Spolehlivost soustav



Podobné dokumenty
Markovské metody pro modelování pravděpodobnosti

Lineární algebra. Soustavy lineárních rovnic

1 Báze a dimenze vektorového prostoru 1

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

Aplikovaná numerická matematika

Operační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

Operace s maticemi

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.

cv3.tex. Vzorec pro úplnou pravděpodobnost

1 Vektorové prostory.

2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

Operační výzkum. Teorie her. Hra v normálním tvaru. Optimální strategie. Maticové hry.

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

1 Determinanty a inverzní matice

Testování a spolehlivost. 4. Laboratoř Spolehlivostní modely 1

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

Výběrové charakteristiky a jejich rozdělení

Soustavy lineárních rovnic

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

6. Vektorový počet Studijní text. 6. Vektorový počet

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

4. Aplikace matematiky v ekonomii

7 Ortogonální a ortonormální vektory

Operace s maticemi. 19. února 2018

Statistika II. Jiří Neubauer

Pravděpodobnost a její vlastnosti

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

2 Hlavní charakteristiky v analýze přežití

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Místo pojmu výroková formule budeme používat zkráceně jen formule. Při jejich zápisu

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.

Operační výzkum. Přiřazovací problém.

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

6. ANALYTICKÁ GEOMETRIE

1 Řešení soustav lineárních rovnic

A B = A A B P A B C = P A P B P C = =

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

13. cvičení z PSI ledna 2017

Obyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých

ANALYTICKÁ GEOMETRIE V ROVINĚ

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

IV. Základní pojmy matematické analýzy IV.1. Rozšíření množiny reálných čísel

0.1 Úvod do lineární algebry

Funkce, elementární funkce.

U Úvod do modelování a simulace systémů

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Základní pojmy matematické logiky

1 Linearní prostory nad komplexními čísly

Soustavy rovnic diskuse řešitelnosti

3. Podmíněná pravděpodobnost a Bayesův vzorec

Bodové a intervalové odhady parametrů v regresním modelu

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

VELIKOST VEKTORU, POČETNÍ OPERACE S VEKTORY

10. N á h o d n ý v e k t o r

METRICKÉ A NORMOVANÉ PROSTORY

Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?

Lineární algebra. Matice, operace s maticemi

Matematická logika. Miroslav Kolařík

Lineární algebra : Lineární (ne)závislost

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

0.1 Úvod do lineární algebry

Kapitola 4: Extrémy funkcí dvou proměnných 1/5

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

Základy teorie pravděpodobnosti

Báze a dimenze vektorových prostorů

1 Soustavy lineárních rovnic

Podmíněná pravděpodobnost, nezávislost

Téma 22. Ondřej Nývlt

4. Statika základní pojmy a základy rovnováhy sil

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice

Skalární součin dovoluje zavedení metriky v afinním bodovém prostoru, tj. umožňuje nám určovat vzdálenosti, odchylky, obsahy a objemy.

Poznámky k předmětu Aplikovaná statistika, 4. téma

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Řešené příklady z pravděpodobnosti:

Přednáška 3: Limita a spojitost

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/

SOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní

Úlohy nejmenších čtverců

12. Křivkové integrály

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Regresní analýza 1. Regresní analýza

19 Hilbertovy prostory

NMAI059 Pravděpodobnost a statistika

Operační výzkum. Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu.

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

Náhodný vektor a jeho charakteristiky

Transkript:

1 Spolehlivost soustav Spolehlivost soustav 1.1 Koherentní systémy a strukturní funkce Budeme se zabývat modelováním spolehlivosti zřízení s ohledem na spolehlivost jeho komponent. Jedním z hlavních cílů spolehlivostní analýzy je zvýšení spolehlivosti zařízení. To lze provést: a) Vhodným návrhem a konstrukcí systému (b) Zvyšování spolehlivosti jeho komponent c): Promyšleným zálohováním nejdůležitějších prvků nebo podsystémů Budeme uvažovat systém, který sestává z n komponent, které označíme C 1, C 2,..., C n. Tedy i tou komponentu značíme C i a předpokládáme, že tato komponenta se může nacházet v jednom ze dvou operačních stavů: komponenta je funkční nebo komponenta není funkční. Stav komponent popisujeme pomocí indikátorové funkce. Indikátorovou funkci (stručně indikátor), kterou přiřadíme komponentě C i označíme X i pro i = 1, 2,..., n a zavedeme ji předpisem: X i = 1, když C i je funkční X i = 0, když C i je funkční Strukturní funkce systému Strukturní funkcí φ celého systému o n komponentách s indikátory X 1, X 2,..., X n definujeme vztahem φ(x 1, X 2,..., X n ) = 1 když systém je funkční φ(x 1, X 2,..., X n ) = 0 když systém není funkční Dále číslo n udávající počet komponent systému nazýváme řádem systému. 1.2 Příklady systémů a jejich strukturních funkcí Příklad sériového systému je na obrázku: C1 C2 Cn Obr. 1: Sériový systém Komponenty systému jsou řazeny do série. Pro úspěšnou funkčnost systému je třeba, aby byly funkční všechny komponenty. Když jedna z komponent nebude funkční, bude to mít za následek, že celý systém nebude funkční. Strukturní funkce sériového systému je rovna φ(x 1, X 2,..., X n ) = min{x 1, X 2,..., X n } Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ.1.07/2.2.00/28.0326 PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY.

Lze ji také zapsat ve tvaru φ(x 1, X 2,..., X n ) = Příklad paralelního systému je na obrázku: C1 X i. C2 Cn Obr. 2: Paralelní systém Komponenty systému jsou řazeny paralelně vedle sebe. Pro úspěšnou funkčnost systému je třeba, aby byla funkční aspoň jedna z n komponent. Celý systém bude funkční, když bude funkční aspoň jedna komponenta. Strukturní funkce sériového systému je rovna Lze ji také zapsat ve tvaru φ(x 1, X 2,..., X n ) = max{x 1, X 2,..., X n } φ(x 1, X 2,..., X n ) = 1 (1 X i ). Na obrázku 3 je graficky znázorněna jednoduchá počítačová sít sestávající z n = 6 prvků : C1 C2 C3 C4 C5 C6 Obr. 3: Jednoduchá počítačová sít příklad Komponenty C 1, C 2, C 3 mohou představovat terminály, C 4 počítač - centrální jednotku a komponenty C 5 a C 6 lokální a centrální tiskárny. V této síti jsou komponenty C 1, C 2, C 3 řazeny paralelně a také komponenty C 5, C 6 jsou řazeny paralelně a bloky C 1, C 2, C 3, C 4 a C 5, C 6 jsou řazeny sériově. Proto strukturní funkce systému bude součinem strukturních funkcí jednotlivých bloků v sérii. Lze ji vyjádřit ve tvaru φ(x 1, X 2,..., X n ) = [1 (1 X 1 )(1 X 2 )(1 X 3 )][X 4 ][1 (1 X 5 )(1 X 6 )] 2

nebo ekvivalentně ve tvaru φ(x 1, X 2,..., X n ) = min{max{x 1, X 2 X 3 }, X 4, max{x 5, X 6 }} Komponentu C i systému řádu n nazveme irelevantní komponentou, když pro všechny stavy ostatních komponent systému (tedy když pro všechny hodnoty indikátorů X j, j i) platí φ(x 1, X 2,..., X i 1, 0, X i+1,..., X n ) = φ(x 1, X 2,..., X i 1, 1, X i+1,..., X n ) Komponentu nazýváme relevantní, když není irelevantní. Tedy komponenta, jejíž funkčnost není důležitá pro funkčnost systému, je irelevantní. Budeme se zajímat o systém, ve kterém nahrazení libovolné nefunkční komponenty funkční komponentou nezhorší fungování systému. V takovém systému platí φ(x 1, X 2,..., X i 1, 0, X i+1,..., X n ) φ(x 1, X 2,..., X i 1, 1, X i+1,..., X n ). Tedy strukturní funkce je neklesající funkcí v argumentu X i. Když je strukturní funkce systému neklesající v každém argumentu X i při pevně daných libovolných hodnotách ostatních argumentů pro i = 1, 2,..., n, nazýváme strukturní funkci neklesající funkcí. Stav celého systému můžeme popsat pomocí stavu jednotlivých komponent, tedy ve vektorovém označení pomocí vektoru indikátor; všech komponent X = (X 1, X 2,..., X n ). Dále použijeme pro dva stavy celého systému X = (X 1, X 2,..., X n ) a Y = (Y 1, Y 2,..., Y n ) označení X Y když X i Y i, přičemž aspoň pro jedno i {1, 2,..., n} platí ostrá nerovnost. Potom pro neklesající strukturní funkci φ platí X X φ(x) φ(y) Definice. Systém nazýváme koherentním, když jeho strukturní funkce je neklesající a každá jeho komponenta je relevantní. Věta. Pro strukturní funkci φ koherentního systému o n komponentách ve stavu X = (X 1, X 2,..., X n ) platí X i φ(x) 1 (1 X i ). Uvedenou větu lze snadno zapsat pomocí strukturní funkce φ serie (X) sériového systému a pomocí strukturní funkce φ paralell (X) paralelního systému φ serie (X) φ(x) φ paralell (X) Pravděpodobnost, že daná komponenta uvažovaného systému je funkční (nebo jednodušeji spolehlivost této komponenty) lze jednoduše zavést pomocí indikátoru X i, který reprezentuje stav této komponenty. Indikátor X i považujeme za náhodnou veličinu, která má alternativní rozdělení A(θ i ). Tedy X i je rovna 1 s pravděpodobností θ i a rovna 0 s pravděpodobností 1 θ i. Pak definujeme spolehlivost komponenty C i jako střední hodnotu E(X i ) = θ i, předpokládáme, že platí 0 θ i 1. Jinými slovy, je spolehlivost komponenty C i rovna pravděpodobnosti, že tato komponenta je funkční. Dále, když vyjdeme z vektoru indikátorů všech komponent X = (X 1, X 2,..., X n ) a označíme θ = (θ 1, θ 2,..., θ n ) vektor spolehlivostí jednotlivých komponent, můžeme zavést spolehlivost systému pomocí spolehlivostí jednotlivých komponent θ = (θ 1, θ 2,..., θ n ) jako funkci h(θ) = E([φ(X)]). 3

Budeme říkat, že komponenty pracují nezávisle, když jejich indikátory X 1, X 2,..., X n jsou vzájemně nezávislé náhodné veličiny. Tato definice znamená, že skutečnost, že komponenta C j je či není funkční neovlivní funkčnost kterékoliv jiné komponenty C i. Věta. Spolehlivost h systému s nezávislými komponentami a s hodnotami indikátorů X 1 = x 1, X 2 = = x 2,..., X n = x n a se strukturní funkcí φ je rovna h(θ) = Σ x Π n[θ x i i (1 θ i ) 1 x i ], kde se sčítá přes všechny možné hodnoty x = (x 1, x 2,..., x n ) vektoru indikátorů X = (X 1, X 2,..., X n ). Uvažujme sériový systém s n nezávislými komponentami a vektorem spolehlivosti komponent θ = (θ 1, θ 2,..., θ n ). Pak jeho spolehlivost je h(θ) = h(θ 1, θ 2,..., θ n ) = Π n θ i. Uvažujme paralelní systém s n nezávislými komponentami a vektorem spolehlivosti komponent θ = (θ 1, θ 2,..., θ n ). Pak jeho spolehlivost je h(θ) = h(θ 1, θ 2,..., θ n ) = 1 Π n (1 θ i ). Příklad. Užitím předchozích výsledků lze snadno nahlédnout, že spolehlivost systému z obrázku 3 lze za předpokladu nezávislosti komponent zapsat ve tvaru h(θ) = [1 (1 θ 1 )(1 θ 2 )(1 θ 3 )][θ 4 ][1 (1 θ 5 )(1 θ 6 )]. Uvažujme systém n komponent a předpokládejme, že životnost (doba do poruchy) komponenty C i je náhodná veličina Y i, přičemž náhodné veličiny Y 1, Y 2,..., Y n jsou nezávislé. Pak spolehlivost komponenty C i v libovolném čase y můžeme definovat jako S i (y) = P (Y i > y) pro i = 1, 2..., n. Tedy identifikátor X i komponenty C i závisí na čase a platí, že X i = 1 právě když Y i > y, jinak je X i = 0. Spolehlivost S(y) systému s n komponentami v čase y pak definujeme jako pravděpodobnost, že tento systém je v čase y funkční. Pro sériový systém s n nezávislými komponentami platí S(y) = S 1 (y)s 2 (y)... S n (y) a pro systém s n paralelně spojenými komponentami platí S(y) = 1 [1 S 1 (y)][1 S 2 (y)]... [1 S n (y)]. Příklad. Předpokládejme, že v systému s nezávislými komponentami mají doby do poruchy Y i exponenciální rozdělení, tedy spolehlivost komponenty C i v čase y je pro i = 1, 2..., n dána vztahem S i (y) = P (Y i > y) = e y λ pro y > 0, kde parametr λ > 0. Pak spolehlivost sériového systému v čase y je rovna S(y) = P (min{y 1, Y 2,..., Y n } y) = S 1 (y)s 2 (y)... S n (y) = e n y λ. a pro spolehlivost paralelního systému v čase y dostaneme S(y) = P (max{y 1, Y 2,..., Y n } y) = = 1 P (max{y 1, Y 2,..., Y n } y) = 1 (1 e y λ ) n. 4

Příklady k procvičení 1. Ukažte, že indikátory X 1, X 2,..., X n pro systém o n komponentách splňují vztahy: max{x 1, X 2,..., X n } = min{x 1, X 2,..., X n } = 1 X i (1 X i ) 2. Uvažujme identické komponenty C 1, C 2, C 3, C 4, C 5 které pracují nezávisle. Dále konstruujeme systémy K 1 jako systém, kdy C 1 a C 2 pracují v sérii; K 2 jako systém, kdy C 3 a C 4 pracují paralelně; K 3 systém sestávající z C 5 ; K systém sestávající z K 1, K 2 a K 3, které pracují v sérii. Nakreslete diagram systému K, určete strukturní funkci systému K a dále stanovte spolehlivost systémů K 1, K 2, K 3 a K, když θ i je pravděpodobnost, že komponenta C i je funkční. 3. Předpokládejme, že dvě elektronické komponenty mají životnosti Y 1 a Y 2, přičemž Y 1 a Y 2, jsou nezávislé náhodné veličiny a Y i má exponenciální rozdělení s parametrem λ i, i = 1, 2. Stanovte pravděpodobnost P (Y 1 > Y 2 ). 4. Elektronická jednotka sestává ze dvou komponent C 1 a C 2 pracujících paralelně. Předpokládejme, že Y 1 značí životnost C 1 a Y 2 značí životnost C 2 Předpokládejme, že Y 1 a Y 2 pracují nezávisle. a) Když Y 1 a Y 2 mají stejné exponenciální rozdělení s parametrem λ, stanovte hustotu životnosti elektronické jednotky. b) Když Y 1 má exponenciální rozdělení s parametrem λ 1, a Y 2 má exponenciální rozdělení s parametrem λ 1 2, stanovte hustotu životnosti elektronické jednotky. c) Když Y 1 a Y 2 mají stejné exponenciální rozdělení s parametrem λ, a dvě takové jednotky pracují sériově, stanovte hustotu životnosti výsledného systému těchto dvou elektronických jednotek. c) jak by bylo možné zobecnit předchozí výsledky na n komponent? 5