دانلود مقاله ISI انگلیسی شماره 57025
ترجمه فارسی عنوان مقاله

چارچوب تصمیم گیری قابلیت اطمینان برای واحدهای قابل تعمیر مجدد

عنوان انگلیسی
A reliability decision framework for multiple repairable units
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
57025 2016 11 صفحه PDF
منبع

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

Journal : Reliability Engineering & System Safety, Volume 150, June 2016, Pages 78–88

ترجمه کلمات کلیدی
واحدهای قابل تعمیر مجدد، مدل سازی قابلیت اطمینان، همگنی، ناهمگونی، آزمون روند
کلمات کلیدی انگلیسی
Multiple repairable units; Reliability modelling; Homogeneity; Heterogeneity; Trend test
ترجمه چکیده
در عمل، تحلیلگر اغلب با واحدهای قابل تعمیر مجدد، در موقعیت های مختلف نصب شده و یا تحت شرایط مختلف عمل می کند و با رشته های مختلف حفظ می شود. این مقاله چارچوب تصمیم را برای شناسایی یک مدل پایایی مناسب برای واحدهای قابل انعطاف مجدد متعدد ارائه می دهد. این داده های شکست غیر همگن را به گروه های همگن تقسیم می کند و آنها را با استفاده از آزمون های آماری بر اساس روند شکست آنها طبقه بندی می کند. این چارچوب در مورد سناریوهای مختلف برای تحلیل واحدهای قابل تعمیر مجدد، با توجه به روند، شدت و وابستگی واحد ها، مورد بحث قرار می گیرد؟ اطلاعات خرابی چارچوب پیشنهادی در یک ناوگان هواپیما و در دو مجموعه داده شبیه سازی شده تأیید شده است. نتایج نشان می دهد که مدل پایایی واحدهای قابل تعمیر مجدد ممکن است ترکیبی از مدل های مختلف تصادفی باشد. با توجه به مدلهای اطمینان یکپارچه برای چنین جمعیتی ممکن است محاسبه غلط از زمان به شکست یک واحد خاص را داشته باشد که به نوبه خود باعث نتیجه گیری و تصمیم گیری های نادرست می شود. هنگام برخورد با واحدهای قابل انعطاف مجدد متعدد و غیر همگن، استفاده از چارچوب پیشنهادی می تواند انتخاب یک مدل قابلیت اطمینان مناسب را آسان کند.

چکیده انگلیسی

In practice, the analyst is often dealing with multiple repairable units, installed in different positions or functioning under different operating conditions, and maintained by different disciplines. This paper presents a decision framework to identify an appropriate reliability model for massive multiple repairable units. It splits non-homogeneous failure data into homogeneous groups and classifies them based on their failure trends using statistical tests. The framework discusses different scenarios for analysing multiple repairable units, according to trend, intensity, and dependency of the units׳ failure data. The proposed framework has been verified in a fleet of aircraft and in two simulated data sets. The results show a reliability model of multiple repairable units may contain a mixture of different stochastic models. Considering single reliability models for such populations may cause erroneous calculation of the time to failure of a particular unit, which can, in turn, lead to faulty conclusions and decisions. When dealing with massive and non-homogeneous multiple repairable units, the application of the proposed framework can facilitate the selection of an appropriate reliability model.