Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit

Slides:



Advertisements
Samankaltaiset esitykset
Toistokoe Sama koe toistuu monta kertaa.
Advertisements

Yleistä Läsnäolovelvollisuus Poissaolojen selvitys Käyttäytyminen
Kalakantojen arviointi (KALAT22)
TODENNÄKÖISYYSLASKENTA
Komponenttien rakenteellinen tärkeys
Polynomifunktiot MA 02 Läsnäolovelvollisuus Poissaolojen selvitys
Diskreetit todennäköisyysjakaumat
ARVOPAPERISIJOITTAMINEN KAPPALE 6: JOHDANNAIS- INSTRUMENTIT
Kertolaskusääntö Riippuvien tapahtumien kertolaskusääntö
Kausaaliverkot ja todennäköisyyslaskennan kertaus Sivut 3-17
Koska valo kulkee nopeudella c, on myös totta
MAT-2118 Luotettavuustekniikka Urho Pulkkinen Uusiutumisprosessit •joskus voi olla tarpeen tarkastella järjestelmiä, joiden komponenttien elin- ja korjausaikajakaumat.
PSA PSA; Probabilistic Safety Assessment
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Fraktaalit – Ville Brummer Optimointiopin seminaari - Kevät 2007 Fraktaalit Ville Brummer.
Langattomien laitteiden matematiikka 1
Ellit - keskustelut “news-groups” räätälöityjä palveluja
2.3. Riippumattomuus ja kertolaskusääntö
4. Jakaumien teoriaa Jos diskreetin satunnaismuuttujan x
RADIOKANAVAT.
KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
JOHTAJIIN KOHDISTUVAT ODOTUKSET
2.2 Schäfer-Gordon malli Gordon (Journal of Political Economy 1954), Schäfer (1957), Scott (JPE 1955) Vaihtoehdot joita vertailemme: Biologinen optimimointi.
Taylor polynomi usean muuttujan funktiolle
Kalakantojen arviointi: Merkintä-takaisinpyynti
TMA.003 / L3 ( )1 3. Funktioista 3.1. Kuvaus ja funktio Olkoon A ja B ei-tyhjiä joukkoja. Tulojoukon A  B = {(x,y) | x  A, y  B} osajoukko on.
Luotettavuusanalyysi osa 2
Syksy 2001Johdatus bioinformatiikkaan / T. Pasanen 1 7. Monirinnastus Geeni perhe: ryhmä läheisiä toisilleen sukua olevia geenejä, jotka koodaavat samankaltaisia.
2. Vuokaaviot.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 16 - Jarto Niemi Optimointiopin seminaari - Kevät 2007 Kaaos differentiaaliyhtälöissä,
Mat Luotettavuustekniikka (2,5 ov) L
Funktion ääriarvokohdat ja ääriarvot
Ketjusääntö Ketjusääntö z = g (y) y = f (x) x z x+x y y+y z+z
Luku 5: Katalyysi Tarkastellaan katalyytin vaikutusta yleiseen
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 27 – Tommi Kauppinen Optimointiopin seminaari - Syksy 2005 / 1 Oppiminen Bayes-verkoissa.
Syntaksin harjoituskurssi CYK140
Kalakantojen arviointi (KALAT22)
Aikasarja-analyysin perusteet
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 11 - Teemu Mutanen Optimointiopin seminaari - Syksy 2005 / 1 Lisätiedon arvo.
Todennäköisyyslaskenta
tilastollinen todennäköisyys
1. INTEGRAALIFUNKTIO.
Bayesilainen tilastoanalyysi - priorijakaumista
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Virittäminen (Tuning) s
T Todennäköisyyslaskenta 5.3Jatkuvat jakaumat.
Todennäköisyyslaskentaa
Kotitehtävän 21 ratkaisu Ensimmäisen havaintoaineiston luokittelu – Ryhmäkeskiarvot hakeutuvat niin, että ryhmään kuuluvat pisteet ovat mahdollisimman.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 17 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
Vaasan yliopisto / Sähkötekniikka SATE11XX SÄHKÖMAGNEETTINEN KENTTÄTEORIA (LISÄOSA) 4.AALTOYHTÄLÖT.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
YE 4 Luonnonvarataloustieteen jatkokurssi Kalastuksen taloustiede
Todennäköisyyslaskentaa
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmöijän nimi Systeemitieteiden kandidaattiseminaari – Syksy/Kevät 200X Virheraportoijien jakaumat.
2. MÄÄRÄTTY INTEGRAALI Pinta-alan käsite Kirja, sivut
5. Fourier’n sarjat T
Todennäköisyyslaskentaa
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Janne Nurmi Optimointiopin seminaari - Kevät 2008 Kotitehtävä 4 - Ratkaisu
Tilastollinen testaus Mann-Whitneyn –testiä voidaan käyttää hyvin pienille n 2 ≤ 8 keskikokoisille 9 ≤ n 2 ≤ 20 suurille n 2 ≥ 20 otoksille –voidaan käyttää.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 22 – Jussi Kangaspunta Optimointiopin seminaari - Syksy 2010 Ohjaamaton.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2000 / 1 Potentiaalien kertaus ja.
Kotitehtävän 8 ratkaisu Janne Kunnas Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet.
Oodin rajauslaki-toiminnallisuus HY:n Oodi-päivä Tuomas Naakka Kehittämisosasto/opiskelijarekisteri.
Keskinopeus.
Riskien mittaaminen energiamarkkinoilla
Y56 Luku 21 Yrityksen teoria: kustannuskäyrät
Lineaariset regressiomenetelmät
Kritiikin alkulähteillä
Simulointimenetelmät
Luottoriskien hallinta
Riippuvuustarkastelut
Esityksen transkriptio:

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Hazardi- l. vioittuvuusfunktion tilastollinen tulkinta ja estimointi tarkastellaan aikaväliä (0,t) joka jaetaan erillisiin t:n pituisiin osaväleihin hetkellä t = 0 otetaan käyttöön n identtistä laitetta olkoon i:nnellä osavälillä vikaantuneiden laitteiden lukumäärä n(i) olkoon Tji laitteen j toiminta-aika osavälillä i: 1 1 1 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Hazardi- l. vioittuvuusfunktion tilastollinen tulkinta ja estimointi missä m(i) = välin i alussa toimivien laitteiden lukumäärä 1 1 2 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Empiirinen kylpyammekäyrä 1 1 3 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Hazardi- l. vioittuvuusfunktion tulkinta vs. elinajantiheysfunktion tulkinta 1 1 4 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Keskimääräinen vikaantumisaika, MTTF (mean time to failure) MTTF = vikaantumisajan odotusarvo koska f(t) = -R’(t) 1 1 5 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Keskimääräinen vikaantumisaika, MTTF (mean time to failure) MTTF voidaan johtaa myös Laplace-muunnoksen avulla lähestymistapa hyödyllinen esim Markov-malleista johdettujen vikaantumisaikajakaumien tapauksessa 1 1 6 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Keskimääräinen vikojen välinen aika, MTBF (mean time between failures) laitteen toimintahostoria koostuu peräkkäisistä toiminta-ajoista (T) ja korjausajoista (Tr) MTBF = vikojen välisen ajan odotusarvo = vikaantumisajan odotusarvo + korjausajan odotusarvo, edellyttäen, että peräkkäiset vikaantumisajat (ja korjausajat) ovat riippumattomia, samalla tavatalla jakautuneita satunnaismuuttujia MTTR = mean time to repair 1 1 7 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Laitteen keskimääräinen vikaantumiskäyttäytyminen 1 1 8 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit POISSON-prosessi Poisson-prosessilla on yhteys vikaantumismalleihin Poisson-prosessiin (tai minkä tahansa piste- tai laskuriprosessin) intensiteeteillä on tulkinta luotettavuusteoriassa ja -tekniikassa tietyin edellytyksin Poisson-prosessi on vikaantumisten lukumäärän malli nyt tarkastellaan homogeenista Poisson-prosessia monesti myös ns. epähomogeenisilla Poisson-prosesseilla on käyttöä luotettavuusmallina 1 1 9 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi OLETUKSET Vikaantumistapahtuma A voi esiintyä millä hetkellä tahansa, ja todennäköisyys, että A esiintyy aikavälillä (t, t+dt) ei riipu t:stä on missä0 ja funktiolle o( ) pätee: 1 1 10 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi OLETUKSET Todennäköisyys, että aikavälillä (t, t + dt] esiintyy enemmän kuin yksi tapahtuma on o(dt). jos mitkä tahansa aikavälit (t11, t12], (t21, t22], … ovat erillisiä, niin tapahtumat ”A esiintyy aikavälillä (tj1, tj2]”, j = 1, 2,…. ovat riippumattomia 1 1 11 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi merkitään N(t):llä aikavälillä (0,t) esiintyneiden tapahtumien lukumäärää ja olkoon nyt pätee: eli 1 1 2 12

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi on luonnollista asettaa: 1 1 13 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi ensimmäisen tapahtuman esiintymishetken, T1, jakauma T1 on siis eksponentiaalisesti jakautunut satunnaismuuttuja 1 1 14 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi p(n,t)? 1 1 15 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi rekursio Eli Poissonin jakauma 1 1 16 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi k:nnen tapahtuman esiintymishetken, Tk, jakauma tiheysfunktio saadaan derivoimalla: 1 1 17 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Homogeeninen Poisson-prosessi k:nnen tapahtuman esiintymishetken, Tk, tiheysfunktio saadaan derivoimalla kysymys on gammajakaumasta 1 1 18 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia Eksponentiaalijakauma 1 1 19 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia Eksponentiaalijakauma Eksponentiaalijakauma on muistiton: 1 1 20 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia Weibulljakauma 1 1 21 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia Gammajakauma malli: laitteeseen kohdistuu shokkeja joiden välinen aika on ekponentiaalisesti jakautunut parametrilla  laite vikaantuu, kun siihen kohdistuu k:s shokki 1 1 22 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia Gammajakauma 1 1 23 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia Gammajakauma yleistys 1 1 24 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Joitakin vikaantumisajan jakaumia muita jakaumia lognormaalijakauma (ln(T) ~ N(2)) Pareto-jakauma inverse-gaussian äärimmäisten arvojen jakaumat Gumbel-jakaumat erilaiset stokastisten prosessien perusteella johdetut jakaumat (rajajakaumana yleensä joku normaalijakauman versio) jne. 1 1 25 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Vikaantumisajan jakaumien luokittelu IFR (increasing failure rate) ja DFR (decreasing failure rate) MÄÄRITELMÄ: Jakauma on IFR (DFR) jos -ln(1-F(t)) on konveksi (konkaavi) välillä 0<t<F-1(t) Huom! jos jakauma on jatkuva niin IFR (DFR) vastaa hazardifunktion kasvavuutta (vähenevyyttä) 1 1 26 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Vikaantumisajan jakaumien luokittelu IFRA (increasing failure rate average) ja DFRA (decreasing failure rate average) MÄÄRITELMÄ: Jakauma F on IFRA (DFRA) jos on kasvava (vähenevä) kun t IFRA (DFRA) on heikompi ominbaisuus kuin IFR (DFR) 1 1 27 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Vikaantumisajan jakaumien luokittelu NBU (new better that used) ja NWU (new worse that used) tarkastellaan jäljella olevan elinajan jakaumaa: MÄÄRITELMÄ Jakauma F on NBU (NWU) jos 1 1 28 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Vikaantumisajan jakaumien luokittelu NBUE (new better that used in expectation) ja NWUE (new worse that used in expectation) MÄÄRITELMÄ Jakauma F on NBUE jos 1. F:llä on äärellinen odotusarvo  2. on voimassa, että: 1 1 29 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Vikaantumisajan jakaumien luokittelu MÄÄRITELMÄ Jakauma F on NWUE jos 1. F:llä on äärellinen odotusarvo  2. on voimassa, että: 1 1 30 2

Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit Vikaantumisajan jakaumien luokittelu IFR => IFRA => NBU => NBUE DFR => DFRA => NWU => NWUE tietynlaiset järjestelmärakenteet säilyttävät jotkut em. ominaisuuksista 1 1 31 2