haku: @keyword reliability analysis / yhteensä: 6
viite: 2 / 6
| Tekijä: | Tyrväinen, Tero |
| Työn nimi: | Risk importance measures and common cause failures in dynamic flowgraph methodology |
| Riskitärkeysmitat ja yhteisviat dynaamisessa vuokaaviomallinnuksessa | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2011 |
| Sivut: | 87 + [12] Kieli: eng |
| Koulu/Laitos/Osasto: | Matematiikan ja systeemianalyysin laitos |
| Oppiaine: | Sovellettu matematiikka (Mat-2) |
| Valvoja: | Salo, Ahti |
| Ohjaaja: | Björkman, Kim ; Holmberg, Jan-Erik |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201207022738 |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen 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
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark Aalto 62 | Arkisto |
| Avainsanat: | reliability analysis dynamic flowgraph modelling methodology risk importance measure common cause failure failure event component fault tree state of a component prime implicant luotettavuusanalyysi dynaaminen vuokaaviomallintaminen riskitärkeysmitta yhteisvika vikatapahtuma komponentti vikapuu komponentin tila prime implicantti |
| Tiivistelmä (fin): | Vikapuuanalyysi on perinteisesti ollut johtava menetelmä monimutkaisten järjestelmien luotettavuusanalyysissä. Vikapuilla ei kuitenkaan aina pystytä kuvaamaan järjestelmien dynaamisia ominaisuuksia riittävän tarkasti. Dynaamista luotettavuusanalyysiä on tutkittu laajasti 1990-luvulta lähtien. Dynaamisia laskentatyökaluja on kehitetty, mutta ne eivät vielä pysty kilpailemaan vikapuuanalyysityökalujen kanssa ydinvoimaloiden luotettavuusanalyysissä. Dynaaminen vuokaaviomallintaminen (dynamic flowgraph modelling, DFM) on menetelmä dynaamisten järjestelmien luotettavuuden analysointiin. DFM-mallit ovat suunnattuja graafeja, joiden solmuilla on äärellinen määrä tiloja. Systeemin dynamiikka kuvataan diskreetteinä tilasiirtyminä. Dynaamisen vuokaaviomallinnuksen, kuten vikapuuanalyysinkin, keskeisenä tavoitteena on selvittää järjestelmävikaan johtavat perimmäiset syyt. VTT on kehittänyt YADRAT-nimistä DFM-pohjaista luotettavuusanalyysityökalua vuodesta 2009. DFMmalleja on aiemmin analysoitu muodostamalla niistä vikapuita, joista järjestelmävikaan johtavat syyt on voitu tunnistaa. YADRAT:ssa systeemiä kuvaavasta mallista muodostetaan sen sijaan binäärinen päätöspuu. Riskitärkeysmitat ja yhteisviat ovat merkittävä osa luotettavuusteoriaa ja vikapuuanalyysiä, mutta niitä ei ole ennen juurikaan tutkittu dynaamisen vuokaaviomallinnuksen yhteydessä. Riskitärkeysmitat mittaavat, kuinka tärkeitä eri komponentit ovat järjestelmän luotettavuuden kannalta. Tässä diplomityössä on muodostettu kahteen perinteiseen riskitärkeysmittaan perustuvat dynaamiset riskitärkeysmitat, jotka ottavat huomioon DFM-mallien monitilaisen logiikan ja dynaamisen luonteen. Dynaamiset riskitärkeysmitat voidaan laskea erikseen komponenttien eri vikatiloille. Näin saadaan tarkempaa tietoa eri komponenttien roolista järjestelmävian synnyssä. Lisäksi työssä on kehitetty dynaamisia yleistyksiä perinteisille parametrisille yhteisvikamalleille. Näissä yhteisvikamalleissa huomioidaan mahdollisuus, että vikatapahtumat voivat tapahtua eri ajanhetkinä yhteisen syyn seurauksena. Dynaamiset riskitärkeysmitat ja yhteisvikamallit on toteutettu YADRAT:ssa. |
| Tiivistelmä (eng): | Traditionally, fault tree analysis has been the leading method for reliability analysis of complex systems. However, dynamic properties of systems cannot always be described with adequate accuracy using fault trees. Dynamic reliability analysis has been studied widely since the 1990s. Some dynamic calculation tools have been developed but they cannot compete with fault tree analysis tools yet in reliability analysis of nuclear power plants. Dynamic flowgraph modelling (DFM) is an approach for reliability analysis of dynamic systems. DFM models are directed graphs whose nodes can contain a finite number of states. A system's dynamics is described by discrete state transitions. As in the fault tree analysis, the essential goal of dynamic flowgraph modelling is to identify root causes that lead to a system's failure. VTT has been developing a DFM-based reliability analysis tool called YADRAT since 2009. DFM models have been analysed previously by transforming them into sets of timed fault trees from which the root causes of the system's failure have been identified. In YADRAT, the model that describes a system is transformed into a binary decision diagram. Risk importance measures and common cause failures are a significant part of reliability theory and fault tree analysis but they have not been studied much in relation to dynamic flowgraph modelling. Risk importance measures are used to measure how important different components are with regard to the system's reliability. In this thesis, dynamic risk importance measures based on two traditional risk importance measures are formulated so that they take the multi-valued and dynamic logic of DFM models into account. Dynamic risk importance measures can be calculated separately for different failure states of components so that they provide more detailed information on how different components contribute to the system's failure. In addition, dynamic generalisations are developed for traditional parametric common cause failure models. In these common cause failure models, the possibility that failure events can occur at different time points is considered. Dynamic risk importance measures and common cause failure models are implemented in YADRAT. |
| ED: | 2011-12-22 |
INSSI tietueen numero: 43647
+ lisää koriin
INSSI