臺灣博碩士論文加值系統

可靠度是元件或系統在一特定時間內可以正常作用的機率值。當元件壽命分配未知時，系統可靠度 Rs(t)=P{T≥t} 之估計方法為非參數的估計方法。以抽樣來測試元件，可靠度會隨著的抽樣而有所誤差，為了加以掌握可靠度的變動情形，將可靠度視為一具有 Beta 分配的隨機變數，又稱為可靠度之相信程度 (believed-reliability)。本研究利用數值方法，對於兩元件在時間 t 的可靠度為兩獨立的隨機變數 X~Beta(α1,β1), Y~Beta(α2,β2) 其中 α1, β1, α2, β2 > 0 時，找出與 Z=XY 機率密度函數的 L1-norm 最小的 Beta 機率密度函數，作為 Z=XY 之近似分配，以計算系統之可靠度。本文先討論兩元件串聯的情形，找出可靠度的 Beta 近似，再將其推廣至 n 個元件串聯及並聯的情形。由串聯模式、並聯模式、串並聯模式及並串聯模式所構成之系統，皆可利用上述方法求出總系統可靠度之 Beta 近似。

Reliability is the probability that a component or a system can function at designed level during some specified period of time. When the distribution of component lifetime is unknown, nonparametric methods are used to estimate the system reliability, Rs(t)=P{T≥t}. Due to the randomization of sampling, the reliability of a component varies from lot to lot. In order to describe further the variation and uncertainty of the reliability, it can be viewed as a random variable, also called believed-reliability, which is often assumed to be distributed as a Beta distribution. The purpose of this research is to present a numerical method to evaluate system believed-reliability by component believed-reliabilities under the circumstance that components distributed as Beta function independently and through the system structure function.

Let the believed-reliabilities of two components at time t be independent random variables X~Beta(α1,β1) and Y~Beta(α2,β2), α1, β1, α2, β2 > 0. This research first discusses the case of a series composed of two components to find the Beta approximation for the believed-reliability, Z=XY by minimizing the L1-norm between the density functions, and then extends it to the case of the series and parallel composed of n components. The Beta approximation of the believed-reliability for the system composed of series, parallel, series-parallel and parallel-series configuration can be derived by the previous methods.

目錄

誌謝 I
國立臺北大學九十七學年度第二學期碩士學位論文提要 II
ABSTRACT III
目錄 IV
圖目錄 VI
表目錄 VII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的與流程 2
1.3 研究架構 3
第二章 文獻回顧 4
2.1 系統可靠度的估計 4
2.2 BETA分配的參數估計 5
2.3 數值方法 9
第三章 研究方法 11
3.1 兩獨立BETA分配隨機變數乘積的分配 11
3.2 兩獨立BETA隨機變數乘積之BETA近似 17
3.3 串聯系統的可靠度 18
3.4 並聯系統的可靠度 20
3.5 串並聯系統與並串聯系統的可靠度 21
3.6 數值方法概述 23
3.7 敏感度分析 24
第四章 研究結果 28
4.1 Z=XY 之 BETA 近似 28
4.2 誤差函數 h(α,β) 圖形的檢視 28
4.3 ALPHA SYSTEM 的可靠度 30
第五章 結論 38
參考文獻 39
附錄 41

圖目錄

圖 3-1：α1=β1=α2=2，β2 變動的 fz(z) 圖形。 13
圖 3-2：α1=β1=β2=2，α2 變動的 fz(z) 圖形。 13
圖 3-3：X~Beta(15,4), Y~Beta(10,5), Z=XY Beta 機率密度函數的圖形。 14
圖 3-4：X~Beta(1.2,2), Y~Beta(3.2,3), Z=XY Beta 機率密度函數的圖形。 14
圖 3-5：兩個元件的串聯。 19
圖 3-6：n個元件的串聯。 19
圖 3-7：兩個元件的並聯。 21
圖 3-8：n個元件的並聯。 21
圖 3-9：串並聯系統。 22
圖 3-10：並串聯系統。 23
圖 4-1：數值法所得的 Beta 近似較動差法佳。 31
圖 4-2：數值法與動差法皆得良好的 Beta 近似。 31
圖 4-3：(α1,β1,α2,β2)=(3,8,7,4)，γ=h(α,β) 的函數圖形。 32
圖 4-4：(α1,β1,α2,β2)=(3,8,7,4)，從 α─γ 平面觀察的 γ=h(α,β) 圖形。 32
圖 4-5：(α1,β1,α2,β2)=(3,8,7,4)，從 β─γ 平面觀察的 γ=h(α,β) 圖形。 33
圖 4-6：(α1,β1,α2,β2)=(3,8,7,4)，γ=h(α,β) 的等高線圖形。 33
圖 4-7：(α1,β1,α2,β2)=(3,5,8,6)，γ=h(α,β) 的函數圖形。 34
圖 4-8：(α1,β1,α2,β2)=(3,5,8,6)，從 α─γ 平面觀察的 γ=h(α,β) 圖形。 34
圖 4-9：(α1,β1,α2,β2)=(3,5,8,6)，從 β─γ 平面觀察的 γ=h(α,β) 圖形。 35
圖 4-10：(α1,β1,α2,β2)=(3,5,8,6)，γ=h(α,β) 的等高線圖形。 35
圖 4-11：Alpha System 的系統結構。 36
圖 4-12：Alpha System 的元件可靠度。 36
圖 4-13：Alpha System 的可靠度模擬及其 Beta 近似。 37

表目錄

表 3-1：當 (α1,β1,α2,β2)=(2,2,2,2)，較寬鬆的容忍條件及其結果。 26
表 3-2：當 (α1,β1,α2,β2)=(2,2,2,2)，較嚴苛的容忍條件及其結果。 26
表 3-3：當 (α1,β1,α2,β2)=(3,8,7,4)，較寬鬆的容忍條件及其結果。 26
表 3-4：當 (α1,β1,α2,β2)=(3,8,7,4)，較嚴苛的容忍條件及其結果。 26
表 3-5：當 (α1,β1,α2,β2)=(25,2,15,2)，較寬鬆的容忍條件及其結果。 27
表 3-6：當 (α1,β1,α2,β2)=(25,2,15,2)，較嚴苛的容忍條件及其結果。 27
表 4-1：灰階表數值法，白底表動差法。 29
表 4-2：Alpha System 的元件可靠度。 30

[1]W. M. McKeeman (1962), Algorithm 145, Adaptive Numerical Integration by Simpson’s Rule, Communications of the Association for Computing Machinery, Vol.5, Issue 12, p.p.604

[2]J. A. Nelder, R. Mead (1965), A Simplex Method for Function Minimization, Computer Journal, p.p.308-313

[3]J. N. Lyness (1969), Notes on the Adaptive Simpson Quadrature Routine, Journal of the Association for Computing Machinery, Vol.16, Issue 3, p.p.483-495

[4]B.S. Duran and J.M. Booker (1988), A Bayes Sensitivity Analysis when Using the Beta Distribution as a Prior, IEEE Transactions, on Reliability, Vol. 37, No.2, p.p.239-247

[5]T. G. Pham, N. Turkkan (1994), Reliability of a Standby System with Beta-Distributed Component Lives, IEEE Transactions, on Reliability, Vol. 43, No.1, p.p.1994

[6]J. Fente, K. Knutson, C. Schexnayder (1999), Defining a Beta Distribution Function for Construction Simulation, Proceedings of the 1999 Winter Simulation Conference, p.p.1010-1015

[7]J. Rene Van Dorp, Thomas A. Mazzuchi (2000), Solving for the Parameters of a Beta Distribution under Two Quantile Constraints, Journal of Statistical Computation and Simulation, Vol.67, p.p.189-201

[8]J. F. Lawless (2003), Statistical Models and Methods for Lifetime Data 2th ed, John Wiley & Sins, Inc., Hoboken, New Jersey

[9]J. H. Mathews, K. K. Fink (2004), Numerical Methods Using MATLAB 4th ed, Prentice-Hall Inc., p.p.391-395

[10]郭重明 (1990)，基於貝它分配之系統可靠度，國立中山大學應用數學研究所論文。