[論文レビュー] Evaluating reliability of complex systems for Predictive maintenance

Dongjin Lee, Rong Pan|arXiv (Cornell University)|Feb 9, 2019

Reliability and Maintenance Optimization参考文献 22被引用数 5

ひとこと要約

本論文は、部品の健全性予測に離散時間マルコフ連鎖（DTMC）を、マルチ部品システムの信頼性モデリングにベイジアンネットワーク（BN）を組み合わせたハイブリッド予測保全フレームワークを提案する。コンポONENTおよびシステムレベルでの確率的推論を統合することにより、確率的で不確実性を考慮した保全スケジューリングを、確率的信頼性構造を持つ複雑なシステムにおいても可能にし、検証済みのISERC会議発表フレームワークを通じて実証された。

ABSTRACT

Predictive Maintenance (PdM) can only be implemented when the online knowledge of system condition is available, and this has become available with deployment of on-equipment sensors. To date, most studies on predicting the remaining useful lifetime of a system have been focusing on either single-component systems or systems with deterministic reliability structures. This assumption is not applicable on some realistic problems, where there exist uncertainties in reliability structures of complex systems. In this paper, a PdM scheme is developed by employing a Discrete Time Markov Chain (DTMC) for forecasting the health of monitored components and a Bayesian Network (BN) for modeling the multi-component system reliability. Therefore, probabilistic inferences on both the system and its components status can be made and PdM can be scheduled on both levels.

研究の動機と目的

• 確率的信頼性構造を持つ複雑なシステムにおける予測保全研究のギャップを埋めること。
• 個々のコンポONENTおよび全体のシステムに対するリアルタイムで確率的な健全性評価を可能にするフレームワークを開発すること。
• 不確実性を考慮した推論を用いて、コンポonentおよびシステムレベルの両方での保全スケジューリングを支援すること。
• 現実世界の応用において、確率的部品相互作用を伴う決定論的信頼性モデルの限界を克服すること。

提案手法

• 個々のコンポonentの健全性状態遷移を時間経過とともにモデル化・予測するために、離散時間マルコフ連鎖（DTMC）を用いる。
• 複数のコンポonent間の確率的依存関係および故障伝播を表現するために、ベイジアンネットワーク（BN）を用いる。
• DTMCとBNを統合し、不確実性下でのコンポonentおよびシステム信頼性に関する共同推論を可能にする。
• センサデータに応じて動的に更新されるBNにおける条件付き確率分布として、システム信頼性を定式化する。
• 確率的推論技術を適用して、保全意思決定のためのコンポonentおよびシステム状態の事後確率を計算する。
• 産業およびシステム工学研究会議（ISERC）2016での発表を通じて、フレームワークを事例研究を用いて検証する。

実験結果

リサーチクエスチョン

• RQ1 不確実な信頼性構造を持つ複雑なシステムにおいて、部品の健全性を信頼性高く予測する方法は何か？
• RQ2 部品相互作用が確率的であり、決定論的でない場合に、マルチコンポonentシステムの信頼性を最も効果的にモデル化する方法は何か？
• RQ3 ハイブリッドDTMC-BNフレームワークは、同時にコンポonentおよびシステムレベルでの予測保全スケジューリングを支援できるか？
• RQ4 システム信頼性に不確実性を組み込むことで、決定論的モデルと比較して保全意思決定がどのように改善されるか？

主な発見

• 提案されたDTMC-BNフレームワークは、不確実性下でも部品劣化およびシステムレベルの信頼性を効果的にモデル化でき、動的健全性状態推定を可能にした。
• BNを用いた確率的推論により、観測されたコンポonent状態に基づき、正確でリアルタイムのシステム信頼性評価が可能になった。
• 共同確率的推論を通じて、コンポonentおよびシステムレベルの両方での保全スケジューリングを効果的に最適化できるようになった。
• 確率的故障伝播を伴う複雑なシステムにおいて、決定論的モデルと比較して信頼性予測の精度が向上した。
• 産業応用における実現可能性と実用的関連性を示すために、会議論文の文脈でフレームワークが検証された。