ارائه راهكاري جديد به منظور بدست آوردن دسترس¬پذيري ماندگار سيستم¬هاي توصيف شده درخت عيب ديناميكي با استفاده از مدل ماركوف سلسله مراتبي آ¬نها

A New Methodology to Availability of Dynamic Fault Tree by Using Their Hierarchical Equal Markov Model

درخت عيب ديناميكي، از جمله مدل¬هايي است كه براي توصيف سيستم¬ها استفاده مي¬شود. يكي از روش¬هاي معمول براي حل مدل درخت عيب ديناميكي تبديل آنها به مدل ماركوف معادل و حل آن است. اما افزايش تعداد رويدادهاي پايه در درخت عيب ديناميكي باعث افزايش نمايي حالت¬ها در مدل ماركوف آن شده و با وقوع انفجار حالت¬ها، مدل و حل آن دشوار و پيچيده مي‌گردد. در اين مقاله امكان ارزيابي دسترس‌پذيري ماندگار سيستم¬هاي توصيف شده با درخت عيب ديناميكي با كمك مدل ماركوف سلسله مراتبي آنها مورد هدف قرار داده شده است. نشان خواهيم داد كه روش ارائه شده قادر است كه يك مدل بزرگ را حل نمايد. اين روش روي سيستم رگولاسيون راكتور با پردازنده دوگانه پياده شده است. ابتدا مدل ماركوف باز گيت¬ها ساخته و ارزيابي شده و سپس اين مدل با مدل ماركوفي كه تنها دو حالت و دو گذار دارد جايگزين مي¬گردد. آنگاه براي هر درخت ديناميكي داده شده كه شامل تعدادي گيت¬هاي ديناميكي است، مدل ماركوف متعارف سيستم رسم شده و با اعمال روش سيستماتيك گفته شده در مقاله، آن مدل به يك مدل دو حالته با گذارهايي با نرخ¬هاي معادل تبديل و حل مي¬شود.

Dynamic fault tree is a method that is used to describe the systems. One of the common ways for solving dynamic fault tree is translate them into the equivalent Markov model and then solving it. However, by increasing the tree size, the number of Markov states is increased exponentially, and its solution becomes difficult and complicated. In this paper, evaluation the availability of dynamic fault tree system is possible by using hierarchical Markov model. We show that the proposed method is able to solve a large model. This method is used for a reactor regulation system with spare. First the Markov model of gates will be constructed, and then they are replaced with Equal Markov model that has only two states and two transitions. Every tree contains a number of dynamic gates. First conventional Markov model of system is constructed, and by using our method in this paper, this Markov model converted to a Markov model with two states and two transitions.