文献

J-GLOBAL ID：202202221886153387   整理番号：22A1114291

加速試験によるオンライン信頼性推定と条件ベースメンテナンスを可能にする階層的Bayes回帰フレームワーク【JST・京大機械翻訳】

A hierarchical Bayesian regression framework for enabling online reliability estimation and condition-based maintenance through accelerated testing

著者 (4件)： Leoni Leonardo (Department of Industrial Engineering (DIEF), University of Florence, Italy) ,  De Carlo Filippo (Department of Industrial Engineering (DIEF), University of Florence, Italy) ,  Abaei Mohammad Mahdi (Department of Maritime and Transport Technology, Delft University of Technology, Delft, The Netherlands) ,  BahooToroody Ahmad (Marine and Arctic Technology Group, Department of Mechanical Engineering, Aalto University, Finland)
資料名： Computers in Industry  (Computers in Industry)
巻： 139  ページ： Null  発行年： 2022年 
JST資料番号： A0575B  ISSN： 0166-3615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モノのインターネット(IoT)の進歩により,条件ベースのメインテナンス(CBM)は,失敗から生じるリスクを緩和するための最も有名な戦略の1つに次第になってきている。任意のCBMフレームワークの中で,データ間の非線形相関と条件監視データソースの変動性は,信頼性指標(RI)の複雑な推定を導く主な理由である。実際,ほとんどの古典的手法はこれらの側面を十分に考慮できない。本研究は,RIsに対する関連PVの影響を定義するためのデータの多重源としての加速寿命試験(ALT)を用いる新しい方法論と,オンライン信頼性推定による計画保全行動を提示した。この目的のために,一般化線形モデル(GLM)を利用して,PVとRIの間の関係をモデル化し,一方,階層的Bayes回帰(HBR)を実行してGLMのパラメータを推定した。HBRは前述の不確実性を扱うことができ,PVの相関のより良い説明を得ることができる。事例研究としてALTの5つの異なる操作条件を利用する数値例を考察した。開発した方法論は,与えられた条件に達するとすぐにオンライン信頼性と計画保全行動を推定するための固体ツールを提供する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *信頼性 ,  不確実性 ,  監視 ,  加速試験 ,  方法論 ,  モデリング ,  多重化 ,  事例研究 ,  保守管理
準シソーラス用語： 操作条件 ,  信頼性指標 ,  状態監視 ,  *オンライン ,  計画保全 ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： 状態監視 ,  条件ベースメンテナンス ,  階層的Bayes回帰 ,  一般化線形モデル ,  オンライン信頼性評価

分類 (1件)： CAD,CAM  (JE10000A)

タイトルに関連する用語 (5件)： 加速試験 ,  オンライン ,  推定 ,  メンテナンス ,  フレームワーク