System Dependability Evaluation Including S-dependency and Uncertainty: Model-Driven Dependability Analyses

این کتاب بر مدل‌سازی و محاسبه قابلیت اطمینان سیستم، با در نظر گرفتن تأثیر وابستگی به s و عدم قطعیت تمرکز دارد. بهترین روش‌های مناسب برای مدل‌سازی و محاسبه قابلیت اطمینان سیستم عملی، (1) رویکرد برش حداقل، (2) رویکرد فرآیند مارکوف، و (3) رویکرد برش حداقل مارکوف به عنوان ترکیبی از (1) و (2) شرح داده شده‌اند. به تفصیل و به چندین مثال اعمال شده است. منطق بولی به شدت مورد استفاده در کل فرآیند توسعه رویکردها، کلید ترکیب رویکردها بر مبنای مشترک است. برای سیستم های بزرگ و پیچیده، رویکردهای تقریب کارآمد، به عنوان مثال. رویکرد احتمالی مسیر مارکوف توسعه داده شده است که می تواند وابستگی های s بین اجزای ساختارهای پیچیده سیستم را در نظر بگیرد. تجزیه و تحلیل جامع عدم قطعیت آشکاری (به دلیل تصادفی بودن) و عدم قطعیت معرفتی (به دلیل عدم آگاهی) و ترکیب آنها که بر اساس شاخص های پایایی پایه توسعه یافته و با روش شبیه سازی مونت کارلو ارزیابی شده است، انجام شده است. تأثیر عدم قطعیت بر قابلیت اطمینان سیستم با استفاده از چندین مثال با سطوح مختلف دشواری بررسی و مورد بحث قرار گرفته است. برنامه ها طیف گسترده ای از سیستم های بزرگ و پیچیده (در دنیای واقعی) را پوشش می دهند. تعاریف واقعی و پیشرفته از اصطلاحات استاندارد IEC 60050-192:2015 و همچنین شاخص های قابلیت اطمینان، به طور یکسان در هر شش فصل کتاب استفاده شده است.

The book focuses on system dependability modeling and calculation, considering the impact of s-dependency and uncertainty. The best suited approaches for practical system dependability modeling and calculation, (1) the minimal cut approach, (2) the Markov process approach, and (3) the Markov minimal cut approach as a combination of (1) and (2) are described in detail and applied to several examples. The stringently used Boolean logic during the whole development process of the approaches is the key for the combination of the approaches on a common basis. For large and complex systems, efficient approximation approaches, e.g. the probable Markov path approach, have been developed, which can take into account s-dependencies be-tween components of complex system structures. A comprehensive analysis of aleatory uncertainty (due to randomness) and epistemic uncertainty (due to lack of knowledge), and their combination, developed on the basis of basic reliability indices and evaluated with the Monte Carlo simulation method, has been carried out. The uncertainty impact on system dependability is investigated and discussed using several examples with different levels of difficulty. The applications cover a wide variety of large and complex (real-world) systems. Actual state-of-the-art definitions of terms of the IEC 60050-192:2015 standard, as well as the dependability indices, are used uniformly in all six chapters of the book.