بهينه سازي قابليت اطمينان سيستم سري موازي با زيرسيستمهاي - k-out-of-n با در نظر گرفتن نرخ خرابي وابسته به تعداد اجزاي در حال كار

Reliability Optimization of a Series-Parallel K-out-of-n System with Failure Rate Depends on Working System Components

در اين مقاله مدل جديدي براي مسيله تخصيص افزونگي با ساختار سري موازي و زير سيستمهاي - k-out-of-n با در نظر گرفتن نرخ خرابي وابسته به تعداد اجزاي در حال كاار اراهاه ما يشاود .در ايان ناون نارخ خراباي باا افزايش تعداد اجزاي در حال كار به دليل تقسيم بار )فشار( بر روي تعداد بيشتري از اجزا ، نرخ خرابي هر يا ك از اجزا كاهش مييابد. همچنين براي هر يك از زير سيستمها دو نون سياست افزونگي آمااده باه كاار سارد و فعال در نظر گرفته شده است. هدف از حل مدل اراهه شده تعيين استراتژي افزونگي، ناون و تعاداد جاز ماازاد تخصيص يافته براي هر زيرسيستم به منظور حداكثر كردن قابليت اطمينان كال س يساتم تحات محادود يتهاا ي وزن و هزينااه ماايباشااد. بااه دل ياال NP-hard بااودن مساايله تخصاا يص افزونگااي از الگااوريتم فاارا ابترااار ي ژنتيك) GA (براي حل مدل و از روش سطح پاسخ) RSM ( براي تنظيم پارامترهاي موثر بار ا يا ن الگاور يتم اساتفاده شده است. در انتها با ذكر يك مثال عددي به بررسي نتايج به دست آمده از حل مدل اراهه شده ميپردازيم

This Paper Presents a Mathematical Model for a Redundancy Allocation Problem (RAP) for the Series-Parallel System with K-out-of-n Subsystems and Failure Rate Depends on Working Components of System. It Means that Failure Rate of Components Increases when a Component Fails. The Subsystems May use Either Active or Cold-standby Redundancy Strategies, Which Considered as a Decision Variable for Individual Subsystems. Thus, the Proposed Model and Solution Methods Are to Select the Best Redundancy Strategy Among Active or Cold-Standby, Component Type, and Levels of Redundancy for Each Subsystem. The Objective Function is to Maximize the System Reliability Under Cost and Weight Constraints. To Solve the Model, Since RAP Belongs to Np-Hard Class of the Problems, One Effective Meta-Heuristic Algorithm Named Genetic Algorithm (GA)is Proposed. Then, Response Surface Methodology is Applied for Algorithm Parameter Tuning. Finally, We Consider the Results of Solving Presented Model with a Numerical Example