شماره ركورد كنفرانس :
4670
عنوان مقاله :
بهينه سازي اجزاي آماده به كار چندگانه در سيستم هاي مهندسي چند وظيفه اي
عنوان به زبان ديگر :
Cold-standby Redundancy Optimization in Multi-tasking Systems
پديدآورندگان :
اسلامي بلده علي اكبر eslami.aliakbar@mapnaec.com كارشناس ارشد مهندسي صنايع، گروه مپنا، شركت مهندسي و ساخت برق و كنترل مپنا مكو، تهران؛ , چراغي مرتضي كارشناس ارشد HSE، دانشگاه تهران، تهران , فارسي محمدعلي استاديار، پژوهشگاه هوا فضا، ، تهران , سيد اصفهاني ميرمهدي استاد، دانشكده مهندسي صنايع و سيستم هاي مديريت، دانشگاه صنعتي امير كبير، تهران
كليدواژه :
قابليت اطمينان , سيستم آماده به كار , سيستم هاي پيچيده , سيستم هاي چند وظيفه اي
عنوان كنفرانس :
پنجمين كنفرانس بين المللي قابليت اطمينان و ايمني
چكيده فارسي :
سيستم هاي مهندسي براي دسترسي به وظايف و اهداف متعددي طراحي مي گردند كه با از كارافتادن يك بخش از سيستم اين امكان وجود دارد تا تعدادي از اهداف و وظايف سيستم با اختلال روبرو گردند. در مدل هاي موجود ارزيابي قابليت اطمينان ، فرض مي شود كه تمام بخش ها براي يك هدف يا وظيفه مشخص طراحي گرديده اند اما چنين فرضي در بعضي از سيستم ها مصداق ندارد. هدف اصلي اين مقاله ارائه مدلي براي تخصيص اجزاي مازاد آماده به كار در سيستم هاي چند وظيفه اي مي باشد. در ابتدا اهداف سيستم مشخص شده و ميزان اهميت هر كدام از آنها تعيين مي گردد. در ادامه چيدمان قطعات در سيستم و ارتباط آنها با اهداف سيستم مشخص مي گردد. سپس تعداد بهينه اجزاي مازاد سيستم با هدف حداكثرسازي دستيابي به اهداف سيستم و رعايت محدوديت مالي و فني با استفاده از مدل سازي رياضي بدست مي آيد.
چكيده لاتين :
Complexity of industrial systems is increased rapidly. There is more than one task or goal in the complex industrial system (multi-tasking systems). In these systems components work for some goals and when a component fails, it is possible to fail some goals. In multi-tasking systems success of systems depends on the number of completed task. In this paper is presented a new model to optimize cold-standby redundancy in multi tasking systems. In this model is also considered choice of redundancy components and series-parallel configuration. For each goal a weight is determined to manage trade of between the goals. We use genetic algorithm to find optimal solution that maximize mean average reliability of the total goals.