Resume Chapter 9 - 093 - I Nyoman Daton Trisnadana - 095 - I Nyoman Dahi Pranipata - Keandalan Sistem Tenaga
Resume Chapter 9 - 093 - I Nyoman Daton Trisnadana - 095 - I Nyoman Dahi Pranipata - Keandalan Sistem Tenaga
RESUME CHAPTER 9
Disusun oleh :
Nyoman Daton Trisnadana 1905541093
FAKULTAS TEKNIK
(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)
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
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 :
Jika α diberikan oleh [Po PI] untuk komponen tunggal yang dapat diperbaiki, maka dari
Persamaan 9.14 hingga 9.15
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
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
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.
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.
Himpunan persamaan diferensial ini dapat diselesaikan dengan menggunakan bentuk trans
Laplace seperti yang dijelaskan pada Lampiran 4. Keandalan sistem adalah [29]
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
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
(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.
dari mana MTTF dapat dievaluasi menggunakan M=[I-Q]. Keandalan sistem dapat
diperoleh dengan menyelesaikan persamaan diferensial yang dijelaskan oleh matriks Q.