Luento 4 Vikapuuanalyysit

Samankaltaiset tiedostot
Luento 4 Vikapuuanalyysit

Luento 5 Vikapuuanalyysit

Luento 4 Vikapuuanalyysit

Turvallisuus prosessien suunnittelussa ja käyttöönotossa

Turvallisuus prosessien suunnittelussa ja käyttöönotossa. Moduuli 2 Turvallisuus prosessilaitoksen suunnittelussa

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 10 Riskitekijöiden priorisointi

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

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

30A02000 Tilastotieteen perusteet

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 7 Luotettavuus Koherentit järjestelmät

Teollisuusautomaation standardit. Osio 5:

Ohjelmistojen virheistä

Yhteisviat ja intervallitodennäköisyydet vikapuuanalyysissä

Joukot. Georg Cantor ( )

Mat Sovellettu todennäköisyyslasku A

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

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

Projektin riskit, mahdollisuudet ja niiden hallinta

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

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi

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

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

Sovellettu todennäköisyyslaskenta B

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

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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.

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

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

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

Eri tietolähteiden käyttö kunnossapidon tukena

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

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

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

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

6. laskuharjoitusten vastaukset (viikot 10 11)

Matematiikan tukikurssi, kurssikerta 3

1 Määrittelyjä ja aputuloksia

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

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

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

b) Määritä myös seuraavat joukot ja anna kussakin tapauksessa lyhyt sanallinen perustelu.

3. laskuharjoituskierros, vko 6, ratkaisut

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

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

MS-A0402 Diskreetin matematiikan perusteet

Datatähti 2019 loppu

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi

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

Inversio-ongelmien laskennallinen peruskurssi Luento 7

Johdatus matematiikkaan

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

Yhteistyötä sisältämätön peliteoria jatkuu

Oletetun onnettomuuden laajennus, ryhmä A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Vikasietoisuus ja luotettavuus

Vikasietoisuus ja luotettavuus

8 KANNAT JA ORTOGONAALISUUS. 8.1 Lineaarinen riippumattomuus. Vaasan yliopiston julkaisuja 151

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten

Äärellisten mallien teoria

2. Minkä joukon määrittelee kaava P 0 (x 0 ) P 1 (x 0 ) mallissa M = ({0, 1, 2, 3}, P M 0, P M 1 ), kun P M 0 = {0, 1} ja P M 1 = {1, 2}?

Luento 8 Vikaantumisprosessit ja käytettävyys

Muodonmuutostila hum

Ajasta riippuva todennäköisyysperusteinen riskianalyysi ja ennakkohuoltojen optimointi

MS-A0004/A0006 Matriisilaskenta

Äärellisten mallien teoria

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Mat Systeemien Identifiointi. 4. harjoitus

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

DYNAAMISIIN TAPAHTUMAPUIHIN

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

Digitaalilaitteen signaalit

Ajattelemme tietokonetta yleensä läppärinä tai pöytäkoneena

Luento 2 Riskien arvioinnista

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

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

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Turvallisuus prosessien suunnittelussa ja käyttöönotossa. Moduuli 2 Turvallisuus prosessilaitoksen suunnittelussa

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. 8 ( 1)

3.1 Väliarvolause. Funktion kasvaminen ja väheneminen

Johdatus todennäköisyyslaskentaan Verkot ja todennäköisyyslaskenta. TKK (c) Ilkka Mellin (2004) 1

Sähkövirran määrittelylausekkeesta

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

Digitaalitekniikan matematiikka Luku 5 Sivu 1 (22) Lausekkeiden sieventäminen F C F = B + A C. Espresso F = A (A + B) = A A + A B = A B

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

T Kevät 2003 Logiikka tietotekniikassa: erityiskysymyksiä I Laskuharjoitus 11 Ratkaisut

Luento 8 Riskitekijöiden priorisointi

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

SIGNAALITEORIAN KERTAUSTA 1

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

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

(x, y) 2. heiton tulos y

Todennäköisyyden ominaisuuksia

Transkriptio:

Luento 4 Vikapuuanalyysit Ahti Salo Teknillinen korkeakoulu PL 1100, 02015 TKK 1

Vikapuuanalyysin vaiheet Ongelman ja reunaehtojen määrittely Vikapuun rakentaminen Minimikatkosjoukkojen tunnistaminen Kvalitatiivinen analyysi Kvantitatiivinen analyysi 2

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 3

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 tila, 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 Jäsentymättön ongelmankuvaus ja/tai rajaukset vievät pohjaa tekevät jatkoanalyyseiltä 4

5

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 ovat 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 6

Minimikatkosjoukkojen tunnistaminen Vikaantumislogiikan tarkastelu Huipputapahtuma, logiikkaportit ja perustapahtumat ovat vikaantumistapahtumia, jotka esitetään Boolen algebran muuttujien avulla Vikatapahtuma esiintyy <=> sitä vastaava Boolen muuttuja saa arvon tosi, esim. X 1, = 0, komponentti vialla komponentti ehjä Kutakin porttia vastaa Boolen lauseke:» OR = Boolen summa (+), AND = Boolen tulo ( ), jne. 1, G = 0, portin tapahtuma toteutuu 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 on perustapahtumien joukko, joka aiheuttaa huipputapahtuman, mutta josta ei voida poistaa yhtään perustapahtumaa ilman, että huipputapahtuma ei toteutuisi 7

8

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 = X X ( X + Y) = X, X + ( X Y) = X X X = φ, X + X =Ω ( so.koko avaruus) X Y = X + Y, X + Y = X Y X = X 9

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) 10

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 11

Esimerkki minimikatkosjoukoista (3/3) Minimikatkosjoukkojen A B C ja A B D todennäköisyyksien summa PAPBPC ( ) ( ) ( ) + PAPBPD ( ) ( ) ( ) = 0.1 0.1 0.1+ 0.1 0.1 0.3 = 0.004 Toisensa poissulkevien katkosjoukkojen todennäköisyyksien summa PAPBPCPD ( ) ( ) ( ) ( ) + PAPBPCPD ( ) ( ) ( ) ( ) + PAPBPCPD ( ) ( ) ( ) ( ) = 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 12

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 13

Kvantitatiivinen analyysi Lasketaan järjestelmän vikaantumistodennäköisyys Vikaantuminen = huipputapahtuman toteutuminen Laskenta perustuu minimikatkosjoukkoesitykseen» Huipputapahtuma toteutuu jos ja vain jos joku minimikatkosjoukoista toteutuu» Huipputapahtuman todennäköisyys saadaan siis minimikatkosjoukkojen unionina PT ( ) = PMKJ ( + MKJ ) 1 2 1 2 3 1 2 = PMKJ ( ) + PMKJ ( ) 1 2 1 2 1 2 P( T ) = P( MKJ MKJ MKJ ) = P( MKJ ) 1 2 2 PMKJ ( MKJ ) + i < i i < i < i PMKJ ( MKJ) i 1 2 PMKJ ( MKJ MKJ ) 1 2 3 n+ 1...( 1) P( MKJ i MKJ ) 1 i MKJ 2 in i < i < < i n i i i i MKJ 2 MKJ 1 MKJ 3 i i 14

Kvantitatiivinen analyysi Summalausekkeiden avulla voidaan muodostaa approksimaatiot PT ( ) PMKJ ( ) = S i PT ( ) S PMKJ ( MKJ ) = S S 1 2 1 2 3 1 1 i1 i2 1 2 i < i P( T ) S S + P( MKJ MKJ MKJ ) 1 2 = S S + S 1 2 3 i i < i < i i i i 1 2 3 Pätee PT ( ) S1 S1 S2 P( T) S1 S S P( T) S S + S 1 2 1 1 3 S S + S S P( T) S S + S 1 2 3 4 1 1 3 Näistä S 1 on usein riittävä Perustapahtumien todennäköisyydet otettava huomioon 15

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 laskemiseksi voidaan olla kiinnostuneita minikatkosjoukkojen unionin esittämistä toistensa poissulkevien katkosjoukkojen avulla Nämä voidaan binäärisillä päätöskaavioilla (engl. binary decision diagram, BDD) 16

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 17

Pumppujärjestelmän riskianalyysi (1/3) Järjestelmän toiminta Pumppu siirtää nestettä lähtöaltaasta kohdealtaaseen, jos kohdealtaan nestemäärä laskee alle vaatimustason Pumppu ei toimi, jos sähkönsaanti pettää 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 krt/kk C 0,02 krt/kk D 0,05 krt/kk 18

Pumppujärjestelmän riskianalyysi (2/3) Pumppujärjestelmän toimintaa kuvaava tapahtumapuu Järjestelmä ei toimi skenaarioissa I ac P ja I ac Vikapuista saadaan ac = G1+ G2 = ( A + B) + ( C D) = A+ B+ C D ac = A+ B+ C D = A B ( C+ D) = A B C+ A B D P = D F, P = D+ F 19

Pumppujärjestelmän riskianalyysi (2/3) Vikaantumisen todennäköisyys I ac P = I ( A B C+ A B D) ( D F) = I A B C D F + I A B D D F = I A B C D F ( D D = φ) I ac = I A+ I B+ I C D PT ( ) = PI ( ac+ I ac P) = PI ( ){ PA ( + B+ C D) + ABC D F} = PI ( ){ PA ( ) + PB ( ) + PC ( D) PAB ( ) P( A C D) P( B C D) + P( A B C D) + PAB ( C D F)} = PI ( ){0.01+ 0.01+ 0.02 0.05 0.01 0.01 2 0.01 0.02 0.05 + 0.01 0.01 0.02 0.05 + 0.99 0.99 0.98 0.05 0.01} = PI ( ) 0.02136 So. pumppujärjestelmä vikaantuu keskimäärin joka viides 5 kuukausi 20

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 21

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, ECC) Molemmat järjestelmät toimivat säätöjärjestelmän varassa (actuator control system, ACS) Operaattori (operating agent, OA) pystyy kuitenkin yksinään pysäyttämään vetyvirran Vikaantumistaajuudet 22

Jäähdytysjärjestelmä (2/3) Riippuvuussuhteet Logiikkakaavio 23

Jäähdytysjärjestelmä (3/3) Osajärjestelmien vaikutukset Tärkeimmät riskitekijät 24