Analysis of different maintenance policies on a multi-component system using dynamic bayesian networks

Abstract

Son zamanlarda, sistemlerin karmaşıklığı artmış ve bunun paralelinde bileşenler arasındaki etkileşimler gittikçe daha karmaşık hale gelmiş ve bu durum bakım kararlarınıvermeyi zorlaştırmıştır. Dolayısıyla etkili bakım politikalarının belirlenmesi ve uygulanması büyük önem kazanmıştır. Çok bileşenli sistemlerde, birçok metodoloji ve strateji bir bileşen veya sistem bozulduğunda veya bir arızaya neden olabilecek proaktif olarak kusurları tanımlamak ve önlemek istendiği zaman uygunanabilir.Dinamik sistemlerde, bir problem beklemeden erken tanıya dayalı bakım faaliyetlerini gerçekleştirerek sistem güvenilirliğini artırması proaktif bakım için önemlidir. Bu çalışmada, çok bileşenli dinamik bir sistem uzerinde çeşitli bakım politikaları oluşturup bunları sistem performansı ve bakım maliyetleri bakımından karşılaştırmayı hedefledik. Ele alınan sistem çeşitli bileşenler ve işlemlere sahiptir. Karar vermek için kısmi bir gözlemlenebilirlik olmasına rağmen, bileşenlerin durumları gizlidir ve zaman içinde bozulmaktadır. Bileşenleri belirli bir zaman içerisinde değiştirmek mümkündür. Amaç, belirli bir planlama ufkunda toplam bakım maliyetini en aza indirmektir. Empirik bir sistem için bakım politikaları önerip bunları çeşitli senoryalar altında Dinamik Bayesçi Ağlar ile planlama ufku boyunca benzeterek performanslarını karşılaştırıyoruz. Ayrıca, önerilen yöntemlerin gerçek hayatta nasıl uygulanabileceğini göstermek için bir endo jeneratör sisteminin bakımı için dinamik bir Bayesçi ağı oluşturulmuştur.

Recently, system components and interactions between them have become more complex and this situation has made it difficult to provide maintenance decisions. Herewith, determining effective decisions has played an important role. In multicomponent systems, many methodologies and strategies can be applied when a component or a system has already broken down or when it is desired to identify and avoid pro-actively defects that could lead to future failure.In dynamic systems, it is important for proactive maintenance to increase system reliability by performing early diagnosis-based maintenance activities without waiting for a problem. In this study, we focus on proactive maintenance of a complex multi-component dynamic system. Components are hidden although there exists partial observability to the decision maker. Components deteriorate in time. It is possible to replace or repair components with a given cost. We want to nd a policy that minimizes the total maintenance cost in a predened time horizon. We propose several maintenance policies and compare the performance of these by simulating them via Dynamic Bayesian Networks on an empirical model. Furthermore, a dynamic Bayesian network is constructed for the maintenance of an endo generator system to show how the proposed methods can be implemented in real life.