
به طور کلی قابلیت اعتماد از هر منبعی که بدست آید، عدم قطعیتی نیز برای آن وجود دارد. بزرگی این عدم قطعیت و خطا به نوع روش پیشبینی برمیگردد. برای روش ۱ خطای آماری ناشی از تعداد کم دادهها است. در روش ۲ علاوه بر تعداد کم دادهها که منجر به خطای آماری میشود، خطای ناشی از تعمیم نتایج آزمایشگاهی به شرایط واقعی نیز وجود دارد. در روش ۴ به دلیل وجود دادههای زیاد خطای آماری کمتر است، در حالیکه در این روش میزان زیاد خطا به عدم اطلاع از شرایط محیطی حاکم بر دادههای جمعآوری شده برمی گردد. برای روشهای ۳ و ۵ نیز نوع دیگری از خطا وجود دارد. در روش ۳ اکثر مدلها زمان خرابی قطعی را پیشبینی میکنند و در روش ۵ مدلهای موجود، نرخ شکست ثابت را تخمین میزنند [۲۰]. بنابراین انتخاب روش مناسب برای پیشبینی قابلیت اعتماد کاملاً به هدف مدیر و یا مهندس طراح بستگی دارد. عموماً دو هدف برای دستیابی به مقدار کمی قابلیت اعتماد سیستمها بیان میشود:
۱) ارزیابی توانایی قطعات و طراحی سیستم در انجام کار مورد نظر به صورت قابل اعتماد
۲) محاسبه تعداد خرابیها و احتمال به پایان رساندن ماموریت سیستم با موفقیت
روش ۱ نیازمند اطلاعات آماری نیست و در همان مرحله طراحی به روش فیزیک خرابیها میتوان به آن دست یافت. در حالیکه در روش ۲ داده های آماری مورد نیاز است و برای این حالت باید از روشهای تجربی استفاده کرد.
پیش بینی قابلیت اعتماد یک مفهوم جدید در علوم مهندسی نیست. از دهه ۱۹۵۰ که قابلیت اعتماد به عنوان یک موضوع جدید در مباحث مهندسی وارد شد، تاکنون تحقیقات گستردهای در این زمینه صورت گرفته است [۲]. در ادامه به صورت مجزا تحولات هر دهه را شرح میدهیم.
در دهه ۱۹۵۰ میلادی در جنگ جهانی دوم تولید روزافزون محصولات از جمله لامپهای الکتریکی که قابلیت اعتماد پایینی داشتند و تمایل مشتریان به خرید محصولاتی با قابلیت اعتماد بالا منجر به تشکیل گروههایی شد که هدفشان پیدا کردن راهکارهایی برای بالا بردن قابلیت اعتماد سیستمها بود. در این دهه گروه AGREE[42] تشکیل شد که هدف آن بررسی راههایی برای افزایش قابلیت اعتماد سیستمهای الکترونیکی بود. همچنین در این دوره مبانی اولیه قابلیت اعتماد طرحریزی شد و محققان دریافتند که باید به روشی قابلیت اعتماد محصول را قبل از تولید انبوه تخمین بزنند. در این دوران هندبوک نظامی آمریکا به منظور ارائه راهکارها و راهنماییهایی در زمینه قابلیت اعتماد سیستم های الکترونیکی به چاپ رسید.
دهه ۱۹۶۰ میلادی همراه با فعالیتهای گستردهای در زمینه پیشبینی قلبلیت اعتماد بود. در سال ۱۹۶۲ اولین نسخه هندبوک MIL-217 توسط نیروی دریایی آمریکا چاپ شد. همچنین در همین سال اولین سمپوزیوم با موضوع “فیزیک خرابی در الکترونیک” به پشتیبانی مرکز هوایی رُم برپا شد.
در ابتدای دهه ۱۹۷۰ میلادی هندبوک MIL-217 با توجه به استقبال شدید صنعت و پذیرش آن به عنوان یک مرجع استاندارد برای پیشبینی قابلیت اعتماد، به کمک دادهها و اطلاعات جدید بهروز شد و تحقیقات در این زمینه همچنان ادامه دارد.
در حالیکه تا دهه ۱۹۸۰ هندبوک MIL-217 چند بار به روز شد، صنایع دیگر از جمله صنایع خودروسازی نیز به توسعه مدلهای خاص مرتبط با صنعت خود پرداختند. استاندارد Bellcore نیز مثالی از توسعه روشی برای پیش بینی قابلیت اعتماد در صنایع مخابراتی و ارتباطی است. در واقع محققان با تغییر روشهای موجود درMIL-217 استانداردی مطابق با صنعت خود ارائه میکردند. از این جمله میتوان به استاندارد مربوط به بریتیش تلکام[۴۳] یا ناسا[۴۴] اشاره کرد.
تا دهه ۱۹۹۰ میلادی شکست سیستم را تنها به دلیل خرابی قطعات تشکیل دهنده آن تصور میکردند. به مرور با پیچدهتر شدن سیستمها و از طرفی با بالا رفتن کیفیت قطعات و قابلیت اعتماد آنها، علت خرابی سیستمها تنها به دلیل خرابی قطعات آنها نبود. عواملی چون طراحی محصول، مراحل ساخت و … بر شکست آنها تاثیرگذار بودند. شکل ۳-۲ این موضوع را در قالب نموداری نشان میدهد. در این دهه محققان به دنبال ارائه مدلهایی بودند که این عوامل در آنها در نظرگرفته شود.
درصد خرابی در مجموع
شکل ۳-۲- نمودار علل خرابی از دهه ۱۹۹۰ تاکنون
از دههی ۲۰۰۰ میلادی، تاکنون تمرکز بر روی ارائه مدلها و روشهایی است که پیشبینی قابلیت اعتماد در مراحل اولیه طراحی و با بیشترین دقت ممکن میسر باشد.
مدل بیز برای پیشبینی قابلیت اعتماد سیستمها
زمانی که میخواهیم قابلیت اعتماد محصول را در مرحله ابتدایی چرخه عمر آن پیشبینی کنیم، کمبود دادهها، اصلیترین مشکل به حساب میآید. وقتی دادههای کافی در دسترس نباشد، استفاده از روشهای آماری متداول که قبلاً به آن اشاره شد، منجر به پیشبینیهای غیر دقیق میشود. بنابراین چون رویکرد بیز[۴۵] به مدلسازی توزیعهای احتمالی بر پایه تعداد دادههای کم میپردازد [۵]، در این حالت استفاده از این روش میتواند کارا باشد. همچنین این رویکرد میتواند اطلاعات سیستم را هر زمان که دادههای جدید در دسترس است، به هنگام کند. هر میزان که توزیع احتمالی اولیه با گذشت زمان دقیقتر شود، عدم قطعیت در پیشبینی کاهش مییابد.
از آنجاکه هدف، پیشبینی احتمال خرابی محصول طی دروه ضمانت آن است، این پیشبینی باید به صورت دقیق و بلافاصله بعد از معرفی محصول به بازار مشخص باشد. دسترسی به این امر مهم با استفاده از روش بیز امکانپذیر است. اگر پیشبینی نشان دهد که کارایی محصول رضایتبخش نیست، باید محصول فراخوانی شده و تصمیمات لازم برای افزایش کارایی و قابلیت اعتماد آن صورت گیرد. پیشبینی قابلیت اعتماد میتواند هزینههای مربوط به ضمانت را تا حد زیادی تعیین کند. از آنجا که در روش بیز فرآیند بههنگام شدن نیز قابل اجرا است، قابلیت اعتماد محصول هم پیشبینی و هم ارزیابی میشود.
دلایل استفاده از بیز
دادههای تجربی طول عمر برای تخمین پارامترهای توزیع آن عموماً کم است، چراکه رخداد یک خرابی در مراحل اولیه کارکرد عموماً نادر است. روشهای آماری کلاسیک مطرح شده در این شرایط منجر به ارائه نتایجی میشود که بازه اطمینان پارامترها دامنهی وسیعی خواهد داشت [۲۶]. در این حالت استفاده از برآوردگر بیز نتایج قابل قبولتری، با در نظر گرفتن توزیع احتمالی برای پارامترها، ارائه میدهد. بر خلاف روش بیز، در چارچوب کلاسیک هیچ عدم قطعیتی در برآورد پارامترها در نظرگرفته نمیشود. بادوکس[۴۶] [۲۷] دو دلیل عمده برای استفاده از روشهای بیز در مسائل قابلیت اعتماد بیان میکند. دلیل اول وجود دادههای کم و پراکنده و دلیل دوم اهمیت قضیه تصمیمگیری و استفاده از نظر متخصص در این زمینه است.
دادههای کم و پراکنده
امروزه محصولات تولیدی در اکثر بخشهای صنعت دارای قابلیت اعتماد بالایی هستند، بنابراین تعداد خرابیهای کمی اتفاق میافتد. حتی زمانیکه تعداد زیادی از محصولات در حال استفاده باشند، دادههای خرابی اندکی در اختیار است. محصولات تحت شرایط مختلفی مورد استفاده قرار میگیرند، با این وجود پیشبینی قابلیت اعتماد همچنان بر اساس این دادههای پراکنده و مختلف صورت میگیرد که در نتیجه این پیشبینیها قابل اعتماد نخواهند بود. راه حل این مشکل استفاده از روش بیز است که دادههای مختلف را به صورت اطلاعات واحدی در میآورد و نیز این قابلیت را دارد که اطلاعات قبلی را به کمک دادههای جدید بههنگام کند. بنابراین روش بیز میتواند برای مواقعی که دادههای اندکی در درسترس است، روش مناسبی باشد.
استفاده از نظرات خبره
در روش بیز میتوان نظرات خبره را نیز دخالت داد. نظرات خبره از قبیل اطلاعات طراح یا نوع پارامترهای توزیع، میتواند به عنوان ورودی اولیه به مدل بیز و یا به عنوان اطلاعاتی برای بههنگام کردن مدل استفاده شود. همچنین میتواند تخمین نزدیک به واقعیتی برای قابلیت اعتماد، حتی زمانیکه اطلاعات طول عمر موجود در اختیار نیست، ارائه دهد.
امروزه فاکتور هزینه در تصمیمگیریها اهمیت بالایی دارد. در واقع تصمیمگیرنده به جای توجه به خواص نظری مدل قابلیت اعتماد، بیشتر علاقهمند به جنبههای کاربردی آن است. روش بیز قادر است که با ساختاری منطقی دادههای مختلف را ترکیب کرده و نتایج منطقی و قابل فهم ارائه دهد.
مزایا و معایب استفاده از روش بیز
مزایای استفاده از روش بیز را میتوان به صورت زیر خلاصه کرد[۲۸]:
ثابت شده که برای مواقعی که دادههای اندکی در اختیار است، استفاده از مدلهای بیز بسیار کارآمد است.
میتوان نظرات خبره و یا کارشناس را به عنوان ورودی اولیه مدل و یا اطلاعات بههنگام کننده به سادگی بهکار برد.
به دلیل ساختار منطقی مدل بیز، نتایج قابل درک و خروجی کاربردی حاصل از این مدل برای تصمیمگیرنده بسیار مفید خواهد بود.
از طرف دیگر، اساسیترین مشکل در استفاده از روش بیز این است که این رویکرد بسیار وابسته به نظرات شخص تحلیلگر است. به عبارتی این رویکرد تا اندازهای فردی است. خصوصاً زمانیکه از نظرات فرد خبره استفاده میشود، نتایج بدست آمده مبتنی بر عقیده و نظر او خواهد بود [۲۹]. بنابراین عدم آگاهی دقیق از مسئله و پارامترهای آن میتواند منجر به پیشبینیهای نادرست و غیر واقعی شود.
مطالعات انجام شده در زمینهی پیشبینی قابلیت اعتماد
در ادبیات موضوع پیشبینی قابلیت اعتماد و ارزیابی آن مطالعات و تحقیقات اندکی صورت گرفته است. بِرادبِنت[۴۷] [۳۰] در سال ۱۹۹۳ روش سیستماتیکی برای قابلیت اعتماد در مرحله طراحی پایه ارائه کرده است. روش مطرح شده نیازمند مدلهای خرابی مختلف برای طراحی پایه است و علاوه بر این در این روشها باید طراحی با اطلاعات دقیقی ارائه شود و تمام قطعات در آن مشخص شوند که استفاده از این روش را در مراحل اولیه مشکل ساخته است. همچنین در نظر گرفتن مدلهای مختلف برای شکست، رویکردی منطقی به نظر نمیرسد.
اُرمن[۴۸] و همکارانش [۲۱],[۲۲] در سال ۲۰۰۲ از یک شبیه سازی کامپیوتری برای پیشبینی قابلیت اعتماد سیستمها استفاده کردهاند. در این روش شبیه ساز با هر دو نرخ خرابی معلوم و مجهول عمل میکند. نکته مهم این است که در این روش نرخ خرابی مجهول به کمک تابع توزیع مثلثی محاسبه میشود که نرخ شکست با توجه به حالت خوشبینانه، بدبینانه و مقدار محتملتر بدست میآید.
به دلیل وجود عدم قطعیت در مرحله توسعه محصول استفاده از منطق نمونهای فازی بعد از معرفی آن توسط زاده[۴۹] [۳۱] در بحث پیشبینی قابلیت اعتماد رواج پیدا کرد. ناچمن[۵۰] و چیمادا[۵۱] [۳۲] در سال ۲۰۰۳ از استراتژی فازی برای توسعه مقاله اُرمن و همکارانش کمک گرفتهاند. کوپر[۵۲] و توماسن[۵۳] [۳۳] در سال ۲۰۰۳ تمام روشهای مناسب در پیشبینی قابلیت اعتماد را گردآوری کردند. در این مقاله پیشنهاد شده است که از روشهای کیفی در مرحله طراحی پایه و از روشهای کمی در مراحل بعدی استفاده شود.
در زمینهی استفاده از نظریهی بیز در پیشبینی قابلیت اعتماد محصولات تحقیقات اندکی صورت گرفتهاست. کاناوُس[۵۴] و تِسُکو[۵۵] [۳۴] در سال ۱۹۷۰ به ارائه روشی برای پیشبینی قابلیت اعتماد محصولاتی که نرخ خرابی آنها از توزیع وایبال پیروی میکنند بر اساس رویکرد بیز پرداختند. در روش آنها از توزیع پیشین گامای معکوس برای مدل بیز استفاده شدهاست. در این تحقیق به دلیل نوع خاص انتگرالهای موجود نتیجه به صورت یک مدل کلی ارائه نشده و نتایج برای یک مثال عددی و با توجه به رویکرد شبیهسازی مونت کارلو بررسی شدهاست.
کالیشک[۵۶] [۵] در سال ۲۰۰۵ به ارائه مدلی بر اساس نظریه بیز و توزیع پیشین نرمال پرداخته است. مدل ارائه شده از دقت بالایی برخوردار نیست چراکه بسیاری از فرضیات مهم در مورد توزیع پیشین و همچنین توزیع نرخ خرابی محصولات در نظر گرفته نشدهاست. این موضوع در فصل ۴ به طور کامل بیان شده است.
یاداو[۵۷] و همکارانش [۳۵] در سال ۲۰۰۳ یک چارچوب کلی برای پیشبینی قابلیت اعتماد در مرحلهی توسعه محصول ارائه کردهاند. آن ها روشی بر مبنای رویکرد بیز برای پیشبینی در ابتدای هر دوره از مراحل توسعه محصول بیان کردند. در این روش اطلاعات گذشته و دادههای ضمانت به عنوان ورودی به مدل پیشبینی داده میشود. هربار که اطلاعات جدیدی در دسترس قرار میگیرد مدل موجود بههنگام میشود.
پَِِن[۵۸] [۳۶] در سال ۲۰۰۹ مدلی برای پیشبینی قابلیت اعتماد بر اساس دادههای حاصل از آزمایشهای تشدیدی طول عمر و دادههای میدانی مربوط به محصول جدید بر پایه رویکرد بیز ارائه کرده است.
با توجه به ادبیات موضوع بیان شده و اشکالاتی که در هر یک از روشها برای پیشبینی قابلیت اعتماد محصولات وجود داشت، در فصل بعد به ارائه مدلی میپردازیم که بر اساس دادهها و اطلاعات محدود اولیه، پیشبینی مطلوبتری برای قابلیت اعتماد ارائه دهد. در واقع این مدل، مدل ارائه شده در [۵] برای پیشبینی قابلیت اعتماد محصولات جدید را توسعه داده تا نتایج حاصل به واقعیت نزدیکتر بوده و پیشبینی دقیقتری ارائه دهد.
فصل چهارم
فصل سوم: برآورد بیز قابلیت اعتماد بر اساس توزیع وایبال با توزیعهای پیشین متفاوت برای پارامتر مقیاس
برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید. |