haku: @keyword failure / yhteensä: 13
hakutulos-lista
viite: 8 / 13
« edellinen | seuraava »
Tekijä:Lehtonen, Juuso
Työn nimi:Nosturikomponenttien vikaantumisen ennustaminen ja luotettavuus
Crane components' failure prediction and reliability
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:86 s. + liitt.      Kieli:   fin
Koulu/Laitos/Osasto:Elektroniikan, tietoliikenteen ja automaation tiedekunta
Oppiaine:Systeemitekniikka   (AS-74)
Valvoja:Koivo, Heikki
Ohjaaja:Sunio, Juha
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  5098   | Arkisto
Avainsanat:failure
reliability
censored data
probability
maintenance
vikaantuminen
luotettavuus
sensuroitu data
todennäköisyys
kunnossapito
Tiivistelmä (fin): Nosturin kunnossapidon suunnittelu vaatii arviota tai ennustetta komponenttien vikaantumisista.
Tässä diplomityössä tarkastellaan tapoja ennustaa vikaantuminen.
Ennustamista käsitellään tarkemmin tilanteessa, jossa komponenteista ei ole mittauksia.

Koska vikaantumisajankohtaa, on mahdotonta tietää tarkasti. joudutaan tarkastelemaan todennäköisyyksiä.
Työssä esitellään yleisesti käytettyjä vikaantumisjakaumia ja niiden ominaisuuksia.
Jakaumien lisäksi työssä tarkastellaan tapaa, jolla komponenttiin kohdistuvia kuormituksia voidaan mallintaa ja ottaa huomioon komponentin luotettavuutta laskettaessa.

Mallien parametrien estimoinneista esitellään pienimmän neliösumman menetelmä (PNS-menetelmä) sekä suurimman uskottavuuden menetelmä.
Jälkimmäisen etuna on. että sillä voidaan paremmin ottaa huomioon epätäydellinen eli sensuroitu data.
Lisäksi työssä tarkastellaan, miten Bayesilaisella päättelyllä voidaan aikaisempaa tietoa hyödyntää mallin päivittämisessä.
Lopuksi esimerkkikomponentille luodaan luotettavuusmalli asiantuntija-arviointien avulla.
Tiivistelmä (eng): Maintenance planning of crane require all estimate or a prediction on components' failures.
In this thesis, different methods for predicting are considered.
Prediction is discussed in more detail in a situation where there are no measurements from components.

Since it is impossible to know exactly when a component will fail probabilities have to be considered.
Most common probability distributions and their features are presented.
In addition, stresses effecting on components and how they could be taken into account in calculating the component reliability is discussed.

Parameter estimation methods least-square and maximum likelihood are presented.
The latter has the advantage that it can be used with censored data.
In the thesis Bayesian inference is also discussed and how it can be used to take advantage of previous knowledge for updating the model.
Finally, the reliability model for an example component is created based on expert opinions.
ED:2010-12-21
INSSI tietueen numero: 41469
+ lisää koriin
« edellinen | seuraava »
INSSI