مدل‌سازی پویایی‌های عمر مفید باقیمانده در مهندسی قابلیت اطمینان ۲۰۲۳
Modeling Remaining Useful Life Dynamics in Reliability Engineering 2023

این کتاب، با به‌کارگیری روش‌های سنتی مهندسی قابلیت اطمینان در حوزه پیش‌بینی و مدیریت سلامت (PHM)، به بررسی عمر مفید باقیمانده (RUL) و پویایی‌های آن می‌پردازد تا مهندسان بتوانند طول عمر مفید ماشین‌آلات و سیستم‌ها را به طور موثر و دقیق پیش‌بینی کنند. یکی از ابزارهای کلیدی مورد استفاده در تعریف و اجرای سیاست‌های نگهداری و تعمیرات پیش‌بینانه، شاخص RUL است. با این حال، توجه به عدم قطعیت ذاتی RUL ضروری است، زیرا در غیر این صورت، استراتژی‌های نگهداری و تعمیرات پیش‌بینانه می‌توانند نادرست باشند. این امر می‌تواند باعث هزینه‌های بالا یا تصمیمات نامناسب شود. روش‌های مورد استفاده برای تخمین RUL متعدد و متنوع هستند و به طور کلی، در سه دسته قرار می‌گیرند: مبتنی بر مدل، داده‌محور یا ترکیبی که از هر دو استفاده می‌کند. نویسنده با تکیه بر تئوری‌های تثبیت‌شده، روش‌های سنتی مهندسی قابلیت اطمینان را از طریق ارتباطشان با الزامات PHM بررسی کرده و مفهوم نرخ از دست دادن RUL را ارائه می‌دهد. در ادامه، نویسنده یک روش عمومی نوآورانه برای تعریف یک تبدیل غیرخطی ارائه می‌دهد که میانگین عمر باقیمانده را به یک تابع خطی از زمان تبدیل می‌کند. او این روش را برای توزیع‌های زمان تا خرابی که اغلب با آن‌ها مواجه می‌شویم، مانند ویبول و گاما، و فرآیندهای تخریب به کار می‌برد. آخرین نتایج تحقیقاتی، از جمله تحقیقات خود نویسنده (که برخی از آن‌ها قبلاً منتشر نشده‌اند)، همراه با آثار بسیار کلاسیک، گردآوری و ترکیب شده‌اند. سپس تکنیک‌های تخمین آماری برای تخمین RUL از داده‌های میدانی ارائه شده و روش‌های مبتنی بر ریسک برای بهینه‌سازی تعمیر و نگهداری، از جمله استفاده از پویایی RUL برای تعمیر و نگهداری پیش‌بینانه، شرح داده می‌شوند.

این کتاب با پیشنهاداتی برای تحقیقات آینده، از جمله پیوند با یادگیری ماشین و یادگیری عمیق، به پایان می‌رسد.

تئوری با مثال‌های صنعتی به تصویر کشیده شده است. در پایان هر فصل، مجموعه‌ای از تمرین‌ها ارائه شده است.

ویژگی‌ها

* ارائه پس‌زمینه‌ی عملی و تئوری RUL

* شرح نحوه‌ی ارتباط عدم قطعیت RUL با نرخ از دست دادن RUL

* ارائه‌ی بینش‌های جدید در مورد توزیع‌های زمان تا خرابی

* ارائه‌ی ابزارهایی برای نگهداری و تعمیرات پیش‌بینانه

این کتاب برای مهندسان، محققان و دانشجویان مهندسی قابلیت اطمینان، پیش‌بینی و مدیریت سلامت و مدیریت تعمیر و نگهداری مفید خواهد بود.

This book applies traditional reliability engineering methods to prognostics and health management (PHM), looking at remaining useful life (RUL) and its dynamics, to enable engineers to effectively and accurately predict machinery and systems useful lifespan. One of the key tools used in defining and implementing predictive maintenance policies is the RUL indicator. However, it is essential to account for the uncertainty inherent to the RUL, as otherwise predictive maintenance strategies can be incorrect. This can cause high costs or, alternatively, inappropriate decisions. Methods used to estimate RUL are numerous and diverse and, broadly speaking, fall into three categories: model-based, data-driven, or hybrid, which uses both. The author starts by building on established theory and looks at traditional reliability engineering methods through their relation to PHM requirements and presents the concept of RUL loss rate. Following on from this, the author presents an innovative general method for defining a nonlinear transformation enabling the mean residual life to become a linear function of time. He applies this method to frequently encountered time-to-failure distributions, such as Weibull and gamma, and degradation processes. Latest research results, including the author’s (some of which were previously unpublished), are drawn upon and combined with very classical work. Statistical estimation techniques are then presented to estimate RUL from field data, and risk-based methods for maintenance optimization are described, including the use of RUL dynamics for predictive maintenance.

The book ends with suggestions for future research, including links with machine learning and deep learning.

The theory is illustrated by industrial examples. Each chapter is followed by a series of exercises.

FEATURES

• Provides both practical and theoretical background of RUL
• Describes how the uncertainty of RUL can be related to RUL loss rate
• Provides new insights into time-to-failure distributions
• Offers tools for predictive maintenance

This book will be of interest to engineers, researchers and students in reliability engineering, prognostics and health management, and maintenance management.