Distribution modeling for reliability analysis: Impact of multiple dependences and probability model selection

تجزیه و تحلیل قابلیت اطمینان نیاز به مدل سازی توزیع احتمال احتمالی پارامترهای نامشخص دارد که می تواند یک چالش باشد زیرا متغیرهای تصادفی که ممکن است عدم قطعیت پارامتر را نشان دهند همبستگی دارند. برای راحتی، وابستگی داده های گاوسی معمولا برای متغیرهای تصادفی همبسته فرض می شود. در این مقاله ابتدا اثر چند متغیره غیر وابسته به داده های گاوسی را در زمینه توزیع احتمال چند متغیری بر نتایج اطمینان بررسی می کنیم. با استفاده از دوگانه های مختلف دوطرفه در یک ساختار انگور، وابستگی های مختلف داده می تواند مدل سازی شود. پارامترهای مربوط به کوپول از اطلاعات آماری موجود توسط تکنیک های تطبیق لحظه شناسایی می شوند. پس از توسعه مدل کاپولا برای نشان دادن توزیع احتمال چند متغیری، قابلیت اطمینان با متغیرهای تصادفی همبسته بر مبنای تحول رزونبلاط ارزیابی می شود. تأثیر وابستگی به داده ها مهم است، زیرا انحراف زیادی در احتمال شکست وجود دارد که بر نیاز به مشخص بودن ویژگی وابستگی دقیق تأکید دارد. بنابراین روش عملی برای مدل سازی وابستگی بر اساس داده های محدود ارائه شده است. نتیجه نشان می دهد که وابستگی های داده های غایی گاوس در عمل می تواند واقعی باشد و اگر وابستگی گاوسی به طور نامناسب مورد استفاده قرار گیرد، قابلیت اطمینان می تواند منفی باشد. علاوه بر این، تأثیر نظم تهویه بر قابلیت اطمینان نباید نادیده گرفته شود، صرف نظر از اینکه ساختار انگور تنها یک نوع کاپولا دارد.