ارزیابی محاسبه قابلیت اطمینان و در دسترس بودن سیستم تولید تحت شرایط فازی به روش بیزین

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.

2 گروه ریاضی، دانشکده علوم، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

3 گروه مهندسی صنایع، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.

چکیده

ارزیابی قابلیت اطمینان و دردسترس ‌بودن سیستم تولیدی، احتمال وقوع توقف‌های ناگهانی و هزینه‌بر که بسیار پرخطر است را کاهش می‌دهد. به همین منظور در این مقاله سعی شده است، یک روش  جدید برای تعیین قابلیت اطمینان و دردسترس ‌بودن یک سیستم تولید ارائه شود که برای انواع مؤلفه‌های شکست مانند مواد، تدارکات، پرسنل و ماشین‌آلات کاربرد داشته. لذا با استفاده از روش بیزین فازی به پردازش وقایع غیرقطعی که دقیقا در واقعیت در یک سیستم تولیدی به وجود می‌آید پرداخته ‌شده‌ است و مدل پیشنهادی برای ارزیابی وضعیت کارخانه شیر پگاه فارس استفاده شده است به اینصورت که نرخ خرابی و تعمیر  و قابلیت اطمینان اجزاء و سیستم  با روش بیزین محاسبه گردید و چون فضای اطلاعات موجود دارای عدم قطعیت می‌باشد پارامترهای قابلیت اطمینان فازی شدند. سپس در دسترسبودن اجزاء و سپس کل سیستم با استفاده از فرمول ارائه‌شده مارتز و والر و روش بیزی محاسبه شد و پارامترهای دردسترس بودن نیز فازی شدند و در مرحله نهایی به تجزیه‌وتحلیل اطلاعات بهدست آمده درخصوص قابلیت اطمینان و در دسترسبودن سیستم و اجزاء پرداخته شده است که نتایج نشان میدهند رویکرد بهبودیافته برآورد دقیق‌تری از قابلیت اطمینان و دردسترس ‌بودن را فراهم می‌کند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluating the system reliability and availability under fuzzy Bayesian approach

نویسندگان [English]

  • Morteza Shafiee 1
  • Hilda Saleh 2
  • Atefeh Kaveh 3
1 Department of Industrial Management, Economic and Management Faculty, Shiraz Branch, Islamic Aazd University, Shiraz, Iran.
2 Department of Mathematics, Faculty of Science, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
3 Department of Industrial Engineering, Shiraz Branch, Islamic Azad University, Shiraz, Iran.
چکیده [English]

Assessing the reliability and availability of the production system reduces the likelihood of sudden and costly stops, which is very risky. To this end, this paper attempts to provide a new way to determine the reliability and availability of a production system, which can be used for a variety of failure components such as materials, supplies, personnel and machinery. Therefore, using Fuzzy Bayesian Approach, unrealistic events that are actually created in a production system have been processed and the proposed model has been used to assess the condition of Pegah Fars milk factory, so that the rate of failure and repair and reliability of components and system with Bayesian method was calculated. And because the available information space is uncertain, the reliability parameters became fuzzy. Then the availability of the components and then the whole system was calculated using the formula provided by Martz and Waller and the Bayesian method, and the parameters of availability were converted into fuzzy. Finally, the information obtained about the reliability and availability of the system and components were analyzed, that the results show the improved approach, provides a more accurate estimate of reliability and availability.

کلیدواژه‌ها [English]

  • Reliability assessment
  • Production System Availability
  • Fuzzy theory
  • Bayesian method
Altilio, R., Rosato, A., & Panella, M. (2018, July). A sparse Bayesian model for random weight fuzzy neural networks. In 2018 IEEE international conference on fuzzy systems (FUZZ-IEEE) (pp. 1-7). IEEE.
Arianjad, M. B. Q., Javanshir, H., & Hatami Firoozabadi, A. (1390). Reliability engineering
[مهندسی قابلیت اطمینان]. Tehran: Nas Publications.
Behboodian, J. (1390). Take a look at the statistical decision [نگاهی به تصمیم آماری]. Shiraz: Shiraz University Press.
Casella, G., Bergerr, l. (2002). Statically inference. Second edition of springer.
Edini, M., & Arefi, M. (2015). Fuzzy bizes estimation based on fuzzy data
 [برآورد بیز فازی بر اساس داده های فازی]. 4th joint Iranian fuzzy and intelligent systems congress (15th fuzzy systems conference and 13th intelligent systems conference). Zahedan, Sistan and Baluchestan University Fuzzy Systems Research Center, Iranian Fuzzy Systems and Intelligent Systems Associations.
EEE, K., & Dhir, R. (2012). Bayesian and fuzzy approach to assess and predict the maintainability of software: a comparative study. ISRN software engineering. https://doi.org/10.5402/2012/202980
Ershadi, M. M., & Seifi, A. (2016). Design of bayesian belief network with fuzzy probabilities for differential diagnosis of skin disease
 .[طراحی شبکه‌ی باور بیزین با احتمالات فازی برای تشخیص افتراقی بیماری  پوستی] 13 th international conference on industrial engineering. Babolsar, Mazandaran University of Science and Technology.
Esamian, G. (2016). Bayesian fuzzy hypothesis testing with imprecise prior distribution. Journal of the Iranian statistical society15(2), 105-119.
Görkemli, L., & Ulusoy, K.S. (2010). Fuzzy Bayesian reliability and availability analysis of production systems.    Computers & industrial engineering, 59, 690-696.
Haghjoo, A., Haghparast, A., Torabi, M., & Pirasteh, J. (2019). Assessing and evaluating the reliability of petrochemical maintenance team members based on fuzzy FMEA method
[بررسی و ارزیابی قابلیت اطمینان اعضای تیم نگهداری و تعمیرات پتروشیمی براساس روشFMEA فازی]. First national conference of science and technology of the third millennium of Iran economy, management and accounting. Sam Iranian Institute of Science and Technology Development Conferences, Tehran.
Hosseini, F., & Khodakarami, W. (2018). Reliability estimation of propane refrigeration system by Bayesian and fault tree methods (case study: Faravarsh Co., Bandaramam Petrochemical company)
[تخمین قابلیت اطمینان سیستم تبرید پروپان به روش شبکه‌های بیزین و درخت خطا (مطالعه موردی: شرکت فرآورش، پتروشیمی بندرامام)]  . 4th international conference on reliability engineering. Sahand University of Technology, Tabriz.
Karaulova, T., Kostina, M., & Shevtshenko, E. (2012). Reliability assessment of manufacturing processes, International journal of industrial engineering and management, 3, 143-151.
Karbasian, M., & Tabatabai, L. (2014). Familiarity with reliability [آشنایی با قابلیت اطمینان]. Isfahan: Arkan Danesh Publications.
Lamrani Alaoui, Y., & Tkiouat, M. (2019). Modeling customer satisfaction in microfinance sector: A fuzzy Bayesian networks approach. International journal of engineering business management11. https://doi.org/10.1177/1847979019869533
    Martz, H. F., & Waller, R. (1982). Bayesian reliability analysis. John wiley & sons, inc., 605 third ave., New York, NY 10158, 1982, 704.
Minhaj, M. B. (1394). Fuzzy calculations [محاسبات فازی]. Tehran: Daneshnegar Publications.
Sakhaei, b., Ismaili, M., & Ardashiri, M. (2018). Assigning the reliability of the coastal missile launch system using fuzzy hierarchical analysis process
[تخصیص قابلیت اطمینان سامانه پرتاب موشکی ساحلی با استفاده از فرآیند تحلیل سلسله مراتبی فازی]. 4th international conference on reliability engineering. Sahand University of Technology, Tabriz.
Salinas, J. L., Kiss, A., Viglione, A., Viertl, R., & Blöschl, G. (2016). A fuzzy Bayesian approach to flood frequency estimation with imprecise historical information. Water resources research52(9), 6730-6750.
Singpurwalla, N. D., & Booker, J. B. (2004). Membership functions and probability measures sets. Journal of the American statistical association, 99(467), 867–877.
Taheri, S. M., & Zarei, R. (2011). Bayesian system reliability assessment under the vague environment. Applied soft computing, 11, 1614–1622.
Unetomo, M., Murao, N., & Akama, K. (2008). Introducing assignment functions to Bayesian optimization algorithms. Information sciences178(1), 152-163.
Verma, A. K., Ajit, S., & Karanki, D. R. (2010). Reliability and safety engineering (Vol. 43, pp. 373-392). London: Springer.
     Wang, L. X. (1999). A course in fuzzy systems. Prentice-Hall International, Inc.
 Wu, H. C. (2004). Fuzzy reliability estimation using Bayesian approach. Computers & industrial engineering, 46. 467–493.
Wu, H. C. (2006). Fuzzy bayesian system reliability assessment based on exponential distribution. Applied mathematical modelling, 30, 509–530.
Yadgari, M., & Seyedin, S. A. (2018). Target threat assessment using rule-based joint fuzzy and probabilistic networks [ارزیابی تهدید اهداف با استفاده ازشبکه‌های فازی و احتمالاتی توأم مبتنی بر قواعد]. Scientific journal of electronic and cyber defense, 6(4), 61-78.
Zade, L. A. (1983). The role of fuzzy logic in the management of uncertaintly in expert system. Fuzzy sets and system, 11(1-3), 199-227.