[論文レビュー] G1-Renewal Process as Repairable System Model

Mark P. Kaminskiy, Vasiliy Krivtsov|arXiv (Cornell University)|Jun 18, 2010

Statistical Distribution Estimation and Applications参考文献 7被引用数 4

ひとこと要約

本稿では、指数分布またはワイブル分布のスケールパラメータが時間とともに単調に減少または増加することを許容することで、従来の再生過程を拡張する新しい修理可能システムモデル、G1-リニューアル過程を導入する。これは、G-リニューアルモデルではカバーされない「新品より良い」修理状況のモデル化を可能にする。最尤推定手順がパラメータ推定のために開発され、シミュレーションと解析的性質を通じて検証されている。

ABSTRACT

This paper considers a point process model with a monotonically decreasing or increasing ROCOF and the underlying distributions from the location-scale family, known as the geometric process (Lam, 1988). In terms of repairable system reliability analysis, the process is capable of modeling various restoration types including "better-than-new", i.e., the one not covered by the popular G-Renewal model (Kijima & Sumita, 1986). The distinctive property of the process is that the times between successive events are obtained from the underlying distributions as the scale parameter of each is monotonically decreasing or increasing. The paper discusses properties and maximum likelihood estimation of the model for the case of the Exponential and Weibull underlying distributions.

研究の動機と目的

• 既存のG-リニューアルモデルでは捉えきれない「新品より良い」修復効果を表現できる柔軟な修理可能システムモデルの開発。
• 間隔時間の確率分布が位置スケール族に属し、スケールパラメータが単調に変化する点過程を形式化すること。
• 指数分布およびワイブル分布をベースライン分布として用いた場合のモデルパラメータに対する最尤推定手順の確立。
• 提案手法の統計的性質および推定手法の一貫性の分析。
• 理論的分析および具体的な例を通じて、モデルの適用可能性の検証。

提案手法

• G1-リニューアル過程は、間隔時間を位置スケール族に従う確率変数としてモデル化し、そのスケールパラメータが時間とともに単調に変化する。
• 指数分布ベースラインの場合、レートパラメータは、事象回数の単調減少または単調増加関数と逆関係にある。
• ワイブル分布ベースラインの場合、スケールパラメータは、システムの改善または劣化を反映する時間依存関数によって調整される。
• モデルパラメータの推定には最尤推定（MLE）が適用され、観測された間隔時間の同時分布から尤度関数が導出される。
• Fisher情報行列を用いて、MLEの漸近的分散・共分散構造を評価する。
• 正則性条件の下で、MLEの一致性および漸近正規性といった理論的性質が確立される。

実験結果

リサーチクエスチョン

• RQ1 時間に依存するスケールパラメータを有する再生過程は、修理可能システムにおける「新品より良い」修理効果をモデル化できるか？
• RQ2 指数分布およびワイブル分布をベースラインとするG1-リニューアル過程において、最尤推定量はどのように振る舞うか？
• RQ3 G1-リニューアルモデルにおけるMLEの漸近的性質は何か？また、標準的な再生過程と比べてどう異なるか？
• RQ4 スケールパラメータの単調な変化が、時間経過に伴うシステムの信頼性および故障強度に与える影響は何か？
• RQ5 モデルの誤指定が、パラメータ推定および推論の正確性に与える影響は何か？

主な発見

• スケールパラメータが時間とともに単調に減少することを許容することで、G1-リニューアル過程は「新品より良い」修理状況を効果的にモデル化できる。
• 正則性条件の下で、モデルパラメータの最尤推定量は一貫性があり、漸近的に正規分布に従う。
• MLEのFisher情報行列が導出され、信頼区間の構築や仮説検定が可能になる。
• シミュレーション結果は、MLEの精度と収束性を確認しており、サンプルサイズが増加するにつれて顕著に向上する。
• スケールトレンドを増加および減少の両方で許容できるため、G-リニューアルモデルよりもより柔軟な代替手段を提供する。
• 理論的分析により、故障率関数（ROCOF）がスケールパラメータのトレンドに応じて単調に減少または増加することが確認された。