способа являются:Distinctive features of the proposed method are:
1. Принятие в качестве i-го элемента насосной станции, по меньшей мере, одного насоса, по меньшей мере, одного типа в совокупности со всеми другими элементами насосной станции, отказ которых приводит к остановке работы упомянутого насоса;1. The adoption as the i-th element of the pumping station, at least one pump, at least one type in conjunction with all other elements of the pumping station, the failure of which leads to a halt of the said pump;
2. Принятие в качестве вероятностных параметров i-го элемента насосной станции интенсивностей внезапных отказов λi,t, устраняемых в процессе текущих ремонтов, и интенсивностей их восстановлений µi,t, интенсивностей постепенных отказов λi,k, устраняемых в процессе капитальных ремонтов, и интенсивностей их восстановлений µi,k;2. The acceptance as the probability parameters of the i-th element of the pumping station of the intensities of sudden failures λ i, t eliminated in the process of current repairs, and the intensities of their recoveries µ i, t , the intensities of gradual failures λ i, k eliminated in the process of overhauls, and the intensities of their recoveries µ i, k ;
3. Принятие в качестве случайной величины подачи Q насосной станции;3. Acceptance of a pumping station Q as a random variable;
4. Дополнительное определение на этапе а) конечного числа n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач Qj насосной станции;4. An additional determination at step a) of a finite number n of states of the pumping station, j = 0, 1, 2, ..., n, and the corresponding feeds Q j of the pumping station;
5. Дополнительное определение на этапе а) допустимой точности σдоп определения закона распределения случайной величины;5. Additional determination in step a) additional admissible σ accuracy of determining the law of distribution of the random variable;
6. Дополнительное назначение на этапе а) продолжительности t имитационного моделирования;6. Additional appointment at stage a) the duration t of simulation;
7. Осуществление на этапе б) вероятностного моделирования посредством обработки данных результатов имитационного моделирования работы насосной станции;7. The implementation at stage b) of probabilistic modeling by processing data of the results of simulation modeling of the pump station;
8. Параллельное генерирование в процессе имитационного моделирования работы насосной станции в течение продолжительности t серии случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых с интенсивностью внезапных отказов λi,t и интенсивностью восстановлений µ.i,t, второй - с интенсивностью постепенных отказов λi,k и интенсивностью восстановлений µi,k;8. Parallel generation during the simulation of the operation of the pumping station for the duration t of a series of random processes from two flows of random operating time and restoration of the pumping station elements, one of which with the intensity of sudden failures λ i, t and the recovery rate µ. i, t , the second - with the rate of gradual failures λ i, k and the recovery rate µ i, k ;
9. Определение среднеквадратического отклонения для элементов насосной станции каждого типа9. Determination of standard deviation for the elements of the pumping station of each type
где m1, m2 - суммарное количество случайных процессов в серии продолжительностью t случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, t1,ii, t2,ii - средние значения по процессам случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов;where m 1 , m 2 is the total number of random processes in a series of t random times between sudden failures that are eliminated in the process of current repairs, and gradual failures that are eliminated in the process of overhauls, t 1, ii , t 2, ii are the average values for random running processes between sudden failures eliminated in the process of current repairs and gradual failures eliminated in the process of major repairs;
10. Увеличение продолжительности t и повторение этапа б) до тех пор, пока полученные среднеквадратические отклонения σ1 и σ2 не уменьшатся до допустимой точности σдоп;10. An increase in the duration t and the repetition of step b) until the obtained standard deviations σ 1 and σ 2 decrease to an acceptable accuracy σ add ;
11. Определение закона распределения случайной величины путем статистического анализа состояний j насосной станции и соответствующих им подач Qj, полученных в результате имитационного моделирования;11. Determination of the distribution law of a random variable by statistical analysis of the states j of the pumping station and the corresponding flows Q j obtained as a result of simulation;
12. Получение закона распределения F(q) случайной величины Q, определяющего для каждого значения q вероятность того, что случайная величина подачи Q насосной станции примет значение меньше q, т.е. F(q)=P(Q<q).12. Obtaining the distribution law F (q) of the random variable Q, which determines for each q value the probability that the random supply quantity Q of the pumping station will take a value less than q, i.e. F (q) = P (Q <q).
По сведениям, имеющимся у авторов, все отличительные признаки не известны. Совместное их применение позволяет расширить функциональные возможности метода, поскольку:According to the information available to the authors, all the distinguishing features are not known. Their combined use allows you to expand the functionality of the method, because:
- при его помощи появляется возможность определить технологические показатели надежности в виде распределения случайной величины - технологического параметра, например, подачи насосной станции. Это стало возможно благодаря совместному применению отличительных признаков №1 - 4, 11, 12;- with his help, it becomes possible to determine technological reliability indicators in the form of a random variable distribution - a technological parameter, for example, a pumping station supply. This was made possible thanks to the combined use of distinctive features No. 1 - 4, 11, 12;
- при его помощи появляется возможность оценить надежность системы, состоящей из элементов, процесс изменения состояний (работоспособное и отказное) которых происходит под воздействием двух случайных потоков (выход в текущий и капитальный ремонты, продолжительность которых отличаются на порядок), между которыми не существует логической связи. Это стало возможно благодаря совместному применению отличительных признаков №1, 2, 5-11.- with its help, it becomes possible to evaluate the reliability of a system consisting of elements, the process of changing states (operational and failure) of which occurs under the influence of two random flows (current and overhaul repairs, the duration of which differ by an order of magnitude), between which there is no logical connection . This was made possible thanks to the combined use of distinctive features No. 1, 2, 5-11.
Краткое описание чертежей.A brief description of the drawings.
На фиг. 1 представлен вид в плане насосной станции, на фиг. 2 приведен разрез насосной станции по одному из насосов, из которого виден состав i-го элемента насосной станции, на фиг. 3 - таблица с результатами расчета подач Qj насосной станции во всех состояниях j=0, 1, 2, …, n, на фиг. 4 - схема с примером результатов генерирования двух потоков из серии случайных наработок и восстановлений элементов насосной станции, на фиг. 5 - график с закономерностью изменения среднеквадратического отклонения σ1 между принятыми в качестве исходных данных и полученными в результате моделирования средними наработками насосов между отказами в зависимости от продолжительности t имитационного моделирования, на фиг. 6 - результаты (в графической форме) определения искомой зависимости распределения случайной величины, на фиг. 7 - функция плотности распределения f(q) случайной величины подач Q насосной станции, полученная путем дифференцирования зависимости распределения случайной величины.In FIG. 1 is a plan view of a pumping station; FIG. 2 shows a section through a pumping station along one of the pumps, from which the composition of the ith element of the pumping station is visible, FIG. 3 is a table with the calculation results of the feeds Q j of the pumping station in all states j = 0, 1, 2, ..., n, in FIG. 4 is a diagram with an example of the results of generating two flows from a series of random operating time and recoveries of elements of a pumping station, FIG. 5 is a graph with the pattern of variation of the standard deviation σ 1 between the average operating time of the pumps between failures taken as initial data and obtained as a result of the simulation, depending on the duration t of the simulation, in FIG. 6 shows the results (in graphical form) of determining the desired dependence of the distribution of a random variable; FIG. 7 is a function of the distribution density f (q) of a random supply quantity Q of the pumping station, obtained by differentiating the distribution of the random variable.
Осуществление изобретения.The implementation of the invention.
На этапе а) осуществляют разделение всей рассматриваемой системы на конечное число H элементов i=1, 2, ..., H, каждый из которых в модели надежности представляется простым (бинарным) событием с двумя возможными состояниями, например, работоспособности/отказа и вероятностными параметрами.At stage a), the entire system under consideration is divided into a finite number H of elements i = 1, 2, ..., H, each of which in the reliability model is represented as a simple (binary) event with two possible states, for example, operability / failure and probabilistic parameters.
Для иллюстрации особенностей выполнения этого этапа на фиг. 1 представлен вид в плане насосной станции, включающей в себя корпус 1, приемный резервуар 2, и оборудованной двумя типами насосов: высокопроизводительными насосами 3 (7 шт, модель насосов - ФВ 22700/63, расчетная подача - 17,0 тыс. м3/ч) и низкопроизводительными насосами 4 (4 шт, модель насосов - ФВ 9000/63, расчетная подача - 7,5 тыс. м3/ч). Насосы 3 и 4 расположены в машинном отделении 5. В дополнение на фиг. 2 приведен разрез насосной станции по одному из насосов, из которого виден состав i-го элемента насосной станции, включающий в себя, например:To illustrate the features of this step in FIG. 1 is a plan view of a pumping station including a
один насос 6;one
элементы автоматизированной системы управления (АСУ) 7;elements of an automated control system (ACS) 7;
электродвигатель 8;
систему 9 подачи воды на охлаждение электродвигателя; гидравлические домкраты 10;a
вал 11;
систему 12 подачи воды на уплотнение вала и подшипника;
всасывающий трубопровод 13;
напорный трубопровод 14;
задвижку 15, установленную на всасывающем трубопроводе 13;a
задвижку 16, установленную на напорном трубопроводе 14.the
Таким образом, конечное число элементов насосной станции Н=11, каждый из которых может находиться только в двух состояниях: работоспособности и отказа. В каждом из этих элементов при отказе одного из его вышеупомянутых структурных частей, обозначенных позициями 6-16, весь элемент будет находиться в состоянии отказа. Например, при отказе задвижки 15, установленной на всасывающем трубопроводе 13, вода перестанет поступать в насос 6 и весь элемент работать не будет. В состоянии работоспособности i-й элемент будет находиться только тогда, когда работоспособными будут все его части.Thus, the final number of elements of the pumping station is H = 11, each of which can be in only two states: operability and failure. In each of these elements, in the event of failure of one of its aforementioned structural parts, indicated by positions 6-16, the entire element will be in a state of failure. For example, if the
В качестве вероятностных параметров i-го элемента насосной станции принимают интенсивности внезапных отказов λi,t, устраняемых в процессе текущих ремонтов, и интенсивности их восстановлений µi,t, интенсивности постепенных отказов λi,k, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений µi,k. Указанные вероятностные параметры могут быть получены в процессе технического обследования насосной станции или из справочной литературы. Например, по результатам обследования установлено, что:The probabilistic parameters of the ith element of the pumping station are the intensities of sudden failures λ i, t eliminated during the current repairs, and the intensities of their recoveries µ i, t , the intensities of the gradual failures λ i, k eliminated during the overhauls, and the intensity their recoveries µ i, k . The indicated probabilistic parameters can be obtained in the process of technical inspection of the pumping station or from the reference literature. For example, the survey found that:
- первый тип i-го элемента, в состав которого входят высокопроизводительные насосы ФВ 22700/63, имеет следующие вероятностные параметры - интенсивность внезапных отказов λi,t=32,6082*10-4, 1/ч, интенсивности их восстановлений µi,t=125,00*10-4, 1/ч, интенсивности постепенных отказов λi,k=0,83333*10-4, 1/ч, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений µi,k=0,9375*10-4, 1/ч;- the first type of the i-th element, which includes high-performance pumps ФВ 22700/63, has the following probabilistic parameters - the intensity of sudden failures λ i, t = 32.6082 * 10 -4 , 1 / h, the intensity of their recoveries µ i, t = 125.00 * 10 -4 , 1 / h, the rate of gradual failures λ i, k = 0.83333 * 10 -4 , 1 / h, eliminated during the overhaul, and the intensity of their restoration µ i, k = 0 9375 * 10 -4 , 1 / h;
- второй тип i-го элемента, в состав которого входят низкопроизводительные насосы ФВ 9000/63, имеет следующие вероятностные параметры - интенсивность внезапных отказов λi,t=29,2213*10-4, 1/ч, интенсивности их восстановлений µi,t=222,22*10-4, 1/ч, интенсивности постепенных отказов λi,k=0,83333*10-4, 1/ч, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений µi,k=0,9375*10-4, 1/ч.- the second type of the i-th element, which includes low-performance pumps ФВ 9000/63, has the following probabilistic parameters - the intensity of sudden failures λ i, t = 29.2213 * 10 -4 , 1 / h, the intensity of their recoveries µ i, t = 222.22 * 10 -4 , 1 / h, the rate of gradual failures λ i, k = 0.83333 * 10 -4 , 1 / h, eliminated during the overhaul, and the intensity of their restoration µ i, k = 0 , 9375 * 10 -4 , 1 / h.
В качестве случайной величины принимают подачу Q насосной станции.As a random variable, the flow Q of the pumping station is taken.
На этапе а) дополнительно:In step a), additionally:
- определяют конечное число n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач Qj насосной станции. Конечное число n состояний зависит от конечного числа Н элементов, а так же количества их типов. Если насосная станция состоит из Н однотипных элементов, то число состояний n=Н+1. При этом, в состоянии 0 все элементы работоспособны. В рассматриваемом примере число состояний элементов с четырьмя низкопроизводительными насосами равно 5, а с семью высокопроизводительными насосами - 8. Тогда общее число состояний насосной станции равно n=5*8=40, т.е. j=0, 1, 2, …, 39. Подача в каждом состоянии определяется суммой подач всех насосов, находящихся в работоспособном состоянии. Например, в состоянии 0, когда все насосы работоспособны, Q0=7*17,0+4*7,5=149 тыс. м3/ч. Результаты расчета подач во всех остальных состояниях приведены в таблице на фиг. 3. В ней, kВП, kНП - количество отказавших высокопроизводительных и низкопроизводительных насосов;- determine the final number n of states of the pumping station, j = 0, 1, 2, ..., n, and the corresponding feeds Q j of the pumping station. The final number n of states depends on the finite number H of elements, as well as the number of their types. If the pumping station consists of H of the same type of elements, then the number of states is n = H + 1. At the same time, in
- дополнительно назначают допустимую точность σдоп определения закона распределения случайной величины. В соответствии с настоящим изобретением в зависимости от важности насосной станции в системе водоотведения может быть назначена любая точность σдоп. Как правило, ее принимают равной принятой точности инженерных расчетов, т.е. 5%;- additionally assign the permissible accuracy σ additional definition of the law of distribution of a random variable. In accordance with the present invention, depending on the importance of the pumping station in the drainage system, any accuracy σ add. As a rule, it is taken equal to the accepted accuracy of engineering calculations, i.e. 5%;
- назначают продолжительность t имитационного моделирования.- designate the duration t of simulation.
Вероятностное моделирование на этапе б) осуществляют посредством обработки данных результатов имитационного моделирования работы насосной станции в течение продолжительности t. Имитационное моделирование известно в данной области техники и доступно для понимания специалистами. Например, его определение содержится в Википедии (https://ru.wikipedia.org): «Имитационное моделирование (ситуационное моделирование) - метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику».Probabilistic modeling in step b) is carried out by processing the data of the simulation results of the operation of the pumping station for a duration t. Simulation is known in the art and is readily understood by those skilled in the art. For example, its definition is contained in Wikipedia (https://ru.wikipedia.org): “Simulation (situational modeling) is a method that allows you to build models that describe processes as they would in reality. Such a model can be “lost” in time both for one test and for a given set of them. The results will be determined by the random nature of the processes. Based on these data, you can get fairly stable statistics. "
В процессе имитационного моделирования:In the process of simulation:
1. Параллельно генерируют серию случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых - с интенсивностью внезапных отказов λi,t и интенсивностью восстановлений µi,t, второй - с интенсивностью постепенных отказов λi,k и интенсивностью восстановлений µi,k. Генерирование случайных потоков известно в данной области техники и доступно для понимания специалистами. Например, его определение содержится в Википедии (https://ru.wikipedia.org) в разделе «Генерирование случайных чисел». Генерирование осуществляется с применением «различных генераторов псевдослучайных чисел, для каждого из которых можно задавать конкретное распределение». В настоящее время генератор псевдослучайных чисел имеется в любом компьютере и используется в виде функции в большинстве расчетных программ, например, в Microsoft Excel. Для иллюстрации на фиг. 4 приведен пример такого генерирования одного потока случайных наработок и восстановлений элементов насосной станции одного типа, в состав которого входят низкопроизводительные насосы. В результате получены:1. At the same time, a series of random processes is generated from two flows of random operating time and recoveries of elements of the pumping station, one of which with the intensity of sudden failures λ i, t and the recovery rate µ i, t , the second with the intensity of gradual failures λ i, k and the intensity recoveries µ i, k . The generation of random streams is known in the art and is readily understood by those skilled in the art. For example, its definition is contained in Wikipedia (https://ru.wikipedia.org) in the section "Generating random numbers". Generation is carried out using "various pseudo-random number generators, for each of which a specific distribution can be set." Currently, a pseudo-random number generator is available on any computer and is used as a function in most calculation programs, for example, in Microsoft Excel. To illustrate in FIG. Figure 4 shows an example of such a generation of a single stream of random operating time and recovery of elements of a pumping station of the same type, which includes low-performance pumps. As a result, received:
- поток случайных наработок t1,1, t1,2, t1,3, t1,4, … между внезапными отказами, устраняемыми в процессе текущих ремонтов (позиция 17 на фиг. 4). Они получены с учетом того, что вероятность P(dt) перехода из состояния работоспособности в состояние отказа в течение интервала времени dt равна P(dt)=λi,t dt=29,2213*10-4*dt. При dt=1 ч P(dt)=29,2213*10-4. В результате получен, например, следующий поток наработок: 350,25; 334,60; 338,39; 365,44 и т.д. часов;- the flow of random operating time t 1,1 , t 1,2 , t 1,3 , t 1,4 , ... between sudden failures eliminated in the process of current repairs (
- поток случайных восстановлений τ1,1, τ1,2, τ1,3, τ1,4, … в процессе текущих ремонтов (позиция 18 на фиг. 4). Они получены с учетом того, что вероятность P(dt) перехода из состояния отказа в состояние работоспособности в течение интервала времени dt равна P(dt)=µi,t dt=222,22*10-4*dt. При dt=1 ч P(dt)=222,22*10-4. В результате получен, например, следующий поток восстановлений: 76; 81; 79; 81 и т.д. часов;- stream of random recoveries τ1,1, τ1,2, τ1.3, τ1.4, ... during ongoing repairs (
- поток случайных наработок t2,1, t2,2, t2,3, t2,4, … между постепенными отказами, устраняемыми в процессе капитальных ремонтов (позиция 19 на фиг. 4). Они получены с учетом того, что вероятность P(dt) перехода из состояния работоспособности в состояние отказа в течение интервала времени dt равна P(dt)=λi,k dt=0,83333*10-4*dt. При dt=1 ч P(dt)=0,83333*10-4. В результате получен, например, следующий поток наработок: 12050; 12100; 11780; 12001 и т.д. часов;- the flow of random operating time t 2,1 , t 2,2 , t 2,3 , t 2,4 , ... between the gradual failures eliminated in the process of major repairs (
- поток случайных восстановлений τ2,1, τ2,2, τ2,3, τ2,4, … в процессе капитальных ремонтов (позиция 20 на фиг. 4). Они получены с учетом того, что вероятность P(dt) перехода из состояния отказа в состояние работоспособности в течение интервала времени dt равна P(dt)=µi,k dt=0,9375*10-4*dt. При dt=1 ч P(dt)=0,9375*10-4. В результате получен, например, следующий поток восстановлений: 10424,54; 6888,35; 10682,65; 8052,34 и т.д. часов.- stream of random recoveries τ 2,1 , τ 2,2 , τ 2,3 , τ 2,4 , ... in the process of major repairs (
2. Определяют среднеквадратические отклонения для элементов каждого типа2. Determine the standard deviations for the elements of each type.
и, если полученные среднеквадратические отклонения σ1 и σ2 превышают допустимую точность σдоп определения закона распределения случайной величины, то увеличивают продолжительность t и повторяют этап б) до тех пор, пока полученные среднеквадратические отклонения σ1 и σ2 не уменьшатся до допустимой точности σдоп.and, if the obtained standard deviations σ 1 and σ 2 exceed the permissible accuracy σ additionally determining the distribution law of a random variable, then increase the duration t and repeat step b) until the obtained standard deviations σ 1 and σ 2 decrease to an acceptable accuracy σ add .
Особенности выполнения этого этапа приведены на фиг. 5, где на примере восстановлений элементов насосной станции одного типа, в состав которого входят высокопроизводительные насосы, показано, как изменяется σ1 (в %) в зависимости от продолжительности t имитационного моделирования. На этой фигуре позицией 21 обозначены средние наработки насосов между отказами в одной серии, полученные тем же методом имитационного моделирования, позицией 22 - средняя наработка между отказами, принятая в качестве исходных данных и равная 1/λi,t=1/32,6082*104=306 часов, позицией 23 - искомое среднеквадратическое отклонение σ1 между принятыми в качестве исходных данных и полученными в результате моделирования средними наработками насосов между отказами.Features of this step are shown in FIG. 5, where, using the example of restoring elements of a pumping station of the same type, which includes high-performance pumps, it is shown how σ 1 (in%) changes depending on the duration t of simulation. In this figure,
Из фиг. 5 так же видно, что если допустимую точность σдоп определения закона распределения случайной величины принять равной 5%, то придется повторять этап б) до тех пор, пока продолжительность t не достигнет 100 лет.From FIG. 5 it is also seen that if the admissible accuracy σ of the additional determination of the distribution law of a random variable is taken to be 5%, then it will be necessary to repeat step b) until the duration t reaches 100 years.
Далее, путем статистического анализа состояний j насосной станции и соответствующих им подач Qj, полученных в результате имитационного моделирования, получают закон распределения случайной величины F(q), определяющий для каждого значения q вероятность того, что случайная величина подач Q насосной станции примет значение меньше q, т.е. F(q)=P(Q<q).Further, by statistical analysis of the pumping station states j and their corresponding flows Q j obtained as a result of simulation, we obtain the distribution law of a random variable F (q), which determines for each q value the probability that the random flow quantity Q of the pump station takes a value less q, i.e. F (q) = P (Q <q).
На фиг. 6 в графической форме приведены результаты определения искомого закона распределения случайной величины F(q), полученной путем статистического анализа состояний j насосной станции и соответствующих им подач Qj.In FIG. Figure 6 shows in graphical form the results of determining the desired distribution law of the random variable F (q) obtained by statistical analysis of the states j of the pumping station and the corresponding flows Q j .
В дополнении, на фиг. 7 приведена функция плотности распределения f(q) подач насосной станции q. Она получена путем дифференцирования функции F(q), т.е. f(q)=F′(q). Расчетная функция плотности распределения f(q) на фиг. 7 обозначена позицией 24. Кроме того, позицией 25 обозначена фактическая функция плотности распределения f(q) подач q (принятой в качестве примера) насосной станции, полученная путем статистической обработки эксплуатационной информации, хранящейся в базах данных автоматизированной системы управления за период 5 лет.In addition, in FIG. 7 shows the density distribution function f (q) of the pump station q flows. It is obtained by differentiating the function F (q), i.e. f (q) = F ′ (q). The calculated distribution density function f (q) in FIG. 7 is indicated by 24. In addition,
Сопоставление полученных функций плотности распределения (расчетной, обозначенной позицией 24, и фактической, обозначенной позицией 25), доказывает высокую точность прогнозирования подачи насосной станции данным способом. Поскольку пример реализован с применением обычного персонального компьютера, то это доказывает его промышленную применимость.A comparison of the obtained density distribution functions (calculated, indicated by 24, and actual, indicated by 25), proves the high accuracy of predicting the flow of the pumping station in this way. Since the example is implemented using a conventional personal computer, this proves its industrial applicability.
Claims (1)
а) осуществляют разделение всей рассматриваемой системы на конечное число H элементов i=1, 2, …, H, каждый из которых представляется в модели надежности простым событием с двумя возможными состояниями, например, работоспособности/отказа и вероятностными параметрами;
б) осуществляют вероятностное моделирование с определением закона распределения случайной величины, отличающийся тем, что в качестве i-го элемента насосной станции принимают, по меньшей мере, один насос, по меньшей мере, одного типа в совокупности со всеми другими элементами насосной станции, отказ которых приводит к остановке работы упомянутого насоса, в качестве вероятностных параметров i-го элемента насосной станции принимают интенсивности внезапных отказов λi,t, устраняемых в процессе текущих ремонтов, и интенсивности их восстановлений µi,t, интенсивности постепенных отказов λi,k, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений µi,k, в качестве случайной величины принимают подачу Q насосной станции,
на этапе а) дополнительно определяют конечное число n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач Q j насосной станции, а так же допустимую точность σдоп определения закона распределения случайной величины и назначают продолжительность t имитационного моделирования;
вероятностное моделирование на этапе б) осуществляют посредством обработки данных результатов имитационного моделирования работы насосной станции, в процессе которого: параллельно генерируют серию случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых с интенсивностью внезапных отказов λi,t
и интенсивностью восстановлений µi,t, второй - с интенсивностью постепенных отказов λi,k и интенсивностью восстановлений µi,k, определяют среднеквадратические отклонения для элементов насосной станции каждого типа
, ,
где m 1 , m 2 - суммарное количество случайных процессов в серии продолжительностью t случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, t1,ii, t2,ii - средние значения по процессам случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, и, если полученные среднеквадратические отклонения σ1 и σ2 превышают допустимую точность σдоп определения закона распределения случайной величины, то увеличивают продолжительность t имитационного моделирования и повторяют этап б) до тех пор, пока полученные среднеквадратические отклонения σ1 и σ2 не уменьшатся до допустимой точности σдоп, а если полученные среднеквадратические отклонения σ1 и σ2 не превышают допустимую точность σдоп определения закона распределения случайной величины, то путем статистического анализа состояний j насосной станции и соответствующих им подач Q j, полученных в результате имитационного моделирования, получают закон распределения F(q) случайной величины Q, определяющий для каждого значения q вероятность того, что случайная величина подачи Q насосной станции примет значение меньше q, т.е. . A method for assessing the reliability of a pumping station, comprising the steps of:
a) carry out the separation of the entire system in question into a finite number H of elements i = 1, 2, ..., H , each of which is represented in the reliability model as a simple event with two possible states, for example, operability / failure and probabilistic parameters;
b) is performed with a probabilistic modeling definition of random variable distribution law, characterized in that the i th at the pump station receiving element least one pump, at least one type together with all other components of the pumping station, where failure It leads to stopping operation of said pump, as probabilistic parameters i -th element of the pumping station receiving intensity sudden failures λ i, t, are fixed in the current repair, and the intensity of the restored eny μ i, t, intensity gradual failures λ i, k, are fixed during overhauls, and the intensity of their rebounds μ i, k, as a random variable taking feed pump station Q,
at step a), an additional final number n of states of the pumping station, j = 0, 1, 2, ..., n , and the corresponding feeds Q j of the pumping station, is determined, as well as the permissible accuracy σ of the additional determination of the distribution law of the random variable and the duration t simulation modeling;
probabilistic modeling at stage b) is carried out by processing the data of the simulation results of the operation of the pumping station, during which: a series of random processes are generated in parallel from two flows of random operating time and restoration of the pumping station elements, one of which with the rate of sudden failures λ i, t
and the recovery rate µ i, t , the second - with the rate of gradual failure λ i, k and the recovery rate µ i, k , determine the standard deviations for the elements of the pumping station of each type
, ,
where m 1 , m 2 is the total number of random processes in a series of t random times between sudden failures that are eliminated in the process of current repairs, and gradual failures that are eliminated in the process of overhauls, t 1, ii , t 2, ii are the average values for random running processes between sudden failures eliminated in the process of current repairs and gradual failures eliminated in the process of overhauls, and if the obtained standard deviations σ 1 and σ 2 exceed the permissible accuracy σ additional of the distribution law of a random variable, then increase the duration t of simulation and repeat step b) until the resulting standard deviations σ 1 and σ 2 are reduced to an acceptable accuracy σ add , and if the obtained standard deviations σ 1 and σ 2 do not exceed admissible σ additional accuracy determination random variable distribution law, by statistical analysis of states j of the pumping station and the corresponding feed Q j, obtained by simulation modelirova Ia, prepared law F (q) the distribution of the random variable Q, which determines for each value of q probability that a random variable flow Q of pumping station will assume a value smaller than q, that is, .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2015133745/13A RU2602295C1 (en) | 2015-08-11 | 2015-08-11 | Method of pump station reliability evaluation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2015133745/13A RU2602295C1 (en) | 2015-08-11 | 2015-08-11 | Method of pump station reliability evaluation |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2602295C1 true RU2602295C1 (en) | 2016-11-20 |
Family
ID=57759942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2015133745/13A RU2602295C1 (en) | 2015-08-11 | 2015-08-11 | Method of pump station reliability evaluation |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2602295C1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2709902C1 (en) * | 2018-12-13 | 2019-12-23 | Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" | Method of replacement of gate valve on suction pipeline of pump unit and temporary section in underwater zone of receiving section of sewage pump station |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1260460A1 (en) * | 1984-08-06 | 1986-09-30 | Территориальное Производственное Объединение Коммунально-Промышленного Водоснабжения "Харьковкоммунпромвод" | Method of controlling water supply system |
RU2107780C1 (en) * | 1995-04-19 | 1998-03-27 | Военный инженерный строительный институт | Method for ensuring reliability of pumping stations |
US20130108473A1 (en) * | 2011-11-02 | 2013-05-02 | Abb Oy | Method and controller for operating a pump system |
-
2015
- 2015-08-11 RU RU2015133745/13A patent/RU2602295C1/en not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1260460A1 (en) * | 1984-08-06 | 1986-09-30 | Территориальное Производственное Объединение Коммунально-Промышленного Водоснабжения "Харьковкоммунпромвод" | Method of controlling water supply system |
RU2107780C1 (en) * | 1995-04-19 | 1998-03-27 | Военный инженерный строительный институт | Method for ensuring reliability of pumping stations |
US20130108473A1 (en) * | 2011-11-02 | 2013-05-02 | Abb Oy | Method and controller for operating a pump system |
Non-Patent Citations (1)
Title |
---|
ИГНАТЧИК С.Ю. ЭНЕРГОСБЕРЕЖЕНИЕ И ОБЕСПЕЧЕНИЕ НАДЕЖНОСТИ ПРИ РЕКОНСТРУКЦИИ КАНАЛИЗАЦИОННЫХ НАСОСНЫХ СТАНЦИЙ / ВОДОСНАБЖЕНИЕ И САНИТАРНАЯ ТЕХНИКА. 2012. N 12, стр. 37-43. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2709902C1 (en) * | 2018-12-13 | 2019-12-23 | Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" | Method of replacement of gate valve on suction pipeline of pump unit and temporary section in underwater zone of receiving section of sewage pump station |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991666B (en) | Fault detection method, training device, training equipment and training equipment for model, and storage medium | |
CN102155301B (en) | System and method for monitoring gas turbine | |
CN112148577A (en) | Data anomaly detection method and device, electronic equipment and storage medium | |
US20130041783A1 (en) | System and method for dynamic spare part management | |
US20200175407A1 (en) | Monitored machine performance as a maintenance predictor | |
Langeron et al. | Combination of safety integrity levels (SILs): A study of IEC61508 merging rules | |
JP7053152B2 (en) | Systems and methods for optimizing recommended inspection intervals | |
JP2017151980A5 (en) | ||
RU2602295C1 (en) | Method of pump station reliability evaluation | |
CN115115116A (en) | Fault prediction method applied to industrial Internet and related equipment | |
RU2620133C1 (en) | Method of probabilistic assessment of pumping station supplying | |
Abu-Abed et al. | Life-Support Model of Supply Systems of Oil and Gas Industry Objects | |
Kabir et al. | Quantification of temporal fault trees based on fuzzy set theory | |
Khalil Ur et al. | Sensitivity study on availability of I&C components using bayesian network | |
CN103197564A (en) | Digitalized human-machine interface monitoring unit number optimization method and system | |
Catelani et al. | Failure rates sensitivity analysis using Monte Carlo simulation | |
Kostogryzov et al. | Innovative management based on risks prediction | |
Yuan et al. | Research on reliability of centrifugal compressor unit based on dynamic Bayesian network of fault tree mapping | |
Brissaud et al. | Reliability and availability models for ageing safety-related systems | |
Bhatti et al. | Stochastic analysis of parallel system with two discrete failures | |
Barak et al. | Cost-benefit analysis of a cold standby system with preventive maintenance and repair subject to inspection | |
CN105303315B (en) | A kind of power equipment reliability appraisal procedure counted and maintenance randomness influences | |
CN110660002B (en) | Method and device for determining failure rate curve of component of wind generating set | |
Ur et al. | Formulation and Reliability Feature Analysis of Analog, Digital and Hybrid I&C Architectures for Research Reactors | |
Bäckström et al. | Two interpretations of the risk increase factor definition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20180812 |