دانلود ترجمه مقاله استفاده از شبیه‌سازی مونته کارلو جهت ارزیابی قابلیت‌ اطمینان

1. مقدمه 2. تاریخچه 3. روش مونته کارلو 4. سیستم تست 5. نتایج 6. بحث و بررسی و نتیجه‌‌گیری

روش مونته کارلو: شاخص‌های قابلیت اطمینان یک سیستم فیزیکی واقعی را می‌توان با جمع‌آوری داده‌های مربوط به رخداد خرابی‌ها و مدت‌زمان تعمیر بدست آورد. روش مونته کارلو به کمک توزیع‌های احتمالاتی مدت زمان‌های وضعیت عنصر، از تاریخچه خرابی و تعمیر عناصر و سیستم تقلید می‌کند. سپس آماری گردآوری می‌شود و شاخص‌ها با کمک استنتاج‌های آماری تخمین زده می‌شوند. برای شبیه‌سازی مونته کارلو دو روش اساسی موجود است، (1) شبیه‌سازی متوالی، و (2) نمونه‌برداری تصادفی. شبیه‌سازی متوالی با ایجاد یک توالی از حوادث به کمک اعداد تصادفی و توزیع‌های احتمالاتی متغیرهای تصادفی که بیانگر مدت زمان‌های وضعیت قطعه هستند، کار می‌کند. در نمونه‌برداری تصادفی، وضعیت‌ها بر اساس توزیع‌های احتمالاتی وضعیت‌های قطعه و اعداد تصادفی استخراج می‌شوند. علاوه بر این، برای نمایش مسیر زمان در شبیه‌سازی متوالی دو روش وجود دارد: (1) روش فواصل ثابت، موسوم به زمانبندی همگام و (2) روش حادثه بعدی یا زمانبندی غیرهمگام. در روش اول، زمان به صورت گام‌های ثابت پیش می‌رود و وضعیت سیستم بروزرسانی می‌شود. در روش دوم، زمان با وقوع حادثه بعدی پیش می‌رود. در پیاده‌سازی‌های واقعی، شاید بتوان از ترکیب کنترل‌های زمانبندی‌شده استفاده کرد. روش نمونه‌برداری عموما سریع‌تر از تکنیک متوالی است، اما وقتی مناسب است که خرابی عناصر و تعمیرات آنها مستقل از هم باشند. این مقاله روش متوالی را برای بررسی قابلیت اطمینان مطرح می‌کند.

Monte Carlo Approach: The reliability indices of an actual physical system can be estimated by collecting data on the occurrence of failures and the durations of repair. The Monte Carlo method mimics the failure and repair history of the components and the system by using the probability distributions of the component state durations. Statistics are then collected and indices estimated using statistical inference. There are two basic approaches for Monte Carlo simulation, (1) sequential simulation, and (2) random sampling. The sequential simulation proceeds by generating a sequence of events using random numbers and probability distributions of random variables representing component state durations. In random sampling, states are drawn based on the probability distributions of component states and random numbers. Further, there are two methods for representing the passage of time in sequential simulation: (1) the fixed interval method, also called synchronous timing, and (2) the next event or asynchronous timing method. In the fixed interval method, time is advanced in steps of fixed length and the system state is updated. In the next event method, time is advanced to the occurrence of the next event. In actual implementations, it is likely that combinations of the timing controls may be used. The sampling method is generally faster than the sequential technique, but is suitable when component failures and repairs are independent. This paper presents the sequential method for reliability analysis.

بخشی از ترجمه مقاله (صفحه 9 فایل ورد ترجمه)