• search hit 1 of 0
Back to Result List

Preventive maintenance of Safety-related Systems – modeling, analysis, and optimization

Präventive Instandhaltung sicherheitsbezogener Systeme – Modellierung, Analyse und Optimierung

  • Safety-related Systems (SRS) protect from the unacceptable risk resulting from failures of technical systems. The average probability of dangerous failure on demand (PFD) of these SRS in low demand mode is limited by standards. Probabilistic models are applied to determine the average PFD and verify the specified limits. In this thesis an effective framework for probabilistic modeling of complex SRS is provided. This framework enables to compute the average, instantaneous, and maximum PFD. In SRS, preventive maintenance (PM) is essential to achieve an average PFD in compliance with specified limits. PM intends to reveal dangerous undetected failures and provides repair if necessary. The introduced framework pays special attention to the precise and detailed modeling of PM. Multiple so far neglected degrees of freedom of the PM are considered, such as two types of elementwise PM at arbitrarily variable times. As shown by analyses, these degrees of freedom have a significant impact on the average, instantaneous, and maximum PFD. The PM is optimized to improve the average or maximum PFD or both. A well-known heuristic nonlinear optimization method (Nelder-Mead method) is applied to minimize the average or maximum PFD or a weighted trade-off. A significant improvement of the objectives and an improved protection are achieved. These improvements are achieved via the available degrees of freedom of the PM and without additional effort. Moreover, a set of rules is presented to decide for a given SRS if significant improvements will be achieved by optimization of the PM. These rules are based on the well-known characteristics of the SRS, e.g. redundancy or no redundancy, complete or incomplete coverage of PM. The presented rules aim to support the decision whether the optimization is advantageous for a given SRS and if it should be applied or not.
  • Sicherheitsbezogene Systeme (SRS) schützen vor unverhälnismäßigen Gefährdungen, die durch Ausfälle technischer Einrichtungen verursacht werden. Die mittlere Wahrscheinlichkeit eines gefahrbringenden Ausfalls bei Anforderung (PFD) für die SRS mit niedriger Anforderungsart wird durch Normen begrenzt. Um die mittlere PFD zu ermitteln und die durch Normen vorgeschriebenen Grenzwerte zu verifizieren, werden probabilistische Modelle verwendet. In dieser Dissertation wird eine neue Methode zur probabilistischen Modellierung komplexer SRS entwickelt, mit der die Kenngrößen mittlere, instantane und maximale PFD ermittelt werden können. Für SRS ist die präventive Instandhaltung (PM) unentbehrlich, damit die mittlere PFD die vorgeschriebenen Grenzwerte nicht überschreitet. Durch PM werden die gefahrbringenden unerkannten Ausfälle aufgedeckt und falls erforderlich repariert. Bei der entwickelten Methode wird ein besonderes Augenmerk auf die präzise und detaillierte Modellierung der PM gelegt. Es werden mehrere bisher vernachlässigte Freiheitsgrade der PM berücksichtigt, wie z.B. für jedes Element zwei Typen der PM, jeweils zu beliebigen variablen Zeiten. Wie in Analysen gezeigt wird, haben diese Freiheitsgrade einen signifikanten Einfluss auf die Kenngrößen. Um eine Verbesserung der mittleren oder maximalen PFD oder von beiden zu erzielen, wird die PM optimiert. Mittels eines Verfahrens der heuristischen nichtlinearen Optimierung (Nelder-Mead-Verfahren) werden die mittlere oder maximale PFD oder eine gewichtete zusammengesetzte Zielfunktion minimiert. Es werden signifikante Verbesserungen der Optimierungsziele und ein besserer Schutz vor Gefährdungen erreicht. Diese Verbesserungen werden mittels verfügbarer Freiheitsgrade der PM erzielt und erfordern keinen Mehraufwand. Zusätzlich werden Regeln bereitgestellt, um abzuschätzen ob für ein SRS signifikante Verbesserungen durch die Optimierung erzielt werden können. Diese Regeln basieren auf den bekannten Merkmalen des SRS, wie z.B. Redundanz oder keine Redundanz, vollständige oder unvollständige Abdeckung der PM. Damit lässt es sich abschätzen, ob der Einsatz der beschriebenen Optimierungsmethoden für ein SRS vorteilhaft sein kann.

Download full text files

Export metadata

Metadaten
Author:Konstantin Machleidt
URN:urn:nbn:de:hbz:386-kluedo-43342
ISBN:978-3-8440-4151-4
Publisher:Shaker Verlag
Place of publication:Aachen
Advisor:Lothar Litz, Ping Zhang, Frank Schiller
Document Type:Doctoral Thesis
Language of publication:English
Date of Publication (online):2016/03/16
Date of first Publication:2016/01/11
Publishing Institution:Technische Universität Kaiserslautern
Granting Institution:Technische Universität Kaiserslautern
Acceptance Date of the Thesis:2015/10/30
Date of the Publication (Server):2016/03/22
Tag:functional safety; preventive maintenance; probabilistic modeling; probability of dangerous failure on demand; safety-related systems
GND Keyword:Funktionale Sicherheit; functional safety; safety-related systems; probabilistic modeling; preventive maintenance; probability of dangerous failure on demand; IEC 61508
Page Number:XI, 145
Source:http://www.shaker.de/shop/978-3-8440-4151-4
Faculties / Organisational entities:Kaiserslautern - Fachbereich Elektrotechnik und Informationstechnik
DDC-Cassification:6 Technik, Medizin, angewandte Wissenschaften / 620 Ingenieurwissenschaften und Maschinenbau
Licence (German):Zweitveröffentlichung