Luento 5 Vikapuuanalyysit

Samankaltaiset tiedostot
Luento 4 Vikapuuanalyysit

Luento 4 Vikapuuanalyysit

Luento 4 Vikapuuanalyysit

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

Turvallisuus prosessien suunnittelussa ja käyttöönotossa

Turvallisuus prosessien suunnittelussa ja käyttöönotossa. Moduuli 2 Turvallisuus prosessilaitoksen suunnittelussa

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 10 Riskitekijöiden priorisointi

Luento 7 Luotettavuus Koherentit järjestelmät

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

Luento 6 Luotettavuus Koherentit järjestelmät

Mat Sovellettu todennäköisyyslasku A

30A02000 Tilastotieteen perusteet

Joukot. Georg Cantor ( )

Teollisuusautomaation standardit. Osio 5:

Ohjelmistojen virheistä

Yhteisviat ja intervallitodennäköisyydet vikapuuanalyysissä

Projektin riskit, mahdollisuudet ja niiden hallinta

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

Lause 5. (s. 50). Olkoot A ja B joukkoja. Tällöin seuraavat ehdot ovat

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

Matematiikan tukikurssi, kurssikerta 3

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Insinöörimatematiikka A

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Luento 8 Vikaantumisprosessit ja käytettävyys

MS-A0004/A0006 Matriisilaskenta

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

MS-A0402 Diskreetin matematiikan perusteet

Turvallisuus prosessien suunnittelussa ja käyttöönotossa. 1. Luennon aiheesta yleistä 2. Putkisto- ja instrumentointikaavio 3. Poikkeamatarkastelu

Oletetun onnettomuuden laajennus, ryhmä A

jäsentäminen TIEA241 Automaatit ja kieliopit, syksy 2015 Antti-Juhani Kaijanaho 26. marraskuuta 2015 TIETOTEKNIIKAN LAITOS

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1

Dynaaminen SLA-riski. Goodnet-projektin loppuseminaari pe Pirkko Kuusela, Ilkka Norros VTT

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Reaalilukuvälit, leikkaus ja unioni (1/2)

1 Määrittelyjä ja aputuloksia

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Eri tietolähteiden käyttö kunnossapidon tukena

Algebra. 1. Ovatko alla olevat väittämät tosia? Perustele tai anna vastaesimerkki. 2. Laske. a) Luku 2 on luonnollinen luku.

Luku 8. Aluekyselyt. 8.1 Summataulukko

Ajattelemme tietokonetta yleensä läppärinä tai pöytäkoneena

Datatähti 2019 loppu

Sovellettu todennäköisyyslaskenta B

Äärellisten mallien teoria

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.

v 8 v 9 v 5 C v 3 v 4

missä on myös käytetty monisteen kaavaa 12. Pistä perustelut kohdilleen!

Digitaalilaitteen signaalit

Lectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit

jäsennyksestä TIEA241 Automaatit ja kieliopit, syksy 2016 Antti-Juhani Kaijanaho 29. syyskuuta 2016 TIETOTEKNIIKAN LAITOS Kontekstittomien kielioppien

Turvallisuus prosessien suunnittelussa ja käyttöönotossa. Moduuli 2 Turvallisuus prosessilaitoksen suunnittelussa

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

TIE448 Kääntäjätekniikka, syksy Antti-Juhani Kaijanaho. 7. joulukuuta 2009

Luento 2 FinPSA-ohjelma

TEHTÄVIEN RATKAISUT. Luku Kaikki luvut on kokonaislukuja. Luonnollisia lukuja ovat 35, 7 ja 0.

a) Sievennä lauseke 1+x , kun x 0jax 1. b) Aseta luvut 2, 5 suuruusjärjestykseen ja perustele vastauksesi. 3 3 ja

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhteistyötä sisältämätön peliteoria jatkuu

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

YHTÄLÖ kahden lausekkeen merkitty yhtäsuuruus

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Digitaalitekniikan matematiikka Luku 3 Sivu 1 (19) Kytkentäfunktiot ja perusporttipiirit

SIGNAALITEORIAN KERTAUSTA 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

3. laskuharjoituskierros, vko 6, ratkaisut

DYNAAMISIIN TAPAHTUMAPUIHIN

Induktiotodistus: Tapaus n = 0 selvä; ol. väite pätee kun n < m.

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Luku 4. Derivoituvien funktioiden ominaisuuksia.

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

MS-C1340 Lineaarialgebra ja

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi

Esimerkkejä vaativuusluokista

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin Yliopisto Harjoitus 1, ratkaisuehdotukset

Salausmenetelmät. Veikko Keränen, Jouko Teeriaho (RAMK, 2006)

Johdatus matematiikkaan

Ratkaisut Summa on nolla, sillä luvut muodostavat vastalukuparit: ( 10) + 10 = 0, ( 9) + 9 = 0,...

Matemaattisen analyysin tukikurssi

Inversio-ongelmien laskennallinen peruskurssi Luento 7

3.6 Su-estimaattorien asymptotiikka

Transkriptio:

Luento 5 Vikapuuanalyysit Jan-Erik Holmberg Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto jan-erik.holmberg@riskpilot.fi 1

Influenssarokotus (1/3) Rokotuskampanja Influenssaepidemian vakavuus vaihtelee vuosittain Sairastumistodennäköisyys riippuu siitä, miten vakavasta epidemiasta on kyse Erityisesti nuoret lapset, iäkkäät henkilöt ja kroonisesti sairastavat saattavat kärsiä influenssasta Kannattaako koko väestöä tai sen osia rokottaa, jos rokotus alentaa sairastumisnäköisyyden 8 prosenttiin verrattuna tilanteeseen, jossa rokotusta ei annettu? 2

3

Influenssarokotus (2/3) Rokotuksella voi olla haittavaikutuksia 4

5

Vikapuuanalyysin vaiheet Ongelman ja reunaehtojen määrittely Vikapuun rakentaminen Minimikatkosjoukkojen ratkaiseminen Kvalitatiivinen analyysi Kvantitatiivinen analyysi 6

Ongelman ja reunaehtojen määrittely Lähtökohtana huipputapahtuman ja reunaehtojen tunnistaminen Huipputapahtumalle annettava yksikäsitteinen ja selkeä määrittely Tulee vastata täsmällisesti seuraaviin kysymyksiin:» Mitä: tarkasteltavan tapahtuman tyyppi ja luonne (esim. tulipalo, jäähdytysveden syötön menetys, jne.)» Missä: tapahtuman tarkka esiintymispaikka (esim. veden syöttö lauhdutinaltaaseen)» Milloin: tapahtuman esiintymistilanne (esim. vuosihuoltoseisokin aikana) Esim. Tulipalo polttoainesäiliössä vuosihuoltoseisokin aikana 7

Ongelman ja reunaehtojen määrittely Reunaehtoja voivat olla Järjestelmän fyysiset rajat» Mitkä järjestelmän osat otetaan mukaan analyysiin? Alkutilanteet» Mikä on järjestelmän tila, kun huipputapahtuma esiintyessä? (esim. täydellinen toiminta, rajoitettu toiminta, huoltoseisokki jne.)» Missä tilassa komponentit ovat? (esim.venttiilien asento, prosessilaitteiden tila jne.) Ulkoisten tekijöiden vaikutus» Mitkä ulkoiset tekijät otetaan mukaan? (esim. poikkeukselliset sääolot, sabotaasi, jne.) Yksityiskohtaisuuden taso» Miten tarkasti eri vikaantumistavat tai järjestelmän osat mallinnetaan? (esim. mitkä järjestelmät mallinnetaan komponenttitasolla, otetaanko inhimilliset virheet mukaan, jne.) Huomioita Pyrittävä riittävän tarkkaan erittelyyn Haettava tarkoituksenmukainen yksityiskohtaisuuden taso Jäsentymätön ongelmankuvaus ja/tai epämääräiset rajaukset vievät pohjaa jatkoanalyyseiltä ja vaikeuttavat näiden tulkintaa 8

9

Vikapuun rakentaminen Aloitetaan huipputapahtuman analyysista: Selvitetään huipputapahtuman välittömät, välttämättömät ja riittävät syyt Syyt liitetään huipputapahtumaan vikapuun portilla Edetään hierarkkisesti perustapahtumiin (esim. komponenttivikoihin)» Kukin vikatapahtuma kuvataan ja esitetään porttina» Kaikki porttien sisäänmenot määritellään täydellisesti» Rakennetaan vikapuu tasoittain siten, että kukin taso kuvataan ennen etenemistä seuraavalle tasolle Tehdään deduktiivinen analyysi» Kunkin ylemmän tason kohdalla kysytään, mitkä voivat olla sen välittömät syyt Vikatapahtumien luokittelu Primäärivika (primary failure)» Vika, jonka aiheuttaa kohteen normaali ikääntyminen tai muu sisäinen vikamekanismi Sekundäärivika (secondary failure)» Vika, jonka aiheuttaa ulkopuolinen, poikkeuksellinen rasitus, toisen komponentin vikaantuminen tai toimintahäiriö, tai inhimillinen virhe Ohjausvika (command fault)» Vika, joka aiheutuu virheellisestä tai puuttuvasta ohjaussignaalista tai muusta puuttuvasta tai virheellisestä tukitoiminnosta 10

Minimikatkosjoukkojen ratkaiseminen Vikaantumislogiikan tarkastelu Huipputapahtuma, logiikkaportit ja perustapahtumat ovat vikaantumistapahtumia, jotka esitetään Boolen algebran muuttujien avulla Vikatapahtuma esiintyy <=> sitä vastaava Boolen muuttuja saa arvon tosi, esim. 1, komponentti vialla X = ቊ 0, komponentti ehjä Kutakin porttia vastaa Boolen lauseke:» OR = Boolen summa (+), AND = Boolen tulo ( ), jne. 1, portin tapahtuma toteutuu G = ቊ 0, portin tapahtuma ei toteudu» Huom! piste vastaa siis leikkausta ja summa unionia Huipputapahtumasta lähtien sovelletaan porttien määritelmiä (ks. seuraavat 2 kalvoa) Saadaan perustapahtumien tulojen summa, jossa kukin summatermi on minimikatkosjoukko Minimikatkosjoukko = Perustapahtumien joukko, joka aiheuttaa huipputapahtuman, mutta josta ei voida poistaa mitään perustapahtumaa siten, että huipputapahtuma edelleen toteutuu (so. mikään poistamisen jälkeen jäljelle jäävä perustapahtumien joukko ei johda huipputapahtumaan) 11

12

Minimikatkosjoukkojen tunnistaminen Boolean algebran säännöt X Y = Y X X + Y = Y + X X (Y Z) = (X Y) Z X + Y + Z = X + Y + Z X Y + Z = X Y + X Z X X = X, X X + Y = X, X + X = X X + X Y = X X തX =, X + തX = Ω koko avaruus X Y = തX + തY, X + Y = തX തY (de Morgan) ധX = X 13

Esimerkki minimikatkosjoukoista (1/3) Vikaa kuvaava huipputapahtuma T toteutuu, kun T = A B (C + D) = A B C = A B D Vennin kaavio Oheistus ohessa Kaavio ei kuitenkaan sikäli hyvä, että esim. A ja D voivat molemmat toteutua vain jos joko B tai C toteutuu (tosin vikapuun perusteella A:n ja B:n voidaan vaatia toteutuvan) 14

Esimerkki minimikatkosjoukoista (2/3) Havaintoja Minimikatkosjoukot A B C ja A B D voivat esiintyä yhtä aikaa, koska A B C D on molemmissa Vikalogiikan purkaminen perustapahtumiksi Boolen algebran ei siis välttämättä anna toisensa poissulkevia (engl. mutually exclusive) katkosjoukkoja Esimerkiksi edellisen kalvon esimerkissä tällaisia katkosjoukkoja on kolme 15

Esimerkki minimikatkosjoukoista (3/3) Minimikatkosjoukkojen A B C ja A B D todennäköisyyksien summa P A P B P C + P A P B P D = 0.1 0.1 0.1 + 0.1 0.1 0.2 = 0.003 Toisensa poissulkevien katkosjoukkojen todennäköisyyksien summa P A P B P C P D + P A P B P C P ഥD + P A P B P Cҧ P D = 0.1 0.1 0.1 0.2 + 0.1 0.1 0.1 0.8 + 0.1 0.1 0.9 0.2 = 0.0028 16

Kvalitatiivinen tulkinta Minimikatkosjoukkojen (MKJ) tulkinta Minimikatkosjoukot antavat kuvan järjestelmän vikaantumisesta Minimikatkosjoukkolistan perusteella voidaan tunnistaa tärkeimmät parannustoimenpiteet Käyttötapoja Mitkä perustapahtumat esiintyvät minimikatkosjoukoissa useimmin?» Näihin kannattaa kiinnittää huomiota, jos perustapahtumien todennäköisyyksistä ei tarkkaa tietoa Onko perustapahtumista joku sellainen, että se ei kuulu mihinkään minimikatkosjoukkoon?» Tällainen perustapahtuma ei voi aiheuttaa huipputapahtumaa 17

Kvantitatiivinen analyysi Lasketaan järjestelmän vikaantumistodennäköisyys Vikaantuminen = huipputapahtuman toteutuminen Laskenta perustuu minimikatkosjoukkoesitykseen» Huipputapahtuma toteutuu jos ja vain jos joku minimikatkosjoukoista toteutuu» Huipputapahtuman todennäköisyys on siis minimikatkosjoukkojen unionin todennäköisyys P T = P MKJ 1 + MKJ 2 = P MKJ 1 + P MKJ 2 P MKJ 1 MKJ 2 MKJ 1 MKJ 2 MKJ 3 = i P T = P MKJ 1 + + MKJ n P(MKJ i ) i 1 <i 2 P MKJ i1 MKJ i2 + i 1 <i 2 <i 3 P MKJ i1 MKJ i2 MKJ i3 ( 1) n+1 P MKJ i1 MKJ in i 1 <i 2 < <i n 18

Kvantitatiivinen analyysi Summalausekkeiden avulla voidaan muodostaa approksimaatiot P T P(MKJ i ) = S 1 i P T S 1 i 1 <i 2 P MKJ i1 MKJ i2 = S 1 S 2 P T S 1 S 2 + P MKJ i1 MKJ i2 MKJ i3 i 1 <i 2 <i 3 = S 1 S 2 + S 3 19

Kvantitatiivinen analyysi (jatkuu) P T S 1 S 1 S 2 P T S 1 S 1 S 2 P T S 1 S 2 + S 3 S 1 S 2 + S 3 S 4 P T S 1 S 2 + S 3 Pätee Näistä S 1 on usein riittävä Perustapahtumien tn:t otettava huomioon» Jos nämä pieniä (esim. < 0.1), niin yhden lisätason mukaantuominen tarkoittaa vähintään yhtä kertaluokkaa pienempien kokonaistn:ien laskemista 20

Katkosjoukkojen määrityksestä Huomioita Minimikatkosjoukkojen tn:ien summa antaa ylärajan huipputapahtuman todennäköisyydelle» Saatu arvo tarkka, jos minimikatkosjoukkojen leikkaus on tyhjä (näin käy vain harvoin) Huipputapahtuman tarkan tn:n laskennassa ollaan kiinnostuneita minikatkosjoukkojen unionin esittämisestä toistensa poissulkevina katkosjoukkoina» Nämä katkosjoukot eivät ole välttämättä minimaalisia Nämä voidaan tuottaa binäärisillä päätöskaavioilla (engl. binary decision diagram, BDD) Kunkin perustuman alla vasemmassa haarassa 0, oikeassa 1, yhdistelyt logiikkasäännöillä 21

ҧ Aalto-yliopiston perustieteiden korkeakoulu Binääriset päätöskaaviot BDD:n rakentaminen Rakennetaan tasoittain vikapuun alaosasta ylöspäin Jokainen polku huipputapahtumasta ykköshaaraan vastaa katkosjoukkoa Ko. katkosjoukot ovat toisensa poissulkevia, koska polut ovat yksiselitteisiä (so kukin haara vastaa joko nollaa 0:aa tai 1:tä) 2. vaihe 3. vaihe saadaan katkosjoukkoesitys AD + A തB CD ҧ + A തBC + AB 22

Pumppujärjestelmän riskianalyysi (1/3) Järjestelmän toiminta Pumppu siirtää nestettä lähtöaltaasta kohde-altaaseen, jos kohdealtaan nestemäärä laskee alle vaatimustason Pumppu ei toimi, jos sähköä ei ole Pumppu voi vikaantua komponenttivikojen takia, joista osa vaikuttaa sähkönsaantiin Vikapuut Esiintymistaajuudet (/kk) alkutapahtuman ja komponenttien vikaantumiselle Kohdeallas vajaa I 10 krt/kk A, B, F 0,01 C 0,02 D 0,05 23

ҧ ҧ ҧ Aalto-yliopiston perustieteiden korkeakoulu Pumppujärjestelmän riskianalyysi (2/3) Pumppujärjestelmän toimintaa kuvaava tapahtumapuu Järjestelmä ei toimi skenaarioissa I ac തP ja I ac Vikapuista saadaan ac = G 1 + G 2 = A + B + C D A + B + C D ac = A + B + C D = Aҧ തB C + ഥD = Aҧ തB C + A തB ഥD P = D F, തP = ഥD + തF 24

ҧ ҧ ҧ ҧ ҧ Aalto-yliopiston perustieteiden korkeakoulu Pumppujärjestelmän riskianalyysi (2/3) Vikaantumisen todennäköisyys I ac തP = I ( Aҧ തB C + A തB ഥD) (D F) = I Aҧ തB C D F + I A തB ഥD D F = I Aҧ തB C D F (ഥD D = ) I ac = I A + I B + I C D P T = P I ac + I ac തP = P I P A + B + C D + P ҧ A തB ҧ C D F = P I ሼP A + P B + P C D P A B P A C D 25

Logiikkakaavioiden käyttö Osajärjestelmien riippuvuuksia voidaan havainnollistaa logiikkakaavioina Engl. master logic diagram, MLD Huipputapahtuma vastaa tällöin tyypillisesti järjestelmän toimimista, ei vikaantumista Kiinnostuksen kohteena se, mihin tilaan järjestelmä joutuu riippumattomien osajärjestelmien pettäessä 26

Jäähdytysjärjestelmä (1/3) Tarkasteltavana vetyreaktorijärjestelmää Kriisitilanteessa vetyvirtaukset voidaan pysäyttää kriisitilanteessa ajasajojärjestelmällä (shutdown device, SDD) Jos reaktorin lämpötila on liian korkea, jäähdytys vaatii, että hätäjäähdytysjärjestelmän toimii (emergency cooling system, ECS) Molemmat järjestelmät toimivat säätöjärjestelmän varassa (actuator control system, ACS) Operaattori (operating agent, OA) pystyy kuitenkin yksinään pysäyttämään vetyvirran Vikaantumistaajuudet 27

Jäähdytysjärjestelmä (2/3) Riippuvuussuhteet Logiikkakaavio 28

Jäähdytysjärjestelmä (3/3) Osajärjestelmien vaikutukset Tärkeimmät riskitekijät 29

30