ارائه الگويي براي تخمين قابليت اطمينان سيستم با خرابي هاي وابسته به روش شبكه هاي بيزين

A technique for estimation of system reliability by considering dependent failure based on Bayesian network

در محاسبه قابليت اطمينان سيستم¬ها، معمولا خرابي اجزاء را به صورت مستقل در نظر مي¬گيرند اما در واقعيت اجزاء سيستم به يكديگر وابسته مي¬باشند و خرابي¬هاي اجزاء تحت تأثير اين وابستگي قرار مي¬گيرد. يكي از انواع خرابي¬هاي وابسته، علت مشترك خرابي مي¬باشد بدين معنا كه عاملي وجود دارد كه باعث ايجاد خرابي در دو جزء سيستم يا بيشتر به صورت همزمان مي-شود. مدل¬هاي مختلفي از قبيل بتا فاكتور، آلفا فاكتور و MGL براي محاسبه احتمال خرابي اجزا با علت مشترك خرابي ارائه شده است. اگر خرابي¬هاي وابسته در محاسبه¬ي قابليت اطمينان سيستم مورد توجه قرار نگيرد موجب تحليل نادرست قابليت اطمينان مي¬شود يكي از روش¬هاي محاسبه قابليت اطمينان سيستم شبكه¬هاي بيزين مي¬باشد در اين ميان با استفاده از شبكه¬هاي بيزين مي توان قابليت اطمينان يك سيستم را با اجزاء وابسته و علت مشترك خرابي برآورد نمود. شبكه هاي بيزين روشي بسيار قدرتمند در محاسبه قابليت اطمينان اين نوع سيستم¬ها مي¬باشد. براي كنترل شبكه¬هاي حياتي آب رساني به منظور افزايش قابليت اطمينان سيستم از تركيب چند پمپ آب به صورت موازي استفاده مي¬شود تا در صورت خرابي يكي از پمپ¬ها، شبكه دچار قطعي آب نگردد. عواملي مانند لرزش، نوسانات برق، رطوبت، خطا در عمليات نگه داري-تعميرات و... موجب خرابي قسمت¬هاي مختلف پمپ¬ها مي شود كه نهايتا از كار افتادگي سيستم را به همراه دارد و باعث ايجاد علت مشترك خرابي در پمپ¬ها مي¬گردد از طرفي به دليل وابستگي بين اجزاء، كاركرد معيوب برخي اجزاء خرابي را در ديگر اجزاء سيستم انتشار مي¬دهد(خرابي آبشاري). در اين مقاله الگويي براي تخمين قابليت اطمينان شبكه¬هاي حياتي پمپاژ آب با در نظر گرفتن علت مشترك خرابي و اجزاء وابسته با استفاده از شبكه¬هاي بيزين ارائه مي شود.

In measuring the reliability of the systems, the failure of one component is usually considered independent of others. In reality, however, a system’s components are interdependent and their failure is influence by this interdependence. One type of dependent failure is common cause failure, meaning that there is a single factor causing failure in two or more system components simultaneously. Various models such as beta factor, alpha factor and MGL have been developed to measure the possibility of component failure with common cause failure. Not considering dependent failures in measuring system reliability results in incorrect analysis of reliability. One way to measure system reliability is using Bayesian networks. By using Bayesian networks, the reliability of a system with interdependent components and common cause failure can be estimated. Use of Bayesian networks is a very efficient method to measure the reliability of this type of systems. To control vital irrigation networks in order to increase system reliability, a combination of several water pumps are used in parallel so that the water is not cut off in case of failure of one of the pumps. Factors such as shaking, power fluctuations, moisture, maintenance errors, etc. cause failure in different parts of pumps, leading ultimately to system breakdown and common cause failure in pumps. Besides, due to the interdependency of components, the defective function of some components permeates the whole system (cascade failure). In this paper, by considering common cause failure and interdependent components and using Bayesian networks, a technique is developed to estimate the reliability of vital water pumping networks.