MAINTENANCE

2 MATHEMATICS

Pendahuluan

Seperti dalam kasus disiplin ilmu teknik lainnya, matematika adalah

sangat diperlukan pemeliharaan alat. Matematika 1 aplikasi dalam teknik
yang relatif baru. Riwayat matematika diberikan dalam Referensi 1.
Dalam pemeliharaan, ditemukan aplikasi matematika dalam
sampling kerja, pengendalian persediaan analisis, kegagalan analisis
data, penetapan kebijakan optimal pemeliharaan preventif, biaya
pemeliharaan analisis, dan kontrol proyek manajemen. Beberapa aplikasi
matematika yang digunakan dalam pemeliharaan meliputi Teori himpunan,
probabilitas, kalkulus, persamaan diferensial, proses stokastik, dan
transformasi Laplace. Meskipun banyak teks yang sangat baik yang
tersedia di daerah seperti ini, bab ini menyajikan pentingnya konsep-
konsep matematika untuk memungkinkan pemahaman materi yang
disajikan dalam buku ini. Ini menghilangkan kebutuhan bagi pembaca
untuk berkonsultasi buku matematika.

Aljabar Boolean Dan Sifat Peluang

Aljabar Boolean adalah penting dalam teori probabilitas dan

dinamai George Boole (1813-1864), pencetus. Tabel 2.1 menyajikan
aturan selektif aljabar Boolean. Huruf kapital menunjukkan set atau
peristiwa dan simbol + menunjukkan serikat set atau
peristiwa. Perpotongan set dalam tabel ditulis tanpa titik. Namun demikian,
dalam beberapa dokumen lain itu bisa saja ditulis dengan simbol ∩ atau
dengan sebuah titik.
Sifat-sifat Penting probabilitas adalah sebagai berikut:

 Kemungkinan terjadinya peristiwa, Y , Selalu

di mana P (Y) adalah probabilitas terjadinya Y

 Kemungkinan terjadinya dan tidak terjadinya dari Y diberikan

oleh

Dimana adalah negasi dari Y dan tidak terjadi

probabilitas dari Y.

Tabel 2.1
Aturan Umum Digunakan Aljabar Boolean

Aturan Simbol
Hukum penyerapan

Hukum komutatif

Hokum idempotent

Hukum distributif

Hukum Asosiatif
 Probabilitas dari ruang sampel, S adalah
(2.3)

 Probabilitas negasi dari ruang sampel S adalah

(2.4)
 Probabilitas suatu persimpangan peristiwa independen, Y1,
Y2, Y3 ..., Yn, adalah

(2.5)
Dimana :

= jumlah total peristiwa

= i peristiwa ke, untuk i = 1,2,3,…,n,

= probabilitas terjadinya peristiwa Yi , untuk i

1,2,3,…n

 Probabilitas persatuan n kejadian independen diberikan oleh

(2.6)

 Probabilitas persatuan n peristiwa saling eksklusif

dinyatakan oleh

(2.7)

Catatan Perhatikan bahwa untuk nilai-nilai yang sangat kecil

P (Y1), P (Y2), P (Y3), ..., P (Yn), Persamaan. (2.6)
menghasilkan hasil yang hampir sama untuk
Persamaan. (2.7).
 Contoh 2.1

Asumsikan bahwa pada Persamaan. (2.6), kita memiliki n = 2,

P(Y1) = 0,04, dan P (Y2) = 0,06. Hitung probabilitas persatuan peristiwa
independen Y1 dan Y2. Gunakan data yang diberikan sama pada
Persamaan. (2.7) dan komentar tentang hasil yang diberikan oleh
pers. (2.6) dan (2.7).
For n = 2, Eq. (2.6) yields

(2.8)

Mensubstitusi nilai-nilai yang diberikan untuk P (Y1) dan P (Y2) ke dalam

Persamaan.(2.8), kita mendapatkan

Menggunakan data yang diberikan sama dalam Persamaan. (2.7)

menghasilkan

Dua hasil di atas yang hampir identik.

PROBABILITAS DAN DEFINISI FUNGSI

DISTRIBUSI KUMULATIF

Probabilitas

Ini didefinisikan oleh,

(2.9)
di mana P (Y) adalah probabilitas terjadinya peristiwa Y dan M adalah
jumlah total kali bahwa Y terjadi pada m mengulangi eksperimen.

Fungsi Distributif Kumulatif

Hal ini diungkapkan,

(2.10
)
Dimana :
= waktu
= fungsi distribusi kumulatif
= fungsi kepadatan probabilitas

Dengan membedakan Persamaan. (2.10) sehubungan dengan t, kita

mendapatkan

(2.11)

Atur pada Persamaan. (2.10) menghasilkan

(2.12)

ini membuktikan bahwa total area di bawah kurva kepadatan probabilitas

selalu sama untuk persatuan.

DISTRIBUSI PROBABILITAS KONTINYU

VARIABEL ACAK

Selama bertahun-tahun distribusi variabel acak kontinu kemungkinan telah

dikembangkan. Bagian ini menyajikan beberapa dari mereka yang
berguna untuk melakukan matematika pemeliharaan analisis-studi terkait.
Distribusi Eksponensial

Ini adalah salah satu distribusi probabilitas yang paling banyak digunakan
di bidang teknik, terutama dalam pekerjaan kehandalan. Hal ini relatif
mudah untuk menangani dalam melakukan analisis. Probabilitas fungsi
kepadatan distribusi didefinisikan oleh

(2.13)

dimana λ adalah parameter distribusi. Dengan mensubstitusikan

Persamaan. (2.13) ke Persamaan. (2.10) kita mendapatkan ekspresi
berikut untuk distribusi eksponensial fungsi distribusi kumulatif:

(2.14)

Contoh 2.2

Dengan menetapkan pada Persamaan. (2.14) membuktikan

bahwa nilai distribusi kumulatif fungsi sama dengan kesatuan.

Jadi, untuk Persamaan. (2.14) menjadi

Hasil di atas membuktikan bahwa nilai F (t) untuk selalu sama

dengan persatuan.

Distribusi Rayleigh

Distribusi ini, yang dikembangkan oleh John Rayleigh (1842-1919), yang

sering digunakan dalam kehandalan teknik dan dalam teori suara. Ini
fungsi kepadatan probabilitas dinyatakan dengan
 (2.15)

dimana α adalah parameter distribusi.

Menyisipkan Persamaan. (2.15) ke Persamaan. (2.10), kita

memperoleh
(2.16)

Persamaan di atas adalah distribusi Rayleigh fungsi distribusi kumulatif.

Contoh 2.3

Mendapatkan sebuah ekspresi untuk fungsi kepadatan probabilitas

dengan menggunakan Persamaan. (2.16) pada Persamaan. (2.11).
Menggantikan Persamaan. (2.16) ke Persamaan. (2.11) menghasilkan

(2.17)

Perhatikan bahwa Persamaan. (2.17) identik dengan

Persamaan. (2.15). Dengan demikian, itu membuktikan bahwa dengan
membedakan fungsi F, kumulatif (t), sehubungan dengan waktu, t, hasil
probabilitas fungsi kepadatan.

Distribusi Weibull

Distribusi ini dikembangkan oleh W. Weibull dari Royal Institute of

Technology, Stockholm, di tahun 1950 awal. distribusi Weibull berguna
untuk mewakili banyak fenomena fisik berbeda. probabilitas fungsi
kepadatan adalah ditentukan oleh

(2.18)

dimana b dan α parameter bentuk dan skala, masing-masing.

Menggunakan Persamaan. (2.18) pada Persamaan. (2.10), kita
mendapatkan
(2.19)

Persamaan (2.19) juga dikenal sebagai fungsi distribusi kumulatif.

Contoh 2.4

Mendapatkan ekspresi dengan menggunakan Persamaan. (2.19) untuk b

= 1 dan b = 2 dan mengomentari persamaan yang dihasilkan. Jadi, untuk
b = 1 dan b = 2 Persamaan. (2.19) menghasilkan ungkapan berikut,
masing-masing:
(2.20)

dan

(2.21)

Persamaan (2.20) dan (2.21) adalah identik dengan pers. (2.14) (yaitu,
untuk 1 / ) dan (2.16), masing-masing. Ini berarti untuk b = 1
dan b = 2 eksponensial dan distribusi Rayleigh adalah kasus khusus dari
distribusi Weibull, masing-masing.

Distribusi Normal

Distribusi ini kadang disebut distribusi Gaussian setelah Carl Friedrich

Gauss (1777-1855), seorang matematikawan Jerman. Ini adalah salah
satu yang paling banyak digunakan statistik distribusi. Probabilitas fungsi
kepadatan distribusi dinyatakan oleh

(2.22)
dimana dan parameter distribusi (yaitu, mean dan deviasi standar,
masing-masing).
Menggantikan Persamaan. (2.22) ke Persamaan. (2.10), kita memperoleh

(2.23)

Nilai dari Persamaan. (2.23) yang ditabulasikan dalam buku-buku

berbagai matematika. Distribusi ini sebenarnya ditemukan oleh De Moivre
pada awal tahun 1733 namun karena kesalahan sejarah ini disebabkan
oleh Carl Gauss.

Distribusi Umum

Distribusi ini dapat mewakili berbagai fenomena fisik, dan probabilitas

yang fungsi kepadatan dinyatakan dengan

(2.24)

di mana dan adalah parameter skala, dan s adalah parameter

bentuk. Dengan memasukkan Persamaan. (2.24) ke Persamaan. (2.10),
kita mendapatkan ekspresi berikut untuk fungsi distribusi kumulatif:

(2.25)
Fungsi statistik berikut ini adalah kasus khusus dari distribusi umum:

 untuk
 untuk
 untuk
 untuk
 untuk
 untuk

Tabel 2.2
Fungsi Distribusi Kumulatif untuk Selektif Distribusi

Distributif Fungsi Distribusi Kumulatif

 TRANSFORMASI LAPLACE:
AWAL DAN NILAI AKHIR TEOREMA

Transformasi Laplace berguna untuk menyelesaikan sistem persamaan

diferensial linear analisis matematis pemeliharaan. Transformasi ini diberi
nama untuk Pierre-Simon Laplace (1749-1827) yang meninggal tepat 100
tahun setelah kematian Ishak Newton.1 Transformasi Laplace dari fungsi,
f (t), dinyatakan oleh

(2.26)
Dimana :

= waktu
= variabel transformasi laplace
= Transformasi Laplace dari f (t).

Contoh 2.5

Mendapatkan transformasi Laplace dari dua fungsi berikut:

(2.27)

(2.28)

Dimana adalah konstanta.

Menggunakan Persamaan. (2,27) pada Persamaan. (2.26), kita

mendapatkan

(2.29)

Menggantikan Persamaan. (2.28) ke Persamaan. (2.26) menghasilkan

 (2.30)

Transformasi Laplace dari beberapa fungsi selektif disajikan pada Tabel

2.3.

Awal Dan Nilai Akhir Teorema

Teorema nilai awal yang diberikan oleh

(2.31)

Tabel 2.3

Transformasi Laplace Beberapa Fungsi Umum

Transformasi Laplace dari Persamaan. (2,31) adalah

Teorema nilai akhir dinyatakan dengan

Transformasi Laplace dari Persamaan. (2.33) diberikan oleh

Contoh 2.6

Buktikan bahwa pers. (2.33) dan (2,34) adalah sama. Dari Tabel 2.3 dan
Persamaan.(2.26) kita menulis

dimana L adalah transformasi Laplace operator.

Batas

Sebagai
Batas sebagai adalah

Dari pers. (2,36) dan (2.37) kita memperoleh

persamaan (2.38) menghasilkan

Persamaan di atas membuktikan bahwa pers. (2.33) dan (2,34) adalah

sama.

Contoh 2.7

Asumsikan bahwa kita memiliki

dimana λ dan μ adalah parameter atau konstanta dan t adalah waktu.

Buktikan dengan menggunakan Persamaan. (2,40) yang

pers. (2.33) dan (2,34) menghasilkan hasil identik. Dengan menggantikan
Persamaan. (2,40) ke Persamaan. (2.33), kita mendapatkan

Mengambil transformasi Laplace dari Persamaan. (2,40) menghasilkan

Menyisipkan Persamaan. (2.42) ke Persamaan. (2,34), kita mendapatkan

Persamaan (2.41) dan (2,43) membuktikan bahwa pers. (2.33) dan (2,34)
menghasilkan hasil identik.

PERSAMAAN ALJABAR

Analisis pemeliharaan Matematika mungkin melibatkan menentukan akar

dari persamaan aljabar. akar mungkin digambarkan sebagai nilai dari
variabel ketika dimasukkan ke dalam persamaan polinomial mengarah
pada nilai persamaan sama dengan nol. Ketika semua akar polinomial
persamaan ditemukan, itu dianggap dipecahkan.

Persamaan Quadrat

Meskipun persamaan kuadrat tersebut diselesaikan sekitar 2000 SM oleh

Babel, di Barat masyarakat sebelum abad ketujuh belas teori persamaan
yang cacat oleh kegagalan untuk mengenali angka negatif atau kompleks
sebagai akar dari persamaan. Sebuah persamaan kuadrat didefinisikan
oleh

di mana x adalah variabel, A, B, dan C adalah konstanta.

Solusi untuk Persamaan. (2,44) diberikan di bawah ini:

dimana
A nyata, B, dan C akar dapat digolongkan sebagai berikut:

 Untuk : nyata dan tidak sama

 Untuk : nyata dan sama
 Untuk : konjugat kompleks

Jika x1 dan x2 adalah akar dari Persamaan. (2,44) maka kita harus

Dan

Persamaan Kubik

Matematikawan Italia memainkan peran penting dalam mencari solusi

aljabar untuk persamaan kubik. Pada tahun 1545 Girolamo Cardano
(1501-1576) menerbitkan sebuah risalah Latin pada aljabar di Nuremberg
di Jerman dan termasuk solusi Tartaglia tentang kubik. Persamaan kubik
dinyatakan dengan

di mana x adalah variabel, B1, B2, dan B3 adalah konstanta.

Membiarkan
Dan

Akar dari Persamaan. (2,49) diberikan di bawah ini:

Memberikan

Untuk nyata B1, B2, dan B3 akar dapat digolongkan sebagai berikut:

 Untuk : satu nyata dan dua kompleks konjugat

 Untuk : semua nyata dan tidak sama
 Untuk : semua nyata dan setidaknya dua sama

PERSAMAAN DIFERENSIAL

Dalam analisis pemeliharaan matematika mungkin perlu untuk

menemukan solusi untuk mengatur persamaan diferensial linear, terutama
ketika menerapkan metode Markov. Bahkan meskipun ada berbagai
metode untuk memecahkan persamaan diferensial, Laplace Pendekatan
Transformasi mungkin teknik yang paling efektif untuk memecahkan satu
set persamaan diferensial linear. Contoh berikut menunjukkan penerapan
transformasi Laplace untuk memecahkan satu set persamaan diferensial
linear.

Contoh 2.8
Asumsikan bahwa kedua persamaan diferensial berikut menggambarkan
sistem diperbaiki:

Dimana :

= Probabilitas bahwa sistem berada dalam i pada waktu t,

untuk i = 0 (kerja normal), i = 1 (gagal),

= tingkat kegagalan sistem

= sistem nilai perbaikan.

Pada waktu t = 0, P0 (0) = 1, dan P1 (0) = 0. Buktikan dengan

menggunakan transformasi Laplace dan Persamaan. (2,58) dan (2,59)
yang kemungkinan dari sistem operasi normal, yaitu P0 (t), diberikan oleh
Persamaan. (2,40). Mengambil transformasi Laplace dari pers. (2,58) dan
(2,59), kita mendapatkan

dimana Pi (s) adalah transformasi Laplace dari probabilitas bahwa sistem

berada dalam state i, untuk i = 0,1. Untuk diberikan Persamaan kondisi
awal. (2,60) dan (2,61) menjadi
Persamaan menata ulang. (2,63) menghasilkan

Menggantikan Persamaan. (2.64) ke Persamaan. (2,62), kita memperoleh

Mengambil invers transformasi Laplace dari Persamaan. (2,65)

menghasilkan

Untuk f (t) = P0 (t), pers. (2,40) dan (2,66) adalah identik. Ini berarti
Persamaan. (2,40) menunjukkan probabilitas dari sistem operasi normal
ketika (yaitu, sistem) dan kegagalan Tingkat perbaikan diberikan.

PERMASALAHAN

1. Diskusikan hukum Aljabar Boolean berikut:

 Hukum idempotent
 Hukum penyerapan
2. Berikan contoh fisik peristiwa saling eksklusif.
3. Apa peristiwa independen?
4. Tentukan berikut ini:
  Probabilitas fungsi densitas
 Fungsi distribusi kumulatif
5. Buktikan bahwa fungsi distribusi kumulatif dari distribusi
eksponensial diberikan oleh

di mana t adalah waktu dan λ adalah parameter distribusi.

6. Tulis probabilitas fungsi kepadatan distribusi Weibull. Apa yang

distribusi kasus khusus dari distribusi Weibull?
7. Tulis kasus khusus fungsi statistik dari distribusi umum.
8. Bandingkan distribusi umum dan Weibull.
9. Buktikan bahwa Transformasi Laplace dari f (t) = t diberikan oleh

10. Cari akar dari persamaan berikut:

Dimana x adalah suatu variabel

Daftar Pustaka

1. Eves, H., An Introduction to the History of Mathematics, Holt, Rinehart, and

Winston, New York, 1976.
2. Lipschutz, S., Set Theory and Related Topics, McGraw-Hill, New York, 1964.
3. NUREG-0492, Fault Tree Handbook, Nuclear Regulatory Commission (NRC),
Washington, D.C., 1981.
4. Lipschutz, S., Probability, McGraw-Hill, New York, 1965.
5. Mann, N.R., Schafer, R.E., and Singpurwalla, N.D., Methods for Statistical
Analysis of Reliability and Life Data, John Wiley & Sons, New York, 1974.
6. Shooman, M.L., Probabilistic Reliability: An Engineering Approach, McGraw
Hill, New York, 1968.
7. Patel, J.K., Kapadia, C.H., and Owen, D.B., Handbook of Statistical
Distributions, Marcel Dekker, New York, 1976.
8. Ireson, W.G., editor, Reliability Handbook, McGraw-Hill, New York, 1966.
9. Dhillon, B.S., Life distributions, IEEE Transac. Reliability, 30, 1981, 457–460.
10. Davis, D.J., An analysis of some failure data, J. Am. Stat. Assoc., 1952,
113–150.
11. Spiegel, M.R., Mathematical Handbook of Formulas and Tables, McGraw-
ill, New York, 1968.
12. Dhillon, B.S., A hazard rate model, IEEE Transac. Reliability, 29, 1979, 150.
13. Dhillon, B.S., Reliability Engineering in Systems Design and Operation, Van
Nostrand Reinhold Co., New York, 1983.
14. Nixon, F.E., Handbook of Laplace Transformation, Prentice-Hall, Englewood
Cliffs, New Jersey, 1965.
15. Spiegel, M.R., Laplace Transforms, McGraw-Hill, New York, 1965.
16. Oberhettinger, F. and Badii, L., Tables of Laplace Transforms, Springer
Verlag, Berlin, 1973.
17. Abramowitz, M. and Stegun, I.A., editors, Handbook of Mathematical
Functions, U.S. Government Printing Office, Washington, D.C., 1972.
18. Burington, R.S., Handbook of Mathematical Tables and Formulas, McGraw
Hill, New York, 1973.