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 - это частный случай GRP.
СОДЕРЖАНИЕ
- 1 Вероятностная модель
- 1.1 Виртуальный век
- 1.2 Уравнение G-восстановления
- 2 Статистическая оценка
- 2.1 подход Монте-Карло
- 2.2 Подход максимального правдоподобия
- 2.3 Метод регуляризации при оценке параметров ВРП
- 3 ссылки
Вероятностная модель
Виртуальный век
Киджима и Сумита представили процесс G-обновления через понятие виртуального века.
-
- 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, при котором состояние системы находится между идеальным ремонтом и минимальным ремонтом. Это условие соответствует Общему процессу продления.
Каминский и Кривцов расширили модели Кидзима, допустив q gt; 1, так что ремонт повреждает (стареет) систему в большей степени, чем это было непосредственно перед соответствующим отказом.
Уравнение G-восстановления
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 рекуррентного бесконечного ряда. Монте - Карло на основе подхода к решению G-обновление Equation была разработана Kaminiskiy и Кривцов.
Статистическая оценка
Процесс G-восстановления приобрел практическую популярность в проектировании надежности только после того, как стали доступны методы оценки его параметров.
Подход Монте-Карло
Оценка нелинейного LSQ процесса обновления G-была впервые предложена на Каминского amp; Кривцова. 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 и реализовано в виде веб-ресурса.
Подход максимального правдоподобия
В максимальном правдоподобии процедура была впоследствии обсуждена Yañez, и др. al, и Mettas amp; Zhao. Оценка фактора восстановления G – возобновления была подробно рассмотрена Kahle amp; Love.
Метод регуляризации в оценке параметров ВРП
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 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 (неправильных локальных максимумов или минимумов целевой функции), а с другой стороны, повысить скорость вычислений, поскольку количество итераций существенно зависит от выбранных начальных значений.
Рекомендации