Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

Samankaltaiset tiedostot
YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY 1 YRITYSKOHTAISEN TEHOSTAMISPOTENTIAALIN MITTAAMINEN

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA

Valmistaminen tai ostaminen varastoon tasainen kysyntä

MUODONMUUTOKSET. Lähtöotaksumat:

3.5 Generoivat funktiot ja momentit

DEE Sähkömagneettisten järjestelmien lämmönsiirto

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Venymälle isotermisessä tilanmuutoksessa saadaan dl = α LdT + df = df AE AE Ulkoisen voiman tekemä työ saadaan integroimalla δ W = FdL :

12. ARKISIA SOVELLUKSIA

Ohjelmiston testaus ja laatu. Ohjelmistotekniikka dokumentointi

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi:

Jaksolliset ja toistuvat suoritukset

Mat Sovellettu todennäköisyyslasku A

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

AB TEKNILLINEN KORKEAKOULU

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luotettavuusteoria

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

Painotetun metriikan ja NBI menetelmä

Todennäköisyyden ominaisuuksia

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

W dt dt t J.

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

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Tilastollisen fysiikan luennot

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

KOMISSION VALMISTELUASIAKIRJA

Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET

Osi*aisintegroin2. Osi*aisintegroin2: esimerkkejä. Osi*aisintegroin2tapauksia 1/29/13. f'(x)g(x)dx=f(x)g(x) f(x)g'(x)dx. f'(x)g(x)dx=f(x)g(x)

Projektin arvon aleneminen

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d

Mat Tilastollisen analyysin perusteet, kevät 2007

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

Kokonaislukuoptimointi

Luento 7 Järjestelmien ylläpito

Ratkaisuehdotukset LH 10 / vko 48

Tässä harjoituksessa käsitellään Laplace-muunnosta ja sen hyödyntämistä differentiaaliyhtälöiden ratkaisemisessa.

MO-teoria ja symmetria

Piennopeuslaite FMP. Lapinleimu

INTERFERENSSIN VAIKUTUS LINEAARISISSA MODULAATIOISSA

"h 'ffi: ,t^-? ùf 'J. x*r:l-1. ri ri L2-14. a)5-x:8-7x b) 3(2x+ l) :6x+ 1 c) +* +5 * I : 0. Talousmatematiikan perusteet, onus to o.

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

BETONI-TERÄS LIITTORAKENTEIDEN SUUNNITTELU EUROKOODIEN MUKAAN (TTY 2009) Betonipäivät 2010

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

2. Suoraviivainen liike

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

3 *ä;r ä:e 5ä ä{ :i. c oo) S g+;!qg *r; Er ; l[$ E ;;iä F:ä ä :E ä: a bo. =. * gäf$iery g! Eä. a is äg*!=."fl: ä; E!, \ ins:" qgg ;._ EE üg.

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

W Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7

VERKKOJEN MITOITUKSESTA

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

Kaksisuuntainen varianssianalyysi. Heliövaara 1

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

9. laskuharjoituskierros, vko 12-13, ratkaisut

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

Talousmatematiikan perusteet, L2 Kertaus Aiheet

. g = 0,42g. Moolimassat ovat vastaavasti N 2 :lle 28, 02g/ mol ja typpiatomille puolet tästä 14, 01g/ mol.

x v1 y v2, missä x ja y ovat kokonaislukuja.

Thlousmatematiikan perusteet, orvrs ro:o

Vikasietoisuus ja luotettavuus

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

SATE2180 Kenttäteorian perusteet syksy / 6 Laskuharjoitus 7 / Siirrosvirta ja indusoitunut sähkömotorinen voima

8. Jonotusjärjestelmät

8. Jonotusjärjestelmät

a) Ortogonaalinen, koska kantafunktioiden energia 1

4.0.2 Kuinka hyvä ennuste on?

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

K Ä Y T T Ö S U U N N I T E L M A Y H D Y S K U N T A L A U T A K U N T A

Investointimahdollisuudet ja investointien ajoittaminen

Lineaarinen toisen kertaluvun yhtälö

Talousmatematiikan perusteet, L2 Kertaus Aiheet

Piennopeuslaite FMH. Lapinleimu

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

3 Tilayhtälöiden numeerinen integrointi

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Derivoimalla ensimmäinen komponentti, sijoittamalla jälkimmäisen derivaatta siihen ja eliminoimalla x. saadaan

5. laskuharjoituskierros, vko 8, ratkaisut

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN Kokonaisperuste, vahvistettu

t P1 `UT. Kaupparek. nro Y-tunnus Hämeenlinnan. hallinto- oikeudelle. Muutoksenhakijat. 1( UiH S<

Atomistiset simulaatiot

Ionisoiva säteily. Tapio Hansson. 20. lokakuuta 2016

KÄYTTÖOPAS. Ilma vesilämpöpumppujärjestelmän sisäyksikkö ja lisävarusteet RECAIR OY EKHBRD011ADV1 EKHBRD014ADV1 EKHBRD016ADV1

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p).

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY

Osi+aisintegroin3. Palautetaan mieleen tulon derivoimissääntö:

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.

Menetelmäseloste MAATALOUDEN TUOTANTOVÄLINEIDEN OSTOHINTAINDEKSI 2010=100

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

Transkriptio:

KSU-430/Ten 4..2008/Prof. Seppo Vranen /3 Käyövarmuuden ja kunnossapdon perusee, KSU-430: Ten ma 4..2008 Huom. Vasaus van veen kysymykseen. Funko- ja/a ohjelmoavan laskmen, musnpanojen, luenomonseden ja krjallsuuden käyö enlasuudessa on sallu. Tehävä : β Laeen vkaaajuusfunko r( ) = ( ) σ β (rae of occurence of falures) ja korjausajan kerymäfunko G( ) = e μ. Jakaumen paramer β = 3, σ = 00 ja μ = 0.25. Lsäks edeään, eä korjauksn lyvän vveen keskarvo MLDT = 2 h ja sen odennäkösyys P = 0.9. Laske keskmääränen käyeävyys ja vkojen lukumäärä akavälellä: 0 50, 50 00, 00 50, 0 50. Prrä myös paperlle funkoden I() ( =vkojen lukumäärä keskmäärn hekeen mennessä) ja A() (=hekellnen käyeävyys) kuvaaja. Tehävä 2: Tukaan erään korjaavan osayypn voumsa ja korjausa. Hekellä = 0 on oeu käyöön vs samanalasa osaa ja ne ova ollee käyössä ja korjauksessa ohesen kuvan mukases. Seurana on lopeeu hekellä = 0. Vkaanumsajan ja korjausajan mallena käyeään vakovkaaajuus- ja vako-korjausaajuusmalleja. a) Määrä ukavalle osalle MTTF ja MTTR. b) Laske osan käyeävyys hekellä = 2.5 akaykskköä ja epäkäyeävyys hekellä 3 c) Mkä on hasardfunkon arvo hekellä = 2? Tehävä 3: Tuoanolnjan laadunuookyky on 0.95 ja suoruskyky on 0.99. Lnjan käyeävyys on asan jakauunu vällle [0.95,0.99]. Mllä odennäkösyydellä uoanolnjan OEE > 0.9?

KSU-430/Ten 4..2008/Prof. Seppo Vranen 2/3 Tehävä 4: Laad vkalogkkamars ohesesa vkapuusa. Laske myös TOP-apahuman odennäkösyys. TOP ID = 6 p = 0.9 k = m = ID = 4 p = 0.8 k = m = 2 ID = 5 p = k = 2 m = 2 ID = p = 0. ID = 2 p=0.2 ID = 3 p=0.3 ID = -2 Tehävä 5: Prosessssa on kolme densä osaa (, 2 ja 3), josa kaks osaa ( ja 2) on omnnallses kykey nn, eä nden molempen pää vkaanua ennen kun nden lalle vodaan vahaa varasosa haeu uude osa. Kolmannen osan (3) vkaanuessa vodaan sen lalle vahaa he uus osa varasosa. Osen kerymäfunko ova r λ λ λ = r = 2 r = 3 2 3 F ( ) e, F ( ) e ja F ( ) e, mssä osen rasuskerome (r ) ova r =.4 r 2 =. r 3 = 0.70 ja λ = 0.033. Osan omusaka lauksesa varasoon on 30. Laske osan lauspse kun varason palveluaseen pää olla vähnään 80 %. Tehävä 6: Laeelle (ID 5) on johdeu asakasvaamukssa vkaaajuus λ = 0.0 (vako), jonka mukases lae saa vkaanua keskmäärn kerran hekeen = 00 mennessä. Allokonnssa käyeävä ärkeyskerome ova: x = 0.57, x 2 = 0.3, x 3 = 0.7, x 4 = 0.43 ja komplekssuuskerome: y = 0.4, y 2 = 0.3, y 3 = 0.7, y 4 = 0.6. Alloko oslle (, 2 ja 3) vkojen lukumäärä keskmäärn hekeen T = 00 mennessä. Lae ID = 5 p = k = 2 m = 2 Modul ID = 4 p = k = m = 2 Osa ID = Osa ID = 2 Osa ID = 3 ================================================================== Muuama kaavoj seuraavalla svulla:

KSU-430/Ten 4..2008/Prof. Seppo Vranen 3/3 F() = -R() = - e - r()d 0, I()= r()d, MTTF = R()d 0 0 G() = g()d, MTTR = -G()d 0 0 A()=(+I'() (MTTR+P MLDT)) - I(T 2)-I(T ) A(T,T 2)= +(MTTR+P MLDT) T-T 2 n= 0 ( TQ λ) ( T Q ) n X e λ P(0 n X) = F(X) =, mssä T Q λ = vkojen lkm keskmäärn akavälllä n! 0 T). -α w I() F () = e (allokonfunko) F() = F(), rnnakkaskykenä (JA-por) R()= R(), sarjaankykenä (TAI-por)

Tehävä := 50 2 := 00 3 := 50 MLDT := 2 P := 0.9 Korjausajan vve μ := 0.25 β := 3 σ := 00 G ():= e μ Korjausajan kerymäfunko r () β β := I () σ β := r():n Inegron Korjausajan keskarvo MTTR := σ μ vkojen lkm ka hekeen mennessä A ( ) := [ + ( MTTR + P MLDT) r() ] Av( T, T2) := + ( MTTR + P MLDT) IT2 ( ) I( T) T2 T Hekellnen ja keskmääränen käyeävyys, A ja Av Av( 0, ) = 0.986 Av(, 2) = 0.908 Av( 2, 3) = 0.784 Av( 0, 3) = 0.885 I ( ) = 0.25 I2 ( ) I( ) = 0.875 I3 ( ) I( 2) = 2.375 I3 ( ) = 3.375 r() 0.07 0.06 0.05 0.04 0.03 0.02 0.0 0 20 40 60 80 00 20 40 60 4 3 I() 2 0 20 40 60 80 00 20 40 60 A () 0.96 0.9 0.87 0.83 0.79 0.74 0.7 0 20 40 60 80 00 20 40 60

Tehävä 2 Osa Osa 2 Osa 3 Osa 4 Osa 5 F N F N F N F N F N F: Vka N: Normaal 0 2 3 4 5 6 7 8 9 0 Aka Tukaan erään korjaavan osayypn voumsa ja korjausa. Hekellä = 0 on oeu käyöön vs samanalasa osaa ja ne ova ollee käyössä ja korjauksessa ohesen kuvan mukases. Seurana on lopeeu hekellä = 0. Vkaanumsajan ja korjausajan mallena käyeään vako-vkaaajuus- ja vako-korjausaajuusmalleja. a) Määrä ukavalle osalle MTTF ja MTTR. b) Laske osan käyeävyys hekellä = 2.5 akaykskköä ja epäkäyeävyys hekellä 3 c) Mkä on hasardfunkon arvo hekellä = 2?. a) p. b) + + p. c) p. Rakasu: a) Tehävässä on laskeu vkaanumsaja ja korjausaja aulukkoon, joa vo eenkn hyödynää ässä. Kuvasa saadaan vka-ajolle seuraava aulukko := ( 3..9 2. 2.8 5.7 2 2. 2.6 4.6 ) T Kuvasa saadaan korjausajolle k seuraava aulukko k := (.4 0.9 0.6 3.9.6 2.3 3.5 ) T a) MTTF := MTTR := mean() mean( k) MTTF = 2.79 MTTR =.9 b) Vako-vkaaajuusmall ==> λ := MTTF λ = 0.358 Vako-korjausaajuusmall ==> μ := MTTR μ = 0.526 Käyeävyys A () := μ λ + μ + λ ( λ+ μ) e λ + μ A( 2.5) = 0.639 c) Vako-vkaaajuusmall ==> Hasardfunko h() (a r()) = λ, kohdasa b) saadaan λ = 0.358

Tehävä 3 Q := 0.95 T := 0.99 OEE := 0.9 A asases jakauunu vällle 0.95..0.99 ==> Ax ( ) := 0.95 + 0.99 0.95 x OEE Av := QT x := 0, 0.0.. Av = 0.95694 Ax ( ) 0.99 0.98 0.97 0.96 0.95 0 0.2 0.4 0.6 0.8 x X := Av 0.95 0.99 0.95 X = 0.734 ==> pa ( > Av) = X X = 0.8266 Tarkka! Laskeaan odennäkösyys smulomalla n := 00000 xx := sor( x) := 0.. n x := 0.95 + OEE x > = 0.8265 n QT ( 0.99 0.95) rnd( ) n 0.8 0.6 0.4 0.2 0 0.95 0.958 0.966 0.974 0.982 0.99 xx

Teh 4: Rakasu Boolean ouusaulukon avulla TOP ID = 6 p = 0.9 k = m = Vkalogkkamars ID = 4 p = 0.8 k = m = 2 ID = 5 p = k = 2 m = 2 Gae 4 5 6 a 2 b 2 2 p 0.8 0.9 ID 3 4 2-2 5 ID = p = 0. ID = 2 p=0.2 ID = 3 p=0.3 ID = -2 TOP:n odennäkösyys p(id=) 0. 0.2 0.8 0.3 0.9 ID 2 4 3 5 6 P(TOP=) Kombnaao 0 0 0 0.04032 0 0 0 0.09072 0 0 0.03888 0 0 0.0008 0 0.00432 0 0 0.00432 0 0 0 0.944 Σ 0.383040

Tehävä 4, rakasu rakennefunkon avulla x := 0. x2 := 0.2 x3 := 0.3 g4 := 0.8 g6 := 0.9 Lähöedo x4 = ( x + x2 x x2) g4 x5 = x3 ( x2) Poren 4 ja 5 rakennefunko x6 = [ x4 ( x5) + x5 ( x4) ] g6 Porn 6 rakennefunko x6 = [ ( x + x2 x x2) g4 [ x3 ( x2) ] + x3 ( x2) [ ( x + x2 x x2) g4] ]g6 Sjoeaan porn 6 rekennefunkoon poren 4 ja 5 lausekkee Kerroaan x6-lauseke auk g6 g4 x 2g6 g4 x x3 + 4g6 g4 x x3 x2 + g6 g4 x2 2g6 g4 x3 x2 + 2g6 g4 x3 x2 2 g6 g4 x x2 2g6 g4 x x2 2 x3 + g6 x3 g6 x3 x2 ehdään Boolean sevennys x n = x g6 g4 x 2g6 g4 x x3 + 4g6 g4 x x3 x2 + g6 g4 x2 2g6 g4 x3 x2 + 2g6 g4 x3 x2 g6 g4 x x2 2g6 g4 x x2 x3 + g6 x3 g6 x3 x2 ja yksnkeraseaan lauseke, johon sjoeaan lähöedo g6 g4 x 2g6 g4 x x3 + 4g6 g4 x x3 x2 + g6 g4 x2 2g6 g4 x3 x2 + 2g6 g4 x3 x2 g6 g4 x x2 2g6 g4 x x2 x3 + g6 x3 g6 x3 x2 g6 g4 x 2g6 g4 x x3 + 2g6 g4 x x2 x3 + g6 g4 x2 g6 g4 x x2 + g6 x3 g6 x3 x2 = 0.38304

Tehävä 5 Ja-por Is( ) ln e r λ := Huom. ( ) e r 2 λ ( ) I ( T) =.396 ( ) e r 2 ( ) Fs( ) = F( ) F2() e r λ λ = = e Is() ja I () := r λ I 2 ( T) =.099 r :=.4 r 2 :=. r 3 := 0.70 I 2 () := r 2 λ I 3 () := r 3 λ λ := 0.033 T := 30 Is( T) = 0.7 Osen kuluus T:n akana Ik( ) := Is() + I 3 () I 3 ( T) = 0.7 Ik( T) =.4 Is() r 3 λ Ik().4.2 0.8 0.6 0.4 0.2 0 5 0 5 20 25 30 odennäkösyys, eä osan omuksen akana ullaan varasosa hakemaan osa ennään k keraa, on PkT (, ) := k n = 0 Ik( T) n e Ik( T) n! P0T (, ) = 0.249 PT (, ) = 0.595 P2T (, ) = 0.836 Koska jokasella hakukerralla oeaan 3 kerrallaa => lauspse 23 = 6

Teh. 6. T := 00 λ := 0.0 MTTF := MTTF = 00 λ x := 0.57 x 2 := 0.3 x 3 := 0.7 x 4 := 0.43 y := 0.4 y 2 := 0.3 y 3 := 0.7 y 4 := 0.6 λ F ():= e I ():= λ IT ( ) = FT ( ) = 0.632 ( ) y y 4 y 2 y 3 x x 4 x 2 w := w y y 4 := w 4 y y 2 := w 4 y 2 y 3 := 3 + + + x x 4 x x 4 x 2 x 3 x 3 y 2 y 3 + x 2 x 3 w = 0.335 w 4 = 0.665 w 2 = 0.5 w 3 = 0.5 I := w IT ( ) I = 0.335 I 4 := w 4 IT ( ) I 4 = 0.665 ( ) := ln e α Iα, ( ) ( e α ) F ( ) = F( ) F4() = e α w λ λ w4 = e I() w λ e α λ w 4 esään sellanen skaalauskerron, jolla vkojen lukumäärä keskmäärn hekeen T mennessä on I4. semen α := 3! α := roo I T, α ( ( ) λ T, α) α = 3.568 I := α w λ T I 4 := α w 4 λ T I =.94 I 4 = 2.374 0.8 λ Iα (, ) 0.6 0.4 0.2 0 0 20 30 40 50 60 70 80 90 00 I =.94 I 2 := w 2 I 4 I 2 =.87 I 3 := w 3 I 4 I 3 =.87