OBIEKT prosty (element) prosty (element) złożony (system)
Transkrypt
OBIEKT prosty (element) prosty (element) złożony (system)
II. Niezawodność elementów i systemów (J. Paska) Pojęcia podstawowe OBIEKT – traktuje się jako pojęcie pierwotne, określające w zależności od potrzeb: • niepodzielny element (bez uwzględnienia jego struktury wewnętrznej), • zbiór elementów tworzących system. OBIEKT złożony (system) prosty prosty (element) (element) S(t) S4 S3 S2 S1 t Rys. 2.1. Przykładowy wykres zmian stanu elementu Rozpatrywany element Czy element podlega odnowie? N T Element nieodnawialny Element odnawialny T Czy odnowa polega na naprawie? N Element odnawialny nieremontowalny Element remontowalny 1 II. Niezawodność elementów i systemów (J. Paska) Rys. 2.2. Klasyfikacja elementów Element nieodnawialny jest w pełni scharakteryzowany przez rozkład czasu funkcjonowania τ (bezawaryjnej pracy). F (t ) = P{τ < t} = Q (t ) - funkcja zawodności (dystrybuanta rozkładu), R(t) = P{τ ≥ t} = 1 - F(t) – funkcja niezawodności, dF (t ) f (t ) = - gęstość prawdopodobieństwa. dt gdzie: F(t) – dystrybuanta zmiennej losowej, R(t) – prawdopodobieństwo funkcjonowania elementu (niezawodność elementu), f(t) – gęstość prawdopodobieństwa rozkładu. Względną gęstość prawdopodobieństwa zmiennej losowej τ nazywa się intensywnością niesprawności awaryjnych (uszkodzeń) – zwana jest ona również funkcją ryzyka: f (t ) F ' (t ) 1 dR (t ) λ (t ) = = = ⋅ (2.4) R (t ) 1 − F (t ) R (t ) dt λ (t ) I II 0 III t Rys. 2.3. Typowy przebieg funkcji intensywności uszkodzeń Poza powyższymi charakterystykami (wskaźnikami) niezawodności elementu nieodnawialnego (R(t), λ(t)) są podawane: • Skumulowana intensywność niesprawności awaryjnych (uszkodzeń), zwana też skumulowaną funkcją ryzyka t Λ(t ) = ∫ λ (t )dt (2.5) 0 Zachodzi związek t (2.6) R (t ) = R (0) exp − ∫ λ (t )dt = R (0) exp[− Λ(t )] 0 Najczęściej zakłada się, że w chwili rozpoczęcia eksploatacji t = 0 element jest w stanie zdatności, czyli że R(0) = 1. Wtedy R (t ) = exp[− Λ(t )] (2.7) Λ(t ) = − ln R(t ) • Średnia wartość funkcji ryzyka (intensywności uszkodzeń) w przedziale [0, t] Λ(t ) λ (t ) = (2.8) t • Pozostały oczekiwany czas poprawnej pracy (do uszkodzenia) 2 II. Niezawodność elementów i systemów (J. Paska) t ∞ 1 r (t ) = R(t )dt = R(t ) ∫t E[τ ] − ∫ R(t )dt 0 (2.9) R(t ) gdzie E[τ] jest oczekiwanym czasem funkcjonowania (poprawnej pracy) do uszkodzenia. Pozostały oczekiwany czas poprawnej pracy lepiej charakteryzuje niezawodność elementu od oczekiwanego czasu funkcjonowania E[τ]. Dla t = 0: r(t) = r(0) = E[τ], zaś dla t > 0: r(t) ma zwykle przebieg malejący, gdyż w rzeczywistych urządzeniach zachodzą procesy starzeniowe. Element odnawialny ma w ogólnym przypadku cztery stany podstawowe: funkcjonowania, remontu awaryjnego, remontu profilaktycznego, rezerwy. Jeśli pominie się stany remontu profilaktycznego i rezerwy to modelem procesu eksploatacji elementu odnawialnego jest proces odnowy o skończonym nie zerowym czasie odnowy. Przykład takiego procesu przedstawiono na rys. 2.4. T1 t0 T3 T2 t2 t1 t3 Θ1 t4 t5 t Θ2 Rys. 2.4. Przykład procesu odnowy z niezerowym czasem odnowy Ciąg t1, t3, ... , t2k+1, ... tworzą chwile kolejnych uszkodzeń, natomiast ciąg t2, t4, ... , t2k, ... chwile odnowień. Są tu również dwa ciągi zmiennych losowych T1, T2, ... , Tk, ... oraz Θ1, Θ2, ... , Θk, ... określające czasy funkcjonowania (pracy) i czasy odnowy. Ciągi te tworzą dwa strumienie zdarzeń: strumień niesprawności (uszkodzeń) i strumień odnów. Rzeczywisty proces odnowy można zatem analizować za pomocą dwóch procesów losowych: {N (t ), t ≥ 0}, wyrażającego liczbę uszkodzeń w przedziale czasowym [0, t]; o {m(t ), t ≥ 0} , wyrażającego liczbę odnowień w przedziale czasowym [0, t]. o W związku z tym można rozpatrywać dwie funkcje: H(t) = E[N(t)] (2.10) wyrażającą oczekiwana liczbę uszkodzeń w przedziale [0, t] i zwaną funkcją odnowy, oraz I(t) = E[m(t)] (2.11) określającą oczekiwaną w danym przedziale czasowym liczbę odnów i mającą analogiczne jak funkcja odnowy właściwości. Gdy zmienne losowe Tk mają ten sam rozkład o parametrach E[T] i σ T oraz zmienne losowe Θk o parametrach E[Θ] i σΘ (strumienie rekurentne), wówczas przy oszacowaniu funkcji można wykorzystać tzw. elementarne twierdzenie odnowy: H (t ) 1 lim = (2.12) t →∞ t E[T ] zaś zmienna losowa H(t) ma rozkład asymptotycznie normalny o wartości oczekiwanej: 1 lim E[m(t )] = (2.13) t →∞ E[T ] + E[Θ ] i wariancji (σ T2 + σ Θ2 )t lim Var [m(t )] = (2.14) t →∞ ( E[T ] + E[Θ ]) 3 Wskaźnikiem niezawodności elementu, którego modelem niezawodnościowym procesu eksploatacji jest rzeczywisty proces odnowy z niezerowym czasem odnowy jest współczynnik gotowości. 3 II. Niezawodność elementów i systemów (J. Paska) Definiuje się go jako prawdopodobieństwo, że w chwili t obiekt znajduje się w stanie funkcjonowania (zdatności) ∞ i i K (t ) = ∑ P ∑ (Tk + Θk ) < t < ∑ (Tk + Θk ) +Ti +1 } (2.15) i =1 k = 0 k =0 Gdy wartość t jest dostatecznie duża można posługiwać się asymptotycznym współczynnikiem gotowości E[T ] (2.16) K = lim K (t ) = t →∞ E[T ] + E[Θ] Dla przypadku, gdy czas funkcjonowania i czas odnowy mają rozkłady wykładnicze, mamy: µ + λ exp[−( µ + λ )t ] µ K = lim = (2.17) t →∞ µ +λ µ +λ gdzie: µ - intensywność odnowy, λ - intensywność uszkodzeń. Rozkłady zmiennych losowych stosowane w modelach niezawodnościowych elementów i systemów 2 1,8 1,6 1,4 1,2 r(t) lambda 1 Lambda 0,8 R(t) 0,6 0,4 0,2 t 0 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 Rys. 2.5. Przebiegi funkcji R(t), λ(t), Λ(t) i r(t) w przypadku rozkładu EXP(b) 2 1,8 1,6 lambda, n = 2,5 1,4 Lambda, n = 2,5 1,2 R(t), n = 2,5 lambda, n = 0,5 1 Lambda, n = 0,5 0,8 R(t), n = 0,5 0,6 0,4 0,2 0 t /b 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 Rys. 2.6. Przebiegi funkcji R(t), Λ(t) i λ(t) w przypadku rozkładu WEI(b, v), przy b = 1 i parametrze kształtu v > 1 (v = 2,5) i v < 1 (v = 0,5) 4 II. Niezawodność elementów i systemów (J. Paska) Tablica 2.1. Charakterystyki najczęściej stosowanych rozkładów Rozkład Wykładniczy EXP(b) T ∈ 〈0, +∞), b > 0 R (t) exp(− t / b ) λ (t) Λ (t) r (t) 1/ b t /b b Weibulla WEI(b, ν) T ∈ 〈0, +∞), b > 0, ν > 0 exp(-(t/b)ν ) ν (t / b )ν −1 b Wartości najmniejszych MIV(b0, t0) b0 > 0, t0 ≥ 0 exp[- exp((t - t 0 )/b0 )] 1 exp((t − t 0 ) / b0 ) b0 Potęgowy POW (b, δ) T ∈ 〈0, b), b > 0, δ > 0 1− Γ ( p, t / b ) Γ( p ) (t / b ) t −µ 0,5 − Φ σ Logarytmo – normalny LNOR(µ1, σ1) T ∈ 〈0, +∞),µ1 ≥ 0, σ1 > 0 ln(t ) − µ1 0,5 − Φ σ1 Γ(p) – funkcja gamma Eulera: Γ( p ) = ∫ x p −1 1 2Π exp(− [ exp(− (t / b )){ b [Γ( p ) − Γ( p, t / b )]} −1 t −µ t − µ ϕ σ 0,5 − Φ σ σ ln(t ) − µ1 σ1t ϕ σ1 −1 ln(t ) − µ1 0,5 − Φ σ 1 iν +1 ∞ ν (t / b) ( 1 1 / ) b ( 1 ) Γ + ν − − ∑ i!(iν + 1) i =0 δ ] − ln (1 − Γ( p, t / b ) / Γ( p )) b [1 − (t / b)δ ]−1 1 δ + (t / b)δ +1 − (t / b) δ + 1 δ + 1 b [ p − (t / b ) + ∞ ∑ Γ( p + i + 1, t / b) / Γ( p + i + 1)] × i =0 t − µ − ln 0,5 − Φ σ −1 ln (t ) − µ 1 − ln 0,5 − Φ σ1 x exp(− x)dx ; Γ(p, x) – niekompletna (niepełna) funkcja gamma Eulera: Γ( p, x) = ∫ t p −1 exp(−t )dt ; 0 ϕ ( x) = exp((t − t 0 ) / b0 ) ] [1 − Γ( p, t / b) / Γ( p )]−1 Normalny NOR(µ, σ) µ ≥ 0, σ > 0 ∞ p −1 (t / b )ν − ln 1 − (t / b ) δ (t / b) δ −1 [1 − (t / b) δ ] −1 b 1 - (t/b) δ Gamma GAM(b, p) T ∈ 〈0, +∞), b > 0, p > 0 ϕ(⋅) – funkcja Gaussa: [ b exp − (t / b) ν 0 2 x x ) , Φ(⋅) – całka Laplace’a: Φ ( x) = ∫ ϕ ( z )dz 2 0 5 II. Niezawodność elementów i systemów (J. Paska) Procesy losowe i strumienie zdarzeń jako modele niezawodnościowe Proces losowy jest to rodzina zmiennych losowych określonych na wspólnej przestrzeni probabilistycznej (V, F, P), przyporządkowanych poszczególnym elementom pewnego zbioru T. Zbiór T może być interpretowany jako zbiór chwil i wówczas używa się także dla procesu losowego określenia proces stochastyczny. Można zatem proces losowy określić jako mierzalną ze względu na ciało F – funkcję: X :V ×T → S ⊂ R (2.36) Zbiór S wartości przyjmowanych przez proces nazywa się zbiorem stanów procesu, sam zaś proces zapisuje się zwykle w postaci: {X (t ), t ∈ T } Tablica 2.2. Klasyfikacja procesów losowych Zbiór stanów S Co najwyżej przeliczalny (dyskretny) Przedział (ciągły) Łańcuch losowy Ciąg (szereg) losowy Co najwyżej przeliczalny (dyskretny) Punktowy proces losowy Proces losowy z czasem ciągłym Przedział (ciągły) (o dyskretnej przestrzeni stanów) Zbiór T Opis procesu losowego może polegać na podaniu dystrybuant: Ft ( x) = P[ X (t ) < x], x ∈ R, t ∈ T (2.37) charakteryzujących rozkład prawdopodobieństwa w poszczególnych chwilach zbioru T. Dystrybuanty te nie zawierają jednak wyczerpującej informacji o procesie. Ważne, chociaż również niekompletne informacje o procesie zawierają tzw. funkcje momentów, z których podstawową jest funkcja wartości oczekiwanej: m(t ) = E[ X (t )], t ∈ T (2.38) Drugą podstawową charakterystyką procesu losowego jest jego funkcja korelacyjna (autokoleracyjna): K (t1 , t 2 ) = µ (t1 , t 2 ) = E[{ X (t1 ) − m(t )}{ X (t 2 ) − m(t )}] (2.39) przy czym µ(t1, t2) jest drugim momentem centralnym mieszanym procesu. Procesy stacjonarne (w węższym sensie lub ściśle stacjonarne) są to takie procesy, których charakterystyki probabilistyczne nie zmieniają się przy zmianie punktu odniesienia na osi czasu. Inaczej mówiąc, (bezwarunkowe) prawdopodobieństwo, że X(t) < y, jest takie samo jak prawdopodobieństwo, że X(t + τ) < y dla każdego τ P{X (t ) < y} = P{X (t + τ ) < y} (2.40) Proces jest stacjonarny w szerszym sensie lub słabo stacjonarny, gdy ma stałą wartość oczekiwaną, a jego funkcja korelacyjna zależy wyłącznie od różnicy argumentów: m(t ) = m = const. (2.41) K (t1 , t2 ) = k (t2 − t1 ) = k (τ ),τ = t2 − t1 (2.42) Proces stochastyczny nazywamy ergodycznym, jeżeli wszystkie jego realizacje są „typowe” w tym sensie, że znajomość pojedynczej realizacji X*(t) na nieskończonym (w praktyce dostatecznie długim) odcinku czasowym pozwala wyznaczać rozkład prawdopodobieństwa w innym, hipotetycznie identycznym procesie X(t) w myśl zależności: 1 P{X (τ ) < y} = lim {µ{τ i } : X ∗ (t ) < y} (2.43) T →∞ T gdzie: µ{τi} - łączna długość odcinków czasowych z przedziału [0, T], kiedy było X*(t) < y. Wyobraźmy sobie, że informacja I, jaką mamy o przebiegu procesu X(t), składa się z informacji I*, że w chwili t0 było X(t0) = x, oraz z informacji I** dotyczącej tego, co się działo w chwilach wcześniejszych od t0. Jeżeli przy posiadaniu informacji I* informacje I** są zbędne dla wyznaczenia rozkładu zmiennej losowej X(t0 + τ) dla chwil późniejszych (τ > 0), to proces nazywamy procesem Markowa. Tak więc mamy: 6 II. Niezawodność elementów i systemów (J. Paska) P{X (t0 + τ ) < y}I * i I * *} = P{X (t 0 + τ ) < y I *}= P{X (t0 + τ ) < y X (t 0 ) = x} (2.45) Bardziej sformalizowana definicja procesu Markowa jest następująca. Proces losowy {X (t0 + τ ), t ∈ T } nazywa się procesem Markowa, gdy dla dowolnego skończonego ciągu chwil t1 < t2 < ... < tn (t1, t2, ... , tn∈T) i dowolnych liczb rzeczywistych x1, x2, ..., x n zachodzi równość: P[ X (t n ) < t n X (t n −1 ) = x n −1 , X (t n − 2 ) = x n − 2 ,..., X (t1 ) = x1 ] = (2.46) = P[ X (t n ) = x n X (t n −1 ) = x n −1 ] Zależność powyższa oznacza, że warunkowy rozkład prawdopodobieństwa zmiennej losowej X(tn) zależy wyłącznie od rozkładu prawdopodobieństwa jednej ze zmiennych losowych X(tn-1). Właściwości procesu Markowa w chwili tn nie zależą od wartości, jakie proces przyjmował w chwilach t1, t2, ..., tn-2. Proces Markowa jest więc w pełni scharakteryzowany przez dystrybuantę warunkową: F(s, t, x, y) = P[X(t) < xX(s) = y], s < t (2.47) albo też łączną dystrybuantę wektora losowego (X(s), X(t)) wraz z dystrybuantą „początkową” F(s, y) = P[X(s) < y]. W analizie procesów Markowa zasadniczą rolę odgrywa funkcja zwana prawdopodobieństwem przejścia, która jest określona dla dowolnych chwil s i t (s < t; s, t ∈T) oraz dla dowolnej liczby rzeczywistej y i dowolnego zbioru borelowskiego B, w następujący sposób: P(s, t, B, y) = P[X(t)∈BX(s) = y] (2.48) Proces Markowa {X (t ), t ∈ T } jest jednorodny, gdy dla dowolnych s, t ∈ T (s < t) prawdopodobieństwa przejścia zależą tylko od różnicy t – s = τ, tzn.: P(s, t, B, y) = P(τ, B, y) (2.49) W zastosowaniach praktycznych, w szczególności w zagadnieniach niezawodnościowych, najistotniejszą rolę odgrywają punktowe procesy Markowa określone na przedziale T = [t0, ∞] z przestrzenią stanów S = {0, 1, 2, ...}. Realizacje punktowego procesu Markowa są funkcjami przedziałami stałymi, a ich wykresy są liniami schodkowymi. Dla punktowego procesu Markowa, prawdopodobieństwa przejścia pij(s, t) = P[X(t) = jX(s) = i], t ≥ s, i,j = 0, 1, 2, ... (2.50) spełniają związki: pij ( s, t ) = ∞ ∑ pik ( s, t1 ) p kj (t1 , t 2 ), ( s < t1 < t ) (2.51) k =0 zwane równaniami Smoluchowskiego – Chapmana – Kołmogorowa. Ponadto dla każdego i(i = 0, 1, 2, ...) zachodzi równość: ∞ ∑ p ( s, t ) = 1 j =0 (2.52) ij Wprowadzając funkcje λij (t ) zwane intensywnościami przejścia procesu 1 pij (t , t + ∆t ), i, j = 0, 1, 2, ..., i ≠ j ∆t uzyskuje się układ równań różniczkowych o zmiennych współczynnikach: dPi ∧ = λii (t ) Pi (t ) + ∑ λ ji (t ) Pj (t ) i∈S dt j∈S λ ij (t ) = lim ∆t →0 (2.53) (2.54) i≠ j przy czym: λii (t ) = −∑ λij (t ) . j ∈S i≠ j gdzie: Pi(t) – prawdopodobieństwo bezwarunkowe przebywania procesu w chwili t w stanie i, λij(t) - intensywność przejścia procesu w chwili t ze stanu i do stanu j. Gdy proces Markowa jest jednorodny, to intensywności przejścia procesu są niezależne od czasu λij(t) = λij = const., i ≠ j 7 II. Niezawodność elementów i systemów (J. Paska) i uzyskuje się układ równań różniczkowych o stałych współczynnikach: dPi (t ) ∧ = λ ii Pi (t ) + ∑ λ ji Pj (t ) i∈S dt j∈S (2.55) i≠ j dla rozwiązania którego jest potrzebna znajomość prawdopodobieństw początkowych Pi(0), i∈S. Układ powyższy można zapisać w postaci wektorowej, jako: d P (t ) = ΛP (t ) (2.56) dt przy czym: P(t) = [P1(t), P2(t), ..., Pm(t)]m ×1 m ... λ12 λ1m − ∑ λ j1 j =2 m λ − ∑ λ j 2 ... λ2 m 21 Λ= j =1 j≠2 . . . . m −1 λm 2 ... − ∑ λ jm λ m1 j =1 gdzie: P(t) - wektor kolumnowy prawdopodobieństw przebywania procesu w poszczególnych stanach, Λ - macierz intensywności przejść, m = card S – liczność zbioru S (liczba stanów procesu). Macierz intensywności przejść jest macierzą kwadratową. Nosi ona nazwę macierzy guasi – stochastycznej. Dla jej każdej kolumny jest spełniona zależność: (2.57) ∧ ∑ λ ji = 0 j∈S j =1 Układ równań Kołmogorowa ma rozwiązanie postaci P (t ) = P (0) exp( Λt ) (2.58) gdzie P(0) jest wektorem kolumnowym prawdopodobieństw początkowych stanów procesu, a t2 exp( Λt ) = 0 + Λt + Λ2 + ... . 2 Jeśli obliczenie wartości powyższego rozwinięcia macierzowego jest złożone można posłużyć się przekształceniem Laplace’a. Wyjściowe równanie macierzowe przyjmuje postać sP(s) - P(0) = ΛP(s) (2.59) lub P(s) = [s1 - Λ]-1P(0) (2.60) gdzie: 1 - macierz jedynkowa o wymiarach m×m. Poszukiwany wektor prawdopodobieństw oblicza się za pomocą odwrotnego przekształcenia Laplace’a. P(t) = L-1[s1 - Λ]-1P(0) (2.61) gdzie: L-1- operator przekształcenia odwrotnego. W wielu zastosowaniach praktycznych mają znaczenie tylko wartości asymptotyczne prawdopodobieństw, tj. wartości P(t) przy t → ∞. Jeśli przyjąć, że wartości te w ogóle istnieją (proces jest ergodyczny) to równania różniczkowe przekształcają się w równania algebraiczne. Zatem dla procesów o skończonej liczbie stanów i niezerowej macierzy intensywności przejść istnieją graniczne (stacjonarne) prawdopodobieństwa stanów i mogą być one obliczone jako rozwiązania układu równań liniowych: 0 = ΠΛ (2.62) gdzie: Π - wektor kolumnowy granicznych (stacjonarnych) prawdopodobieństw stanów procesu. Dla wykluczenia nieoznaczności układu należy wziąć pod uwagę m - 1 równań i uzupełnić je równaniem: 8 II. Niezawodność elementów i systemów (J. Paska) m ∑ Pi i =1 =1 (2.63) Na podstawie grafu stanów i przejść tworzy się układ równań różniczkowych korzystając z następującej reguły mnemotechnicznej: dPi (t ) „pochodna dla stanu „i” jest równa sumie algebraicznej członów tworzonych przez dt iloczyn prawdopodobieństwa tego stanu, z którego gałąź (łuk) wychodzi oraz intensywności przejścia odpowiadającej danej gałęzi. Liczba członów sumy jest równa liczbie gałęzi skierowanych łączących stan „i” z innymi węzłami grafu. Jeżeli gałąź (łuk) jest skierowana do stanu „i” to człon ma znak plus, zaś w przypadku odwrotnym znak minus”. Zastosowanie reguły najlepiej zilustruje przykład. Niech S = {1, 2, 3, 4} a graf stanów i przejść przedstawia rys. 2.9. λ41 λ14 4 λ34 1 λ21 λ24 λ42 λ43 3 2 λ32 Rys. 2.9. Graf stanów i przejść obiektu 4-stanowego Układ równań Kołmogorowa przyjmie wówczas postać: dP1 (t ) = −λ14 P1 (t ) + λ 21 P2 (t ) + λ 41 P4 (t ) dt dP2 (t ) = −(λ 21 + λ 24 ) P2 (t ) + λ32 P3 (t ) + λ 42 P4 (t ) dt dP3 (t ) = −( λ34 + λ32 ) P3 (t ) + λ43 P4 (t ) dt dP4 (t ) = λ14 P1 (t ) + λ 24 P2 (t ) + λ34 P3 (t ) − (λ 41 + λ 42 + λ 43 ) P4 (t ) dt zaś zapis macierzowy jest następujący: d P (t ) = ΛP (t ) dt λ 21 0 λ 41 − λ 14 P1 (t ) P (t ) 0 − (λ 21 + λ 24 ) λ 32 λ 42 2 P (t ) = ,Λ= P3 (t ) 0 0 − (λ 34 + λ 32 ) λ 43 λ 24 λ 34 − (λ 41 + λ 42 + λ 43 ) P4 (t ) λ 14 Coraz szersze zastosowanie w badaniach niezawodności znajdują procesy półmarkowskie (semi – Markowa). Stanowią one uogólnienie łańcuchów i jednorodnych procesów Markowa. W procesach półmarkowskich nie jest wymagane założenie co do postaci rozkładów prawdopodobieństw czasów przebywania w poszczególnych stanach. Jeżeli założyć, że w danym momencie czasu proces znajdował się w jednym ze stanów, np. Si, to dalsza ewolucja procesu jest 9 II. Niezawodność elementów i systemów (J. Paska) następująca: w losowej chwili Θ0 układ przechodzi skokowo do nowego stanu, np. Sj. Czas Θ0 przebywania w stanie Si do przejścia w stan Sj jest zmienną losową o dowolnym rozkładzie opisanym przez dystrybuantę Gij(t); przejście ze stanu i do stanu j zachodzi z prawdopodobieństwem pij > 0 (przy czym ∑ pij = 1 ), jeżeli ze stanu j nastąpi przejście do stanu k j to czas przebywania w stanie j, Θ1 jest zmienną losową o dowolnym rozkładzie opisanym dystrybuantą Gjk(t), itd. Przejście ze stanu i do stanu j w procesie semi – Markowa następuje zatem jakby w dwóch etapach: w pierwszym zostaje określony losowy moment przejścia a w drugim skokowe przejście z jednego stanu w drugi (jak w łańcuchu Markowa). Prawdopodobieństwo przejścia ze stanu Si do stanu Sj (i ≠ j) w przedziale ∆t jest dla procesu semi – Markowa określone zależnością: pij (t , t + ∆t ) = Fij (t + ∆t ) Π ij (2.64) gdzie: Fij = P{Θij < t}- dystrybuanta czasu przebywania procesu w stanie Si pod warunkiem, że następnym stanem będzie Sj, Πij - warunkowe prawdopodobieństwo przejścia skokowego do stanu Sj przy wyjściu procesu ze stanu Si. Stosując zapis macierzowy można określić proces półmarkowski za pomocą: • macierzy stochastycznej prawdopodobieństw przejść: Π = [ Π ij ] ∧ (2.65) i , j∉S • macierzy dystrybuant warunkowych F(t) F (t ) = [ Fij (t )] ∧ (2.66) i , j∉S • wektora prawdopodobieństw początkowych P(0). Macierz Π jest nazywana macierzą wewnętrznego łańcucha Markowa. Jeśli wszystkie dystrybuanty warunkowe mają postać Fij(x) = 0 dla x < 1 oraz Fij(x) = 1 dla x > 1 to proces staje się łańcuchem Markowa. Jeżeli zaś wszystkie dystrybuanty warunkowe mają postać wykładniczą Fij(t) = 1 - exp(-λit) to proces staje się jednorodnym łańcuchem Markowa. Pojęciem, na które dość często napotyka się w teorii niezawodności jest pojęcie strumienia zdarzeń. Strumień zdarzeń jest szczególnym punktowym procesem losowym {N(t)}, t∈T}, którego przestrzeń stanów stanowi zbiór liczb naturalnych i liczba zero. Jest on określony przez chwile ti, w których obserwuje się zdarzenia, i liczby ni wspólnie pojawiających się zdarzeń. Zdarzenia tworzące strumień zdarzeń mogą być, w ogólnym przypadku, różne. Najczęściej jednak rozpatruje się strumienie jednorodnych zdarzeń. W teorii niezawodności rozpatruje się zatem strumienie niesprawności i strumienie odnów. Struktury niezawodnościowe systemów Jeżeli niezawodność elementów wyznacza jednoznacznie niezawodność systemu, można mówić, że określona jest struktura niezawodnościowa systemu. Struktura niezawodnościowa systemu przedstawia zatem sposób wzajemnych powiązań elementów określających zależność uszkodzeń systemu od uszkodzeń jego elementów. Strukturę niezawodnościową danego systemu (obiektu złożonego) opisuje się tzw. funkcją strukturalną systemu. W odniesieniu do systemów dwustanowych w sensie niezawodności, składających się z n elementów, funkcję strukturalną określa się jako funkcję Φ[ X (t )] wektora zerojedynkowego X(t) stanu systemu przy założeniu, że stan systemu jest w pełni określony przez stany jego elementów xi(t), tj.: Φ[ X (t )] = Φ[x1 (t ), x 2 (t ), K , x n (t )] (2.73) gdzie: [xi (t )], i = 1, 2, ..., n - funkcja binarna określająca stan i-tego elementu; przyjmuje wartość l, gdy element jest zdatny, oraz 0, gdy element jest niezdatny. Z kolei funkcja Φ[ X (t )] przyjmuje wartość l, gdy system jest zdatny i 0, gdy system jest niezdatny. 10 II. Niezawodność elementów i systemów (J. Paska) Struktury niezawodnościowe spotykane w praktyce można podzielić na: a) podstawowe, tj. szeregowe, równoległe i progowe; szeregowe Mówimy, że system ma szeregową strukturę niezawodnościową, jeżeli niesprawność dowolnego elementu powoduje niesprawność całego systemu. Z definicji struktury szeregowej wynika, że obiekt jest sprawny wtedy i tylko wtedy, kiedy wszystkie jego elementy są sprawne. 1 n 2 Rys. 2.10. Szeregowa struktura niezawodnościowa Jeżeli uszkodzenia poszczególnych elementów systemu są zdarzeniami niezależnymi, to prawdopodobieństwo, że wszystkie elementy będą nieuszkodzone (czyli, że system jest zdatny) – funkcja niezawodności systemu, jest równe iloczynowi współczynników (prawdopodobieństw) zdatności wszystkich elementów: Rs (t ) = P(T ≥ t ) = P(T1 ≥ t , T2 ≥ t , ..., Tn ≥ t ) = n n (2.74) = P(T1 ≥ t )P(T2 ≥ t )...P(Tn ≥ t ) = ∏ Ri (t ) = ∏ [1 − Fi (t )] i =1 i =1 gdzie: Ri(t) – funkcja niezawodności i-tego elementu systemu, Fi(t) – dystrybuanta czasu poprawnej pracy (Ti) i-tego elementu. Z kolei, dystrybuanta czasu poprawnej pracy (funkcja zawodności) systemu o szeregowej strukturze niezawodnościowej) - współczynnik zawodności – jest określona wzorem: n n i =1 i =1 Q s (t ) = Fs (t ) = P(T < t ) = 1 − Rs (t ) = 1 − ∏ Ri (t ) = 1 − ∏ [1 − Fi (t )] (2.75) Z zależności (2.74) oraz (2.6) wynika, że: t n t (2.76) exp − ∫ Λs (τ )dτ = exp − ∑ ∫ λi (τ )dτ 0 i =1 0 gdzie: Λs(t) – funkcja intensywności uszkodzeń systemu, λi(t) – funkcja intensywności uszkodzeń i-tego elementu systemu. I dalej, że: n Λs (t ) = λ1 (t ) + λ2 (t ) + ... + λn (t ) = ∑ λi (t ) (2.77) i =1 co oznacza, że intensywność uszkodzeń o strukturze szeregowej jest równa sumie intensywności uszkodzeń wszystkich elementów systemu. równoległe i progowe W przypadku struktury równoległej w sensie niezawodności cały obiekt jest zdatny, gdy przynajmniej jeden jego element jest zdatny. Natomiast w wypadku struktury progowej obiekt jest zdatny, jeżeli przynajmniej kilka jego elementów jest zdatnych. System ma równoległą strukturę niezawodnościową, jeżeli zdatność dowolnego elementu tego systemu powoduje zdatność całego systemu. Z równoległą strukturą połączenia elementów w systemie mamy do czynienia wtedy, gdy wszystkie elementy wykonują to samo zadanie. Z definicji struktury równoległej wynika, że system jest sprawny wtedy i tylko wtedy, kiedy co najmniej jeden z jego elementów jest sprawny. W systemie o równoległej strukturze niezawodnościowej dla prawidłowej pracy tego systemu wymagane jest prawidłowe działanie tylko jednego elementu. Zatem zależności na Rs i Qs będą następujące (dla elementów niezależnych): 11 II. Niezawodność elementów i systemów (J. Paska) n n R ( t ) = 1 − F ( t ) = 1 − Qi ( t ) = 1 − Q s ( t ) ∏ ∏ i s i =1 i =1 n n Q (t ) = F (t ) = F ( t ) = Qi ( t ) ∏ ∏ s i s i =1 i =1 a) b) 1 (2.78) 1 2 2 k-1 n k k+1 n Rys. 2.11. Równoległa struktura niezawodnościowa (a) i progowa struktura niezawodnościowa (b) System ma progową strukturę niezawodnościową oznaczoną jako „k z n”, jeżeli w celu zapewnienia jego zdatności musi być zdatnych co najmniej k spośród n jego elementów. W przypadku, gdy w n–elementowym systemie o strukturze progowej występują elementy o różnych charakterystykach niezawodnościowych trudno jest przedstawić jednoznaczne i proste formuły na Rs i Qs systemu. Ogólna zależność na prawdopodobieństwo poprawnej pracy systemu o strukturze progowej, przy założeniu że czasy poprawnej pracy jego elementów są niezależnymi zmiennymi losowymi, jest następująca: m m j =1 j =1 Rs (t ) = P(T ≥ t ) = ∑ R j (t ) =∑ P j (T ≥ t ) (2.79) gdzie: Rj(t) – prawdopodobieństwo poprawnej pracy odniesione do j-tej kombinacji zdatnych elementów dającej zdatność systemu, m – liczba kombinacji zdatnych elementów dających zdatność systemu (liczba stanów zdatności systemu). Prawdopodobieństwo poprawnej pracy dowolnej j-tej kombinacji zdatnych elementów dającej zdatność systemu można wyznaczyć jako: R j (t ) = ∏ [Ri (t )] i [1 − Ri (t )] n e (1− ei ) (2.80) i =1 gdzie: ei – wskaźnik przyjmujący wartość 1, gdy element występujący w j-tej kombinacji elementów jest zdatny lub 0, gdy jest niezdatny. W przypadku gdy wszystkie elementy systemu o strukturze progowej mają identyczne charakterystyki niezawodnościowe, Ri(t) = R(t), to wykorzystując wzór dwumianowy Bernoulliego uzyskuje się następujące zależności: 12 II. Niezawodność elementów i systemów (J. Paska) n n i n −i = R ( t ) [R(t )] [1 − R(t )] ∑ s i i =k (2.81) n Q = 1 − R = 1 − n [R(t )]i [1 − R (t )]n −i ∑ s s i =k i gdzie: k – minimalna wymagana liczba zdatnych elementów systemu, n n! = - liczba kombinacji po i elementów. i i!(n − i )! b) Struktury mieszane otrzymane przez szeregowe, równoległe lub progowe połączenie podsystemów o strukturach podstawowych. Najczęściej spotykanymi strukturami mieszanymi są: struktura równoległo-szeregowa (rys. 2.12) i struktura szeregowo-równoległa (rys. 2.13). Dystrybuanta czasu poprawnej pracy systemu o równoległo-szeregowej strukturze niezawodnościowej ma postać: nu k Q s (t ) = Fs (t ) = ∏ 1 − ∏ Ru ,i (t ) (2.82) u =1 i =1 gdzie: Ru,i(t) – funkcja niezawodności i-tego elementu w u-tym podsystemie szeregowym, k – liczba podsystemów szeregowych, nu – liczba elementów w u-tym podsystemie szeregowym. 1 2 n1 1 2 n2 1 2 nk Rys. 2.12. Równoległo–szeregowa struktura niezawodnościowa 1 1 1 2 2 2 n1 n2 nk Rys. 2.13. Szeregowo–równoległa struktura niezawodnościowa Dla systemu o szeregowo-równoległej strukturze niezawodnościowej zachodzi zależność: nr k Rs (t ) = ∏ 1 − ∏ Fr ,i (t ) (2.83) r =1 i =1 gdzie: Fr,i(t) – dystrybuanta czasu poprawnej pracy i-tego elementu w r-tym podsystemie równoległym, k – liczba podsystemów równoległych, nr – liczba elementów w r-tym podsystemie równoległym. c) Struktury złożone, których nie można utworzyć przez szeregowe, równoległe lub progowe połączenie schematów struktur podstawowych, np. struktura mostkowa. Różne struktury niezawodnościowe systemu, o tej samej liczbie identycznych, niezależnych elementów, skutkują różnym poziomem niezawodności systemu. Wykorzystanie liczb rozmytych w modelach niezawodności elementów i systemów W przypadku zbioru zwykłego A element x albo do niego należy (funkcja charakterystyczna µA(x) równa 1), albo nie należy (µA(x) = 0). W systemach rozmytych element może należeć do 13 II. Niezawodność elementów i systemów (J. Paska) ~ zbioru częściowo. Stopień przynależności do zbioru rozmytego A , będący uogólnieniem funkcji charakterystycznej, jest nazywany funkcją przynależności, przy czym µ A~ ( x) ∈ [0, 1]. Wartości funkcji przynależności są liczbami rzeczywistymi z przedziału [0, 1] i noszą nazwę stopnia przynależności. Zwykły zbiór A zawierający wszystkie elementy przestrzeni U, które mają stopień ~ przynależności do A większy lub równy α jest α-przekrojem (zbiór na poziomie α) rozmytego ~ zbioru A : Aα = {x ∈ U µ A~ ( x ) ≥ α, α ∈ [0, 1]} (2.84) Na zbiorach rozmytych można zdefiniować szereg operacji matematycznych, będących uogólnieniem operacji obowiązujących dla zbiorów nierozmytych. Zbiory rozmyte zdefiniowane w zbiorze ℜ, czyli na osi liczb rzeczywistych, nazywa się liczbami rozmytymi. Niech (*) będzie operacją matematyczną na liczbach rozmytych: dodawanie (+), odejmowanie (-), mnożenie (•), dzielenie (/). Wykorzystując zasadę rozszerzania, ~ ~ A (*) B można otrzymać następująco: µ A~ (∗) B~ ( z ) = sup min{µ A~ ( x), µ B~ ( y )} (2.85) z = x∗ y Wykorzystując definicję α-przekroju i stosując zapis Aα ≡ [ a 1α , a α2 ] do reprezentacji ~ zamkniętego przedziału A na poziomie α, zależność (2.85) staje się: ( A(∗) B )α = Aα (∗) Bα , ∀α ∈ [0, 1] (2.86) ~ ~ Prawa strona równania (2.86) oznacza operację arytmetyczną na α-przekrojach A i B wykorzystującą arytmetykę przedziałów: Aα (+ ) Bα = [a 1α + b1α , a α2 + b α2 ], Aα (−) Bα = [a 1α − b1α , a α2 − b α2 ], Aα (⋅) Bα = [min(a iα ⋅ b αj ), max(a iα ⋅ b αj )], (2.87) Aα ( / ) Bα = [min(a αi / b αj ), max(a iα / b αj )]; 0 ∉ Bα gdzie i, j = 1, 2. Łącznikiem między informacją dokładną (zbiór nierozmyty) a rozmytą (zbiór rozmyty) są procedury fuzyfikacji (fuzyfikator, układ rozmywania), pozwalajace na przekształcenie nierozmytego zbioru danych wejściowych w zbiór rozmyty, zdefiniowany za pomocą wartości funkcji przynależności; oraz procedury defuzyfikacji (defuzyfikator, układ wyostrzania), o działaniu odwrotnym. Mianem - rozmyta niezawodność (fuzzy reliability - FR) określono analizy niezawodnościowe w przypadku, gdy przynajmniej jedna wielkość ze zbioru danych jest opisana modelem rozmytym. Jeśli jest to tylko rozmyty opis zapotrzebowania (obciążenia) (ani deterministyczny ani probabilistyczny), to mamy do czynienia z rozmytą niezawodnością rodzaju I (FR I). Przy FR rodzaju II mamy do czynienia z rozmytymi wartościami wskaźników niezawodnościowych elementów, zamiast dokładnych. Możemy również mówić o FR rodzaju III, w przypadku modeli które zajmują się niezawodnością rozmytą w środowisku decyzyjnym, tj. gdy rozmyte wielkości (w tym niezawodnościowe) muszą być porównywane ażeby wyciągnąć jakieś wnioski lub podjąć decyzje. Jeśli dana jest niepewna krzywa obciążenia Z = f(τ), to rozmyta krzywa obciążenia na poziomie α może być zdefiniowana jako: Z α = (1 − ∆−α ) ⋅ f (τ); (1 − ∆+α ) ⋅ f (τ) (2.88) [ ] z ∆+α i ∆-α będącymi niezupełnie monotonicznie malejącymi funkcjami α; możemy również otrzymać rozmyty opis czasu względnego τ poprzez f-1 (rys. 2.15). Taka reprezentacja liczb rozmytych (FN) zwana jest „przedziałem ufności” (opartym na α ∈ [0, 1]). 14 II. Niezawodność elementów i systemów (J. Paska) Przykład 2.4: Dane niezawodnościowe dla elementów to najczęściej częstość 1 MW (intensywność) zakłóceń λ i średni czas 1 α Z naprawy r. Zamiast wartości λ równej α „ostrej” liczbie np. 0,1 zakłóceń na rok, mamy opis rozmyty, taki jak: najlepsze oszacowanie 0,1 z przedziałem ufności [0,08; 0,12] zakłóceń na rok. Stąd λα = [0,1 – (0,02(1 - α)), 0,1 + (0,02(1 - α))] będzie reprezentowało trójkątną rozmytą częstość zakłóceń, z λα = λα− , λα+ będącym przedziałem ufności na poziomie α ∈ [0, 1]. Rozważmy dla przykładu rozmytą 1 0 Dystrybuanta obciążenia uporządkowanego τ funkcję niezawodności R(t) elementu o wykładniczym rozkładzie czasu pracy Rys. 2.15. Rozmyty opis uporządkowanej krzywej obciążenia bezawaryjnej. Dla każdego t ograniczenia dla λ określają: + -λ t -λ − t Rα (t ) = Rα+ = e α ; Rα− = e α Dla każdego α mamy więc przedział ufności ograniczony przez niższe wartości funkcji bezawaryjnej pracy Rα+ i wyższe wartości funkcji Rα− . Definiuje to rozmytą funkcję niezawodności Rα(t), tak jak to pokazano na rys. 2.16. [ 1 0 α ] 1 Funkcja niezawodności 0,9 0,8 0,7 R α− 0,6 0,5 R α+ 0,4 0,3 0,2 0,1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Czas, lata Rys. 2.16. Rozmyta funkcja niezawodności elementu i ilustracja jej funkcji przynależności dla ustalonego t Ogólne zasady budowy modelu niezawodnościowego Rodzaj struktury niezawodnościowej systemu (obiektu złożonego) zależy od: a) struktury funkcjonalnej obiektu, tzn. od sposobu konstrukcyjnego połączenia elementów i od wzajemnego oddziaływania tych elementów na siebie; b) zadania, jakie ma dany obiekt wykonać. W związku z powyższym podstawą tworzenia struktur niezawodnościowych są odpowiednie schematy technologiczne obiektów złożonych. Ze względu na specyfikę problemu oraz różnice w rozwiązaniach projektowych różnych obiektów należy określać strukturę niezawodnościową indywidualnie dla każdego analizowanego obiektu. Strukturę niezawodnościową analizowanego obiektu można przedstawić między innymi w postaci stabelaryzowanej lub analitycznej, np. przez funkcję strukturalną systemu. Jednak najprostszym i najbardziej obrazowym sposobem przedstawienia struktury niezawodnościowej 15 II. Niezawodność elementów i systemów (J. Paska) obiektu jest sposób graficzny. W tym wypadku struktura niezawodnościowa jest pokazana jako graf lub też jako schemat blokowy niezawodności lub po prostu schemat niezawodnościowy obiektu. Ze względu na specyfikę problemu oraz różnice w rozwiązaniach projektowych różnych systemów (np. zasilania obiektów) należy określać strukturę niezawodnościową indywidualnie dla każdego analizowanego systemu. Tworzenie schematu niezawodnościowego powinno zawierać: analizę schematu topologicznego funkcjonowania systemu; wyróżnienie w systemie elementów, których niezawodność ma wpływ na niezawodność systemu; odwzorowanie wyróżnionych elementów w postaci bloków; graficzne odwzorowanie zależności między stanami niezawodnościowymi elementów, a stanem niezawodnościowym systemu. W celu ułatwienia graficznego odwzorowania struktury niezawodnościowej systemu można wykorzystać następujące wskazówki: 1) elementy niepowtarzalne przedstawia się w postaci oddzielnych i różnych bloków, 2) elementy powtarzalne przedstawia się w postaci jednego typu bloku; 3) jeżeli niesprawność danego elementu powoduje niezdatność całego systemu, to element ten wchodzi w skład podsystemu o szeregowej strukturze niezawodnościowej; 4) jeżeli niesprawność systemu jest spowodowana jednoczesną niezdatnością kilku elementów, to elementy te wchodzą w skład podsystemu o równoległej strukturze niezawodnościowej. Wyróżnienia elementów w badanym systemie dokonuje się w procesie dekompozycji. Dekompozycja systemu polega na stopniowym podziale obiektu na mniejsze części (podsystemy), które z kolei dzieli się na podsystemy prostsze. Na danym stopniu podziału wyróżnione podsystemy traktuje się jako niepodzielne elementy. Podział jest wykonywany ze względu na funkcje (wg kryteriów technologicznych), jakie pełni dany podsystem podczas realizacji zadania obiektu. Dekompozycji dokonuje się do takiego stopnia szczegółowości, jaki narzuca cel i zakres oceny niezawodności analizowanego systemu. Oznacza to, iż z punktu widzenia potrzeb oceny niezawodności dalszy podział na elementy nie jest celowy. W niektórych wypadkach struktura funkcjonalna obiektu złożonego odpowiada wprost jego strukturze niezawodnościowej. W większości wypadków jednak tak nie jest. Związane jest to z wpływem postawionego zadania, które ma wykonać obiekt, na jego strukturę niezawodnościową. Model procesu eksploatacji systemu jako podstawa modelu niezawodnościowego Obiekty elektroenergetyczne typu „układy (systemy)” są rozpatrywane jako systemy, w których wyodrębnia się zbiory urządzeń oraz relacji topologicznych i eksploatacyjnych między nimi. Relacje eksploatacyjne są określone jako oddziaływania stanów eksploatacyjnych jednego urządzenia na stany innych urządzeń. Relacje topologiczne między urządzeniami rzeczywistymi są określone jako bezpośrednie połączenia geometryczne (elektryczne) elementów. Układ (system) będziemy więc dalej rozumieć jako zbiór elementów obliczeniowych (dalej elementów) oraz relacji eksploatacyjnych między nimi. Proces eksploatacji systemu zaś będzie opisany przez zbiór stanów jego eksploatacji oraz relacji eksploatacyjnych między nimi. Zależy on od procesów eksploatacyjnych elementów składowych oraz relacji eksploatacyjnych między elementami. Należy tu rozróżnić relacje eksploatacyjne między stanami określone jako bezpośrednie przejście między dwoma stanami eksploatacyjnymi oraz relacje eksploatacyjne między elementami, określone jako oddziaływanie stanów jednego elementu na stany innych. Zbiory relacji eksploatacyjnych między elementami w systemie mogą być określone przez uogólnione pojęcia konfiguracji lub struktury. Konfigurację relacji w systemie stanowi konkretny zbiór relacji eksploatacyjnych nie zmieniających się w rozpatrywanym okresie czasu. 16 II. Niezawodność elementów i systemów (J. Paska) Strukturę relacji w systemie stanowi uogólniony (zagregowany) uporządkowany zbiór relacji. Struktura relacji zawiera zbiory wszystkich możliwych konfiguracji. Wielorakość konfiguracji jest cechą obiektów złożonych (systemów). Współzależność stanów eksploatacji elementów wynika ze współzależności ich odpowiedników fizycznych, relacji topologicznych między elementami, wyposażenia układu w urządzenia komutacyjne, SPZ, SZR oraz przyjętej strategii remontowej. Stany eksploatacyjne systemu otrzymuje się przez agregację możliwych stanów elementów. Określa to operator przekształcający przestrzeń stanów elementów w stany podstawowe systemu: HS : SEM → SU (2.92) gdzie: SEM – zbiór możliwych stanów elementów, SU – zbiór stanów systemu (układu), HS – operator przekształcający, określony przez poziom oddziaływania elementu na wielkości charakteryzujące system (moc generowana przez elektrownię, moc przesyłana za pośrednictwem układu sieciowego itp.). SEM = S 1 × S 2 × K × S i × K × S n (2.93) gdzie: Si – zbiór stanów i – tego elementu, n – liczba elementów w systemie. Model procesu eksploatacji systemu, traktowanego jako zbiór elementów, jest określony przez zbiór procesów eksploatacyjnych {Pfi(t)} elementów ze zbioru U oraz zbiór relacji eksploatacyjnych EU między elementami: U = {U i , i = 1, n} (2.94) EU : SEM → SEM (2.95) Proces eksploatacji systemu można zilustrować za pomocą poniższego ciągu kołowego: 〈Ut0, SEMt0〉 〈Rt(3k+1) 〉 EU 〈Ut(3k+3), SEMt(3k+3)〉 〈Ut(3k+1), SEMt(3k+1) 〉 RU 〈Ut(3k+2), SEMt(3k+2) 〉 EU k = 0, 1, 2, 3 … W chwili t0 należy znać zbiór elementów Ut0 oraz zbiory ich stanów eksploatacyjnych SEMt0. Dla elementów z Ut0 określa się za pomocą EU konfigurację relacji eksploatacyjnych między elementami. W wyniku otrzymuje się zbiory Ut(3k+1) oraz SEMt(3k+1). Najczęściej różnią się one od zbiorów określonych w momencie t0 (np. stany awarii elementów do remontów awaryjnych). RU określa odwzorowanie remontowe (stanowiące podzbiór EU), które przy strategii remontów profilaktycznych Rt(3k+1) powoduje przejście do podzbiorów Ut(3k+2) oraz SEMt(3k+2). Odwzorowanie EU przekształca te zbiory w zbiory Ut(3k+3) oraz SEMt(3k+3). Dalej proces powtarza się przy zmiennym k. Każdy element ze zbioru U, w danej chwili, może znajdować się w jednym ze stanów należących do zbioru Si. Część ze stanów eksploatacyjnych elementu może oddziaływać na stany pozostałych elementów. Oznaczając przez relację eksploatacyjną j-tego stanu i-tego elementu oddziaływującego na stany k-tego elementu, otrzymuje się: eu ik ( j ) : S j → S k (2.96) Zatem odwzorowanie EU jest zbiorem funkcji eksploatacyjnych: k (2.97) ∧ EU = eu i ( j ) i , k∈1, n k ≠i j∈SEM { } Strategia remontów profilaktycznych Rt(3k+1) jest określona przez rodzaj remontów planowych oraz momenty rozpoczęcia i zakończenia każdego remontu planowego dla elementów. Rodzaj remontów wynika z ustaleń praktyki eksploatacyjnej. Ogólnie mogą to być remonty kapitalne i bieżące. Momenty rozpoczęcia i zakończenia remontów zaś mogą być losowe albo zdeterminowane (losowa bądź deterministyczna strategia remontowa). 17