TUGAS KEANDALAN SISTEM KENDALI

RESUME CHAPTER 9

Disusun oleh :
Nyoman Daton Trisnadana 1905541093

I Nyoman Dehi Pranipata 1905541095

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS UDAYANA 2021

 Teknik yang dijelaskan dalam bab ini berkaitan dengan sistem yang dapat digambarkan
sebagai proses Markov stasioner yaitu, probabilitas bersyarat dari kegagalan atau perbaikan selama
interval tetap dari waktu adalah konstan. Ini menyiratkan bahwa karakteristik kegagalan dan
perbaikan dari: komponen terkait dengan distribusi eksponensial (negatif).
Harus ditekankan namun, perbedaan yang sangat besar dapat terjadi dalam nilai-nilai
probabilitas keadaan bergantung waktu karena ini sangat bergantung pada asumsi distribusi.
Mengingat bahwa kondisi yang dijelaskan di atas dapat diterapkan, Markov pendekatan dapat
digunakan untuk berbagai masalah keandalan termasuk: sistem yang tidak dapat diperbaiki atau
dapat diperbaiki dan baik terhubung seri, redundan paralel atau redundan siaga.

9.2 Konsep Pemodelan Umum

9.2.1 Konsep tingkat transisi
Pertimbangkan kasus komponen tunggal yang dapat diperbaiki yang kegagalannya tingkat dan
tingkat perbaikan konstan, yaitu mereka dicirikan oleh distribusi eksponensial.

(a)

(b)
Po(t) = probabilitas bahwa komponen dapat dioperasikan pada waktu t
Pl(t) = probabilitas bahwa komponen gagal pada waktu t
A = tingkat kegagalan
I-t = tingkat perbaikan.
Fungsi densitas kegagalan untuk komponen dengan bahaya konstan
 tingkat A diberikan dalam Persamaan 6.31 sebagai
f(t) = Ae-A1
Fungsi kepadatan untuk status operasi dan kegagalan sistem
ditunjukkan pada Gambar 9.1a karena itu
fo(t) = Ae-A1 dan fl(t) = l-te-fJ-'.

Parameter A dan I-t disebut sebagai tingkat transisi keadaan karena mereka mewakili tingkat
di mana sistem transit dari satu keadaansistem ke yang lain Nilai waktu yang tepat untuk digunakan
dalam penyebut adalah bagian dari waktu di mana komponen dalam keadaan sedang
dipertimbangkan. Ini adalah kurang dari periode waktu yang sebenarnya telah berlalu kecuali tidak
ada transisi yang terjadi dari keadaan. Akibatnya
Jumlah kegagalan komponen dalam periode waktu tertentu
= total periode waktu komponen itu beroperasi

(9.1a)
jumlah perbaikan komponen dalam periode waktu tertentu
µ= total periode waktu komponen diperbaiki

(9.1b)
Konsep tingkat transisi ini mengarah pada definisi :
laju transisi = berapa kali transisi terjadi dari a keadaan tertentu/waktu yang dihabiskan dalam
keadaan itu

9.2.2 Mengevaluasi probabilitas tergantung waktu

Dalam kasus proses Markov terus menerus mereka biasanya diwakili oleh tingkat transisi
seperti yang ditunjukkan pada (9.1a), yaitu, oleh transisi A dan p, dari operasi dan keadaan gagal
masing-masing.
Probabilitas berada dalam keadaan operasi setelah interval waktu ini dt, yaitu, probabilitas
berada dalam keadaan 0 dari (9.1a) pada waktu (t dt) adalah
[Probabilitas beroperasi pada waktu t DAN tidak gagal dalam waktu dt]
[probabilitas gagal pada waktu t DAN diperbaiki dalam waktu dt].
 Menggunakan pendekatan yang mirip dengan yang digunakan untuk mengembangkan
distribusi Poisson di Bab 6

(9.2)
Demikian pula,

(9.3)
Dari persamaan 9.2

Sebagai dt → 0

Sehingga

(9.4a)
Demikian pula, dari persamaan 9.3

(9.4b)
Persamaan 9.4 dapat dinyatakan dalam bentuk matriks sebagai

(9.4c)
4a dan 4b adalah persamaan diferensial linier dengan koefisien konstan. Ada sejumlah cara di
mana persamaan tersebut dapat diselesaikan tetapi salah satu yang paling mudah dan paling banyak
digunakan adalah dengan Laplace.

(9.5)
Dimana Pj (s) adalah transformasi Laplace dari Pj (t) dan Po (O) adalah nilai awal Po (t).

(9.6a)
Demikian pula Persamaan 4b dapat diubah menjadi

(9.6b)
di mana P1 (O) adalah nilai awal P1 (t).
Persamaan 9.6a dan 9.6b sekarang dapat dipecahkan untuk Po (s) dan P1 (s) sebagai persamaan
simultan linier menggunakan metode substitusi langsung atau menggunakan teknik solusi matriks

(9.7a)

(9.7b)
Persamaan 9.7a dan 9.7b diubah kembali menjadi domain real time menggunakan transformasi
Laplace. Transformasi terbalik dari 1 / s adalah 1 dan 1! (s) adalah e-at, yang memberikan

(9.8a)

(9.8b)
Istilah Po(O) P1(0) = 1 untuk semua kondisi awal dan karena itu Persamaan 9,8 menjadi

(9.9a)

(9.9b)
Dalam prakteknya keadaan yang paling mungkin di mana sistem dimulai adalah keadaan 0, yaitu
Sistem ini dalam kondisi dapat dioperasikan pada waktu nol. Dalam hal ini

dan Persamaan 9,9 mengurangi persamaan yang sering dikutip untuk probabilitas tergantung
waktu dari komponen yang dapat diperbaiki tunggal yang diberikan oleh

(9.10a)

(9.10b)
Probabilitas Po (t) dan P1 (t) adalah probabilitas yang ditemukan dalam keadaan operasi dan
keadaan gagal masing-masing sebagai fungsi waktu mengingat bahwa sistem dimulai pada waktu
t = 0 dalam keadaan operasi.
9.2.3 Mengevaluasi probabilitas tergantung waktu
Keadaan pembatas atau probabilitas steady-state akan menjadi non-nol untuk proses
Markov terus menerus asalkan sistem ergodic, seperti dalam kasus rantai Markov diskrit. Jika
nilai-nilai probabilitas keadaan pembatas ini didefinisikan sebagai Po dan PI untuk keadaan
operasi dan keadaan gagal, masing-masing, maka dari Persamaan 9,10 sebagai t – 00

(9.11a)

(9.11b)
Ekspresi probabilitas keadaan yang membatasi ini berlaku terlepas dari apakah sistem
dimulai dalam keadaan operasi atau dalam keadaan gagal. Hal ini dapat dilihat dari Persamaan
9.9 di mana istilah kedua dalam setiap kasus pergi ke nol sebagai t - 00 untuk semua nilai Po
(O) dan PI (O).

(9.12a)
Demikian pula waktu rata-rata untuk memperbaiki,

(9.12b)
Mengganti Persamaan 12 menjadi Persamaan 11

(9.13a)

(9.13b)
Nilai Po dan PI disebut sebagai steady-state atau membatasi ketersediaan A dan tidak
tersedia U dari sistem masing-masing. Ketersediaan tergantung waktu A (t) dari sistem
diberikan oleh Persamaan 9.10a, yaitu,

Ini adalah probabilitas ditemukan dalam keadaan operasi pada suatu waktu t di masa depan
mengingat bahwa sistem dimulai dalam keadaan operasi pada waktu t = O. Hal ini sangat
berbeda dengan reliabilitas.
R(t) seperti yang diberikan oleh

Ini adalah probabilitas tinggal di keadaan operasi sebagai fungsi waktu mengingat bahwa
sistem dimulai dalam keadaan operasi pada waktu t = O. Dalam kondisi ini P ~ (t) dan P ~ (t)
keduanya cenderung nol dan Persamaan 9,4 mengurangi ke
 (9.14a)

(9.14b)

(9.14c)
Menggunakan dua persamaan simultan yang diberikan dalam 9,14a dan 9,14c

dan

9.3 Keadaan Diagram Ruang

9.3.1 Konsep
Untuk memfasilitasi solusi dari diskrit Markov. Proses itu terlebih dahulu harus mencaru
ruang keadaan yang sesuai denga diagram dan masukkan tingkat transisi yang relevan.
Sistem berada harus dimasukkan dalam diagram seperti itu dan semua cara yang diketahui
di mana transisi antar negara dapat terjadi dan harus dimasukkan. Tidak ada batasan dasar
pada jumlah negara bagian atau jenis dan jumlah transisi yang dapat disisipkan Berikut
adalah beberapa contoh ilustrasi disajikan dibagi menjadi beberapa subbagian.
9.3.2 Komponen Tunggal yang Dapat Diperbaiki
Pada gambar 9.1 diatas menujukkan diagram ruang keadaan untuk satu komponen yang
dapat diperbaiki yang diasumsikan ada di salah satu dari dua keadaan, operasi, atau keadaan
naik, dan gagal, atau keadaan turun. Dalam beberapa situasi praktis, satu komponen
mungkin paling baik diwakili oleh lebih dari dua keadaan. Misalnya, pompa yang berfungsi
dengan baik mungkin mengalirkan penuh output, dalam kondisi tertentu mungkin hanay
dapat memberikan sebagian output atau biasa disebut dengan output parsial atau statusnya
diturunkan. Gambar 9.2 menjelaskan dalam aplikasi praktis terentu, status penurunan
tambahan dapat dan dibutuhkan untuk menganalisis keadaan tambahan seperti yang ada
pada diagram.
 Jadi pada diagram diatas mencakup semua tingkatan transisi. Beberapa di antaranya
mungkin tidak ada secara fisik dalam praktik tapi dalam hal ini mereka harus dihilangkan
dari diagram. Salah satu transisi yang paling mungkin tidak terjadi adalah saat 𝜇2 karena
kemungkinan bahwa setelah gagal perbaikin proses akan mengembalikan ke status output
penuh.
9.3.3 Dua Komponen yang Dapat Diperbaiki
Jika sistem terdiri dari dua komponen yang dapat diperbaiki maka akan terjadi empat
kemungkinan. Salah satu fitur penting untuk dikenali dalam contoh kasus ini adlaah bahwa
diagram ruang keadaan yang ditunjukkan adalah terlepas dari apakah dua komponen secara
seri atau pararel berlebihan. Dalam kasus sitem seri, keadaan 1 adalah keadaan sistem naik,
dan keadaan 2,3,dan 4 adalah status sitem turun. Oleh karena itu jika P1,P2,P3,dan P4
memiliki kemungkinan menjadi keadaan 1-4 maka :
 Pada persamaan diatas ini berlaku untuk keadaan bergantung waktu dan pada keadaan
pembatgas. Contoh, jika kedua komponen gagal, perbaiki komponen 2 mungkin tidak akan
pernah dimulai sampai komponen 1 diperbaiki dalam hal ini 𝜇2 dari keadaan 4 ke keadaan
2 tidak akan ada. Dan mungkin juga kedua komponen gagal secara bersamaan dimana,
kasus transisi antara keadaan 1 dan keadaan 4 akan ada.Transisi ini menyiratkan mode
umum kegagalan dan tidak dianggap lebih lanjut dalam bab ini, tapi menjadi faktor penting
dan akan dibawas pada bab 11. Dalama beberapa situasi praktis, diagram ruang dapat
disederhanakan dan direduksi. Misalnya dapat diketahui bahwa ketika salah satu
komponen gagal dalam seri, komponen lainnya tidak lagi beroperasi dan tingkat
kegagalannya dalam keadaan ini menjadi nol. Oleh karena itu keadaan 4 tidak akan
meninggalkan dan menyatakan keadaan 1-3 dan tingkat transisi antar 3 keadaan ini.
Keadaan komponen identik di keadaan 2 dan 3 juga identik dan dapat digabungkan untuk
memberikan sistem 3 status tereduksi seperti gambar dibawah.

9.3.4 Sistem Tiga Komponen

Jumlah maksimum dalam sistem tiga komponen, dimana masing-masing komponen bisa
menghasilkan 2 keadaan. yaitu 23 (2 keadaan dan 3 komponen). Hal ini ditunjukkan pada
gambar 9.5.

Diagram ini dapat dimodifikasi dengan pengetahuan lebih lanjut tentang sistemnya yang
berfungsi untuk mewakili, misalnya apakah beberapa status dan transisi tidak sesuai dan
apakah status yang diturunkan juga diperlukan. Seperti dalam kasus sistem dua komponen
yang dijelaskan di Bab 9.3.3 diagram ruang mungkin memiliki keadaan dalam kondisi
 tertentu berlaku untuk suatu rentang dari sistem fisik. Kita harus bisa mengidentifikasi
bawah sistem seri/pararel sistem dan sistem 2-3 parsial redundan parsial, keadaan yang
akan terjadi jika digabungkan antara keadaan berhasil dan kegagalan dalam sistem yaitu :

9.3.5 Sejumlah Besar Komponen

Jika terjadi keadaan seperti ini maka, terdapat dua solusi yang mungkin. Yang pertama
melibatkan pemotongan keadaan. Pendekatan ini menggunakan penilaian rekayasa
berdasarkan pengalaman untuk mengurangi jumlah kemungkina status sistem dengan
mengabaikan mereka yang memiliki kemungkinan yang sangat rendah untuk terjadi.
Kedua solusi melibatkan teknik solusi perkiraan berdasarkan pemodelan Markov. Akan
dijelaskan lebih lanjut di bab 11.
9.3.6 Sistem Siaga Berulang
Untuk mengilustrasikan konstruksi diagram ruang keadaan pertimbangkan kembali sistem
siaga dua komponen yang ditunjukkan pada gambar 9.6 dimana saklar dianggap sempurna.
Diagram ruang ini subskrip 0, f, dan s mewakili operasi gagal dan menunggu pada masing-
masing.

9.3.7 Sistem Berorientasi Misi

Pada diagrram ruang keadaan ini bagaimanapun dapat dibangun untu ksistem yang tidak
dapat diperbaiki atau berorientasi misi dengan cara yang persis sama yang dapat diperbaiki
adalah transisi perbaikan dari komponen yang tidak ada yang tidak dapat diperbaiki,
 Diagram ruang keadaan gambar 9.4 untuk sistem yang memiliki dua komponen identik
dimodifikasi menjadi gambar 9.7 jika komponen tidak dapat diperbaiki.

9.4 Matriks Probabilistas Transisi Stokastik

Dalam kasus rantai diskrit Markov, matriks didefinisikan sebagai stokastik matriks
probabilitas yang membahas tentang probabilitas membuat transisi dari satu keadaan ke
sistem ke yang lain. Dalam hal komponen tunggal yang dapat diperbaiki diwakili oleh
keadaan diagram ruang ditunjukkan di gambar 9.1 tentang probabilitas transisi stokastik
matriks p yaitu

9.5 Mengevaluasi probabilitas keadaan pembatas

9.5.1 Komponen tunggal yang dapat diperbaiki
Probabilitas transisi stokastik matriks idealnya cocok untuk evaluasi batas probabilitas
keadaan. Pendekatan yang digunakan adalah mendefinisikan u sebagai vektor probabilitas
keadaan pembatas yang tetap tidak berubah ketika dikalikan dengan transisi stokastik matriks
peluang, yaitu

Jika α diberikan oleh [Po PI] untuk komponen tunggal yang dapat diperbaiki, maka dari
Persamaan 9.14 hingga 9.15

yang ketika ditulis dalam bentuk eksplisit, memberikan

Mengatur Ulang Persamaan 9.18 memberikan

 Dalam Persamaan 9.19 nilai Δt, asalkan bukan nol dan berhingga, menghilang untuk
memberi

yang identik dengan Persamaan 9.14 dan karena itu akan kembali memberikan

dan
Ketentuan delta t hilang dalam Persamaan 9.20. Oleh karena itu, untuk hilangkan
semuanya dalam memformulasi matriks inisiasi dan nyatakan probabilitas transisi ketat dalam
hal tingkat transisi. Pada kasus ini matriks probabilitas transisi stokastik yang diberikan dalam
Persamaan 9.15 akan muncul sebagai

9.5.2 Dua komponen identik yang dapat diperbaiki

a. Komponen terhubung seri

Dalam hal dua komponen identik dihubungkan secara seri, keadaan naik sistem adalah keadaan 1
dan keadaan turun adalah keadaan 2 dan 3, oleh karena itu ketersediaan,

Ketidaktersediaan

b. Komponen terhubung paralel

 Dalam hal dua komponen identik dihubungkan secara paralel, nyatakan 2 juga menjadi
pemberian status naik ketersediaan,

ketidaktersediaan

Sangat menarik untuk dicatat bahwa, dalam sistem ini, setiap komponen adalah
independen, dan ekspresi untuk Ph P2 dan P3 bersama-sama dengan nilai-nilai ketersediaan dan
ketidaktersediaan bisa diperoleh langsung dari hasil dari sistem komponen tunggal, Persamaan
9.11, menggunakan ekspansi binomial. Ini berlaku untuk sejumlah komponen independen dan
karena itu pembaca harus dapat memperoleh persamaan ekivalen untuk membatasi probabilitas
keadaan untuk sistem tiga komponen dari ekspansi binomial dan verifikasi ini menggunakan
teknik yang dijelaskan dalam bagian ini.

9.6 Mengevaluasi probabilitas keadaan bergantung waktu

9.6.1 Metode persamaan diferensial
Konsep dasar mengevaluasi probabilitas keadaan bergantung waktu dari proses Markov
menggunakan persamaan diferensial dijelaskan dalam Bagian 9.2.2 dan diilustrasikan untuk
komponen tunggal yang dapat diperbaiki. Dalam sistem yang lebih rumit menjadi semakin sulit
untuk mendapatkan ekspresi bergantung waktu umum. Dalam kasus seperti itu, lebih baik
menggunakan teknik numerik konvensional untuk menyelesaikan persamaan diferensial terkait
dari sistem tertentu daripada menurunkan ekspresi umum dan mensubstitusi nilai numerik ke
dalamnya. Dalam sistem berorientasi misi, probabilitas keadaan bergantung waktu adalah
indeks keandalan utama dan terbukti cukup sulit untuk mendapatkan ekspresi umum ketika
perbaikan komponen diizinkan.
Untuk menggambarkan penerapan persamaan diferensial metode untuk sistem yang lebih
rumit dan untuk memverifikasi kompleksitas yang muncul dalam upaya untuk memperoleh
ekspresi umum, pertimbangkan dua sistem komponen identik yang ditunjukkan pada Gambar
9.4. Membiarkan
 Solusi Persamaan 9.29 diturunkan pada Lampiran 4 menggunakan kondisi awal ini sebagai
contoh penyelesaian persamaan diferensial menggunakan transformasi Laplace dari mana

Dapat dilihat bahwa derivasi (Lampiran 4) dan ekspresi umum yang dihasilkan menjadi
agak rumit bahkan dalam kasus dua komponen yang identik dan dapat diperbaiki. Namun dalam
kasus ini, Persamaan 9.30 dapat diturunkan dengan cara yang serupa dengan yang dijelaskan
untuk probabilitaskeadaan pembatas dengan menerapkan ekspansi binomial ke persamaan
komponen tunggal yang ditunjukkan dalam Persamaan 9.10. Memecahkan sistem dengan
teknik numerik menggunakan perangkat lunak yang biasanya ditemukan pada sebagian besar
komputer digital, bagaimanapun, memungkinkan probabilitas keadaan dievaluasi dengan relatif
mudah. Ketika probabilitas keadaan individu telah dievaluasi baik menggunakan Persamaan
9.30 atau teknik numerik, mereka dapat digabungkan bersama untuk memberikan probabilitas
bergantung waktu dari keadaan sistem naik dan keadaan sistem turun baik untuk sistem seri
atau sistem paralel menggunakan prinsip Persamaan 9.27 dan 9.28, masing-masing.
Dapat dilihat, seperti yang diharapkan, bahwa Persamaan 9.30 direduksi menjadi
Persamaan 9.26 karena waktu cenderung tak terhingga memberikan probabilitas keadaan
pembatas.
 9.6.2 Metode perkalian matriks
Metode alternatif untuk mengevaluasi probabilitas bergantung waktu adalah dengan
menggunakan metode perkalian matriks berdasarkan yang dijelaskan untuk rantai Markov
diskrit di Bagian 8.4.
Dalam metode ini, matriks probabilitas transisi stokastik dibangun untuk interval waktu Ar
yang kecil seperti yang diilustrasikan dalam Persamaan 9.15 untuk komponen tunggal yang
dapat diperbaiki. Namun dalam hal ini nilai Ar tidak dapat diabaikan karena kemungkinan
keadaan pembatas dievaluasi. Nilai sebenarnya dari At juga harus dipilih sehingga probabilitas
dua atau lebih transisi yang terjadi dalam selang waktu ini dapat diabaikan. Ini membutuhkan
pengetahuan menyeluruh tentang sistem yang. dianalisis, dalam beberapa kasus kenaikan harus
kurang dari satu menit jika transisi sering terjadi sementara di lain bisa satu jam atau lebih. Oleh
karena itu, tidak ada kesimpulan umum yang dapat diberikan yang akan berlaku untuk semua
sistem. Jika ada keraguan dalam kasus tertentu, disarankan agar perkiraan At dibuat dan
hasilnya dihitung untuk nilai ini. perhitungan ulang kemudian dapat dilakukan untuk penurunan
nilai At dan proses ini dilanjutkan sampai dua set hasil berada dalam toleransi yang dapat
diterima.
Setelah dideduksi matriks probabilitas transisi stokastik untuk selang waktu At, matriks
tersebut dapat dikalikan dengan dirinya sendiri secara terus menerus sampai jangka waktu yang
diperlukan untuk studi tercapai, misalnya jika nilai At diatur ke 10 menit dan a waktu belajar 8
jam diperlukan, matriks harus dikalikan dengan dirinya sendiri (8x60)/10-48 kali. Meskipun
jumlah perkalian dalam praktik mungkin tampak besar, metode ini sangat cepat pada komputer
digital, jauh lebih sederhana daripada metode persamaan diferensial terutama untuk sistem
besar dan, untuk pilihan Ar yang masuk akal, dapat memberikan hasil dengan presisi yang dapat
diterima untuk semua tujuan praktis.

9.7 Evaluasi keandalan dalam sistem yang dapat diperbaiki

Ekspresi probabilitas keadaan yang diberikan dalam Persamaan 9.30 diperoleh untuk
sistem yang ditunjukkan pada Gambar 9.4. Ungkapan-ungkapan ini memberikan probabilitas
untuk ditemukan di masing-masing dari tiga keadaan pada waktu tertentu di masa depan. Nilai
probabilitas keadaan ini kadang-kadang disebut nilai ketersediaan keadaan, yang cenderung
menyebabkan kebingungan jika kata ketersediaan dikaitkan secara ketat dengan keadaan atau
situasi sukses. Jika hal ini terjadi maka ketersediaan sistem adalah jumlah dari nilai probabilitas
keadaan yang sesuai. Ini juga berlaku untuk ketidaktersediaan sistem. Persamaan 9.30 tidak
dapat digunakan untuk mendapatkan keandalan sistem jika sukses dalam kasus ini didefinisikan
sebagai tetap berada di luar keadaan gagal. Situasi ini dapat diilustrasikan dengan
mempertimbangkan dua sistem komponen identik yang diilustrasikan pada Gambar 9.4. Jika
kedua komponen dihubungkan untuk membentuk konfigurasi redundan paralel maka keadaan
kegagalan sistem adalah keadaan 3. Probabilitas keadaan pembatas yang berhubungan dengan
keadaan 3 adalah ketidaktersediaan sistem (Persamaan 9.28b)
 Untuk menghitung keandalan sistem, proses harus berhenti ketika keadaan 3 ditemui. Hal
ini dapat dicapai dengan memodifikasi diagram ruang keadaan untuk membuat keadaan 3
menjadi keadaan penyerap. Ketika keadaan 3 ditemui, sistem secara efektif berhenti sampai
seluruh proses dimulai lagi pada keadaan 1.
Persamaan 9.29 dimodifikasi sebagai berikut

Himpunan persamaan diferensial ini dapat diselesaikan dengan menggunakan bentuk trans
Laplace seperti yang dijelaskan pada Lampiran 4. Keandalan sistem adalah [29]

Sangat menarik untuk membandingkan Persamaan 9.32 dengan persamaan untuk

keandalan misi dari sistem redundan dua komponen identik tanpa perbaikan. Pada kasus ini

Perbedaan mendasar antara kedua persamaan ini adalah bahwa dalam kasus pertama,
sistem akan gagal hanya jika komponen operasi yang tersisa gagal sebelum komponen yang
gagal diperbaiki. Dalam kasus kedua, tidak ada perbaikan yang diizinkan dan oleh karena itu
kegagalan sistem terjadi ketika komponen operasi terakhir gagal. Ini bisa menjadi sangat sulit
untuk mendapatkan persamaan keandalan umum untuk sistem yang lebih kompleks dengan
perbaikan. Solusi keandalan numerik dapat diperoleh dengan menggunakan pendekatan.
persamaan diferensial atau metode perkalian matriks yang dijelaskan masing-masing dalam
Bagian 9.6.1 dan 9.6.2.
9.8 Rata-rata waktu untuk kegagalan
9.8.1 Konsep evaluasi
Seperti yang dinyatakan sebelumnya, hampir tidak mungkin untuk mendapatkan : ekspresi
umum yang mewakili probabilitas keadaan bergantung waktu dari sistem yang rumit meskipun
solusi numerik menggunakan metode persamaan diferensial atau metode perkalian matriks
biasanya dimungkinkan. Dalam beberapa kasus, tidak perlu mengevaluasi karakteristik
ketergantungan waktu lengkap dari probabilitas keadaan karena hanya evaluasi MTTF yang
diperlukan. Hal ini dapat dicapai dengan menggunakan persamaan diferensial atau matriks
probabilitas transisi stokastik. Dalam kedua kasus, konsep keadaan penyerap digunakan.
Sebuah negara menyerap telah didefinisikan sebagai sebuah negara yang, sekali masuk, tidak
dapat ditinggalkan sampai proses dimulai lagi. Akibatnya, MTTF dapat disamakan dengan
waktu rata-rata sebelum sistem memasuki keadaan menyerap.
Jika persamaan diferensial telah diselesaikan untuk mendapatkan ekspresi keandalan
sistem R(t), MTTF dapat dievaluasi dari Persamaan 7.24 dengan mengintegrasikan R(t) pada
rentang 0 hingga ∞

.
Dalam kasus sistem redundan yang dapat diperbaiki dimana R(t) diberikan oleh Persamaan 9.32

Ini dapat dibandingkan dengan

untuk sistem Persamaan 9.33.

9.8.2 Metode matriks probabilitas transisi stokastik
Metode persamaan diferensial membutuhkan persamaan diferensial untuk diselesaikan. Ini
bisa sangat membosankan jika bukan tidak mungkin, terutama jika persamaan umum dalam
bentuk Persamaan 9.33 diperlukan. Metode alternatif adalah dengan menggunakan prinsip
matriks probabilitas terpotong yang dijelaskan dalam Bagian 8.6 di mana baris dan kolom yang
terkait dengan keadaan penyerapan dihapus dari matriks probabilitas transisi - stokastik,
(a) Sistem redundan paralel dua komponen
Matriks peluang transisi stokastik untuk dua sistem komponen yang identik ditunjukkan pada
Persamaan 9.22. Jika seperti pada Bagian 9.7.2, keadaan 3 diasumsikan sebagai keadaan
penyerap, matriks Q yang terpotong diberikan oleh

Dalam Bab 8, matriks Q digunakan untuk menyimpulkan jumlah rata-rata langkah yang
akan berlalu sebelum sistem memasuki keadaan menyerap. Dalam kasus proses Markov terus
menerus, teknik yang sama dapat digunakan untuk menyimpulkan waktu rata-rata, yaitu,
MTTF, yang akan berlalu sebelum sistem memasuki keadaan menyerap.
Oleh karena itu, menggunakan prinsip Bagian 8.6 dan teknik 302 Evaluasi keandalan
sistem rekayasa aljabar matriks Lampiran 3

di mana elemen mof M adalah waktu rata-rata yang dihabiskan dalam keadaan mengingat
bahwa proses dimulai pada keadaan i sebelum diserap. Matriks M umumnya didefinisikan
sebagai matriks fundamental.
Jika sistem dimulai pada keadaan 1, MTTF sistem adalah

yang identik dengan Persamaan 9.34 diperoleh dengan menggunakan metode persamaan
diferensial.
Dalam turunan Persamaan 9.37, diasumsikan bahwa sistem dimulai pada keadaan 1 dan
oleh karena itu keadaan ini diasumsikan sebagai keadaan naik normal sistem. Dalam beberapa
kasus praktis, sistem dapat dianggap dalam keadaan naik ketika hanya satu komponen yang
dapat dioperasikan yaitu, keadaan 2. Dalam hal ini MTTF dari sistem adalah
 Dalam sistem lain yang lebih rumit, mungkin ada beberapa status naik yang dapat
diidentifikasi. Dalam kasus ini pemanfaatan pendekatan rekursif daripada pengembangan
matriks dasar M untuk sistem mungkin lebih sederhana dan lebih nyaman. Pendekatan ini akan
dibahas dalam Bab 10.
(b) Sistem seri dua komponen
Dalam hal dua komponen dihubungkan secara seri, teknik yang sama dapat diterapkan.
Namun dalam kasus ini, keadaan 2 dan 3 adalah keadaan gagal dan oleh karena itu keduanya
dapat dinyatakan sebagai keadaan penyerap.
Matriks Q yang terpotong sekarang terdiri dari satu elemen

(c) Derivasi tingkat kegagalan

Sebagaimana dibahas dalam Bagian 9.2.1 dan ditunjukkan dalam Persamaan 9.12, MTTF
dapat dianggap sebagai kebalikan dari tingkat kegagalan sistem dan sebaliknya. Oleh karena
itu, MTTF yang ditentukan oleh Persamaan 9.37-9.39 dan ekspresi serupa untuk sistem yang
lebih rumit dapat dibalas untuk memberikan tingkat kegagalan efektif dari sistem yang sesuai,
yaitu,

(a) untuk sistem seri 2 komponen, dari Persamaan 9.39

(b) untuk sistem paralel 2 komponen di mana kedua komponen dapat dioperasikan
dianggap sebagai sistem up state, dari Persamaan 9.37

Namun harus dihargai bahwa MTTF atau tingkat kegagalan dari sistem dua komponen
tidak dapat dikaitkan fungsi eksponensial tunggal untuk memberikan ekspresi keandalan
sistem. MTTF dan tingkat kegagalan efektif hanyalah nilai rata-rata dari distribusi non-
 eksponensial meskipun komponen individu itu sendiri dapat diwakili oleh distribusi
eksponensial.

9.9 Penerapan teknik untuk sistem yang kompleks

Semua teknik yang dijelaskan dalam bab ini telah diilustrasikan dalam istilah. sistem
sederhana. Ini diperlukan untuk menjelaskan logika teknik. Namun, ini adalah latihan yang
relatif sederhana dalam konsep untuk memperluas teknik ini ke masalah yang lebih kompleks.
Dalam semua kasus prinsip yang harus diikuti adalah
(a) Identifikasi semua keadaan di mana sistem dapat berada.
(b) Identifikasi semua transisi yang mungkin antara keadaan ini dan tentukan nilai numerik
dari transisi ini.
(c) Buatlah himpunan persamaan diferensial yang sesuai atau matriks probabilitas transisi
stokastik.
(d) Menggunakan metode persamaan diferensial atau metode perkalian mengevaluasi
probabilitas keadaan bergantung waktu, jika diperlukan,
(e) Menggunakan prinsip aP-a, mengevaluasi kemampuan probabilitas keadaan pembatas,
jika diperlukan.
(f) Identifikasi status sistem naik, status turun, dan status penurunan (jika ada).
(g) Gabungkan probabilitas keadaan yang sesuai yang dievaluasi dalam (d) dan/atau (e)
untuk memberikan probabilitas sistem naik, turun atau dalam keadaan
diturunkan.
(h) Dengan menggunakan prinsip keadaan penyerapan, selesaikan persamaan diferensial
yang dimodifikasi untuk mendapatkan persamaan keandalan sistem dan gunakan persamaan
ini untuk mendapatkan MTTF. Jika persamaan diferensial tidak dapat diselesaikan secara
langsung, pendekatan perkalian matriks dapat digunakan untuk mendapatkan estimasi R(t)
dan matriks fundamental dikembangkan untuk mendapatkan MTTF.
Untuk mengilustrasikan beberapa langkah ini perhatikan tiga komponen sistem seri/paralel
yang ditunjukkan pada Gambar 9.8.

Gambar 9.8 Sistem seri/paralel tiga komponen

(a) Keadaan di mana sistem Gambar 9.8 dapat berada telah ditunjukkan pada Gambar 9.5.
(b) Laju transisi dengan asumsi semua komponen dapat diperbaiki juga ditunjukkan pada
Gambar 9.5.
(c) Matriks peluang transisi stokastik P ditunjukkan pada halaman depan.
(d) Jika setiap elemen P dikalikan dengan selang waktu yang sesuai, P yang dimodifikasi
dapat dikalikan dengan dirinya sendiri n kali untuk memberikan probabilitas berada di
setiap keadaan sistem setelah 1,2,3,..., n interval waktu, yaitu, probabilitas keadaan
bergantung waktu.
(e) Jika vektor probabilitas keadaan pembatas [P, P₂ PPPPP₂ P₂] didefinisikan, persamaan
aP-a dapat diselesaikan untuk menyimpulkan P₁, P₂, P.
(f) Jika sistem yang ditunjukkan pada Gambar 9.8 dapat beroperasi dengan salah satu
komponen 2 atau 3 atau keduanya dalam keadaan dapat dioperasikan, maka untuk
sistem ini status sistem naik adalah 1,3,4 status sistem turun adalah 2,5,6,7,8
(g) Oleh karena itu Pup = P1+P3+P4
Pdown = P2+P5+P6+P7+P8
(h) Jika sistem yang ditunjukkan pada Gambar 9.8 berada dalam keadaan aktif penuh hanya
ketika kedua komponen 2 dan 3 dapat dioperasikan dan dalam keadaan menurun ketika
hanya 2 atau 3 yang dapat dioperasikan, maka sistem
status sistem naik adalah 1
status penurunan sistem adalah 3,4
status sistem turun adalah 2, 5, 6, 7, 8
(i) Oleh karena itu Pup = P₁
Pderated = P3+P4
Pdown P2+P5+P6+P7+P8
(j) Jika sistem yang ditunjukkan pada Gambar 9.8 dapat beroperasi dengan salah satu
komponen 2 atau 3 atau keduanya dalam keadaan dapat dioperasikan, maka, untuk
sistem ini, keadaan 2,5-8 didefinisikan sebagai keadaan penyerap dan dihapus untuk
memberikan Qas

dari mana MTTF dapat dievaluasi menggunakan M=[I-Q]. Keandalan sistem dapat
diperoleh dengan menyelesaikan persamaan diferensial yang dijelaskan oleh matriks Q.