دانلود مقاله ISI انگلیسی شماره 140278
ترجمه فارسی عنوان مقاله

آیا اطلاعات کافی داریم؟ قابلیت اطمینان پایدار از طریق عدم اطمینان

عنوان انگلیسی
Do we have enough data? Robust reliability via uncertainty quantification
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
140278 2018 12 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Applied Mathematical Modelling, Volume 54, February 2018, Pages 710-721

ترجمه چکیده
یک چارچوب احتمالی تعمیم یافته برای ارزیابی قابلیت اطمینان و کم بودن مقدار عدم اطمینان تحت کمبود داده ها پیشنهاد شده است. ابزار محاسباتی توسعه یافته، امکان تأثیر عدم قطعیت معرفتی را برای اندازه گیری میزان اعتبار یک مدار الکترونیکی و یک شبکه انتقال قدرت فراهم می کند. قدرت و ضعف رویکرد پیشنهادی با مقایسه روشهای احتمالات سنتی نشان داده شده است. در حضور هر دو روش غیرمعقول و معرفتی، روشهای احتمالی کلاسی ممکن است منجر به نتیجه گیری گمراه کننده و حس اعتماد نادرست شود که ممکن است به طور کامل کیفیت اطلاعات موجود را نشان ندهد. در مقابل، رویکردهای احتمالی تعمیم یافته همه کاره و قدرتمند هستند، زمانی که به یک ابزار محاسباتی مرتبط هستند که امکان پذیری آنها را به مشکلات مهندسی واقع گرایانه می دهد.
پیش نمایش مقاله
پیش نمایش مقاله  آیا اطلاعات کافی داریم؟ قابلیت اطمینان پایدار از طریق عدم اطمینان

چکیده انگلیسی

A generalised probabilistic framework is proposed for reliability assessment and uncertainty quantification under a lack of data. The developed computational tool allows the effect of epistemic uncertainty to be quantified and has been applied to assess the reliability of an electronic circuit and a power transmission network. The strength and weakness of the proposed approach are illustrated by comparison to traditional probabilistic approaches. In the presence of both aleatory and epistemic uncertainty, classic probabilistic approaches may lead to misleading conclusions and a false sense of confidence which may not fully represent the quality of the available information. In contrast, generalised probabilistic approaches are versatile and powerful when linked to a computational tool that permits their applicability to realistic engineering problems.