تخمين قابليت اطمينان مكانيزم مجموعه روتور در ماسوره مكانيكي F232G با استفاده از شبكه هاي بيزين فازي

Assessment and Improvement of Roter in the Mechanical Spool Using Fuzzy Bayesian Networks

روند فعلي موجود در صنايع مختلف اين نكته را اذعان ميدارد كه بر قراري سيستمي با قابليت ارجاع سريع ميزان خرابيهاي محصول و يا برآورد قابليت اطمينان آن، از ضروريات هر صنعت است. قابليت اطمينان در صنايع نظامي داراي اهميت دو چندان ميشود. يكي از محصولات صنايع نظامي گلولههاي ضدهوايي است كه در برابر تهديدات دشمن مورد استفاده قرار ميگيرد و عمل نكردن يا به موقع عمل نكردن اين محصول ميتواند خسارتهاي جبران ناپذيري را در پي داشته باشد و اين بر اهميت اين محصول ميافزايد. در اين در مرحله طراحي است و هيچ داده قبلي يا آزمايشي در دست نيست، كمبود دادهها F232G تحقيق چون ماسوره مكانيكي اصليترين مشكل به حساب ميآيد و براي رفع اين مشكل از شبكههاي بيزين استفاده ميكنيم و با توجه به عدم شناخت از قابليت اطمينان اجزا در مرحله طراحي و نبود آگاهي كافي و دقيق خبرگان از قابليت اطمينان اجزا، براي قابليت اطمينان هر عضو بازهاي در نظر گرفته ميشود و از تيوري فازي براي بدست آوردن قابليت اطمينان استفاده ميشود. براي بدست آوردن قابليت اطمينان با استفاده از شبكههاي بيزين فازي ابتدا درخت خطاي محصول را رسم ميكنيم و با تبديل درخت خطا به صورت شبكههاي بيزين قابليت اطمينان محصول برآورد ميشود.

The current trend in the industry is acknowledging the necessity of establishment of systems with the capability of rapid product failure evaluation or reliability estimation. Reliability is very important in military industries. One of the defense industry products is anti-aircraft bullets that can be used against enemy threats. It is obvious that failure to act sooner can result in irreparable damage and this adds to the importance of this product. In this study the mechanical reel F232G in the experimental design stage with no previous data is considered the most difficult problem to address and to overcome this problem we use Bayesian networks. To evaluate the reliability, fault tree analysis was prepared and based on that the reliability block diagram was constructed. The product reliability was estimated using Bayesian fuzzy techniques.