MOST CITED
Update: 2021-07-01
Task „Implementation of procedures ensuring the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.
Reliability allocation using probabilistic analytical target cascading with efficient uncertainty propagation
Alokacja niezawodności z wykorzystaniem probabilistycznej metody analitycznego kaskadowania celów zapewniająca wydajną propagację niepewności
Analytical target cascading (ATC) provides a systematic approach in solving reliability allocation problems for large scale system consisting of a large number of subsystems, modules and components. However, variability and uncertainty in design variables (e.g., component reliability) are usually inevitable, and when they are taken into consideration, the multi-level optimization will be very complicated. The impacts of uncertainty on system reliability are considered in this paper within the context of probabilistic ATC (PATC) formulation. The challenge is to reformulate constraints probabilistically and estimate uncertainty propagation throughout the hierarchy since outputs of subsystems at lower levels constitute inputs of subsystems at higher levels. The performance measure approach (PMA) and the performance moment integration (PMI) method are used to deal with the two objectives respectively. To accelerate the probabilistic optimization in each subsystem, a unified framework for integrating reliability analysis and moment estimation is proposed by incorporating PATC with single-loop method. It converts the probabilistic optimization problem into an equivalent deterministic optimization problem. The computational efficiency is remarkably improved as the lack of iterative process during uncertainty analysis. A nonlinear geometric programming example and a reliability allocation example are used to demonstrate the efficiency and accuracy of the proposed method.
Analityczne kaskadowanie celów (ATC) stanowi systematyczne podejście do rozwiązywania zagadnień alokacji niezawodności dotyczących systemów wielkoskalowych składających się z dużej liczby podsystemów, modułów i elementów składowych. Jednakże zmienność i niepewność zmiennych projektowych (np. niezawodności elementów składowych) są zazwyczaj nieuniknione, a gdy weźmie się je pod uwagę, optymalizacja wielopoziomowa staje się bardzo skomplikowana. W prezentowanym artykule, wpływ niepewności na niezawodność systemu rozważano w kontekście formuły probabilistycznego ATC (PATC). Wyzwanie polegało na probabilistycznym przeformułowaniu ograniczeń oraz ocenie propagacji niepewności w całej hierarchii, jako że wyjścia podsystemów na niższych poziomach stanowią wejścia podsystemów na poziomach wyższych. Cele te realizowano, odpowiednio, przy użyciu metody minimum funkcji granicznej (performance measure approach, PMA) oraz metody całkowania momentów statystycznych funkcji granicznej (performance moment integration, PMI). W celu przyspieszenia probabilistycznej optymalizacji w każdym podsystemie, zaproponowano ujednolicone ramy pozwalające na integrację analizy niezawodności z oceną momentów statystycznych poprzez połączenie PATC z metodą jednopoziomową (pojedynczej pętli, single-loop method). Zaproponowana metoda polega na przekształceniu probabilistycznego zagadnienia optymalizacyjnego na deterministyczne zagadnienie optymalizacyjne. Zwiększa to znacznie wydajność obliczeniową w związku z brakiem procesu iteratywnego podczas analizy niepewności. Wydajność i trafność proponowanej metody wykazano na podstawie przykładów dotyczących programowania nieliniowego geometrycznego oraz alokacji niezawodności.
270-277