В математической теории вероятности , обобщенный процесс восстановления (GRP) или процесс G-обновление является процесс стохастический точка используется для модели отказа / ремонта поведения восстанавливаемых систем в надежности техники . Точечный процесс Пуассона - частный случай GRP.
Вероятностная модель [ править ]
Виртуальный век [ править ]
Кидзима и Сумита представили процесс G-обновления через понятие виртуального века [1] .
- где:
- и - реальный и виртуальный возраст (соответственно) системы на момент / после i- го ремонта,
- является фактором восстановления (ака, ремонт фактор эффективности),
- , представляет состояние безупречного ремонта, при котором возраст системы сбрасывается до нуля после ремонта. Это условие соответствует обычному процессу продления .
- , представляет собой состояние минимального ремонта, при котором состояние системы после ремонта остается таким же, как и перед ремонтом. Это условие соответствует неоднородному пуассоновскому процессу .
- , представляет собой состояние общего ремонта, когда состояние системы находится между идеальным ремонтом и минимальным ремонтом. Это условие соответствует Общему процессу продления .
Каминский и Кривцов [2] расширили модели Киджимы, допустив q > 1, так что ремонт повреждает (стареет) систему в большей степени, чем это было непосредственно перед соответствующим отказом.
Уравнение G-обновления [ править ]
Математически процесс G-обновления количественно оценивается путем решения уравнения G-обновления:
- где,
- f ( t ) - функция плотности вероятности (PDF) основного распределения времени отказа,
- F ( t ) - кумулятивная функция распределения (CDF) основного распределения времени отказа,
- q - коэффициент восстановления,
- - вектор параметров основного распределения времени отказа.
Закрытые формы решения уравнения G-обновления не представляется возможным. Кроме того, численные приближения трудно получить из-за повторяющегося бесконечного ряда. Монте - Карло на основе подход к решению G-обновление Equation была разработана Kaminiskiy и Кривцова [2] [3] .
Статистическая оценка [ править ]
Процесс G-восстановления приобрел практическую популярность в проектировании надежности только после того, как стали доступны методы оценки его параметров.
Подход Монте-Карло [ править ]
Оценка нелинейного LSQ процесса обновления G-была впервые предложена на Каминского & Кривцова [2] . Случайное время между прибытиями из параметризованного процесса G-Renewal определяется как:
- где,
- - совокупный реальный возраст до i- го прибытия,
- - равномерно распределенная случайная величина,
- - CDF основного распределения времени отказа.
Впоследствии решение Монте-Карло было улучшено [4] и реализовано в виде веб-ресурса [5] .
Подход максимального правдоподобия [ править ]
В максимальном правдоподобии процедура была впоследствии обсуждена Yañez, и др. др. [6] , а также Меттас и Чжао [7] . Оценка фактора восстановления G-обновления была подробно рассмотрена Kahle & Love [8] .
Метод регуляризации в оценке параметров GRP [ править ]
Оценка параметров процесса G-обновления является некорректно поставленной обратной задачей, и поэтому решение может быть не единственным и чувствительным к входным данным. Кривцов и Евкин [9] [10] предложили сначала оценить основные параметры распределения, используя только время до первых отказов. Затем полученные параметры используются в качестве начальных значений для второго шага, на котором все параметры модели (включая коэффициент (ы) восстановления) оцениваются одновременно. Такой подход позволяет, с одной стороны, избежать нерелевантных решений (неправильные локальные максимумы или минимумы целевой функции), а с другой стороны, повысить скорость вычислений, поскольку количество итераций существенно зависит от выбранных начальных значений.
Ссылки [ править ]
- ^ Кидзима, Масааки; Сумита, Ушио. «Полезное обобщение теории обновления: подсчет процессов, управляемых неотрицательными марковскими приращениями» . Доверие прикладной вероятности.
- ^ a b c Каминский, депутат; Кривцов, В.В. (1998). «Подход Монте-Карло к анализу надежности ремонтируемых систем». Вероятностная оценка и управление безопасностью . Лондон: Спрингер – Верлаг. п. 1063–1068.
- ↑ Кривцов, В.В. (2000). Моделирование и оценка обобщенного процесса обновления в анализе надежности ремонтируемых систем (PhD). Университет Мэриленда, Колледж-Парк, ISBN / ISSN: 0599725877.
- ^ Yevkin, A. (2011). «Подход Монте-Карло для оценки доступности и интенсивности отказов в рамках модели G – Renewal Process». Достижения в области безопасности, надежности и управления рисками . Лондон: CRC Press. п. 1015-1020.
- ^ Евкин, А. "Калькулятор процесса G-обновления" . Проверено 13 мая 2021 года .
- ^ Yañez, M .; Joglar, F .; Модаррес, М. (август 2002 г.). «Обобщенный процесс обновления для анализа ремонтируемых систем с ограниченным опытом отказов» . Надежность и безопасность системы . 77 (2): 167–180.
- ^ Меттас, А .; Чжао, В. (24 января 2005 г.). Моделирование и анализ ремонтируемых систем с капитальным ремонтом . Ежегодный симпозиум по надежности и ремонтопригодности 2005 г. Александрия, Вирджиния.
- ^ Kahle, W .; Любовь, С. (2003). «МОДЕЛИРОВАНИЕ ВЛИЯНИЯ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ» . Математические и статистические методы надежности : 387–399.
- ^ Кривцов, В.В.; Евкин, О. (июль 2013). «Оценка параметров процесса G-восстановления как некорректная обратная задача» . Надежность и безопасность системы . 115 : 10–18.
- ^ Кривцов, Василий; Евкин, Алексей (2017). Методы регуляризации для прогнозирования повторяющихся отказов в моделях Кидзима . Ежегодный симпозиум по надежности и ремонту, 2017 г. Орландо, Флорида.