L'AFFIDABILITÀ IN PRATICA I MODELLI MARKOVIANI - prima pagina
L'AFFIDABILITÀ IN PRATICA I MODELLI MARKOVIANI - prima pagina
L'AFFIDABILITÀ IN PRATICA I MODELLI MARKOVIANI - prima pagina
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Ernani Carrada<br />
L’AFFIDABILITÀ <strong>IN</strong> <strong>PRATICA</strong><br />
I <strong>MODELLI</strong> <strong>MARKOVIANI</strong>
Copyright © 2003 Ernani Carrada, Via B. Bruni 64 – 00189 – Roma<br />
Prima edizione: settembre 2003<br />
Ernani Carrada si è laureato in fisica all’Università di Pisa nel 1953.<br />
Dopo un’esperienza nella progettazione di apparati elettronici per uso militare, ha iniziato<br />
nel 1961 a occuparsi di affidabilità e discipline correlate presso la Selenia SpA di<br />
Roma dove ha operato fino al 1979 toccando tutti gli aspetti di queste discipline.<br />
Fino alla metà degli anni ’90 ha svolto attività professionale, sempre nell’ambito indicato,<br />
in <strong>prima</strong>rie aziende nazionali operanti nell’ambito militare e della automazione<br />
industriale.<br />
Dalla metà degli anni novanta alla fine del 2002 ha collaborato con il Consorzio Saturno<br />
di Roma nominato per la realizzazione degli impianti elettroferroviari per l’alta velocità.<br />
È stato autore di numerosi scritti, organizzatore e docente in corsi di formazione<br />
specifici, attivo nelle associazioni professionali.
Indice<br />
Indice ................................................................................................................................ 3<br />
Prefazione ..................................................................................................................... 5<br />
1. Introduzione.................................................................................................................. 7<br />
1.1. L’affidabilità nell’ingegneria................................................................................. 7<br />
1.2. L’approccio binario e la predizione....................................................................... 8<br />
1.3. Diagrammi a blocchi di affidabilità (DBA)......................................................... 10<br />
2. I processi markoviani in affidabilità........................................................................... 15<br />
2.1. Generalità ............................................................................................................ 15<br />
2.2. L’equazione fondamentale .................................................................................. 17<br />
2.3. Caratteristiche di affidabilità in termini di probabilità ........................................ 20<br />
2.4. Caratteristiche di affidabilità in termini di tempi medi di permanenza............... 20<br />
2.4.1. Calcolo dei tempi medi di permanenza ........................................................ 21<br />
2.4.2. Tempo e frequenza di ciclo .......................................................................... 23<br />
2.5. Costruzione della matrice dei tassi di transizione ............................................... 26<br />
2.5.1. Generalità ..................................................................................................... 26<br />
2.5.2. Costruzione della matrice dei tassi di transizione ........................................ 28<br />
2.5.3. Matrice dei tassi di transizione per un sistema di 5 componenti.................. 30<br />
2.5.4. Regole empiriche per la costruzione della matrice dei tassi di transizione.. 34<br />
3. Modelli elementari...................................................................................................... 37<br />
3.1. Generalità ............................................................................................................ 37<br />
3.2. Singolo blocco ..................................................................................................... 39<br />
3.2.1. Impostazione................................................................................................. 39<br />
3.2.2. Come eseguire i calcoli con MAPLE ........................................................... 39<br />
3.3. Due blocchi.......................................................................................................... 44<br />
3.3.1. Due blocchi connessione in serie ................................................................. 44<br />
3.3.2. Due blocchi connessi in ridondanza sequenziale ......................................... 53<br />
3.3.3. Due blocchi identici in ridondanza sequenziale ........................................... 58<br />
3.3.4. Due blocchi in ridondanza sequenziale fredda............................................. 60<br />
3.3.5. Due blocchi identici in ridondanza sequenziale fredda................................ 66<br />
3.3.6. Manutenzione multipla................................................................................. 69<br />
3.3.7. Due blocchi connessi in ridondanza operativa ............................................. 74<br />
3.3.8. Due blocchi identici connessi in ridondanza operativa ................................ 78<br />
3.4. Tre blocchi........................................................................................................... 81<br />
3.4.1. Connessione in serie ..................................................................................... 81<br />
3.4.2. Connessi in ridondanza calda 1 su 3............................................................. 86<br />
3.4.3. Connessi in ridondanza calda 2 su 3............................................................. 88<br />
3.4.4. Tre blocchi identici in ridondanza sequenziale 1 su 3.................................. 91<br />
3.4.5. Tre blocchi identici connessi in ridondanza sequenziale 2 su 3................... 93<br />
3.4.6. Due blocchi in ridondanza con commutatore reale ...................................... 97<br />
3.4.7. Due blocchi identici in ridondanza con commutatore reale ....................... 105<br />
4. Modello generale ...................................................................................................... 113<br />
4.1. Introduzione....................................................................................................... 113<br />
4.2. Quattro blocchi .................................................................................................. 114<br />
4.2.1. Tabella degli stati e diagramma delle transizioni ....................................... 114<br />
4.2.2. Probabilità degli stati.................................................................................. 115<br />
4.2.3. Frequenze di ciclo degli stati...................................................................... 116
4.2.4. Esempio n. 1: 2 blocchi funzionanti su quattro .......................................... 118<br />
4.2.5. Esempio n. 2: Guasti concomitanti............................................................. 124<br />
4.2.6. I guasti concomitanti in generale................................................................ 127<br />
4.3. Cinque blocchi................................................................................................... 130<br />
4.3.1. Tabella degli stati e diagramma delle transizioni ....................................... 130<br />
4.3.2. Probabilità degli stati.................................................................................. 132<br />
4.3.3. Frequenza di ciclo degli stati...................................................................... 135<br />
4.3.4. Esempio: 4 blocchi funzionanti su 5 identici ............................................. 138<br />
4.4. Se i blocchi sono identici e raggruppabili ......................................................... 145<br />
Appendice 1: Glossario essenziale ............................................................................... 151<br />
Bibliografia................................................................................................................... 153
Prefazione<br />
Allo scoccare del mio settantacinquesimo anno ho definitivamente abbandonato<br />
l’attività professionale.<br />
Nella tranquillità della mia nuova condizione di vita ho deciso di dedicare un po’ del<br />
mio tempo a rendere disponibile per i miei colleghi più giovani qualche parte della mia<br />
lunga esperienza nell’ambito dell’affidabilità. Questo libro è il primo tentativo.<br />
Contiene nozioni pratiche utili a chi deve analizzare l’affidabilità di grossi sistemi riparabili.<br />
Nell’ambito di queste analisi è spesso necessario automatizzare i calcoli necessari<br />
alla determinazione di caratteristiche di affidabilità, sia per ragioni di tempo, sia (e forse<br />
di più) per minimizzare le occasioni di commettere errori.<br />
Penso che il contenuto dei capitoli che seguono sia di aiuto nell’impostazione di questo<br />
tipo di automazione.<br />
Ho ipotizzato che il lettore mio collega abbia una buona conoscenza dei concetti e dei<br />
metodi dell’affidabilità, assunzione certo contraddittoria con la redazione del capitolo 1.<br />
In esso cose ritenute note sono riportate talora in maniera troppo sintetica e tal altra con<br />
parecchi dettagli.<br />
Le prime servono a richiamare le coordinate fondamentali dell’ambiente in cui ci si accinge<br />
a operare, le seconde a tenere desta l’attenzione su definizioni e procedure a mio<br />
giudizio, certo opinabile, non sufficientemente considerate nella pratica corrente.<br />
Discorso analogo vale per il glossario essenziale in Appendice 1.<br />
Il capitolo 2 contiene stringate nozioni sull’uso dei processi di Markov in affidabilità;<br />
talvolta un argomento è appena accennato per venir poi ripreso e sviluppato nell’analisi<br />
di qualche caso significativo al capitolo seguente.<br />
Il capitolo 3 è il cuore del libro. In esso vengono sviluppati i modelli elementari relativi<br />
ai sistemi più semplici e frequenti nel processo di riduzione dei diagrammi a blocchi di<br />
affidabilità. I modelli elementari sono i costituenti fondamentali per l’automazione della<br />
predizione dell’affidabilità.<br />
Il capitolo 4 getta uno sguardo oltre la barriera della pratica difficoltà di gestione dei sistemi<br />
con molti stati.<br />
Poiché i lettori potenziali non sono molti, non è il caso di pensare a una distribuzione<br />
tradizionale.<br />
Potete scaricare gratuitamente questo libro in formato PDF dal mio sito. In cambio<br />
chiedo solo di inviarmi una e-mail. A interessarci di questi argomenti non siamo in<br />
molti …, mi fa quindi piacere conoscere i miei lettori.<br />
Il contenuto del libro può essere liberamente usato a condizione che ne venga citata la<br />
fonte in modo completo (titolo e autore).<br />
Sarò grato ai cortesi lettori che vorranno segnalarmi per e-mail errori, omissioni, possibilità<br />
di miglioramento. Valuterò tutte le segnalazioni e rimetterò i risultati a disposizione<br />
della comunità dei lettori.<br />
Ernani Carrada<br />
e.carrada@mclink.it<br />
www.ernanicarrada.net<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 5 di 153
1. Introduzione<br />
1. Introduzione<br />
1.1. L’affidabilità nell’ingegneria<br />
Nella realizzazione e nella gestione dei sistemi complessi indispensabili a sostenere le<br />
necessità della vita moderna l’approccio sistemistico [1] comincia, con molte difficoltà,<br />
a diffondersi anche nelle realtà industriali medio-piccole del nostro paese.<br />
L’approccio sistemistico schematizza la struttura del ciclo di vita del generico sistema<br />
come segue:<br />
• Periodo di pianificazione<br />
• Periodo di acquisizione<br />
Fase di progettazione<br />
Fase di produzione<br />
Fase di installazione<br />
• Periodo di esercizio.<br />
Considerando la sola fase cruciale di progettazione, è da ritenersi ormai prassi corrente<br />
in questo ambito il lavoro di squadra di più specialisti nelle discipline coinvolte che<br />
sotto la guida di un capo progetto cercano il miglior compromesso tra molti requisiti<br />
operativi spesso contrastanti e con stringenti vincoli di costo (soprattutto di esercizio).<br />
In questa squadra l’affidabilista segue lo sviluppo del progetto assicurando il supporto<br />
specialistico in materia di affidabilità e discipline correlate <strong>prima</strong> (studi preliminari, linee<br />
guida), durante (costante monitoraggio dell’impatto delle scelte progettuali sulle caratteristiche<br />
di affidabilità) e dopo (definizione di prove sperimentali e interpretazione<br />
dei risultati) la realizzazione delle singole attività dello sviluppo.<br />
La spina dorsale di questo supporto è costituita dalla analisi dell’affidabilità, che è il<br />
processo, pianificato e documentato, di studio dei fatti che determinano l’affidabilità<br />
intrinseca (vedi Appendice 1) del progetto.<br />
Questo processo procede per successive approssimazioni durante tutta la fase di progettazione<br />
cercando ottimizzazioni, generando prescrizioni qualitative e quantitative,<br />
valutando continuamente in che misura il progetto evolve verso il conseguimento dei<br />
requisiti specificati.<br />
Questo processo è efficace soltanto se è fortemente integrato nel processo generale di<br />
progettazione; analizzare un progetto già concluso serve unicamente a valutarne a posteriori<br />
l’affidabilità intrinseca che potrebbe non risultare idonea a soddisfare le specifiche.<br />
I tempi e i soldi per rimediare potrebbero essere proibitivi.<br />
Le metodologie specifiche usate durante l’analisi di affidabilità fanno largo uso di modelli<br />
di affidabilità.<br />
Nell’ambito scientifico e tecnico si da il nome di modello a “un sistema fisico o matematico<br />
che obbedisce a certe determinate condizioni il cui comportamento è usato per<br />
capire un sistema fisico, biologico o sociale con esso analogo in qualche modo” [2].<br />
Nell’ambito dell’affidabilità un modello di un sistema è una rappresentazione semplificata<br />
del suo comportamento idonea a rendere fattibili delle determinazioni quantitative<br />
della sua affidabilità.<br />
Questo modello è a sua volta basato su un modello funzionale e su un profilo di missione.<br />
Il profilo di missione è una descrizione cronologica dei modi operativi, degli eventi e<br />
delle condizioni ambientali in senso lato (termiche, meccaniche, meteorologiche, elet-<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 7 di 153
1. Introduzione<br />
tromagnetiche, di comportamenti umani, etc.) che un sistema incontra tra l’inizio e la<br />
fine di una data missione, contenente i criteri di valutazione del successo della missione<br />
e/o dei guasti critici.<br />
Il modello funzionale di un sistema consiste di una descrizione narrativa del suo funzionamento<br />
e di uno schema a blocchi.<br />
La descrizione narrativa deve includere l’identificazione delle funzioni interne al sistema<br />
e di quelle di interfaccia, le prestazioni attese fino a un sufficiente livello di disassiemamento<br />
e la definizione dei guasti.<br />
Questa descrizione deve essere approfondita quanto basta per consentire una sufficiente<br />
e autonoma intelligenza del modello di affidabilità.<br />
Lo schema a blocchi funzionale rappresenta il funzionamento e l’interconnessione delle<br />
entità funzionali del sistema descritte nella documentazione di progetto.<br />
Le funzioni e i modi operativi sono identificati partendo dal più alto livello di sistema e<br />
proseguendo quindi verso i livelli di scomposizione più bassi.<br />
Per evitare disordine e perdite di tempo, è indispensabile assicurare la coerenza del modello<br />
funzionale con la documentazione ufficiale del progetto sancita dal controllo della<br />
configurazione (Quadro 1.1. a <strong>pagina</strong> seguente).<br />
Anche nel modello dell’affidabilità compare uno schema a blocchi nel quale gli stessi<br />
blocchi dello schema funzionale non sono più collegati secondo una logica funzionale<br />
ma secondo la logica del successo. Questo discorso verrà ripreso più avanti.<br />
1.2. L’approccio binario e la predizione<br />
Dopo circa mezzo secolo di vita l’affidabilità è ancora coltivata fondamentalmente nel<br />
suo ambiente di origine: l’elettronica.<br />
Ambiente caratterizzato dal fatto che apparecchiature anche molto complesse sono realizzate<br />
interconnettendo un numero anche molto elevato di componenti, ma appartenenti<br />
a un numero relativamente piccolo di tipi la quasi totalità dei quali standardizzati. Cioè<br />
prodotti in quantità da più costruttori in modo da soddisfare, per quanto riguarda caratteristiche<br />
fisiche (dimensioni, peso, mezzi di interconnessione, marcatura, etc.) e prestazioni,<br />
delle specifiche praticamente identiche e suscettibili di uso in una varietà di apparecchiature<br />
e di situazioni operative.<br />
Di fatto il malfunzionamento di una apparecchiatura elettronica viene ricondotto al malfunzionamento<br />
di un componente sostituito il quale con un esemplare funzionante del<br />
medesimo tipo l’apparecchiatura riprende il suo normale funzionamento. La semplicità,<br />
economicità e rapidità di ripristino del servizio mediante sostituzione ha sospinto a lungo<br />
in secondo piano l’analisi del come e del perché del singolo guasto e consolidato<br />
molto rapidamente il cosiddetto approccio binario: dal punto di vista dell’affidabilità un<br />
oggetto ha due soli stati possibili, quello di funzionamento ( o di successo) nel quale si<br />
comporta come prescritto nelle specifiche pertinenti e quello alternativo di guasto nel<br />
quale una o più di tali prescrizioni non sono più soddisfatte.<br />
L’ulteriore ipotesi della costanza nel tempo dei tassi di guasto e di ripristino ha reso<br />
possibile lo sviluppo di modelli sufficientemente semplici per trattare quantitativamente<br />
i problemi della predizione dell’affidabilità (Appendice 1).<br />
Così l’affidabilità dei componenti elettronici propriamente detti (oggetti costituiti da due<br />
o più parti assiemate che non è normalmente possibile disassiemare senza distruggere la<br />
possibilità di corretto funzionamento del componente medesimo – ad esempio un trasformatore)<br />
è riconducibile al suo tasso di guasto rilevato dall’esercizio, o da prove di<br />
vita appositamente condotte, in una varietà di sollecitazioni circuitali e ambientali derivanti<br />
a loro volta da una varietà di situazioni operative.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 8 di 153
Quadro 1.1. – Controllo della configurazione<br />
1. Introduzione<br />
Dalla norma internazionale ISO 10007 "Gestione della qualità - Linee guida per la gestione<br />
della configurazione" alcune definizioni fondamentali.<br />
Configurazione: insieme di caratteristiche fisiche e funzionali di un prodotto come<br />
identificate nella documentazione tecnica e realizzata nel prodotto.<br />
Oggetto di configurazione: aggregato di hardware, software, materiali lavorati, servizi,<br />
o ogni loro parte distinta designata per la gestione della configurazione e trattato come<br />
entità singola nel processo di gestione della configurazione.<br />
Identificazione della configurazione: attività che comprendono l'identificazione della<br />
struttura del prodotto, la selezione degli oggetti di configurazione e la documentazione<br />
delle loro caratteristiche fisiche e funzionali incluse le interfacce e le successive varianti,<br />
l'assegnazione di simboli di identificazione agli oggetti di configurazione e ai documenti<br />
a essi pertinenti.<br />
Queste attività includono le seguenti.<br />
Struttura del prodotto e selezione degli oggetti di configurazione.<br />
La struttura del prodotto descrive la posizione e le relazioni degli oggetti di configurazione<br />
nella scomposizione del prodotto.<br />
Gli oggetti di configurazione vengono scelti mediante un processo di decomposizione<br />
dall'alto verso il basso che divide la struttura globale del prodotto in aggregati di hardware,<br />
software, materiali lavorati, servizi, tra loro logicamente correlati e subordinati.<br />
Documentazione degli oggetti di configurazione.<br />
Tutte le necessarie caratteristiche fisiche e funzionali di un oggetto di configurazione<br />
incluse interfacce, modifiche, errori e deroghe debbono essere contenute in documenti<br />
chiaramente identificati normalmente chiamati "documenti di configurazione".<br />
Numerazione.<br />
Debbono essere istituite e applicate regole di numerazione per identificare gli oggetti di<br />
configurazione, loro parti e sottoassiemi, documenti, interfacce, modifiche, errori e deroghe.<br />
Le predizioni dell’affidabilità dei componenti, cioè le razionali congetture sulla loro affidabilità<br />
in un dato contesto circuitale e ambientale, sono quindi derivate direttamente<br />
dall’esperienza o determinate secondo regole derivate dall’elaborazione di dati sperimentali.<br />
La seconda modalità, fino a poco tempo fa dominante, è largamente basata sul notissimo<br />
manuale MIL-HDBK-217, oggi abbastanza sorpassato ed affiancato da altri manuali<br />
dedicati al calcolo del tasso di guasto di componenti elettronici in ambienti operativi<br />
specifici (vedi, ad esempio, [3], [4], [5]).<br />
Da quanto detto deriva l’uso di chiamare genericamente componenti degli oggetti, siano<br />
essi componenti propriamente detti o aggregati più complessi, le cui caratteristiche di<br />
affidabilità possono essere ottenute direttamente dai dati sperimentali<br />
I componenti vengono assiemati, cioè raggruppati e interconnessi, in modo da fornire<br />
funzioni sempre più complesse fino al livello massimo del sistema che fornisce una funzione<br />
operativa completa (una radio portatile, un radar aeroportuale, una rete di ponti<br />
radio).<br />
Della predizione dell’affidabilità dei componenti elettronici non si parlerà più nel seguito.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 9 di 153
1. Introduzione<br />
Tra il livello di assiemamento minimo di componente e quello massimo di sistema viene<br />
definito un certo numero di livelli intermedi in dipendenza da necessità di costruzione<br />
e/o di gestione o altre contingenze.<br />
Le caratteristiche di affidabilità degli oggetti a livello di assiemamento superiore a<br />
quello di componente non sono, in generale, determinabili direttamente dai dati sperimentali;<br />
debbono essere quindi determinate per via analitica conoscendo le caratteristiche<br />
di affidabilità degli oggetti che li costituiscono e le loro interconnessioni secondo la<br />
logica del successo.<br />
Da ciò l’uso di chiamare genericamente sistemi gli aggregati di livello superiore al<br />
componente le cui caratteristiche non sono, in generale, direttamente ricavabili dai dati<br />
sperimentali.<br />
La ricerca delle relazioni che legano le caratteristiche di affidabilità del sistema (nel<br />
senso generico appena detto) all’affidabilità dei componenti (sempre nel senso generico<br />
detto) costituisce uno dei problemi fondamentali dell’affidabilità.<br />
1.3. Diagrammi a blocchi di affidabilità (DBA)<br />
Il DBA è l’elemento fondamentale del modello di affidabilità ed è un parente stretto del<br />
diagramma a blocchi funzionale al quale è perciò necessario tornare per qualche ulteriore<br />
considerazione.<br />
La struttura fisica di un sistema viene normalmente descritta appoggiandosi a un disassiemamento<br />
gerarchico per livelli coerente con i criteri di gestione della configurazione<br />
e contenente solo oggetti fisici di configurazione (Quadro 1.1.).<br />
Eventuali elementi immateriali (software) sono ritenuti parte del loro contenitore materiale<br />
e concorrono alla sua caratterizzazione (una ROM vergine è un oggetto differente<br />
dalla stessa ROM contenente un dato file).<br />
Esempio classico di disassiemamento gerarchico è la distinta base, con le sue metafore<br />
di padri e figli, da molto tempo largamente usata, almeno nell’ambito metalmeccanico,<br />
per le necessità organizzative dei processi produttivi.<br />
Gli oggetti che derivano dal processo di disassiemamento in discorso vengono rappresentati<br />
nella documentazione di progetto (schemi funzionali, di affidabilità, etc.) mediante<br />
simboli grafici convenzionali che nelle singole rappresentazioni sono accompagnati<br />
da una identificazione del simbolo e da una stringatissima descrizione che faccia<br />
capire di che cosa si tratta ovviando alla eventuale cripticità dei simbolo.<br />
La identificazione del simbolo nel linguaggio corrente viene chiamata impropriamente<br />
simbolo e tale imprecisione è così diffusa e radicata che viene accettata anche in questo<br />
libro.<br />
Il simbolo può individuare un oggetto fisico fin dai primi passi della progettazione,<br />
quando rappresenta appena una intenzione del progettista. Col progredire dello sviluppo<br />
del progetto il simbolo rappresenta sempre meglio la funzione (o l’insieme di funzioni)<br />
che l’oggetto è chiamato ad assolvere fino a rappresentare nella documentazione finale<br />
del sistema l’oggetto che effettivamente assolve una data funzione in un certo contesto<br />
circuitale (e quindi in una certa collocazione fisica).<br />
In questa accezione il simbolo viene spesso usato come identificatore univoco degli oggetti<br />
fisici di configurazione.<br />
Il simbolo usato come identificatore univoco deve essere unico nell'ambito dell'oggetto<br />
di configurazione cui appartiene (cioè tra i suoi metaforici fratelli) e identifica la collocazione<br />
fisica dell'oggetto nella struttura in esame. L'univocità globale ai livelli di disassiemamento<br />
più bassi (quindi ai livelli di assiemamento più alti), fino al livello di sistema,<br />
si ottiene associando al simbolo dei singoli oggetti il simbolo del proprio padre.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 10 di 153
1. Introduzione<br />
In concreto la funzione che compete a un simbolo può essere realizzata da oggetti fisici<br />
differenti purché intercambiabili, cioè che realizzano le stesse funzioni operative nelle<br />
stesse condizioni fisiche (ingombri e fissaggi) e ambientali.<br />
Se questo accade, l'oggetto fisico che in concreto realizza quella funzione in quel contesto<br />
circuitale deve avere un identificatore di carattere più generale che, per ragioni storiche,<br />
viene spesso chiamato part number.<br />
Questo part number identifica un tipo di oggetto, cioè il generico individuo tratto da una<br />
popolazione (al limite di un solo individuo) omogenea perché costruita a fronte della<br />
stessa specifica, con lo stesso processo produttivo (prove e collaudi compresi).<br />
Quindi il part number può non essere unico; si pensi al caso banale di un certo tipo di<br />
resistore che può comparire in più posizioni circuitali in uno stesso oggetto di configurazione.<br />
Generalmente il part number individua più oggetti identici nell'ambito e per le necessità<br />
di tutte le attività aziendali (e talora di esercizio), mentre il simbolo identifica una posizione<br />
in un contesto funzionale di una certa apparecchiatura. Tale posizione può talvolta<br />
essere occupata da oggetti diversi, quindi con part number diverso, tra loro compatibili<br />
fisicamente e funzionalmente.<br />
È chiaro che in un buon progetto il diagramma a blocchi funzionale avrà forti somiglianze<br />
con la struttura fisica sopra descritta.<br />
Un DBA è una rappresentazione grafica dell’affidabilità di un sistema che usa gli stessi<br />
oggetti usati nel diagramma funzionale a blocchi..<br />
Un DBA mostra la connessione logica dei singoli oggetti (che nel seguito verranno genericamente<br />
chiamati “blocchi”) costituenti il sistema che nel loro stato di corretto funzionamento<br />
assicurano il successo del sistema. Di fatto si costruisce un “percorso di<br />
successo” tra un nodo di partenza e un nodo di arrivo opportunamente scelti.<br />
La realizzazione di un DBA richiede:<br />
• La buona conoscenza del funzionamento del sistema nei suoi possibili stati operativi<br />
quale risulta dalla documentazione di progetto.<br />
• La definizione chiara, completa e precisa delle condizioni che individuano il successo<br />
del sistema.<br />
• Le condizioni ambientali e di servizio (processi di avvio e di arresto, periodi e condizioni<br />
di inattività, etc.) .<br />
Il DBA è un elemento essenziale per costruire modelli di affidabilità poiché consente di<br />
vedere sinteticamente l’effetto sul sistema dell’inaffidabilità degli oggetti che lo costituiscono.<br />
Associando al DBA le equazioni che descrivono, per una o più caratteristiche di affidabilità,<br />
le relazioni che legano le caratteristiche dei singoli oggetti (figli) a quelle<br />
dell’oggetto di livello immediatamente superiore (padre) fino al livello di sistema si ottiene<br />
un modello di affidablità.<br />
Un DBA è esso stesso di fatto uno dei possibili modelli dell’affidabilità poiché consente<br />
direttamente il calcolo della probabilità di successo R(t) con semplici formule booleane<br />
(le principali sono per comodità riportate nel Quadro 1.2.) quando:<br />
• non si tiene conto della riparabilità<br />
• non è necessario tener conto dell’ordine in cui si verificano i guasti [6]<br />
• il sistema è relativamente semplice.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 11 di 153
1. Introduzione<br />
Se sono previste azioni di riparazione e/o si deve tener conto dell’ordine in cui si verificano<br />
i guasti (di fatto nella maggior parte dei casi pratici) e/o il sistema è complesso sono<br />
più adatte le tecniche markoviane delle quali si parla più avanti.<br />
L’attento esame di DBA anche complessi consente di individuare blocchi o gruppi di<br />
blocchi il cui comportamento è statisticamente indipendente dal comportamento degli<br />
altri blocchi e per i quali quindi si possono calcolare delle caratteristiche di affidabilità e<br />
sostituire man mano ciascun gruppo di blocchi con un unico blocco cui si attribuiscono<br />
le caratteristiche di affidabilità per esso calcolate.<br />
Alla fine di questo processo di sintesi si giunge a una catena apicale di blocchi in serie<br />
la cui affidabilità si calcola in maniera abbastanza semplice.<br />
Poiché spesso i gruppi di blocchi si possono scegliere in modo che la loro struttura consenta<br />
di calcolarne le caratteristiche di affidabilità mediante un numero limitato di modelli<br />
relativamente semplici, un idoneo DBA è fondamentale per l’automatizzazione dei<br />
calcoli pertinenti.<br />
È infatti possibile descrivere un DBA in termini idonei a essere acquisiti da programmi<br />
di calcolo automatico anche usando l’esperienza ormai pluridecennale conseguita nella<br />
gestione delle già citate distinte base.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 12 di 153
Quadro 1.2. - Regole per combinare le probabilità<br />
1. Introduzione<br />
Eventi condizionati<br />
La probabilità che si verifichi l’evento A condizionatamente al fatto che si è già verificato<br />
l’evento B<br />
P(<br />
A ∩ B)<br />
P(<br />
A | B)<br />
= (1)<br />
P(<br />
B)<br />
Eventi simultanei<br />
Gli eventi sono indipendenti<br />
P ( A ∩ B)<br />
= P(<br />
A)<br />
P(<br />
B)<br />
(2)<br />
Gli eventi non sono indipendenti<br />
P ( A ∩ B)<br />
= P(<br />
B | A)<br />
P(<br />
A)<br />
= P(<br />
A | B)<br />
P(<br />
B)<br />
(3)<br />
Almeno 1 di 2<br />
Gli eventi sono indipendenti ma non mutuamente escludentisi<br />
P( A ∪ B)<br />
= P(<br />
A)<br />
+ P(<br />
B)<br />
− P(<br />
A)<br />
P(<br />
B)<br />
(4)<br />
P(<br />
A ∪ B ∪ C)<br />
= P(<br />
A)<br />
+ P(<br />
B)<br />
+ P(<br />
C)<br />
− (( P(<br />
A)<br />
P(<br />
B)<br />
+ P(<br />
A)<br />
P(<br />
C)<br />
(5)<br />
+ P(<br />
B)<br />
P(<br />
C))<br />
+ P(<br />
A)<br />
P(<br />
B)<br />
P(<br />
C)<br />
Gli eventi sono indipendenti e mutuamente escludentisi<br />
P ( A ∪ B)<br />
= P(<br />
A)<br />
+ P(<br />
B)<br />
(6)<br />
Gli eventi non sono indipendenti<br />
P(<br />
A ∪ B)<br />
= P(<br />
A)<br />
+ P(<br />
B)<br />
− P(<br />
A ∩ B)<br />
= P(<br />
A)<br />
+ P(<br />
B)<br />
− P(<br />
B | A)<br />
P(<br />
A)<br />
= P(<br />
A)<br />
+ P(<br />
B)<br />
− P(<br />
A | B)<br />
P(<br />
B)<br />
Applicazione a eventi condizionati<br />
L’evento A è condizionato all’essersi già verificati uno o più eventi Bi.<br />
Applicando la[1]<br />
P ( A | B1)<br />
= P(<br />
A | B1)<br />
P(<br />
B1)<br />
…………………………….<br />
P ( A | Bn<br />
) = P(<br />
A | Bn<br />
) P(<br />
Bn<br />
)<br />
da cui<br />
n<br />
∑ P(<br />
A ∩ Bi<br />
) = ∑<br />
i=<br />
1 i=<br />
1<br />
ma evidentemente<br />
n<br />
∑ P(<br />
A ∩ B =<br />
i= i ) P(<br />
A<br />
1<br />
quindi<br />
n<br />
∑ P(<br />
A | B<br />
i= i ) P(<br />
B<br />
1<br />
n<br />
P(<br />
A | B ) P(<br />
B )<br />
)<br />
i<br />
i<br />
P(<br />
A)<br />
=<br />
1)<br />
(8)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 13 di 153<br />
(7)
2. I processi markoviani in affidabilità<br />
2. I processi markoviani in affidabilità<br />
2.1. Generalità<br />
Un sistema costituito da un certo numero N di oggetti, ciascuno dei quali può trovarsi in<br />
uno di due possibili stati mutuamente escludentisi (corretto funzionamento – guasto),<br />
può assumere NS = 2 N configurazioni mutuamente escludentisi; a ciascuna di queste<br />
configurazioni si da il nome di stato del sistema.<br />
Lo stato del sistema può cambiare nel tempo a seguito del verificarsi di eventi, i cambiamenti<br />
di stato dei singoli oggetti, capaci ciascuno di far passare il sistema da un certo<br />
stato Si a un altro stato Sj.<br />
Questi cambiamenti di stato vengono chiamati transizioni e la loro successione cronologica<br />
descrive l’evoluzione temporale del sistema, nota come traiettoria.<br />
Se i cambiamenti di stato del sistema sono eventi aleatori, tale è anche l’evoluzione<br />
temporale del sistema individuata dalle successive transizioni, cioè dalla successione<br />
ordinata degli stati da esso occupati.<br />
Al tempo t il generico stato Si può essere in uno stato di corretto funzionamento, cui attribuiamo<br />
convenzionalmente il valore 0, oppure in uno stato di guasto cui attribuiamo<br />
convenzionalmente il valore 1.<br />
All’evento Si funzionante al tempo t compete una probabilità P{Si(t)}, quindi è possibile<br />
associare all’evento Si(0,t) la pertinente P{Si(0,t)}, cioè definire la variabile aleatoria<br />
Xi(0,t). La famiglia X(t) delle Xi(0,t) realizza un processo stocastico.<br />
Si considerino le seguenti ipotesi di Markov:<br />
1. La probabilità di transizione dallo stato Si allo stato Sj nell’intervallo di tempo ∆t<br />
condizionata al fatto di essere in Si all’istante t dipende solo dagli stati Si ed Sj e non<br />
dal come (traiettoria particolare) si è giunti nello stato di partenza (il processo non<br />
ha memoria).<br />
Cioè:<br />
P{<br />
Sj(<br />
t + ∆t)<br />
| Si<br />
( t),<br />
S k ( t −τ<br />
1),......<br />
} = P{<br />
S j ( t + ∆t)<br />
| Si<br />
( t)<br />
} =<br />
. (2.1)<br />
= pij<br />
( t + ∆t,<br />
t)<br />
La probabilità di transizione di uno stato verso se stesso, cioè la probabilità di per-<br />
manenza nello stato, è: pii<br />
= 1 −∑<br />
pij<br />
,<br />
= 1<br />
≠<br />
n<br />
j<br />
j<br />
i<br />
evidente conseguenza dell'uguaglianza a 1 della somma delle probabilità di tutti i<br />
possibili eventi.<br />
2. Il processo deve essere stazionario, cioè il suo comportamento deve essere lo stesso<br />
qualunque istante si consideri e quindi la probabilità di una transizione tra due dati<br />
stati deve essere identica durante il lasso di tempo considerato. Ciò implica che il<br />
tasso di transizione tra due dati stati deve essere costante durante il tempo di osservazione,<br />
quindi che la f.d.p. della grandezza associata sia esponenziale negativa.<br />
Un processo stocastico del tipo in discorso che soddisfa le ipotesi di Markov viene<br />
chiamato processo stocastico markviano stazionario a stati discreti e tempo continuo.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 15 di 153
2. I processi markoviani in affidabilità<br />
Se la <strong>prima</strong> ipotesi di Markov esclude la dipendenza della probabilità di transizione dal<br />
come si è giunti allo stato di partenza, non esclude per la probabilità di transizione la dipendenza<br />
dal quando si è giunti allo stato di partenza; nella [2.1] infatti compare sia<br />
l’istante di partenza t che la durata dell’osservazione ∆t.<br />
Le probabilità di transizione pij possono essere raccolte in una matrice P con l’indice di<br />
riga i che rappresenta lo stato di partenza e l’indice di colonna j che rappresenta lo stato<br />
di arrivo.<br />
La somma degli elementi di ciascuna riga, che rappresentano le probabilità di permanere<br />
in un dato stato o di passare da esso a un qualunque altro stato, è uguale a 1 e la matrice<br />
viene definita matrice stocastica per righe.<br />
Un insieme di stati si dice costituire un insieme ergodico se essi comunicano tra di loro<br />
e se il sistema, una volta che una transizione l’abbia condotto in tale insieme, non è più<br />
in grado di uscirne.<br />
Stato assorbente è uno stato che una volta raggiunto dal sistema non può più essere abbandonato.<br />
Si tratta di un insieme ergodico costituito da un solo stato.<br />
Un insieme di stati si dice costituire un insieme transitorio se essi comunicano tra di loro<br />
e se il sistema, una volta che una transizione l’abbia condotto fuori da un tale insieme,<br />
non è più in grado di tornarvi.<br />
Degli stati di un sistema e delle transizioni tra essi può darsi una semplice ed efficace<br />
rappresentazione grafica che introduciamo con un esempio.<br />
Un sistema costituito da 3 componenti A, B e C ha 2 3 = 8 stati possibili individuati in<br />
Tab.2.1. nella quale:<br />
• N = identificazione dello stato del sistema;<br />
• A, B, C = stato del componente (0=successo, 1=guasto);<br />
• S1/3 = stato del sistema se basta il successo di un componente per il<br />
successo del sistema;<br />
• S2/3 = stato del sistema se è necessario il successo di 2 componenti per il successo<br />
del sistema.<br />
Tab. 2.1. – Possibili stati del sistema<br />
N A B C S1/3 S2/3<br />
1 0 0 0 0 0<br />
2 1 0 0 0 0<br />
3 0 1 0 0 0<br />
4 0 0 1 0 0<br />
5 1 1 0 0 1<br />
6 1 0 1 0 1<br />
7 0 1 1 0 1<br />
8 1 1 1 1 1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 16 di 153
2. I processi markoviani in affidabilità<br />
Si costruisca un grafo i cui nodi sono gli 8 stati del sistema e i cui rami orientati sono le<br />
transizioni tra di essi come in Fig. 2.1.<br />
S1<br />
p21<br />
p31<br />
p12<br />
Fig. 2.1. - Diagramma degli stati e delle transizioni tra stati<br />
Per una maggior comodità di lettura si omette, e si ometterà sempre nel seguito, la<br />
rappresentazione delle permanenze negli stati cui competono le probabilità Pii che sarebbero<br />
rappresentate da una linea che esce e rientra sul medesimo stato.<br />
Si tratta per altro di una convenzione molto diffusa.<br />
2.2. L’equazione fondamentale<br />
Prendendo l’essenziale da [8,6.5.], sia i, j<br />
ρ il tasso di transizione dallo stato i allo stato<br />
j e quindi:<br />
ρi, j∆t<br />
= Pi<br />
, j = probabilità di transizione da S i a S j durante ∆ t .<br />
Se Pi () t = probabilità di osservare il sistema in S i al tempo t , la probabilità di osservare<br />
il sistema in S i al tempo ( t + ∆t)<br />
è data dalla somma della probabilità che compete<br />
ai due eventi mutuamente escludentisi:<br />
il sistema era nello stato Sj all’istante t ed è passato allo stato Si durante ∆t;<br />
il sistema era nello stato Si all’istante t e non è passato in alcun altro stato durante<br />
∆t.<br />
In formula [2, 6.5.] :<br />
p13<br />
p41<br />
p14<br />
p25<br />
S2<br />
p52<br />
p35<br />
S5<br />
p62<br />
p53<br />
S3<br />
p46<br />
S6<br />
p73<br />
p64<br />
p47<br />
S4 S7<br />
p74<br />
⎡<br />
⎤<br />
ρ ,<br />
⎢⎣<br />
⎥⎦<br />
n<br />
n<br />
P ⎢<br />
⎥<br />
i<br />
i<br />
⎢<br />
⎥<br />
j = 1<br />
j=<br />
1<br />
j ≠i<br />
j≠<br />
i<br />
( t + ∆t)<br />
= ∑ j,<br />
i ∆t<br />
Pj<br />
() t + 1− ∑ ρi,<br />
j ∆()<br />
t P () t<br />
sviluppando e dividendo per ∆ () t si ha:<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 17 di 153<br />
p26<br />
p37<br />
p85<br />
p87<br />
p86<br />
p68<br />
p78<br />
p58<br />
S8
P<br />
( t + ∆t)<br />
− Pi<br />
( t)<br />
∆()<br />
t<br />
i<br />
n<br />
= ∑<br />
j = 1<br />
j ≠i<br />
j,<br />
i Pj<br />
t<br />
da cui passando al limite per ∆() t →0<br />
si ha:<br />
'<br />
i<br />
n<br />
∑<br />
j=<br />
1<br />
j≠<br />
i<br />
2. I processi markoviani in affidabilità<br />
() t −[<br />
Pi<br />
() ]∑<br />
ρ ρ ,<br />
[ Pi<br />
() t ]∑<br />
P ( t)<br />
= ρ P ( t)<br />
− ρ .<br />
j,<br />
i<br />
j<br />
n<br />
j = 1<br />
j ≠i<br />
i,<br />
j<br />
Per i = 1,<br />
2,.....,<br />
n si ha un sistema di equazioni differenziali del primo ordine che può essere<br />
espressa in forma matriciale come<br />
ove:<br />
T =<br />
−<br />
n<br />
∑<br />
j=<br />
2<br />
ρ<br />
1,<br />
2<br />
....<br />
ρ<br />
ρ<br />
1,<br />
n<br />
1,<br />
j<br />
'<br />
P1<br />
( t)<br />
'<br />
P2<br />
( t)<br />
.....<br />
'<br />
P ( t)<br />
n<br />
−<br />
ρ<br />
n<br />
∑<br />
j=<br />
1<br />
j≠<br />
2<br />
2,<br />
1<br />
....<br />
ρ<br />
ρ<br />
2,<br />
n<br />
= T<br />
2,<br />
j<br />
P ( t)<br />
1<br />
P ( t)<br />
2<br />
.....<br />
P ( t)<br />
n<br />
....<br />
....<br />
....<br />
....<br />
−<br />
ρ<br />
ρ<br />
n−1<br />
∑<br />
j = 1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 18 di 153<br />
n,<br />
1<br />
n,<br />
2<br />
....<br />
ρ<br />
n,<br />
j<br />
n<br />
j=<br />
1<br />
j≠<br />
i<br />
,<br />
i,<br />
j<br />
(2.2)<br />
è la matrice dei coefficienti del nostro sistema di equazioni che in questo libro verrà per<br />
semplicità indicata come “matrice dei tassi di transizione”; il suo generico elemento<br />
ρ è il tasso di transizione tra lo stato i S allo stato S j .<br />
i, j<br />
La (2.2) può anche essere scritta come:<br />
ove:<br />
'<br />
1<br />
'<br />
2<br />
P ( t)<br />
P ( t)<br />
.....<br />
'<br />
n<br />
P ( t)<br />
= T T n P t P t P ..... ), ( ), ( 1 2<br />
T T è la matrice trasposta della matrice T.<br />
(2.3)
2. I processi markoviani in affidabilità<br />
Risolvendo il sistema di equazioni differenziali lineari sopra descritto per date condizioni<br />
iniziali si ottengono le probabilità di essere nei singoli stati in un certo istante.<br />
Poiché gli stati sono mutuamente escludentisi, la probabilità di corretto funzionamento<br />
del sistema è data dalla somma delle probabilità degli stati etichettati come di successo.<br />
Qualunque sia la tecnica usata per la risoluzione del detto sistema di equazioni, le difficoltà<br />
e il tempo necessario aumentano esponenzialmente al crescere del numero degli<br />
stati.<br />
Per aggirare questa limitazione si cerca di descrivere il sistema in esame scomponendolo<br />
in sottosistemi più semplici e di introdurre per questi sottosistemi ipotesi atte a<br />
semplificarne, senza eccessivo sacrificio della precisione del risultato globale, la struttura<br />
in modo da minimizzare il numero di stati da considerare.<br />
Quando t→∞ le probabilità degli stati raggiungono i loro valori asintotici stazionari le<br />
cui derivate sono nulle e quindi la (2.2) diventa:<br />
0 P1<br />
0 P2<br />
= T . (2.4)<br />
..... .....<br />
Pn<br />
0<br />
Associando a qualsiasi gruppo di ( n −1)<br />
delle equazioni precedenti l’equazione<br />
n<br />
∑ Pi<br />
i=<br />
1<br />
= 1,<br />
si ottiene un sistema di equazioni algebriche che consente il calcolo delle probabilità<br />
asintotiche P i .<br />
Per il calcolo delle probabilità asintotiche si può anche essere usata la relazione [7, 9.5]:<br />
ove:<br />
P(∞) P = P(∞) , (2.5)<br />
P =<br />
1−<br />
P(∞) = 1(<br />
∞) 2 ( ∞)<br />
.... n ( ∞)<br />
P<br />
P P ,<br />
n<br />
∑<br />
j=<br />
2<br />
ρ<br />
2,<br />
1<br />
....<br />
ρ<br />
ρ<br />
n,<br />
1<br />
1,<br />
j<br />
1−<br />
ρ<br />
1,<br />
2<br />
n<br />
∑<br />
j = 1<br />
j ≠2<br />
....<br />
ρ<br />
ρ<br />
n,<br />
2<br />
2,<br />
j<br />
....<br />
....<br />
....<br />
....<br />
La matrice P è la “matrice delle probabilità di transizione” ottenuta dalla trasposizione<br />
della matrice T dei tassi di transizione e dalla sostituzione nella matrice trasposta degli<br />
elementi della diagonale principale, che rappresentano le probabilità di permanenza ne-<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 19 di 153<br />
1−<br />
ρ<br />
ρ<br />
1,<br />
n<br />
2,<br />
n<br />
....<br />
n−1<br />
∑<br />
j=<br />
1<br />
ρ<br />
n,<br />
j<br />
.
2. I processi markoviani in affidabilità<br />
gli stati, con la differenza tra 1 e la somma degli altri elementi dalla riga. Ne risulta una<br />
matrice stocastica per righe nella quale ciascuna riga contiene le probabilità che competono<br />
alle possibili vicende dello stato corrispondente e la cui somma è di conseguenza<br />
pari a 1.<br />
Se le transizioni sono statisticamente indipendenti, le probabilità asintotiche calcolate<br />
come sopra detto sono valide per tutte le distribuzioni (quindi anche quelle cui competono<br />
tassi non costanti nel tempo) poiché nel loro calcolo giocano soltanto i valori medi<br />
delle distribuzioni pertinenti.<br />
2.3. Caratteristiche di affidabilità in termini di probabilità<br />
Un generico sistema può essere usato nelle due situazioni tipiche seguenti.<br />
Missione specifica<br />
All’inizio della missione tutti i componenti del sistema sono funzionanti; il guasto del<br />
sistema interrompe il corretto svolgimento della missione che può riprendere solo dopo,<br />
quando è possibile, aver ripristinato lo stato iniziale (tutti i componenti funzionanti).<br />
Caratteristica di interesse in questo caso è:<br />
• l’affidabilità R(t), cioè la probabilità che la missione non si interrompa fino al tempo<br />
t.<br />
Oppure, la missione ha inizio in un istante imprecisato del futuro al quale il sistema deve<br />
essere correttamente funzionante indipendentemente da eventuali guasti precedenti<br />
purché già riparati.<br />
Caratteristica di interesse in questo caso è:<br />
• la disponibilità A(t), cioè la probabilità che il sistema sia funzionante all’istante in<br />
cui deve iniziare la missione (indipendentemente dall’esito di quest’ultima).<br />
Funzionamento continuo<br />
Il sistema è sempre in esercizio e questa missione permanente tollera i periodi di interruzione<br />
del servizio durante i quali si fanno le riparazioni necessarie a riportare il sistema<br />
in uno stato di funzionamento.<br />
Caratteristiche di interesse in questo caso sono:<br />
• la disponibilità A(t), cioè la probabilità che il sistema sia funzionante all’istante t<br />
indipendentemente dal fatto che si sia in precedenza guastato, anche più volte, e sia<br />
stato riparato;<br />
• la disponibilità asintotica Ass, cioè il limite cui tende A(t) per t → ∞, che è anche il<br />
rapporto tra il tempo totale di funzionamento e il tempo di calendario.<br />
2.4. Caratteristiche di affidabilità in termini di tempi<br />
medi di permanenza<br />
Tempo di permanenza in uno stato è il tempo trascorso in quello stato <strong>prima</strong> di passare<br />
in qualunque altro stato; è una variabile aleatoria continua cui compete un valor medio<br />
m(S).<br />
Tra i tempi di permanenza a livello di sistema hanno interesse i seguenti.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 20 di 153
2. I processi markoviani in affidabilità<br />
MTTF (Mean Time To Failure), è il valor medio del tempo che intercorre tra l’inizio<br />
della missione e il guasto del sistema che determina l’insuccesso della missione.<br />
Il ripristino del servizio parte sempre dallo stesso “stato iniziale” (generalmente quello<br />
in cui tutti i blocchi sono correttamente funzionanti).<br />
MUT (Mean Up Time), è il valor medio del tempo che intercorre tra una generica rimessa<br />
in servizio e il successivo guasto del sistema.<br />
Il ripristino del servizio parte da un qualunque stato di funzionamento.<br />
MDT (Mean Down Time) o MTTR (Mean Time To Repair), è il valor medio del tempo<br />
che intercorre tra l’inizio di una riparazione conseguente a un guasto e il termine di<br />
qtale riparazione.<br />
Di norma questo tempo non incorpora i ritardi logistici e amministrativi; in caso contrario<br />
il fatto deve essere esplicitamente dichiarato.<br />
MTBF (Mean Time Between Failures), è il valor medio del tempo che intercorre tra<br />
due generici guasti successivi. È la somma di MTTF+MTTR, oppure di MUT+MDT.<br />
2.4.1. Calcolo dei tempi medi di permanenza<br />
Per il calcolo del MTTF si usa la relazione [7, 9.8.2}:<br />
M = [I - Q] -1<br />
ove:<br />
• I = matrice identità;<br />
• Q = matrice troncata ottenuta dalla matrice delle probabilità di transizione eliminando<br />
le righe e le colonne relative agli stati assorbenti del sistema;<br />
• M = matrice dei tempi medi di permanenza negli stati di funzionamento, in essa<br />
l’elemento m i,<br />
j è il tempo medio di permanenza nello stato j essendo lo stato i lo<br />
stato di partenza della traiettoria del processo che finirà in uno stato assorbente.<br />
Quindi: = ∑ m<br />
j<br />
MTTF 1 , j .<br />
Nel caso di (n - 1) stati di funzionamento e uno stato, l’n-mo, di guasto, procede come<br />
segue [7, 7.6.].<br />
L’equazione fondamentale per il comportamento asintotico, essendo l’n-mo lo stato assorbente,<br />
è:<br />
0<br />
0<br />
0<br />
0<br />
=<br />
−<br />
n<br />
∑<br />
j = 2<br />
ρ<br />
1,<br />
2<br />
....<br />
ρ<br />
ρ<br />
1,<br />
n<br />
1,<br />
j<br />
−<br />
ρ<br />
n<br />
∑<br />
2,<br />
1<br />
j = 1<br />
j ≠2<br />
....<br />
ρ<br />
ρ<br />
2,<br />
n<br />
2,<br />
i<br />
....<br />
....<br />
....<br />
....<br />
0<br />
0<br />
0<br />
0<br />
P ( t)<br />
P ( t)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 21 di 153<br />
1<br />
P2<br />
( t)<br />
.<br />
....<br />
n
Tenendo conto delle condizioni iniziali<br />
() P () 0 + ...... + P = 1,<br />
P () 0 = 0<br />
1 0 + 2<br />
n−1<br />
n<br />
P ,<br />
si ha:<br />
0<br />
0<br />
....<br />
0<br />
=<br />
−<br />
n<br />
∑<br />
j=<br />
2<br />
ρ<br />
1,<br />
2<br />
....<br />
ρ<br />
.. 1..<br />
1,<br />
j<br />
−<br />
ρ<br />
n<br />
∑<br />
j=<br />
1<br />
j≠<br />
2<br />
2,<br />
1<br />
ρ<br />
....<br />
.. 1..<br />
j,<br />
2<br />
....<br />
....<br />
....<br />
....<br />
2. I processi markoviani in affidabilità<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 22 di 153<br />
P<br />
P<br />
1<br />
2<br />
( 0)<br />
( 0)<br />
....<br />
0<br />
P ( t)<br />
1<br />
P ( t)<br />
2<br />
....<br />
P ( t)<br />
Il valore atteso del tempo di funzionamento dipende dalle condizioni iniziali ed è dato<br />
da:<br />
ove:<br />
E[Tf] = DS/DA ,<br />
DS =<br />
DA =<br />
−<br />
−<br />
∑<br />
n<br />
j = 2<br />
ρ<br />
∑<br />
ρ<br />
1,<br />
2<br />
....<br />
1<br />
n<br />
j = 2<br />
ρ<br />
1,<br />
2<br />
....<br />
ρ<br />
1,<br />
n−1<br />
1,<br />
j<br />
ρ<br />
1,<br />
j<br />
−<br />
−<br />
∑<br />
∑<br />
ρ<br />
2,<br />
1<br />
n<br />
j= 1 ρ2,<br />
j<br />
j≠<br />
2<br />
....<br />
1<br />
2,<br />
1<br />
n<br />
j= 1 ρ2,<br />
j<br />
j≠<br />
2<br />
....<br />
....<br />
....<br />
....<br />
....<br />
....<br />
....<br />
....<br />
P<br />
P<br />
1<br />
2<br />
−<br />
....<br />
0<br />
n<br />
( 0)<br />
( 0)<br />
Se il sistema parte dallo stato 1 le condizioni iniziali sono:<br />
ρ<br />
....<br />
....<br />
∑<br />
,<br />
....<br />
....<br />
....<br />
.<br />
n<br />
j= 1 ρn<br />
−1,<br />
j<br />
j≠<br />
n−1<br />
P1(0) = 1, P2 (0) = .... = Pn(0) = 0;<br />
e il E[Tf] è in questo caso il MTTF.<br />
Se il sistema parte dai generici stati Pi o Pj le condizioni iniziali sono:<br />
Pi (0) + Pj (0) = 1, Pk (0) = 0 per k≠i e k≠j ;<br />
se il sistema parte da un qualunque stato non assorbente le condizioni iniziali sono:<br />
.
P1 (0) + P2 (0) +…….+ Pn-1(0) = 1,<br />
Pn (0) = 0 ;<br />
e il E[Tf] è in questo caso il MUT.<br />
2. I processi markoviani in affidabilità<br />
Il calcolo del MUT richiede la conoscenza delle probabilità Pi(0) che competono ai possibili<br />
stati iniziali.<br />
Per il calcolo del MDT si ricorre alla formula generale<br />
MUT<br />
Ass = ,<br />
MUT + MDT<br />
da cui:<br />
MUT(<br />
1−<br />
Ass)<br />
MDT = .<br />
Ass<br />
Per i sistemi costituiti da blocchi in serie il MDT coincide col MTTR che si calcola ricorrendo<br />
alla definizione:<br />
n li<br />
MTTR<br />
MTTR = ∑<br />
i=<br />
1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 23 di 153<br />
i<br />
lS<br />
ove: MTTRi = MTTR del blocco i;<br />
li = tasso di guasto del blocco i;<br />
lS = totale dei tassi di guasto dei blocchi contenuti nel blocco i.<br />
2.4.2. Tempo e frequenza di ciclo<br />
Per i sistemi riparabili destinati al funzionamento continuo possono avere interesse,<br />
spesso rilevante, ulteriori caratteristiche relative alla frequenza di occorrenza di uno<br />
stato o di un gruppo di stati e/o i tempi medi di permanenza in essi. Si pensi a due sistemi<br />
che hanno rispettivamente tassi l, m e 2l, 2m; essi hanno identica disponibilità, ma<br />
il secondo si guasta 2 volte più spesso e viene riparato 2 volte più in fretta con evidente<br />
rilevanza sui costi di esercizio.<br />
I concetti fondamentali [7, 10] associati al loro calcolo nell’ambito dei modelli markoviani<br />
vengono affrontati con riferimento a un sistema molto semplice dopo aver posto le<br />
due definizioni che seguono.<br />
Tempo di ciclo di uno stato è la somma del tempo di permanenza nello stato e del tempo<br />
di assenza dallo stato; è una variabile aleatoria continua T(S) e il suo valor medio è<br />
uguale alla somma del valor medio del tempo di permanenza e del valor medio del tempo<br />
tra due permanenze.<br />
Frequenza di ciclo o frequenza di occorrenza (frequency of encountering) di uno stato<br />
è il reciproco del suo tempo di ciclo.<br />
Il semplice sistema costituito da un unico componente riparabile ha 2 possibili stati: 0 =<br />
funzionante correttamente, 1 = non funzionante correttamente. Ad essi corrispondono le<br />
probabilità asintotiche:
2. I processi markoviani in affidabilità<br />
m M<br />
Po = =<br />
l + m M + R<br />
l R<br />
P1<br />
= =<br />
l + m M + R<br />
ove:<br />
l = tasso di guasto del componente<br />
m = tasso di riparazione del componente<br />
M = tempo medio di corretto funzionamento del componente (Up time)<br />
R = tempo medio di riparazione del componente (Down time).<br />
Il tempo di ciclo T dello stato di funzionamento, in questo caso identico a quello dello<br />
stato di guasto, è:<br />
1 1 1<br />
T = M + R = + =<br />
l m f<br />
ove:<br />
f = frequenza di ciclo ( o frequenza di incontro) comune ai 2 stati.<br />
Per definizione la probabilità di risiedere in un qualunque stato del sistema è uguale al<br />
tempo medio di permanenza in quello stato diviso per il tempo medio di ciclo dello stato:<br />
m(<br />
S)<br />
P ( S)<br />
=<br />
T ( S)<br />
Nel nostro caso<br />
da cui<br />
P(<br />
S)<br />
m ( S)<br />
= .<br />
f ( S)<br />
M 1<br />
P 0 = = =<br />
T l T<br />
f<br />
l<br />
da cui f = P0<br />
l ,<br />
R 1 f<br />
P 1 = = =<br />
T mT<br />
m<br />
da cui f = P1<br />
m ,<br />
cioè la frequenza di ciclo di un determinato stato è data:<br />
• dalla probabilità di essere in quello stato per il tasso di uscita dallo stato (reciproco<br />
del tempo medio di permanenza nello stato)<br />
oppure<br />
• dalla probabilità di non essere in quello stato per il tasso di entrata nello stato (reciproco<br />
del tempo medio di non permanenza nello stato)<br />
ove<br />
__<br />
__<br />
f u<br />
e<br />
( S)<br />
= P(<br />
S)<br />
ρ ( S)<br />
= P(<br />
S)<br />
ρ ( S)<br />
P (S ) = probabilità di NON essere nello stato S.<br />
Con riferimento ai tassi di uscita<br />
P(<br />
S 0 ) P(<br />
S1<br />
) 1 1<br />
T = m(<br />
S 0 ) + m(<br />
S1<br />
) = + = +<br />
lP ( S ) mP ( S ) l m<br />
e con riferimento ai tassi in entrata<br />
P(<br />
S1)<br />
P(<br />
S0<br />
) 1 1<br />
T = m(<br />
S0<br />
) + m(<br />
S1)<br />
= + = + .<br />
mP(<br />
S ) lP(<br />
S ) m l<br />
0<br />
1<br />
__<br />
__<br />
1<br />
0<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 24 di 153<br />
,
2. I processi markoviani in affidabilità<br />
Queste definizioni si applicano anche a un gruppo di stati e consentono di determinare<br />
frequenze e tempi di permanenza in gruppi di stati di particolare interesse in sistemi destinati<br />
al funzionamento continuo.<br />
In particolare, la frequenze di ciclo di un gruppo di stati è data dalla somma delle frequenze<br />
di ciclo degli stati del gruppo diminuita delle frequenze di ciclo tra gli stati del<br />
gruppo; cioè la somma delle frequenze di ciclo degli stati di frontiera del gruppo.<br />
Le procedure di esecuzione dei relativi calcoli saranno esaurientemente esaminate in seguito<br />
sviluppando dei casi pratici.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 25 di 153
2. I processi markoviani in affidabilità<br />
2.5. Costruzione della matrice dei tassi di transizione<br />
2.5.1. Generalità<br />
Sono note le regole per realizzare una rappresentazione della matrice di transizione in<br />
una forma canonica che ne mette in evidenza alcune proprietà strutturali [9].<br />
Nel loro rispetto viene qui esposto un processo di costruzione delle matrici di transizione<br />
idoneo a rendere meglio evidente il loro legame col significato fisico della realtà<br />
sottostante.<br />
Un sistema di N componenti capaci di assumere due soli stati mutuamente escludentisi<br />
può assumere NS = 2 N stati che possono rappresentarsi mediante una “Tabella degli stati”<br />
costituita da N+3 colonne delle quali la <strong>prima</strong> contiene un numero d’ordine identificatore<br />
dello stato, le N seguenti la rappresentazione dello stato effettivo (sotto forma di<br />
blank=funzionante, 1=guasto) del componente indicato in testa alla colonna con una<br />
lettera maiuscola, la penultima le lettere che individuano i componenti guasti nello stato<br />
e l’ultima l’individuazione del gruppo (che sarà definito tra poco).<br />
L’assunzione di blank al posto di 0 come indicatore del corretto funzionamento è stata<br />
fatta unicamente per evidenziare con più immediatezza gli stati di guasto.<br />
Costruiamo ordinatamente la tabella degli stati come detto qui di seguito per il caso di<br />
un sistema di 4 componenti indicati con A, B, C, D (vedi Tab. 2.2. a <strong>pagina</strong> seguente).<br />
La <strong>prima</strong> riga rappresenta lo stato, quasi universalmente assunto come iniziale, in cui<br />
nessun componente è guasto. Questa unica riga costituisce il gruppo G0.<br />
Le seguenti 4 righe rappresentano stati in cui c’è un solo componente guasto partendo<br />
dal primo. Esse costituiscono il secondo gruppo G1 delle 4 combinazioni degli stati presi<br />
uno ad uno.<br />
Le seguenti 6 righe rappresentano stati in cui ci sono 2 componenti guasti. Esse costituiscono<br />
il terzo gruppo G2 delle combinazioni degli stati presi ordinatamente due a due.<br />
⎛ N ⎞<br />
Sono infatti in numero pari al valore del coefficiente binomiale ⎜ ⎟ .<br />
⎝2<br />
⎠<br />
Analogamente per il gruppo successivo.<br />
L’ultimo gruppo rappresenta lo stato in cui tutti i componenti sono guasti.<br />
Come si vede, è possibile passare, sia per guasto che per riparazione, soltanto dagli stati<br />
di un gruppo a quelli del gruppo immediatamente adiacente.<br />
Da questa tabella può ricavarsi una rappresentazione grafica, cioè un grafo delle transizioni<br />
tra stati propriamente detto come in Fig. 2.2. a <strong>pagina</strong> seguente.<br />
Per comodità di gestione e rappresentazione di formule complesse i tassi di guasto e<br />
di riparazione vengono rappresentati in questo libro dalle lettere l ed m anzicché dalle<br />
tradizionali λ e µ.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 26 di 153
Tab. 2.2.- Tabella degli stati per un sistema di 4 componenti<br />
N A B C D Guasti Gruppo<br />
1 G0 1<br />
2 1 A G1 1<br />
3 1 B 2<br />
4 1 C 3<br />
5 1 D 4<br />
6 1 1 AB G2 1<br />
7 1 1 AC 2<br />
8 1 1 AD 3<br />
9 1 1 BC 4<br />
10 1 1 BD 5<br />
11 1 1 CD 6<br />
12 1 1 1 ABC G3 1<br />
13 1 1 1 ABD 2<br />
14 1 1 1 ACD 3<br />
15 1 1 1 BCD 4<br />
16 1 1 1 1 ABCD G4 1<br />
Fig. 2.2. - Grafo delle transizioni tra stati<br />
2. I processi markoviani in affidabilità<br />
G0 G1 G2 G3 G4<br />
1<br />
D<br />
B<br />
C<br />
A<br />
2<br />
3<br />
4<br />
5<br />
A<br />
D<br />
C<br />
D<br />
A<br />
D<br />
B<br />
A<br />
B<br />
B<br />
C<br />
C<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
I rami del grafo, che rappresentano le transizioni, recano, per semplicità di rappresentazione,<br />
solo l’identificazione del componente il cui cambiamento di stato determina la<br />
transizione anziché un ramo orientato per rappresentare la transizione determinata da un<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 27 di 153<br />
C<br />
D<br />
C<br />
A<br />
A<br />
C<br />
A<br />
D<br />
B<br />
D<br />
B<br />
B<br />
12<br />
13<br />
14<br />
15<br />
D<br />
C<br />
B<br />
A<br />
16
2. I processi markoviani in affidabilità<br />
guasto ed eventualmente un altro ramo orientato per rappresentare la transizione determinata<br />
da una riparazione.<br />
Le connessioni tra la tabella e il grafo sono evidenti e la loro costruzione contestuale<br />
consente di vedere con estrema chiarezza le proprietà comuni.<br />
2.5.2. Costruzione della matrice dei tassi di transizione<br />
La matrice dei tassi di transizione è di dimensione NSxNS e ciascuno dei suoi elementi<br />
ai,j è il tasso di transizione dallo stato i allo stato j.<br />
Nelle tabele seguenti sono stati adottati per individuare i tassi i caratteri maiuscoli L ed<br />
M unicamente per ragioni di evidenza grafica.<br />
Sia partendo dalla Tabella degli stati che dal Diagramma degli stati, la costruzione della<br />
matrice dei tassi è in questo caso immediata.<br />
(Nelle tabelle seguenti sono stati adottati per i tassi di guasto e riparazione i caratteri<br />
maiuscoli per mere ragioni di evidenza grafica).<br />
E’ da notare quanto segue.<br />
a) I gruppi sono in numero di N+1, numerati da 0 a N.<br />
⎛ N ⎞<br />
b) Il numero di stati del gruppo i è dato da NGi = ⎜ ⎟ .<br />
⎝ i ⎠<br />
c) Gli elementi non nulli presenti in ciascuna riga e in ciascuna colonna sono N+1 e<br />
rappresentano una transizione per ciascuno dei componenti e la somma delle transizioni<br />
della colonna (vedi capoverso seguente).<br />
Ne segue che il numero degli elementi non nulli nella nostra matrice è:<br />
NE = NS*(N+1).<br />
Nel caso di 4 elementi<br />
NE = 16*5 = 80.<br />
d) I tassi di guasto non nulli presenti in ciascuna riga di un gruppo sono in numero pari<br />
all'indice di gruppo.<br />
e) Gli elementi della diagonale principale rappresentano i tassi di transizione da ciascuno<br />
stato a se medesimo, cioè il tasso di permanenza in quello stato, e quindi sono<br />
uguali alla somma dei tassi degli altri elementi della colonna cambiata di segno:<br />
a<br />
ii<br />
= −<br />
NS<br />
∑<br />
j=<br />
1<br />
j≠i<br />
a<br />
ij<br />
. (2.6)<br />
f) La regione al di sotto della diagonale principale contiene come elementi non nulli le<br />
transizioni agli stati di guasto, mentre la regione al di sopra della diagonale principale<br />
contiene come elementi non nulli le transizioni agli stati di funzionamento in<br />
posizione simmetrica rispetto a essa diagonale (cioè con gli indici invertiti).<br />
La sparsità della matrice aumenta con N.<br />
Nel caso del sistema di 4 componenti fin qui usato come esempio, la matrice dei tassi di<br />
transizione, in una forma adatta alle nostre specifiche esigenze, è quella mostrata nella<br />
Tab. 2.3. ove Lx indica il tasso di guasto del componente x e Mx il suo tasso di riparazione.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 28 di 153
2. I processi markoviani in affidabilità<br />
In essa sono evidenziate con bordi le zone contenenti gli elementi non nulli appartenenti<br />
a ciascun gruppo.<br />
La delimitazione dei gruppi è possibile anche a priori mediante le semplici regole empiriche<br />
che seguono.<br />
• Tracciare la diagonale principale.<br />
• Tracciare le linee orizzontali che delimitano i gruppi dal bordo sinistro della matrice<br />
fino alla diagonale principale.<br />
• Tracciare le linee verticali che delimitano i gruppi dalla diagonale principale alla linea<br />
orizzontale che delimita in basso il gruppo successivo.<br />
Nella Tab. 2.3. gli elementi della diagonale principale contengono le formule (2.6) non<br />
rappresentate per ragioni di spazio.<br />
Tab. 2.3. - Matrice dei tassi di transizione<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16<br />
1 ### MA MB MC MD<br />
2 LA ### MB MC MD<br />
3 LB ### MA MC MD<br />
4 LC ### MA MB MD<br />
5 LD ### MA MB MC<br />
6 LB LA ### MC MD<br />
7 LC LA ### MB MD<br />
8 LD LA ### MB MC<br />
9 LC LB ### MA MD<br />
10 LD LB ### MA MC<br />
11 LD LC ### MA MB<br />
12 LC LB LA ### MD<br />
13 LD LB LA ### MC<br />
14 LD LC LA ### MB<br />
15 LD LC LB ### MA<br />
16 LD LC LB LA ###<br />
Le posizioni corrispondenti a elementi nulli sono state lasciate vuote per evidenziare<br />
meglio le posizioni degli elementi non nulli.<br />
Nel paragrafo seguente verrà costruita la matrici dei tassi di transizione per un sistema<br />
di 5 componenti.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 29 di 153
2. I processi markoviani in affidabilità<br />
2.5.3. Matrice dei tassi di transizione per un sistema di 5 componenti<br />
Tab. 2.4. - Tabella degli stati<br />
N A B C D E Guasti Gruppi<br />
1 G0 1<br />
2 1 A G1 5<br />
3 1 B<br />
4 1 C<br />
5 1 D<br />
6 1E<br />
7 1 1 AB G2 10<br />
8 1 1 AC<br />
9 1 1 AD<br />
10 1 1 AE<br />
11 1 1 BC<br />
12 1 1 BD<br />
13 1 1 BE<br />
14 1 1 CD<br />
15 1 1 CE<br />
16 1 1 DE<br />
17 1 1 1 ABC G3 10<br />
18 1 1 1 ABD<br />
19 1 1 1 ABE<br />
20 1 1 1 ACD<br />
21 1 1 1ACE<br />
22 1 1 1 ADE<br />
23 1 1 1 BCD<br />
24 1 1 1 BCE<br />
25 1 1 1BDE<br />
26 1 1 1 CDE<br />
27 1 1 1 1 ABCD G4 5<br />
28 1 1 1 1 ABCE<br />
29 1 1 1 1 ABDE<br />
30 1 1 1 1 ACDE<br />
31 1 1 1 1BCDE<br />
32 1 1 1 1 1 ABCDE G5 1<br />
Numero degli elementi non nulli NE = 32*6 = 192.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 30 di 153
2. I processi markoviani in affidabilità<br />
Tab. 2.5. - Elementi non nulli della matrice dei tassi di transizione<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32<br />
1 ### MA MB MC MD ME<br />
2 LA ### MB MC MD ME<br />
3 LB ### MA MC MD ME<br />
4 LC ### MA MB MD ME<br />
5 LD ### MA MB MC ME<br />
6 LE ### MA MB MC MD<br />
7 LB LA ### MC MD ME<br />
8 LC LA ### MB MD ME<br />
9 LD LA ### MB MC ME<br />
10 LE LA ### MB MC MD<br />
11 LC LB ### MA MD ME<br />
12 LD LB ### MA MC ME<br />
13 LE LB ### MA MC MD<br />
14 LD LC ### MA MB ME<br />
15 LE LC ### MA MB MD<br />
16 LE LD ### MA MB MC<br />
17 LC LB LA ### MD ME<br />
18 LD LB LA ### MC ME<br />
19 LE LB LA ### MC MD<br />
20 LD LC LA ### MB ME<br />
21 LE LC LA ### MB MD<br />
22 LE LD LA ### MB MC<br />
23 LD LC LB ### MA ME<br />
24 LE LC LB ### MA MD<br />
25 LE LD LB ### MA MC<br />
26 LE LD LC ### MA MB<br />
27 LD LC LB LA ### ME<br />
28 LE LC LB LA ### MD<br />
29 LE LD LB LA ### MC<br />
30 LE LD LC LA ### MB<br />
31 LE LD LC LB ### MA<br />
32 LE LD LC LB LA ###<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 31 di 153
1<br />
A<br />
C<br />
B<br />
D<br />
E<br />
2<br />
3<br />
4<br />
5<br />
A<br />
6<br />
A<br />
E<br />
A<br />
C<br />
D<br />
B<br />
A<br />
B<br />
C<br />
E<br />
D<br />
D<br />
B<br />
C<br />
E<br />
C<br />
B<br />
D<br />
E<br />
7<br />
8<br />
9<br />
10<br />
16<br />
D<br />
C<br />
E<br />
B<br />
E<br />
B<br />
E<br />
B<br />
A<br />
11 D<br />
E<br />
A<br />
12 C<br />
E<br />
C<br />
A<br />
13<br />
C<br />
D<br />
A<br />
B<br />
14<br />
E<br />
A<br />
B<br />
15<br />
D<br />
A B<br />
C<br />
D<br />
C<br />
Fig. 2.3. – Diagramma delle transizioni tra stati per 5 componenti<br />
D<br />
17<br />
18<br />
19<br />
20<br />
E<br />
B<br />
21<br />
22<br />
A<br />
23<br />
E<br />
24<br />
25<br />
26<br />
A<br />
A<br />
E<br />
C<br />
D<br />
D<br />
B<br />
A<br />
D<br />
C<br />
E<br />
B<br />
C<br />
B<br />
D<br />
2. I processi markoviani in affidabilità<br />
C<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 33 di 153<br />
27<br />
28<br />
29<br />
30<br />
31<br />
C<br />
B<br />
D<br />
A<br />
E<br />
32
2. I processi markoviani in affidabilità<br />
2.5.4. Regole empiriche per la costruzione della matrice dei tassi<br />
di transizione<br />
La matrice dei tassi di transizione Tab. 2.5.della <strong>pagina</strong> precedente è stata costruita basandosi<br />
sul grafo relativo costruito contestualmente alla tabella degli stati.<br />
All'aumentare del numero dei componenti N la tabella degli stati si costruisce ancora<br />
agevolmente, ma la costruzione del grafo si fa praticamente più onerosa.<br />
Sarebbe quindi opportuno individuare delle regole empiriche che consentano di costruire<br />
la matrice dei tassi di transizione in maniera più agevole.<br />
Intanto si noti che per le proprietà della matrice dette in 2.5.2. si può procedere come<br />
segue:<br />
a) costruire la regione al di sotto della diagonale principale contenente le transizioni<br />
dagli stati di funzionamento agli stati di guasto con le regole che verranno sviluppate<br />
nei paragrafi seguenti;<br />
b) costruire simmetricamente la regione al di sopra della diagonale principale contenente<br />
le transizioni dagli stati di guasto agli stati di funzionamento semplicemente<br />
invertendo gli indici di riga e di colonna;<br />
c) costruire la diagonale principale mediante la formula (2.6).<br />
2.5.4.1. Costruzione della regione al di sotto della diagonale principale<br />
Vengono trattati separatamente i singoli gruppi delimitati come detto in 2.5.2.<br />
2.5.4.1.1. Gruppo 1<br />
Gli elementi non nulli sono i tassi di guasto di ciascuno degli N componenti riportati in<br />
colonna 1 a partire dalla riga 2.<br />
2.5.4.1.2. Gruppo 2<br />
⎛ N ⎞<br />
Gli elementi non nulli sono contenuti in una struttura di NG2 = ⎜ ⎟ righe a partire<br />
⎝2<br />
⎠<br />
dalla riga N+2 e N colonne a partire dalla colonna 2.<br />
a) A partire dalla <strong>prima</strong> riga si riportano nella <strong>prima</strong> colonna i tassi di guasto degli ultimi<br />
N-1 componenti. Queste righe, delimitate come detto, individuano il primo<br />
sottogruppo.<br />
b) A partire dalla riga e dalla colonna seguente, si riportano i tassi di guasto degli ultimi<br />
N-2 componenti. Queste righe individuano il secondo sottogruppo.<br />
c) Ripetere il passo precedente diminuendo di un componente fino a giungere a un<br />
sottogruppo formato dal solo ultimo componente.<br />
d) Si completa ciascun sottogruppo come segue.<br />
Si va nella colonna a destra di quella che contiene il primo tasso di guasto e vi si riporta<br />
il tasso di guasto del componente immediatamente precedente quello cui compete<br />
il primo tasso di guasto.<br />
Lo stesso tasso di guasto viene riportato nelle righe seguenti spostandosi contemporaneamente<br />
di una colonna verso destra fino al confine della struttura.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 34 di 153
2. I processi markoviani in affidabilità<br />
Nel caso di un sistema con 5 componenti il gruppo 2 è così costituito.<br />
2 3 4 5 6<br />
7 LB LA<br />
8 LC LA<br />
9 LD LA<br />
10 LE LA<br />
11 LC LB<br />
12 LD LB<br />
13 LE LB<br />
14 LD LC<br />
15 LE LC<br />
16 LE LD<br />
2.5.4.1.3. Generico gruppo i seguente<br />
Gli elementi non nulli sono contenuti in una struttura di NGi righe e NG(i-1) colonne a<br />
partire dalla colonna seguente a quella terminale del gruppo precedente.<br />
a) A partire dalla <strong>prima</strong> riga si riportano i sottogruppi del gruppo precedente escluso il<br />
primo.<br />
b) A partire dalla riga e dalla colonna seguente, si riportano i sottogruppi del gruppo<br />
precedente escluso il primo.<br />
c) Si ripete il passo precedente diminuendo di un componente fino a giungere a un<br />
sottogruppo formato dal solo ultimo componente.<br />
d) Si completa ciascun sottogruppo come segue.<br />
Si va nella colonna a destra di quella che contiene il primo tasso di guasto e vi si riporta<br />
il tasso di guasto del componente immediatamente precedente quello cui compete<br />
il primo tasso di guasto.<br />
Il secondo tasso di guasto viene riportato nelle righe seguenti spostandosi contemporaneamente<br />
di una colonna verso destra fino al confine della struttura.<br />
Nel caso di un sistema con 5 componenti il gruppo 3 è così costituito.<br />
7 8 9 10 11 12 13 14 15 16<br />
17 LC LB LA<br />
18 LD LB LA<br />
19 LE LB LA<br />
20 LD LC LA<br />
21 LE LC LA<br />
22 LE LD LA<br />
23 LD LC LB<br />
24 LE LC LB<br />
25 LE LD LB<br />
26 LE LD LC<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 35 di 153
2. I processi markoviani in affidabilità<br />
Nel caso di un sistema con 5 componenti il gruppo 4 è così costituito.<br />
17 18 19 20 21 22 23 24 25 26<br />
27 LD LC LB LA<br />
28 LE LC LB LA<br />
29 LE LD LB LA<br />
30 LE LD LC LA<br />
31 LE LD LC LB<br />
Anche se non strettamente indispensabile, la tabella degli stati del sistema costruita come<br />
in 2.5.1. è di grandissimo aiuto nella costruzione della matrice dei tassi di transizione.<br />
2.5.4.2. Costruzione delle altre regioni<br />
La costruzione della regione al disopra della diagonale principale, contenente i tassi di<br />
riparazione, viene costruita per simmetria come detto in 2.5.2. f).<br />
La costruzione della diagonale principale segue vie differenti secondo l’uso cui la matrice<br />
è destinata.<br />
Se è destinata all’esecuzione di calcoli numerici conviene realizzare la matrice con<br />
Excel ove la somma degli elementi della colonna è un’operazione semplicissima e ben<br />
nota.<br />
Se è destinata all’esecuzione di calcoli simbolici conviene realizzare la matrice con<br />
Excel (o anche con Word) senza la diagonale principale, salvarla come file ASCII da<br />
usare come input a un piccolo programma di calcolo automatico realizzato ad hoc per il<br />
calcolo degli elementi della diagonale principale.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 36 di 153
3. Modelli elementari<br />
3. Modelli elementari<br />
3.1. Generalità<br />
Sono modelli relativamente semplici che descrivono il comportamento affidabilistico di<br />
quei blocchi o gruppi di blocchi che si cerca di individuare nei DBA complessi sulla base<br />
dei loro comportamenti statisticamente indipendenti al fine di giungere per successive<br />
sostituzioni di gruppi di blocchi con singoli blocchi a una catena apicale di blocchi in<br />
serie.<br />
Semplicità di fatto vuol dire numero di componenti relativamente basso; infatti il numero<br />
degli stati aumenta esponenzialmente all’aumentare del numero dei componenti e le<br />
difficoltà di gestione dei modelli divengono rapidamente proibitive; almeno con i mezzi<br />
(HW e SW) normalmente disponibili.<br />
Qualunque sia la dimensione del DBA e la tecnica usata per la sua analisi, da quelle<br />
manuali a quelle automatiche, è necessario sviluppare un insieme coerente di relazioni<br />
simboliche per il calcolo di ciascuna delle caratteristiche di affidabilità di interesse.<br />
È pur vero che abbondano i manuali ricchi di formule; ma non sempre si trovano in un<br />
solo manuale (e quindi verosimilmente coerenti) tutte quelle di nostro interesse.<br />
Per i calcoli simbolici viene qui usato il Symbolic Computation System MAPLE (V. 8) e<br />
le uscite dei calcoli vengono spesso riportati nel formato standard di uscita di questo<br />
strumento.<br />
In esso i comandi, preceduti dal prompt > , sono in caratteri “Courier new bold”, le risposte<br />
ai comandi in caratteri proprietari italici e i commenti inseriti dall’operatore in<br />
caratteri “Times new roman”.<br />
I comandi di MAPLE, sono abbastanza autoesplicativi; per quelli meno immediati è riportata<br />
una stringata spiegazione qui di seguito.<br />
1. with(linalg)<br />
invoca una libreria (algebra lineare).<br />
2. alias(ID=&*())<br />
speciale notazione per definire ID come matrice identità.<br />
3. %, %%, …<br />
indica l'ultimo, il penultimo, … risultato di un calcolo.<br />
4. &*<br />
prodotto vettoriale.<br />
5. eval(e)<br />
esegue il calcolo completo dell'espressione e.<br />
6. evalm(e)<br />
esegue il calcolo completo dell'espressione e contenente matrici.<br />
7. dsolve({deq1, deq2,…, init}, {p1, p2, …});<br />
tenta di risolvere il sistema di equazioni differenziali {deq1,deq2,..} per le variabili {p1,<br />
p2, ..} con le condizioni iniziali init.<br />
8. solve({eq1, eq2, …}, {p1, p2, ..});<br />
tenta di risolvere il sistema di equazioni {eq1,eq2,..} per le variabili {p1, p2, ..}.<br />
9. simplify(e);<br />
applica all'espressione e delle regole semplificative.<br />
10. factor(e);<br />
raccoglie i fattori dell’espressione e nell’ambito dei numeri razionali.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 37 di 153
3. Modelli elementari<br />
11. expand(e);<br />
sviluppa potenze e prodotti nell’espressione e in termini di somma.<br />
12. Digits;<br />
numero fisso di cifre con cui vengono eseguiti i calcoli in virgola mobile. Default = 10.<br />
13. unassign(‘n1, n2, …’);<br />
libera (restituendo il valore NULL) le variabili i cui nomi sono compresi tra le ‘ ‘.<br />
14. restart;<br />
equivale a unassign per tutti i nomi usati che riporta il motore di MAPLE allo stato iniziale<br />
senza chiudere il foglio di lavoro.<br />
15. se il comando non è terminato dal “;” canonico ma da “:” il risultato non viene<br />
presentato a video.<br />
L’adozione di questo strumento costringe all’assunzione del “.“ al posto della<br />
“,“come separatore dei decimali.<br />
Lo stesso strumento MAPLE viene usato anche per i calcoli numerici relativi agli esempi<br />
con la seguente ipotesi:<br />
i valori dei tassi di guasto e di ripristino hanno un numero di cifre significative pari al<br />
valore assunto per il parametro Digits.<br />
Questo non vuol dire che tutte queste cifre sono numericamente corrette; infatti MAPLE<br />
esegue i calcoli come la maggior parte degli strumenti di calcolo automatico. MAPLE<br />
ha però il vantaggio di poter eseguire i calcoli con un numero molto alto di cifre.<br />
Si ricordi che le predizioni di affidabilità sono molto più affidabili (absit iniuria) per<br />
confrontare soluzioni progettuali diverse atte a realizzare una data funzione che non per<br />
determinarne l’affidabilità intrinseca; l’ipotesi assunta, notoriamente lontana dalla realtà,<br />
ha il solo scopo di aumentare il potere risolutivo dei confronti.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 38 di 153
3.2. Singolo blocco<br />
3. Modelli elementari<br />
3.2.1. Impostazione<br />
Al blocco competono un tasso di guasto l e un tasso di riparazione m costanti nel tempo.<br />
Questo sistema monoblocco può assumere due soli stati, uno di funzionamento e uno di<br />
guasto come mostrato in Tab. 3.1. ove:<br />
N = identificazione dello stato;<br />
B = stato del blocco (0 = funzionante, 1 = guasto);<br />
S = stato del sistema (0 = funzionante, 1 = guasto).<br />
Tab. - 3.1. - Possibili stati del sistema<br />
N B S<br />
1 0 0<br />
2 1 1<br />
Il diagramma delle transizioni tra gli stati è mostrato in Fig.3.1.; in esso l è il tasso di<br />
guasto del blocco e m il suo tasso di ripristino.<br />
1 2<br />
m<br />
Fig. 3.1. - Diagramma delle transizioni tra stati<br />
3.2.2. Come eseguire i calcoli con MAPLE<br />
Questo comando, che invoca la libreria pertinente i calcoli dell’algebra lineare, si assume<br />
sempre presente all’inizio di tutti i calcoli con MAPLE presentati nel seguito.<br />
> with(linalg);<br />
3.2.2.1. Calcolo dell’affidabilità e della disponibilità<br />
Si costruisce la matrice T dei tassi di transizione<br />
> T := matrix(2,2,[[-l,m],[l,-m]]);<br />
T :=<br />
⎡−l<br />
m ⎤<br />
⎣<br />
⎢ l −m⎦<br />
⎥<br />
e il vettore P delle probabilità degli stati<br />
> P := matrix(2,1,[P1(t),P2(t)]);<br />
P :=<br />
⎡P1(<br />
t ) ⎤<br />
⎣<br />
⎢P2(<br />
t ) ⎦<br />
⎥<br />
quindi (vedi formula 2.2) si fa il prodotto di T con P<br />
> K := evalm(T&*P);<br />
l<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 39 di 153
K :=<br />
⎡−<br />
l P1( t) + m P2( t ) ⎤<br />
⎣<br />
⎢ l P1( t) − m P2( t ) ⎦<br />
⎥<br />
e si costruiscono (tenere ancora d’occhio la 2.2) le equazioni<br />
> deq1 := diff(P1(t), t) = K[1,1];<br />
∂<br />
deq1 := P1( t ) = − l P1( t) + m P2( t )<br />
∂t<br />
> deq2 := diff(P2(t), t) = K[2,1];<br />
∂<br />
deq2 := P2( t ) = l P1( t) − m P2( t )<br />
∂t<br />
Alle stesse equazioni si perviene usando la (2.3):<br />
> H := evalm(transpose(P)&*transpose(T));<br />
H := [ − P1( t) l + P2( t) m P1( t) l − P2( t) m]<br />
essendo i due elementi del vettore H identici a quelli del vettore K.<br />
Questa è la condizione iniziale più comunemente usata<br />
> init := P1(0)=1, P2(0)=0;<br />
init := P1( 0) = 1 , P2( 0) = 0<br />
3. Modelli elementari<br />
Si cercano le soluzioni del nostro sistema di equazioni che sono le probabilità che competono<br />
agli stati del sistema al tempo t<br />
> S := dsolve({deq1,deq2,init}, {P1(t), P2(t)});<br />
⎧<br />
⎪ l e<br />
⎪<br />
S := ⎪<br />
⎨<br />
⎩<br />
⎪ P2( t ) = −<br />
( t ( − l− m)<br />
)<br />
l + m<br />
m<br />
m<br />
−<br />
lm<br />
− −<br />
l + m m l e<br />
, P1( t ) = +<br />
l + m l + m<br />
Si verifica che la probabilità totale sia = 1<br />
> simplify(sum('S[i]', 'i'=1..2));<br />
> A(t) := P1(t);<br />
Se il blocco non è riparabile<br />
> m := 0;<br />
> R(t) := eval(A(t));<br />
P2( t ) + P1( t ) = 1<br />
( t ( − l− m)<br />
)<br />
m l e<br />
A( t ) := +<br />
l + m l + m<br />
m := 0<br />
( t ( l m)<br />
)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 40 di 153<br />
⎫<br />
⎪<br />
⎬<br />
⎭<br />
⎪
unassign('m,S, P1, P2');<br />
R( t ) := e<br />
3. Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 41 di 153<br />
( −t l)<br />
3.2.2.2. Calcolo delle caratteristiche asintotiche<br />
> P := matrix(2,2,[[1-l,l],[m,1-m]]);<br />
P :=<br />
> V := matrix(1,2,[P1,P2]);<br />
> X := evalm(V&*P);<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := P1 + P2 = 1;<br />
⎡<br />
⎣<br />
⎢<br />
1 − l l ⎤<br />
m 1 − m⎦<br />
⎥<br />
V := [ P1 P2]<br />
X := [ P1 ( 1 − l) + P2m P1 l + P2 ( 1 − m)<br />
]<br />
eq1 := P1 ( 1 − l) + P2m= P1<br />
eq2 := P1 l + P2 ( 1 − m) = P2<br />
eq3 := P1 + P2 = 1<br />
> S := solve({eq1,eq3}, {P1,P2});<br />
l m<br />
S := { P2 = , P1 = }<br />
l + m l + m<br />
> simplify(sum('S[i]', 'i'=1..2));<br />
P1 + P2 = 1<br />
Agli stessi risultati si giunge usando la (2.4):<br />
> eq1 := 0 = K[1,1];<br />
> eq2 := 0 = K[2,1];<br />
> eq3 := P1+P2 = 1;<br />
eq1 := 0 = − lP1+ mP2<br />
eq2 := 0 = lP1− mP2<br />
eq3 := P1 + P2 = 1<br />
> S := solve({eq1,eq3},{P1,P2});
P1 = m/(l+m);<br />
> P2 = l/(l+m);<br />
m l<br />
S := { P1 = , P2 = }<br />
l + m l + m<br />
P1 =<br />
P2 =<br />
m<br />
l + m<br />
l<br />
l + m<br />
3. Modelli elementari<br />
Si noti che ambedue le probabilità hanno lo stesso denominatore e che i loro numeratori<br />
sono i termini di<br />
> expand((m+l)^1);<br />
l + m<br />
Il sistema è disponibile quando il blocco è nello stato1, quindi<br />
> Ass := P1 = m/(l+m);<br />
Ass := P1 =<br />
m<br />
l+ m<br />
3.2.2.3. Calcolo del MUT e del MDT<br />
La frequenza di occorrenza è la stessa per i due stati<br />
> f := Ass*l;<br />
f := P1 l =<br />
> MUT := m/(l+m)/(m*l/(l+m));<br />
MUT :=<br />
> MDT := (l/(l+m))/(l*m/(l+m));<br />
Verifica<br />
> simplify(MUT/(MUT+MDT)):<br />
MDT :=<br />
m<br />
l + m<br />
lm<br />
l + m<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 42 di 153<br />
1<br />
l<br />
1<br />
m
3.2.2.4. Calcolo del MTTF<br />
> Q := matrix(1,1,[1-l]);<br />
> M := inverse(ID-evalm(Q));<br />
> MTTF := M[1,1];<br />
Q := [ 1 − l]<br />
M := ⎡<br />
⎢<br />
⎣<br />
3. Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 43 di 153<br />
1<br />
l<br />
MTTF :=<br />
MUT ed MTTF hanno lo stesso valore poiché il ripristino del servizio non può riprendere<br />
che dallo stato iniziale.<br />
Al modello elementare singolo blocco competono le caratteristiche seguenti.<br />
( −t l)<br />
R( t ) := e<br />
( t ( − l− m)<br />
)<br />
m l e<br />
A( t ) := +<br />
l + m l + m<br />
m<br />
Ass :=<br />
l + m<br />
1<br />
MUT :=<br />
l<br />
1<br />
MDT :=<br />
m<br />
1<br />
MTTF :=<br />
l<br />
Questo procedimento verrà usato in tutti i calcolo che seguono.<br />
1<br />
l<br />
⎤<br />
⎥<br />
⎦
3.3. Due blocchi<br />
3. Modelli elementari<br />
3.3.1. Due blocchi connessione in serie<br />
Il sistema è costituito da un blocco A cui competono un tasso di guasto l1 e un tasso di<br />
riparazione m1 e da un blocco B cui competono un tasso di guasto l2 e un tasso di riparazione<br />
m2.<br />
Il sistema può assumere gli stati mostrati in Tab.3.2. ove:<br />
N = identificazione dello stato;<br />
A, B = stato del blocco (0 = funzionante, 1 = guasto);<br />
S = stato del sistema (0 = funzionante, 1 = guasto)<br />
Tab. 3.2. - Possibili stati del sistema<br />
N A B S<br />
1 0 0 0<br />
2 1 0 1<br />
3 0 1 1<br />
4 1 1 1<br />
Il diagramma delle transizioni tra questi stati è mostrato in Fig. 3.2.<br />
1<br />
m2<br />
m1<br />
l1<br />
l2<br />
Fig. 3.2. - Diagramma di transizione tra stati<br />
Un singolo manutentore è disponibile per il ripristino dei blocchi guastatisi; quindi se un<br />
blocco si guasta mentre è in corso il ripristino dell’altro, il suo ripristino inizierà dopo la<br />
conclusione del ripristino in corso.<br />
3.3.1.1. Dettagli dei calcoli<br />
2<br />
3<br />
m2<br />
m1<br />
Calcolo dell’affidabilità e della disponibilità<br />
> T := matrix(4,4,[[-(l1+l2),m1,m2,0],[l1,-<br />
(l2+m1),0,m2],[l2,0,-(l1+m2),m1],<br />
[0,l2,l1,-(m1+m2)]]);<br />
l1<br />
l2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 44 di 153<br />
4
⎡−<br />
l1 − l2 m1 m2 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
T := ⎢ l1 − l2 − m1 0 m2 ⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
l2 0 − l1 − m2 m1 ⎥<br />
⎣<br />
⎢ 0 l2 l1 − m1 − m2⎦<br />
⎥<br />
> P := matrix(4,1,[P1(t),P2(t),P3(t),P4(t)]);<br />
> K := evalm(T&*P);<br />
⎡P1(<br />
t )<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
P := ⎢P2(<br />
t ) ⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
P3( t ) ⎥<br />
⎣<br />
⎢P4(<br />
t ) ⎦<br />
⎥<br />
⎡(<br />
− l1 − l2 ) P1( t) + m1 P2( t) + m2 P3( t )<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
K := ⎢l1<br />
P1( t ) + ( − l2 − m1 ) P2( t) + m2 P4( t ) ⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
l2 P1( t ) + ( − l1 − m2 ) P3( t) + m1 P4( t ) ⎥<br />
⎣<br />
⎢l2<br />
P2( t) + l1 P3( t ) + ( − m1 − m2 ) P4( t ) ⎦<br />
⎥<br />
> deq1 := diff(P1(t), t) = K[1,1];<br />
d<br />
deq1 := P1( t ) = ( − l1 − l2 ) P1( t) + m1 P2( t) + m2 P3( t )<br />
dt<br />
> deq2 := diff(P2(t), t) = K[2,1];<br />
d<br />
deq2 := P2( t ) = l1 P1( t ) + ( − l2 − m1 ) P2( t) + m2 P4( t )<br />
dt<br />
> deq3 := diff(P3(t), t) = K[3,1];<br />
d<br />
deq3 := P3( t ) = l2 P1( t ) + ( − l1 − m2 ) P3( t) + m1 P4( t )<br />
dt<br />
> deq4 := diff(P4(t), t) = K[4,1];<br />
d<br />
deq4 := P4( t ) = l2 P2( t) + l1 P3( t ) + ( − m1 − m2 ) P4( t )<br />
dt<br />
> init := P1(0)=1, P2(0)=0, P3(0)=0, P4(0)=0;<br />
init := P1( 0) = 1 , P2( 0) = 0 , P3( 0) = 0 , P4( 0) = 0<br />
> S := dsolve({deq1,deq2,deq3,deq4,init},<br />
{P1(t),P2(t),P3(t),P4(t)});<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
3. Modelli elementari<br />
( −( ) ) + l1 m1 t<br />
⎛ l1 l2 e m1 l1 m2 e m1<br />
S := { P2( t ) = − ⎜<br />
+<br />
⎝<br />
⎜ m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) )<br />
l1 m1 l2 e + m2 l2 t<br />
l1 m1 m2 ⎞<br />
− − ⎟<br />
⎛<br />
m1<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎟ / ,<br />
P3( t ) = − ⎜<br />
⎠<br />
⎝<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 45 di 153
( ( − l1 − m1 − m2 − l2 ) t)<br />
( −( ) ) + m2 l2 t<br />
l1 l2 e m2 m1 l2 e m2<br />
+<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) ) + l1 m1 t<br />
3. Modelli elementari<br />
l2 l1 m2 e m1 l2 m2 ⎞<br />
− − ⎟ m2<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎟ / P1( t ) =<br />
⎠<br />
,<br />
( −( ) )<br />
m1 m2<br />
m1 l2 e<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
+ m2 l2 t<br />
+<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) ) + l1 m1 t<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
l1 m2 e l1 l2 e ⎛<br />
+ + , P4( t ) = ⎜<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎜<br />
⎝<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
( −( ) )<br />
l1 l2 e m1 m2 l2 l1 m2 e<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
+ l1 m1 t<br />
m1<br />
−<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) ) + m2 l2 t<br />
l1 l2 m1 m2<br />
l1 m1 l2 e m2 ⎞<br />
+ − ⎟ m1 m2<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎟ /( )}<br />
⎠<br />
> simplify(sum('S[i]', 'i'=1..4));<br />
P2( t ) + P3( t ) + P1( t ) + P4( t ) = 1<br />
> P1(t) :=<br />
1/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*m2+1/(m1*l2+l1*l2+l1*m2+m1*m<br />
2)*m1*l2*exp(-<br />
(m2+l2)*t)+l1*m2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp(-<br />
(l1+m1)*t)+l1*l2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp((-l1-m1-m2l2)*t);<br />
P1( t )<br />
:=<br />
m1 m2<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) ) + l1 m1 t<br />
( −( ) ) + m2 l2 t<br />
m1 l2 e<br />
+<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
l1 m2 e l1 l2 e<br />
+ +<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
> P2(t) := -(l1*l2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp((-l1-m1m2-l2)*t)*m1+l1*m2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp(-<br />
(l1+m1)*t)*m1-l1/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*l2*exp(-<br />
(m2+l2)*t)-l1/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*m2)/m1;<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
( −( ) ) + l1 m1 t<br />
⎛ l1 l2 e m1 l1 m2 e m1<br />
P2( t ) := − ⎜<br />
+<br />
⎝<br />
⎜ m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) )<br />
l1 m1 l2 e + m2 l2 t<br />
l1 m1 m2 ⎞<br />
− − ⎟ m1<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎠<br />
⎟ /<br />
> P3(t) := -(l1*l2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp((-l1-m1m2-l2)*t)*m2+1/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*l2*exp(-<br />
(m2+l2)*t)*m2-l2*l1*m2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp(-<br />
(l1+m1)*t)-1/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*l2*m2)/m2;<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 46 di 153
( ( − l1 − m1 − m2 − l2 ) t)<br />
( −( ) ) + m2 l2 t<br />
3. Modelli elementari<br />
⎛ l1 l2 e m2 m1 l2 e m2<br />
P3( t ) := − ⎜<br />
+<br />
⎝<br />
⎜ m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) )<br />
l2 l1 m2 e + l1 m1 t<br />
m1 l2 m2 ⎞<br />
− − ⎟ m2<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎟<br />
⎠<br />
/<br />
> P4(t) := (l1*l2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp((-l1-m1-m2l2)*t)*m1*m2-l2*l1*m2/(m1*l2+l1*l2+l1*m2+m1*m2)*exp(-(l1+m1)*t)*m1+l1*l2/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*m2l1/(m1*l2+l1*l2+l1*m2+m1*m2)*m1*l2*exp(-<br />
(m2+l2)*t)*m2)/m1/m2;<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
( −( ) ) + l1 m1 t<br />
⎛ l1 l2 e m1 m2 l2 l1 m2 e m1<br />
P4( t ) := ⎜<br />
−<br />
⎝<br />
⎜ m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) )<br />
l1 l2 m1 m2<br />
l1 m1 l2 e<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
+ m2 l2 t<br />
m2 ⎞<br />
+ − ⎟ m1 m2<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 ⎠<br />
⎟ /( )<br />
> A(t) := P1(t);<br />
A( t )<br />
:=<br />
m1 m2<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( −( ) ) + l1 m1 t<br />
( −( ) ) + m2 l2 t<br />
m1 l2 e<br />
+<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
( ( − l1 − m1 − m2 − l2 ) t)<br />
l1 m2 e l1 l2 e<br />
+ +<br />
m1 l2 + l1 l2 + l1 m2 + m1 m2 m1 l2 + l1 l2 + l1 m2 + m1 m2<br />
> factor(%);<br />
( −( ) ) + m2 l2 t<br />
( −( ) ) + l1 m1 t<br />
m1 m2 + m1 l2 e + l1 m2 e<br />
( m2 + l2 ) ( l1 + m1)<br />
+ l1 l2 e<br />
> m1:=0; m2:=0;<br />
> R(t) := eval(P1(t));<br />
m1 := 0 m2 := 0<br />
R( t ) := e<br />
( ( − l1 − l2 ) t)<br />
( −( m2 + m1 + l1 + l2 ) t)<br />
Non ci occuperemo più nel seguito del calcolo dell’affidabilità e disponibilità in funzione<br />
del tempo. La stragrande maggioranza dei sistemi di interesse pratico sono infatti<br />
riparabili e raggiungono la condizione asintotica in tempi molto brevi.<br />
Ad esempio, poco meno di un paio d’ore per l = 0.001 e m = 2 ore.<br />
Da qui in avanti ci si limiterà all’analisi delle sole caratteristiche asintotiche.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 47 di 153
Calcolo delle probabilità asintotiche degli stati<br />
3. Modelli elementari<br />
> P := matrix(4, 4, [[1-(l1+l2), l1, l2, 0],[m1, 1-(l2+m1),<br />
0, l2], [m2, 0, 1-(l1+m2), l1],[0, m2, m1, 1-(m1+m2)]]);<br />
⎡1<br />
− l1 − l2 l1 l2 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
P := ⎢ m1 1 − l2 − m1 0 l2 ⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
m2 0 1 − l1 − m2 l1 ⎥<br />
⎣<br />
⎢ 0 m2 m1 1 − m1 − m2⎦<br />
⎥<br />
> V := matrix(1,4,[P1,P2,P3,P4]);<br />
V := [ P1 P2 P3 P4]<br />
> X := evalm(V&*P);<br />
X :=<br />
[ P1 ( 1 − l1 − l2 ) + P2 m1 + P3 m2 , P1 l1 + P2 ( 1 − l2 − m1) + P4 m2 ,<br />
P1 l2 + P3 ( 1 − l1 − m2) + P4 m1 , P2 l2 + P3 l1 + P4 ( 1 − m1 − m2)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
> eq5 := P1+P2+P3+P4=1;<br />
eq1 := P1 ( 1 − l1 − l2 ) + P2 m1 + P3 m2 = P1<br />
eq2 := P1 l1 + P2 ( 1 − l2 − m1) + P4 m2 = P2<br />
eq3 := P1 l2 + P3 ( 1 − l1 − m2) + P4 m1 = P3<br />
eq4 := P2 l2 + P3 l1 + P4 ( 1 − m1 − m2) = P4<br />
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
m1 l2<br />
l2 l1<br />
S := { P3 =<br />
, P4 =<br />
,<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2 m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
m1 m2<br />
l1 m2<br />
P1 =<br />
, P2 =<br />
}<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2 m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
> simplify(sum('S[i]', 'i'=1..4));<br />
P1 + P2 + P3 + P4 = 1<br />
Agli stessi risultati si perviene usando la (2.4):<br />
> eq1 := 0 = K[1,1];<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 48 di 153
eq2 := 0 = K[2,1];<br />
> eq3 := 0 = K[3,1];<br />
> eq4 := 0 = K[4,1];<br />
> eq5 := P1+P2+P3+P4 = 1;<br />
eq1 := 0 = ( − l1 − l2 ) P1 + m1 P2 + m2 P3<br />
eq2 := 0 = l1 P1 + ( − l2 − m1) P2 + m2 P4<br />
eq3 := 0 = l2 P1 + ( − l1 − m2) P3 + m1 P4<br />
eq4 := 0 = l2 P2 + l1 P3 + ( − m1 − m2) P4<br />
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
3. Modelli elementari<br />
m2 l1<br />
l1 l2<br />
S := { P2 =<br />
, P4 =<br />
,<br />
l2 m1 + m2 m1 + m2 l1 + l1 l2 l2 m1 + m2 m1 + m2 l1 + l1 l2<br />
l2 m1<br />
m2 m1<br />
P3 =<br />
, P1 =<br />
}<br />
l2 m1 + m2 m1 + m2 l1 + l1 l2 l2 m1 + m2 m1 + m2 l1 + l1 l2<br />
> P1 := m1*m2/(m1*m2+m1*l2+l2*l1+l1*m2);<br />
P1 :=<br />
m1 m2<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
> P2 := l1*m2/(m1*m2+m1*l2+l2*l1+l1*m2);<br />
P2 :=<br />
l1 m2<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
> P3 := m1*l2/(m1*m2+m1*l2+l2*l1+l1*m2);<br />
P3 :=<br />
m1 l2<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
> P4 := l2*l1/(m1*m2+m1*l2+l2*l1+l1*m2);<br />
P4 :=<br />
l2 l1<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
Si noti che le probabilità hanno lo stesso denominatore che è lo sviluppo in termini di<br />
somma del seguente prodotto di 2 binomi<br />
> expand((m2+l2)*(m1+l1));<br />
m2 m1 + m2 l1 + l2 m1 + l2 l1<br />
e che i loro numeratori sono i termini di questa somma ordinati in accordo alla tabella<br />
degli stati del sistema come mostrato qui di seguito.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 49 di 153
Tab. 3.3. – Formazione dei numeratori<br />
N A B<br />
1 m1 m2<br />
2 l1 m2<br />
3 m1 l2<br />
4 l1 l2<br />
Calcolo della disponibilità asintotica<br />
> Ass := factor(P1);<br />
Calcolo del MUT e del MDT<br />
m1 m2<br />
Ass :=<br />
( m2 + l2 ) ( m1 + l1 )<br />
3. Modelli elementari<br />
La frequenza di ciclo dello stato 1 = probabilità di essere nello stato 1 per il tasso totale<br />
di uscita da esso<br />
> f1 := P1*(l1+l2);<br />
m1 m2 ( l1 + l2 )<br />
f1 :=<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
Analogamente:<br />
> f2 := P2*(m1+l2);<br />
> f3 := P3*(m2+l1);<br />
> f4 := P4*(m1+m2);<br />
> MUT := P1/f1;<br />
l1 m2 ( l2 + m1)<br />
f2 :=<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
m1 l2 ( l1 + m2)<br />
f3 :=<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
l2 l1 ( m1 + m2)<br />
f4 :=<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
MUT :=<br />
1<br />
l1 + l2<br />
La frequenza di ciclo del gruppo di stati 2, 3, 4 = somma delle frequenze di ciclo degli<br />
stati di frontiera del gruppo :<br />
> f234 := simplify(f2+f3-(P2*l2+P3*l1));<br />
m1 m2 ( l1 + l2 )<br />
f234 :=<br />
m1 l2 + m1 m2 + l2 l1 + l1 m2<br />
coincidente, poichè i gruppi sono due, con la f1 calcolata più sopra.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 50 di 153
MDT := simplify((P2+P3+P4)/f234);<br />
m1 l2 + l2 l1 + l1 m2<br />
MDT :=<br />
m1 m2 ( l1 + l2 )<br />
Verifica con la nota relazione Ass = MUT/(MUT+MDT)<br />
> As := simplify(MUT/(MUT+MDT));<br />
As :=<br />
Verifica con la disponibilità dei singoli blocchi<br />
m1 m2<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
> A := (m1/(l1+m1))*(m2/(l2+m2));<br />
m1 m2<br />
A :=<br />
( m2 + l2 ) ( m1 + l1 )<br />
3. Modelli elementari<br />
3.3.1.2. Verifica dell’equivalenza<br />
Il modello appena sviluppato ci consente di sostituire nel DBA 2 blocchi in serie con un<br />
solo blocco che ha le caratteristiche asintotiche seguenti:<br />
> Ass := (m1*m2)/((l1+m1)*(l2+m2));<br />
> MUT := 1/(l1+l2);<br />
m1 m2<br />
Ass :=<br />
( l1 + m1 ) ( l2 + m2)<br />
MUT :=<br />
1<br />
l1 + l2<br />
> MDT := (l1*m2+m1*l2+l1*l2)/(m1*m2*(l1+l2));<br />
l1 m2 + m1 l2 + l1 l2<br />
MDT :=<br />
m1 m2 ( l1 + l2 )<br />
Se<br />
> l1:=0.0001; m1:=0.5; l2:=0.0002; m2:=0.5;<br />
> Digits:=20;<br />
> Ass;<br />
l1 := 0.0001 m1 := 0.5<br />
l2 := 0.0002 m2 := 0.5<br />
Digits := 20<br />
0.99940027988004957985<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 51 di 153
MUT;<br />
> MDT;<br />
3333.3333333333333333<br />
2.0002666666666666667<br />
3. Modelli elementari<br />
Si consideri ora il comportamento dei 2 blocchi separatamente agli istanti seguenti:<br />
> t1:=10; t2:=1000; t3:=10000;<br />
t1 := 10 t2 := 1000 t3 := 10000<br />
La disponibilità a un dato istante è il prodotto delle disponibilità dei singoli blocchi<br />
> A(t1):= ((m1+l1*exp(-(l1+m1)*t1))/(l1+m1))*((m2+l2*exp(-<br />
(l2+m2)*t1))/(l2+m2));<br />
A( 10) := 0.99940431349948912947<br />
> A(t2):= ((m1+l1*exp(-(l1+m1)*t2))/(l1+m1))*((m2+l2*exp(-<br />
(l2+m2)*t2))/(l2+m2));<br />
A( 1000) := 0.99940027988004957985<br />
> A(t3):= ((m1+l1*exp(-(l1+m1)*t3))/(l1+m1))*((m2+l2*exp(-<br />
(l2+m2)*t3))/(l2+m2));<br />
A( 10000) := 0.99940027988004957985<br />
Consideriamo i due blocchi come un solo blocco cui compete il tasso di guasto<br />
> l3:=1/MUT;<br />
e il tasso di ripristino<br />
> m3:=1/MDT;<br />
l3 := 0.00030000000000000000000<br />
m3 := 0.49993334222103719503<br />
cui competono agli istanti considerati le disponibilità<br />
> A3(t1) := (m3+l3*exp(-(l3+m3)*t1);<br />
A3( 10) := 0.99940431134433985626<br />
> A3(t2) := (m3+l3*exp(-(l3+m3)*t2))/(l3+m3);<br />
A3( 1000) := 0.99940027988004957985<br />
> A3(t3) := (m3+l3*exp(-(l3+m3)*t3))/(l3+m3);<br />
A3( 10000) := 0.99940027988004957985<br />
A prescindere da un breve transitorio iniziale per raggiungere il valore asintotico, questo<br />
unico blocco fittizio si comporta come il sistema originario costituito da 2 blocchi in serie.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 52 di 153
3. Modelli elementari<br />
3.3.2. Due blocchi connessi in ridondanza sequenziale<br />
La ridondanza sequenziale si ha quando di più blocchi predisposti per assolvere il medesimo<br />
compito uno solo serve il sistema mentre gli altri sono in riserva.<br />
Quando il blocco che serve il sistema si guasta, un organo di commutazione ideale (con<br />
tasso di guasto e tempo di intervento trascurabili) provvede a metterlo fuori servizio e a<br />
inserire a servizio del sistema uno dei blocchi di riserva.<br />
Se l’ipotesi dell’organo di commutazione con tasso di guasto e/o tempo di intervento<br />
trascurabile non è applicabile, si tiene conto dell’organo di commutazione reale con un<br />
ulteriore blocco in serie.<br />
I blocchi in riserva possono essere:<br />
• alimentati e funzionanti (riserva calda; condizione spesso non esplicitata perché<br />
considerata di default);<br />
• spenti (riserva fredda/stand-by; condizione sempre esplicitata).<br />
Per le riparazioni è disponibile un solo operatore (manutenzione singola). Si tornerà<br />
sull’argomento in 3.3.6..<br />
Il sistema di 2 blocchi ridondanti in riserva calda può assumere gli stati mostrati in<br />
Tab.3.4. ove:<br />
N = identificazione dello stato;<br />
A, B = stato del blocco (0 = funzionante, 1 = guasto);<br />
S = stato del sistema (0 = funzionante, 1 = guasto)<br />
Tab. 3.4. - Possibili stati del sistema<br />
N A B S<br />
1 0 0 0<br />
2 1 0 0<br />
3 0 1 0<br />
4 1 1 1<br />
3.3.2.1. Calcolo della disponibilità asintotica<br />
Le probabilità asintotiche dei 4 stati sono già state calcolate in 3.2.2.1.<br />
> Ass := factor(P1+P2+P3);<br />
m1 m2 + l1 m2 + m1 l2<br />
Ass :=<br />
( m2 + l2 ) ( m1 + l1 )<br />
3.3.2.2. Calcolo del MUT e del MDT<br />
La frequenza di ciclo del gruppo di stati 2, 3, 4 = somma delle frequenze di ciclo degli<br />
stati di frontiera del gruppo:<br />
> f123 := simplify(f2+f3 - (P2*m1+P3*m2));<br />
l2 l1 ( m1 + m2)<br />
f123 :=<br />
m1 l2 + m1 m2 + l2 l1 + l1 m2<br />
> MUT := simplify((P1+P2+P3)/f123);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 53 di 153
m1 m2 + l1 m2 + m1 l2<br />
MUT :=<br />
l2 l1 ( m1 + m2)<br />
3. Modelli elementari<br />
La frequenza di ciclo dello stato di guasto 4 = probabilità di essere nello stato 4 per il<br />
tasso totale di uscita da esso è identica alla f123 essendo 2 soli i blocchi di stati considerati<br />
> f4 := P4*(m1+m2);<br />
l2 l1 ( m1 + m2)<br />
f4 :=<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
Si noti l'uguaglianza tra f4 ed f123a per le ragioni già dette.<br />
> MDT := P4/f4;<br />
simplify(MUT/(MUT+MDT));<br />
> simplify(Ass/(%));<br />
MDT :=<br />
1<br />
m1 + m2<br />
m1 m2 + l1 m2 + m1 l2<br />
A2 :=<br />
m1 m2 + m1 l2 + l2 l1 + l1 m2<br />
3.3.2.3. Calcolo del MTTF<br />
Se per ragioni operative il ripristino del servizio riprende dallo stato iniziale, occorre<br />
calcolare il MTTF.<br />
> Q := matrix(3, 3, [[1-(l1+l2), l1, l2],[m1, 1-(l2+m1),<br />
0], [m2, 0, 1-(l1+m2)]]);<br />
⎡1<br />
− l1 − l2 l1 l2<br />
⎢<br />
⎤<br />
Q := ⎢<br />
⎥<br />
⎢ m1 1 − l2 − m1 0 ⎥<br />
⎣<br />
⎢ m2 0 1 − l1 − m2⎦<br />
⎥<br />
> M := inverse(ID-evalm(Q));<br />
⎡ ( l2 + m1 ) ( l1 + m2)<br />
l1 + m2<br />
⎢<br />
l2 l1 ( l2 + m2 + l1 + m1)<br />
l2 ( l2 + m2 + l1 + m1)<br />
⎢ m1 ( l1 + m2)<br />
m2 + l2 + l1<br />
M := ⎢ l2 l1 ( l2 + m2 + l1 + m1)<br />
l2 ( l2 + m2 + l1 + m1)<br />
⎢<br />
( l2 + m1) m2<br />
m2<br />
⎢<br />
⎣ l2 l1 ( l2 + m2 + l1 + m1)<br />
l2 ( l2 + m2 + l1 + m1)<br />
> MTTF := simplify(M[1,1]+M[1,2]+M[1,3]);<br />
l2 l1 + l2 m2 + m1 l1 + m1 m2 + l1 + + +<br />
MTTF :=<br />
2<br />
l1 m2 l2 2 m1 l2<br />
l2 l1 ( l2 + m2 + l1 + m1)<br />
1<br />
l2 + m1 ⎤<br />
⎥<br />
l1 ( l2 + m2 + l1 + m1)<br />
⎥<br />
m1<br />
⎥<br />
l1 ( l2 + m2 + l1 + m1)<br />
⎥<br />
l1 + l2 + m1 ⎥<br />
l1 ( l2 + m2 + l1 + m1)<br />
⎥<br />
⎦<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 54 di 153
3. Modelli elementari<br />
3.3.2.4. Calcolo alternativo del MTTF e del MUT<br />
> T := matrix(4, 4, [[-(l1+l2), m1, m2, 0], [l1, -(l2+m1),<br />
0, m2], [l2, 0, -(l1+m2), m1], [0, l2, l1, (m1+m2)]]);<br />
⎡−<br />
l1 − l2 m1 m2 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
T := ⎢ l1 − l2 − m1 0 m2<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
l2 0 − l1 − m2 m1 ⎥<br />
⎣<br />
⎢ 0 l2 l1 m1 + m2⎦<br />
⎥<br />
Partendo dallo stato 1<br />
> DS1 := matrix(4, 4, [[-(l1+l2), m1, m2, 1], [l1, -<br />
(l2+m1), 0, 0], [l2, 0, -(l1+m2),0], [1, 1, 1, 0]]);<br />
⎡−<br />
l1 − l2 m1 m2 1<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
DS1 := ⎢ l1 − l2 − m1 0 0<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
l2 0 − l1 − m2 0 ⎥<br />
⎣<br />
⎢ 1 1 1 0⎦<br />
⎥<br />
> det(DS1);<br />
− l1 − − − − − − −<br />
2<br />
l1 m2 l2 2<br />
l2 m1 l2 l1 l2 m2 m1 l1 m1 m2<br />
> DA := matrix(3, 3, [[-(l1+l2), m1, m2], [l1, -(l2+m1),<br />
0], [l2, 0, -(l1+m2)]]);<br />
⎡−<br />
l1 − l2 m1 m2<br />
⎢<br />
⎤<br />
DA := ⎢<br />
⎥<br />
⎢ l1 − l2 − m1 0 ⎥<br />
⎣<br />
⎢ l2 0 − l1 − m2⎦<br />
⎥<br />
> det(DA);<br />
− l2 l1 − − −<br />
2<br />
l2 l1 m2 l2 2 l1 l2 m1 l1<br />
> MTTF := simplify(det(DS1)/det(DA));<br />
MTTF :=<br />
l1 2<br />
+ l1 m2 + l2 + + + + +<br />
2<br />
l2 m1 l2 l1 l2 m2 m1 l1 m1 m2<br />
l2 l1 ( l1 + m2 + l2 + m1)<br />
Partendo dallo stato 2 o dallo stato 3<br />
> DS2 := matrix(4, 4, [[-(l1+l2), m1, m2, 0], [l1, -<br />
(l2+m1), 0, m2/(m1+m2)], [l2, 0, -(l1+m2),m1/(m1+m2)], [1,<br />
1, 1, 0]]);<br />
⎡−<br />
l1 − l2 m1 m2 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
⎢<br />
m2 ⎥<br />
⎢ l1 − l2 − m1 0<br />
⎥<br />
⎢<br />
m1 + m2<br />
DS2 := ⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
m1 ⎥<br />
⎢ l2 0 − l1 − m2<br />
⎢<br />
⎥<br />
⎢<br />
m1 + m2 ⎥<br />
⎣<br />
⎢ 1 1 1 0<br />
⎦<br />
⎥<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 55 di 153
det(DS2);<br />
3. Modelli elementari<br />
l2 m1 l1 l1 2 m2 l1 m2 2<br />
l2 2 m1 l2 m1 2<br />
− ( + + + + + l2 l1 m2 + 2 m1 l1 m2 + 2 l2 m1 m2<br />
m1 m2 2 m1 2 + + m2)/(<br />
m1 + m2)<br />
> MUT := simplify(det(DS2)/det(DA));<br />
l2 m1 + m1 m2 + l1 m2<br />
MUT :=<br />
l1 l2 ( m1 + m2)<br />
Se i due blocchi sono uguali:<br />
> l1:=l; l2:=l; m1:=m; m2:=m;<br />
> MTTFi := simplify(MTTF);<br />
> MUTi := simplify(MUT);<br />
l1 := l l2 := l<br />
m1 := m m2 := m<br />
MTTFi :=<br />
MUTi :=<br />
3 l + m<br />
2 l 2<br />
2 l + m<br />
2 l 2<br />
Esempio 1<br />
> l1:=0.0001; m1:=0.4; l2:=0.0002; m2:=0.6;<br />
> Digits := 20;<br />
l1 := 0.0001 m1 := 0.4<br />
l2 := 0.0002 m2 := 0.6<br />
Digits := 20<br />
Ripristinando il servizio dallo stato 1:<br />
> Ass := (m1*m2+l1*m2+m1*l2)/((m2+l2)*(m1+l1));<br />
> MDT := 1/(m1+m2);<br />
> MTTF;<br />
> simplify(MTTF/(MTTF+MDT));<br />
Ass := 0.99999991671525637418<br />
MDT := 1.0000000000000000000<br />
0.12011400079976007198 10 8<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 56 di 153
0.99999991674576568198<br />
Ripristinando il servizio da un qualunque stato di funzionamento:<br />
> MUT;<br />
> simplify(MUT/(MUT+MDT));<br />
0.12007000000000000000 10 8<br />
0.99999991671525637418<br />
3. Modelli elementari<br />
Si noti che usare il MUT al posto del MTTF quando si riparte dallo stato iniziale costituisce<br />
una ottima approssimazione.<br />
Se i due blocchi sono identici<br />
> l:=0.0001; m:=0.5;<br />
l := 0.0001 m := 0.5<br />
Ripristinando il servizio dallo stato 1:<br />
> Assi := (m*(2*l+m))/(l+m)^2;<br />
> MTTFi;<br />
> MDT := 1/(2*m);<br />
> simplify(MTTFi/(MTTFi+MDT));<br />
Assi := 0.99999996001599520128<br />
0.25015000000000000000 10 8<br />
MDT := 1.0000000000000000000<br />
0.99999996002398720672<br />
Ripristinando il servizio da un qualunque stato di funzionamento:<br />
> simplify(MUTi/(MUTi+MDT));<br />
0.99999996001599520128<br />
Al modello elementare costituito da 2 blocchi in ridondanza sequenziale calda competono<br />
le caratteristiche seguenti.<br />
m1 m2 + l1 m2 + m1 l2<br />
Ass :=<br />
( m2 + l2 ) ( m1 + l1 )<br />
m1 m2 + l1 m2 + m1 l2<br />
MUT :=<br />
l2 l1 ( m1 + m2)<br />
1<br />
MDT :=<br />
m1 + m2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 57 di 153
3. Modelli elementari<br />
3.3.3. Due blocchi identici in ridondanza sequenziale<br />
Nel caso particolare in cui i due blocchi sono identici gli stati 2 e 3 che hanno un solo<br />
componente guasto sono tra loro indistinguibili e possono quindi essere raggruppati<br />
come in Tab. 3.5..<br />
Tab. 3.5. - Possibili stati del sistema<br />
N A B S<br />
1 0 0 0<br />
2 (2, 3) 1 0 0<br />
0 1 0<br />
3 (4) 1 1 1<br />
Ne segue il diagramma delle transizioni seguente:<br />
1 2 3<br />
m<br />
2l<br />
Fig. 3.3. - Diagramma delle transizioni con stati raggruppati<br />
Si noti che lo stato 2 in Fig. 3.3. corrisponde agli stati 2 e 3 in Fig. 3.2. che stanno sulla<br />
stessa verticale.<br />
La transizione dallo stato 1 allo stato 2 è determinata dal verificarsi di uno solo dei due<br />
eventi indipendenti e in questo caso mutuamente escludentisi “guasto del blocco A” e<br />
“guasto del blocco B” e il suo tasso è quindi la somma dei tassi dei 2 blocchi.<br />
Analogo ragionamento vale per il tasso di transizione, per ripristino della funzionalità di<br />
un solo blocco, dallo stato 3 allo stato 2.<br />
3.3.3.1. Dettagli dei calcoli<br />
> P := matrix(3, 3, [[1-2*l, 2*l,0], [m, 1-(l+m), l], [0,<br />
2*m, 1-2*m]]);<br />
⎡1<br />
− 2 l 2 l 0<br />
⎢<br />
⎤<br />
P := ⎢<br />
⎥<br />
⎢ m 1 − l − m l ⎥<br />
⎣<br />
⎢ 0 2 m 1 − 2 m⎦<br />
⎥<br />
> V := matrix(1, 3, [P1, P2, P3]);<br />
> X := evalm(V &* P);<br />
V := [ P1 P2 P3]<br />
X := [ P1 ( 1− 2l) + P2m 2 P1 l + P2 ( 1 − l − m) + 2 P3 m P2 l + P3 ( 1− 2m)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
2m<br />
eq1 := P1 ( 1− 2l) + P2m= P1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 58 di 153<br />
l
eq3 := X[1,3] = P3;<br />
> eq4 := P1 + P2 + P3 = 1;<br />
eq2 := 2 P1 l + P2 ( 1 − l − m) + 2 P3 m = P2<br />
eq3 := P2 l + P3 ( 1− 2m) = P3<br />
eq4 := P1 + P2 + P3 = 1<br />
> S := solve({eq1,eq2,eq4}, {P1,P2,P3});<br />
S := { P1 =<br />
, ,<br />
}<br />
+ 2 ml+ m 2<br />
P3 =<br />
+ 2 ml+ m 2<br />
ml<br />
P2 = 2<br />
+ 2 ml+ m 2<br />
l 2<br />
m 2<br />
> simplify(sum('S[i]', 'i'=1..3));<br />
> P1 := m^2/(l^2+2*m*l+m^2);<br />
l 2<br />
l 2<br />
P1 + P2 + P3 = 1<br />
P1 :=<br />
> P2 := 2*m*l/(l^2+2*m*l+m^2);<br />
P2 := 2<br />
> P3 := l^2/(l^2+2*m*l+m^2);<br />
P3 :=<br />
> Ass := simplify(P1 + P2);<br />
> f1 := P1*2*l;<br />
> f2 := P2*(m+l);<br />
> f3 := P3*2*m;<br />
Ass :=<br />
f1 := 2<br />
f2 := 2<br />
l 2<br />
l 2<br />
l 2<br />
l 2<br />
l 2<br />
l 2<br />
3. Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 59 di 153<br />
m 2<br />
+ 2 ml+ m 2<br />
ml<br />
+ 2 ml+ m 2<br />
l 2<br />
+ 2 ml+ m 2<br />
( 2 l + m) m<br />
+ 2 ml+ m 2<br />
m 2 l<br />
+ 2 ml+ m 2<br />
ml( ) + m l<br />
+ 2 ml+ m 2<br />
l 2
f3 := 2<br />
l 2<br />
l 2 m<br />
+ 2 ml+ m 2<br />
> MUT := simplify((P1+P2)/f3);<br />
1 2 l + m<br />
MUT :=<br />
2<br />
> MDT := P3/f3;<br />
3. Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 60 di 153<br />
l 2<br />
1 1<br />
MDT :=<br />
2 m<br />
Queste formule sono identiche a quelle calcolate in 3.3.2. appositamente per poter fare<br />
questo confronto.<br />
Al modello elementare costituito da 2 blocchi identici in ridondanza sequenziale<br />
calda competono le caratteristiche seguenti.<br />
Ass :=<br />
l 2<br />
( 2 l + m) m<br />
+ 2 ml+ m 2<br />
1 2 l + m<br />
MUT :=<br />
2<br />
1 1<br />
MDT :=<br />
2 m<br />
l 2<br />
3.3.4. Due blocchi in ridondanza sequenziale fredda<br />
Il sistema è costituito da un blocco A cui competono un tasso di guasto l1 e un tasso di<br />
riparazione m1 normalmente a servizio del sistema e da un blocco B in riserva fredda cui<br />
compete un tasso di guasto l2 quando è funzionante al servizio del sistema, un tasso di<br />
guasto l3 quando è spento in riserva (dormant failure rate) e un tasso di riparazione m2.<br />
Una volta terminata la riparazione, B passa in riserva fredda e A passa a servizio del sistema.<br />
Il sistema può assumere gli stati mostrati in Tab.3.6. ove:<br />
N = identificazione dello stato;<br />
A, B = stato del blocco (0 = funzionante, R = funzionante in riserva, 1 = guasto);<br />
S = stato del sistema (0 = funzionante, 1= guasto).<br />
Tab. 3.6. - Possibili stati del sistema<br />
N A B S<br />
1 0 R 0<br />
2 1 0 0<br />
3 0 1 0<br />
4 1 1 1
Il diagramma delle transizioni tra questi stati è mostrato in Fig. 3.4.<br />
1<br />
m2<br />
m1<br />
l1<br />
Fig. 3.4. – Diagramma delle transizioni tra stati<br />
3.3.4.1. Dettagli dei calcoli<br />
> P := matrix(4, 4, [[1-(l1+l3), l1, l3, 0],<br />
[m1, 1-(l2+m1), 0, l2], [m2, 0, 1-(l1+m2), l1],<br />
[0, m2, m1, 1-(m1+m2)]]);<br />
⎡1<br />
− l1 − l3 l1 l3 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
P := ⎢ m1 1 − l2 − m1 0 l2<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
m2 0 1 − l1 − m2 l1 ⎥<br />
⎣<br />
⎢ 0 m2 m1 1 − m1 − m2⎦<br />
⎥<br />
> V := matrix(1, 4, [P1, P2, P3, P4]);<br />
> X := evalm(V &* P);<br />
V := [ P1 P2 P3 P4]<br />
3. Modelli elementari<br />
X :=<br />
[ P1 ( 1 − l1 − l3 ) + P2 m1 + P3 m2 , P1 l1 + P2 ( 1 − l2 − m1) + P4 m2 ,<br />
P1 l3 + P3 ( 1 − l1 − m2) + P4 m1 , P2 l2 + P3 l1 + P4 ( 1 − m1 − m2)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
eq1 := P1 ( 1 − l1 − l3 ) + P2 m1 + P3 m2 = P1<br />
eq2 := P1 l1 + P2 ( 1 − l2 − m1) + P4 m2 = P2<br />
eq3 := P1 l3 + P3 ( 1 − l1 − m2) + P4 m1 = P3<br />
eq4 := P2 l2 + P3 l1 + P4 ( 1 − m1 − m2) = P4<br />
> eq5 := P1 + P2 + P3 + P4 =1;<br />
l3<br />
2<br />
3<br />
m2<br />
m1<br />
l1<br />
l2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 61 di 153<br />
4
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
3. Modelli elementari<br />
S P2 m2l1 ( l1 + l3 + m2 + m1) l1 l3 m2 l1 2 l2 l1 2 := { =<br />
/( + + m2 + l1 l3 m1 + l1 m2 l2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 m1 l3 m2 m1 m2 l2 m1 2 + + + + + + + l3<br />
m1 2 m2 m1 m2 2 + + + m1 l3 l2 ) , P4 = ( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1/( l1 l3 m2<br />
l1 2 l2 l1 2 m2 l1 l3 m1 l1 m2 l2 2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2<br />
+ + + + + + + +<br />
m1 l3 m2 m1 m2 l2 m1 2 l3 m1 2 m2 m1 m2 2 + + + + + + m1 l3 l2 ) , P3 = m1<br />
( l1 l2 + l3 m2 + l3 l2 + l3 m1) l1 l3 m2 l1 2 l2 l1 2 /( + + m2 + l1 l3 m1 + l1 m2 l2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 m1 l3 m2 m1 m2 l2 m1 2 + + + + + + + l3<br />
m1 2 m2 m1 m2 2 + + + m1 l3 l2 ) P1 m2 m1 ( l1 + l2 + m1 + m2) l1 l3 m2 l1 2 , =<br />
/( + l2<br />
l1 2 m2 l1 l3 m1 l1 m2 l2 2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 + + + + + + + + m1 l3 m2<br />
m1 m2 l2 m1 2 l3 m1 2 m2 m1 m2 2 + + + + + m1 l3 l2 )}<br />
> simplify(sum('S[i]', 'i'=1..4));<br />
P1 + P2 + P3 + P4 = 1<br />
> P1<br />
:=m2*m1*(l2+l1+m1+m2)/(l1^2*m2+l1*l3*l2+l1^2*l2+l1*m2^2+l1*<br />
l3*m2+2*l1*m2*m1+l1*m1*l2+l1*l3*m1+l1*m2*l2+m1*l3*l2+m1*m2*<br />
l2+m1*m2^2+m1^2*m2+m1^2*l3+m1*l3*m2);<br />
P1 m2 m1 ( l1 + l2 + m1 + m2) l1 l3 m2 l1 2 l2 l1 2 :=<br />
/( + + m2 + l1 l3 m1 + l1 m2 l2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 m1 l3 m2 m1 m2 l2 m1 2 + + + + + + + l3<br />
m1 2 m2 m1 m2 2 + + + m1 l3 l2 )<br />
> P2 :=<br />
m2*l1*(m2+l1+l3+m1)/(l1^2*m2+l1*l3*l2+l1^2*l2+l1*m2^2+l1*l3<br />
*m2+2*l1*m2*m1+l1*m1*l2+l1*l3*m1+l1*m2*l2+m1*l3*l2+m1*m2*l2<br />
+m1*m2^2+m1^2*m2+m1^2*l3+m1*l3*m2);<br />
P2 m2 l1 ( l1 + l3 + m2 + m1) l1 l3 m2 l1 2 l2 l1 2 :=<br />
/( + + m2 + l1 l3 m1 + l1 m2 l2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 m1 l3 m2 m1 m2 l2 m1 2 + + + + + + + l3<br />
m1 2 m2 m1 m2 2 + + + m1 l3 l2 )<br />
> P3 :=<br />
m1*(l3*m2+l3*l2+l1*l2+l3*m1)/(l1^2*m2+l1*l3*l2+l1^2*l2+l1*m<br />
2^2+l1*l3*m2+2*l1*m2*m1+l1*m1*l2+l1*l3*m1+l1*m2*l2+m1*l3*l2<br />
+m1*m2*l2+m1*m2^2+m1^2*m2+m1^2*l3+m1*l3*m2);<br />
P3 m1 ( l1 l2 + l3 m2 + l3 l2 + l3 m1) l1 l3 m2 l1 2 l2 l1 2 :=<br />
/( + + m2 + l1 l3 m1 + l1 m2 l2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 m1 l3 m2 m1 m2 l2 m1 2 + + + + + + + l3<br />
m1 2 m2 m1 m2 2 + + + m1 l3 l2 )<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 62 di 153
3. Modelli elementari<br />
> P4 :=<br />
(l3*l2+l3*m1+l1*l2+m2*l2)*l1/(l1^2*m2+l1*l3*l2+l1^2*l2+l1*m<br />
2^2+l1*l3*m2+2*l1*m2*m1+l1*m1*l2+l1*l3*m1+l1*m2*l2+m1*l3*l2<br />
+m1*m2*l2+m1*m2^2+m1^2*m2+m1^2*l3+m1*l3*m2);<br />
P4 ( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 l1 l3 m2 l1 2 l2 l1 2 :=<br />
/( + + m2 + l1 l3 m1 + l1 m2 l2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 m1 l3 m2 m1 m2 l2 m1 2 + + + + + + + l3<br />
m1 2 m2 m1 m2 2 + + + m1 l3 l2 )<br />
> simplify(P1+P2+P3+P4);<br />
> Ass := factor(P1+P2+P3);<br />
Ass 2 l1 m2 m1 m1 m2 l2 m1 2 m2 m1 m2 2<br />
l1 2 m2 l1 l3 m2 l1 m2 2<br />
:= ( + + + + + +<br />
l1 m1 l2 m1 l3 m2 m1 l3 l2 m1 2 + + + + l3 ) ( ( l1 + m1)<br />
( l3 m1 + m2 m1 + m2 l1 + l1 l2 + l3 m2 + m2 l2 + m2 + )<br />
2<br />
l3 l2 )<br />
> f1 := simplify(P4*(m1+m2));<br />
1<br />
f1 ( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 ( m1 + m2) l1 l3 m2 l1 2 l2 l1 2 :=<br />
/( + + m2 + l1 l3 m1<br />
l1 m2 l2 2 l1 m2 m1 l1 m1 l2 l1 l3 l2 l1 m2 2 + + + + + + m1 l3 m2 + m1 m2 l2<br />
m1 2 l3 m1 2 m2 m1 m2 2 + + + + m1 l3 l2 )<br />
> MUT := simplify(Ass/f1);<br />
MUT 2 l1 m2 m1 m1 m2 l2 m1 2 m2 m1 m2 2<br />
l1 2 m2 l1 l3 m2 l1 m2 2<br />
:= ( + + + + + +<br />
l1 m1 l2 m1 l3 m2 m1 l3 l2 m1 2 + + + + l3 )/( ( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1<br />
( m1 + m2 ) )<br />
Poiché il sistema riparte sempre dallo stato iniziale si calcola anche il MTTF<br />
> Q := matrix(3, 3, [[1-(l1+l3), l1, l3],<br />
[m1, 1-(l2+m1), 0], [m2, 0, 1-(l1+m2)]]);<br />
⎡1<br />
− l1 − l3 l1 l3<br />
⎢<br />
⎤<br />
Q := ⎢<br />
⎥<br />
⎢ m1 1 − l2 − m1 0 ⎥<br />
⎢<br />
⎥<br />
⎣ m2 0 1 − l1 − m2⎦<br />
> M := inverse(ID-evalm(Q));<br />
M :=<br />
⎡ ( l2 + m1 ) ( l1 + m2)<br />
l1 + m2<br />
⎣<br />
⎢ , ,<br />
( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 m2 l2 + l1 l2 + l3 l2 + l3 m1<br />
l3 ( l2 + m1)<br />
⎤<br />
( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 ⎥<br />
⎦<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 63 di 153
⎡ m1 ( l1 + m2)<br />
l1 + l3 + m2<br />
⎢ , ,<br />
⎣ ( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 m2 l2 + l1 l2 + l3 l2 + l3 m1<br />
l3 m1<br />
⎤<br />
( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 ⎥<br />
⎦<br />
⎡ ( l2 + m1) m2<br />
m2<br />
⎣<br />
⎢ , ,<br />
( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 m2 l2 + l1 l2 + l3 l2 + l3 m1<br />
l1 l2 + l3 l2 + l3 m1 ⎤<br />
( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1 ⎥<br />
⎦<br />
> MTTF := simplify(M[1,1]+M[1,2]+M[1,3]);<br />
l1 l2 + m2 l2 + l1 m1 + m2 m1 + m2 l1 + l1 + +<br />
MTTF :=<br />
2<br />
l3 l2 l3 m1<br />
( m2 l2 + l1 l2 + l3 l2 + l3 m1) l1<br />
3. Modelli elementari<br />
Si vedrà nell’esempio seguente che questo valore differisce di molto poco dal valore<br />
del MUT.<br />
> MDT := simplify(P4/f1);<br />
> simplify(MUT/(MUT+MDT));<br />
MDT :=<br />
1<br />
m1 + m2<br />
m1 2 m2 m2 2 m1 l2 m1 m2 2 m2 m1 l1 l3 l1 m2 m2 2 l1 m2 l1 2<br />
l3 m1 2<br />
( + + + + + + +<br />
+ l3 m1 m2 + l3 l2 m1 + l2 m1 l1 l3 m1 m2 l3 m1 l1 l3 m1 2<br />
) ( + + + l3 l2 l1<br />
l3 l2 m1 l3 l1 m2 l2 m1 m2 l2 m1 l1 l2 l1 2 m2 2 m1 2 m2 m1 l1 m2 2 + + + + + + + + l1<br />
m2 l1 2<br />
l2 l1 m2 m1 2 + + + m2)<br />
> simplify(%/Ass);<br />
> simplify(MUT/(MUT+MDT));<br />
m1 m2 l2 2 l1 m2 m1 m1 2 m2 m1 m2 2<br />
l1 m2 2<br />
l1 2 ( + + + + + m2 + l1 l3 m2 + m1 l3 m2<br />
m1 l3 l2 l1 m1 l2 m1 2 + + + l3 l1 2 m2 l1 l3 l2 l1 2 l2 l1 m2 2<br />
) ( + + + + l1 l3 m2<br />
2 l1 m2 m1 l1 m1 l2 l1 l3 m1 l1 m2 l2 m1 l3 l2 m1 m2 l2 m1 m2 2<br />
+ + + + + + +<br />
m1 2 m2 m1 2 + + l3 + m1 l3 m2)<br />
> simplify(%/Ass);<br />
Esempio<br />
> l1:=0.0001; m1:=0.4; l2:= 0.0002; m2:=0.6; l3:=<br />
0.00004; m3:=0.6;<br />
1<br />
1<br />
l1 := 0.0001 m1 := 0.4<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 64 di 153
Digits := 30;<br />
> Ass;<br />
> MUT;<br />
> MTTF;<br />
> MDT;<br />
l2 := 0.0002 m2 := 0.6<br />
l3 := 0.00004 m3 := 0.6<br />
Digits := 30<br />
0.999999943356604596829159070243<br />
0.176543079071955773811274149440 10 8<br />
0.176607785161878436792425088952 10 8<br />
1.00000000000000000000000000000<br />
3. Modelli elementari<br />
Confrontando questi dati con gli analoghi calcolati per i 2 blocchi in ridondanza sequenziale<br />
calda (vedi 3.3.2.) si ha:<br />
Assc := 0.999999916715256374177032216453<br />
> Assf/Assc;<br />
> MUTf/MUTc;<br />
MUTc := 0.12007000000000000000000000000 10 8<br />
Assf := 0.99999999943356604596829159070243<br />
MUTf := 0.176543079071955773811274149440 10 8<br />
1.00000008271831656096504731389<br />
1.47033463039856561848316939652<br />
Le disponibilità sono praticamente identiche, mentre il MUT della ridondanza fredda ha<br />
un vantaggio di circa il 47%. Si ricordi la maggior rilevanza di questo parametro (vedi<br />
2.4.).<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 65 di 153
3. Modelli elementari<br />
Al modello elementare costituito da 2 blocchi in ridondanza sequenziale fredda<br />
competono le caratteristiche seguenti.<br />
Ass m1 m2 l2 2 l1 m2 m1 m1 2 m2 m1 m2 2<br />
l1 m2 2<br />
l1 2 := ( + + + + + m2 + l1 l3 m2<br />
m1 l3 m2 m1 l3 l2 l1 m1 l2 m1 2 + + + + l3 ) (<br />
( l1 + m1 ) ( l3 m1 + m2 m1 + m2 l1 + l1 l2 + l3 l2 + m2 l2 + m2 + )<br />
2<br />
l3 m2 )<br />
MUT m1 m2 l2 2 l1 m2 m1 m1 2 m2 m1 m2 2<br />
l1 m2 2<br />
l1 2 := ( + + + + + m2 + l1 l3 m2<br />
m1 l3 m2 m1 l3 l2 l1 m1 l2 m1 2 + + + + l3 )/(<br />
( l3 l2 + l3 m1 + l1 l2 + m2 l2 ) l1 ( m1 + m2 ) )<br />
MDT :=<br />
1<br />
m1 + m2<br />
3.3.5. Due blocchi identici in ridondanza sequenziale fredda<br />
I 2 blocchi A e B sono identici con tasso di guasto l quando sono al servizio del sistema<br />
ed l3 quando sono in riserva e tasso di riparazione m. Il sistema riparte non appena raggiunto<br />
un qualunque stato di funzionamento.<br />
La tabella degli stati è ancora quella di Tab. 3.6. mentre il diagramma delle transizioni<br />
tra stati è il seguente.<br />
1<br />
m<br />
m<br />
l l<br />
l3<br />
Fig. 3.5. – Diagramma delle transizioni tra stati<br />
3.3.5.1. Dettagli dei calcoli<br />
> P := matrix(4, 4, [[1-(l+l3), l, l3, 0],<br />
[m, 1-(l+m), 0, l], [m, 0, 1-(l+m), l],<br />
[0, m, m, 1-(m+m)]]);<br />
⎡1<br />
− l − l3 l l3 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
P := ⎢ m 1 − l − m 0 l<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
m 0 1 − l − m l ⎥<br />
⎣<br />
⎢ 0 m m 1 − 2 m⎦<br />
⎥<br />
> V := matrix(1, 4, [P1, P2, P3, P4]);<br />
2<br />
3<br />
m<br />
m<br />
l<br />
l<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 66 di 153<br />
4
X := evalm(V &* P);<br />
V := [ P1 P2 P3 P4]<br />
X :=<br />
[ P1 ( 1 − l − l3 ) + P2 m + P3 m , P1 l + P2 ( 1 − l − m) + P4 m ,<br />
P1 l3 + P3 ( 1 − l − m) + P4 m , P2 l + P3 l + P4 ( 1 − 2 m)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
> eq5 := P1 + P2 + P3 + P4 =1;<br />
eq1 := P1 ( 1 − l − l3 ) + P2 m + P3 m = P1<br />
eq2 := P1 l + P2 ( 1 − l − m) + P4 m = P2<br />
eq3 := P1 l3 + P3 ( 1 − l − m) + P4 m = P3<br />
eq4 := P2 l + P3 l + P4 ( 1− 2m) = P4<br />
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
S P4 = { :=<br />
l 2<br />
l ( l + l3)<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
2 l3 m ,<br />
( + ll3+ 2 l3 m) m<br />
P3 =<br />
( l + + + + )<br />
2<br />
2 ml ll3 2 m 2<br />
2 l3 m ( l + m )<br />
,<br />
ml( l + 2 m+ l3)<br />
P2 =<br />
l + + + + + +<br />
3<br />
l 2 l3 3 ll3m 3 l 2 m 4 lm 2<br />
2 l3 m 2<br />
2 m 3,<br />
P1 =<br />
l 2<br />
l 2<br />
2 m 2<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
2 l3 m }<br />
> simplify(sum('S[i]', 'i'=1..4));<br />
P1 + P2 + P3 + P4 = 1<br />
> P1 := 2*m^2/(l^2+2*m*l+l*l3+2*m^2+2*l3*m);<br />
P1 :=<br />
l 2<br />
2 m 2<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
2 l3 m<br />
3. Modelli elementari<br />
> P2 :=<br />
m*l*(l+2*m+l3)/(l^3+l^2*l3+3*l*l3*m+3*l^2*m+4*l*m^2+2*l3*m^<br />
2+2*m^3);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 67 di 153
P2 :=<br />
l 3<br />
ml( l + 2 m+ l3)<br />
+ l + + + + +<br />
2 l3 3 ll3m 3 l 2 m 4 lm 2<br />
2 l3 m 2<br />
3. Modelli elementari<br />
2 m 3<br />
> P3 :=<br />
(l^2+l*l3+2*l3*m)*m/(l^2+2*m*l+l*l3+2*m^2+2*l3*m)/(l+m);<br />
( + ll3+ 2 l3 m) m<br />
P3 :=<br />
( + 2 ml+ ll3+ 2 m + )<br />
2<br />
2 l3 m ( l + m)<br />
l 2<br />
> P4 := l*(l+l3)/(l^2+2*m*l+l*l3+2*m^2+2*l3*m);<br />
P4 :=<br />
> simplify(P1+P2+P3+P4);<br />
> Ass := factor(P1+P2+P3);<br />
Ass :=<br />
> f1 := simplify(P4*(m+m));<br />
f1 :=<br />
> MUT := simplify(Ass/f1);<br />
> MDT := simplify(P4/f1);<br />
> simplify(MUT/(MUT+MDT));<br />
> simplify(%/Ass);<br />
l 2<br />
l 2<br />
l 2<br />
l 2<br />
l 2<br />
l ( l + l3)<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
1<br />
2 m ( l3 + l + m)<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
2 l ( l + l3) m<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
l3 + l + m<br />
MUT :=<br />
l ( l + l3)<br />
MDT :=<br />
1<br />
2 m<br />
2 m ( l3 + l + m)<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
2 l3 m<br />
2 l3 m<br />
2 l3 m<br />
2 l3 m<br />
Esempio<br />
> l:=0.0002; m:=0.5; l3:= 0.00004; m:=0.5;<br />
1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 68 di 153
Digits:=20;<br />
> Ass;<br />
> MUT;<br />
> MDT;<br />
> MUT/(MUT+MDT);<br />
l := 0.0002 m := 0.5<br />
l3 := 0.00004 m := 0.5<br />
Digits := 20<br />
0.99999990404606709936<br />
0.10421666666666666667 10 8<br />
1.0000000000000000000<br />
0.99999990404606709937<br />
3. Modelli elementari<br />
Al modello elementare costituito da 2 blocchi identici in ridondanza sequenziale<br />
fredda competono le caratteristiche seguenti.<br />
Ass :=<br />
l 2<br />
2 m ( l3 + l + m)<br />
+ 2 ml+ ll3+ 2 m +<br />
2<br />
l3 + l + m<br />
MUT :=<br />
l ( l + l3)<br />
MDT :=<br />
1<br />
2 m<br />
2 l3 m<br />
3.3.6. Manutenzione multipla<br />
Per valutare quantitativamente la convenienza di predisporre più di un manutentore si<br />
riprenda il sistema di due blocchi in ridondanza sequenziale calda (3.3.2.).<br />
Siano 2 i riparatori disponibili.<br />
I tassi di riparazione dei 2 blocchi nella transizione dallo stato 4 agli stati 3 e 2 rispettivamente<br />
vanno raddoppiati e moltiplicati per la quota che il secondo manutentore dedica<br />
a ciascun blocco in ragione della sua frequenza relativa di guasto. Ne risultano per<br />
queste transizioni i tassi di riparazione:<br />
2λ1<br />
2λ2<br />
m 1 , m 2 .<br />
λ + λ λ + λ<br />
1<br />
2<br />
1<br />
2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 69 di 153
3.3.6.1. Dettagli dei calcoli<br />
> P := matrix(4,4,[[1-(l1+l2),l1,l2,0],[m1,1-<br />
(l2+m1),0,l2],[m2,0,1-(l1+m2),<br />
l1],[0,2*l2*m2/(l1+l2),2*m1*l1/(l1+l2),1-<br />
(2*m1*l1/(l1+l2)+2*l2*m2/(l1+l2))]]);<br />
⎡1<br />
− l1 − l2 l1 l2 0<br />
⎢ m1 1 − l2 − m1 0 l2<br />
P :=<br />
⎢<br />
m2 0 1 − l1 − m2 l1<br />
⎢<br />
2 l2 m2 2 m1 l1 2 m1 l1<br />
⎢<br />
⎣<br />
⎢ 0<br />
1 − −<br />
l1 + l2 l1 + l2 l1 + l2<br />
> V := matrix(1,4,[P1, P2, P3,P4]);<br />
V := [ P1 P2 P3 P4]<br />
3. Modelli elementari<br />
⎤<br />
⎥<br />
2 l2 m2 ⎥<br />
l1 + l2 ⎦<br />
⎥<br />
> X := evalm(V&*P);<br />
X :=<br />
⎡<br />
2 P4 l2 m2<br />
P1 ( 1 − l1 − l2 ) + P2 m1 + P3 m2 P1 l1 + P2 ( 1 − l2 − m1)<br />
+<br />
⎣<br />
⎢ , ,<br />
l1 + l2<br />
2 P4 m1 l1<br />
P1 l2 + P3 ( 1 − l1 − m2)<br />
+<br />
P2 l2 + P3 l1 + P4<br />
l1 + l2<br />
⎛ 2 m1 l1 2 l2 m2<br />
,<br />
⎞<br />
⎝<br />
⎜ 1 − −<br />
⎤<br />
l1 + l2 l1 + l2 ⎠<br />
⎟<br />
⎦<br />
⎥<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
eq1 := P1 ( 1 − l1 − l2 ) + P2 m1 + P3 m2 = P1<br />
2 P4 l2 m2<br />
eq2 := P1 l1 + P2 ( 1 − l2 − m1)<br />
+<br />
= P2<br />
l1 + l2<br />
2 P4 m1 l1<br />
eq3 := P1 l2 + P3 ( 1 − l1 − m2)<br />
+<br />
= P3<br />
l1 + l2<br />
eq4 := P2 l2 + P3 l1 + P4 =<br />
⎛ 2 m1 l1 2 l2 m2 ⎞<br />
⎜ 1 − − ⎟ P4<br />
⎝ l1 + l2 l1 + l2 ⎠<br />
> eq5 := P1+P2+P3+P4 = 1;<br />
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 70 di 153
3. Modelli elementari<br />
S P1 2 m2 m1 ( m1 l1 + m2 l2 + 2 l2 l1 ) l1 3 l2 3 l1 2 m2 l2 2 l1 2 := { =<br />
/( + + m2 m1<br />
3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
+ + + + + +<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + m1)<br />
, P3 = 2<br />
( l1 + + + )<br />
2<br />
l2 l1 m1 l1 m2 l2 m1 l2 l1 3 l2 3 l1 2 m2 l2 2 l1 2 m2 m1 3 l1 2 ( + + + m1 l2<br />
2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
2 l1 m1 2 + + + + + + l2<br />
2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + m1)<br />
, P2 = 2<br />
( m1 l1 + l2 l1 + m2 l2 + l2 )<br />
2<br />
l1 m2 l1 3 l2 3 l1 2 m2 l2 2 l1 2 m2 m1 3 l1 2 ( + + + m1 l2<br />
2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
2 l1 m1 2 + + + + + + l2<br />
2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + m1)<br />
, P4 =<br />
( l1 + + + + + + )<br />
2<br />
2 l2 l1 m2 l1 m1 l1 l2 2 m2 l2 m1 l2 l2 l1 l1 3 l2 3 l1 2 ( + m2 l2<br />
2 l1 2 m2 m1 3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
+ + + + + +<br />
l1 l2 3<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + + m1)}<br />
> simplify(sum('S[i]','i'=1..4));<br />
P1 + P2 + P3 + P4 = 1<br />
> P1 :=<br />
2*m2*m1*(m1*l1+m2*l2+2*l2*l1)/(l1^3*l2+3*l1^2*m2*l2+2*l1^2*<br />
m2*m1+3*l1^2*m1*l2+2*l1^2*l2^2+2*l1*m2*m1^2+4*l1*m2*l2*m1+3<br />
*l1*m2*l2^2+l1*l2^3+2*l1*m1^2*l2+2*l1*m2^2*l2+3*l1*l2^2*m1+<br />
2*m2^2*l2*m1+2*m2*l2^2*m1);<br />
P1 2 m2 m1 ( m1 l1 + m2 l2 + 2 l2 l1 ) l1 3 l2 3 l1 2 m2 l2 2 l1 2 m2 m1 3 l1 2 :=<br />
/( + + + m1 l2<br />
2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
2 l1 m1 2 + + + + + + l2<br />
2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + m1)<br />
> P2 :=<br />
2*(m1*l1+l2*l1+m2*l2+l2^2)*l1*m2/(l1^3*l2+3*l1^2*m2*l2+2*l1<br />
^2*m2*m1+3*l1^2*m1*l2+2*l1^2*l2^2+2*l1*m2*m1^2+4*l1*m2*l2*m<br />
1+3*l1*m2*l2^2+l1*l2^3+2*l1*m1^2*l2+2*l1*m2^2*l2+3*l1*l2^2*<br />
m1+2*m2^2*l2*m1+2*m2*l2^2*m1);<br />
P2 2( m1 l1 + l2 l1 + m2 l2 + l2 )<br />
2<br />
l1 m2 l1 3 l2 3 l1 2 m2 l2 2 l1 2 :=<br />
( + + m2 m1<br />
3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
+ + + + + +<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + m1)<br />
> P3 :=<br />
2*(l1^2+l2*l1+m1*l1+m2*l2)*m1*l2/(l1^3*l2+3*l1^2*m2*l2+2*l1<br />
^2*m2*m1+3*l1^2*m1*l2+2*l1^2*l2^2+2*l1*m2*m1^2+4*l1*m2*l2*m<br />
1+3*l1*m2*l2^2+l1*l2^3+2*l1*m1^2*l2+2*l1*m2^2*l2+3*l1*l2^2*<br />
m1+2*m2^2*l2*m1+2*m2*l2^2*m1);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 71 di 153
3. Modelli elementari<br />
P3 2( + l2 l1 + m1 l1 + m2 l2 ) m1 l2 l1 3 l2 3 l1 2 m2 l2 2 l1 2 :=<br />
( + + m2 m1<br />
3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
+ + + + + +<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + m1)<br />
l1 2<br />
> P4 :=<br />
(l1^2+2*l2*l1+m2*l1+m1*l1+l2^2+m2*l2+m1*l2)*l2*l1/(l1^3*l2+<br />
3*l1^2*m2*l2+2*l1^2*m2*m1+3*l1^2*m1*l2+2*l1^2*l2^2+2*l1*m2*<br />
m1^2+4*l1*m2*l2*m1+3*l1*m2*l2^2+l1*l2^3+2*l1*m1^2*l2+2*l1*m<br />
2^2*l2+3*l1*l2^2*m1+2*m2^2*l2*m1+2*m2*l2^2*m1);<br />
P4 ( + 2 l2 l1 + m2 l1 + m1 l1 + l2 + + )<br />
2 m2 l2 m1 l2 l2 l1 l1 3 l2 3 l1 2 :=<br />
( + m2 l2<br />
2 l1 2 m2 m1 3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
+ + + + + +<br />
l1 l2 3<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + + m1)<br />
l1 2<br />
> simplify(sum('S[i]','i'=1..4));<br />
> Ass := simplify(P1+P2+P3);<br />
1= 1<br />
Ass 2 l1 m2 m1 2 m2 2 l2 m1 2 l1 m2 l2 m1 l1 2 m1 l2 l1 l2 2 m1 l1 m1 2 := ( + + + + + l2<br />
m2 l2 2 m1 l1 2 m2 m1 l1 2 m2 l2 l1 m2 2 l2 l1 m2 l2 2<br />
+ + + + + ) l1 3 l2 3 l1 2 ( + m2 l2<br />
2 l1 2 m2 m1 3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
+ + + + + +<br />
l1 l2 3<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + + m1)<br />
> f4 := simplify((1-<br />
Ass)*(2*m1*l1/(l1+l2)+2*l2*m2/(l1+l2)));<br />
f4 2( m1 l1 + m2 l2 ) l1 l2 ( l1 + l2 + m2 + m1) l1 3 l2 3 l1 2 m2 l2 2 l1 2 :=<br />
/( + + m2 m1<br />
3 l1 2 m1 l2 2 l1 2 l2 2<br />
2 l1 m2 m1 2<br />
4 l1 m2 l2 m1 3 l1 m2 l2 2<br />
l1 l2 3<br />
+ + + + + +<br />
2 l1 m1 2 l2 2 l1 m2 2 l2 3 l1 l2 2 m1 2 m2 2 l2 m1 2 m2 l2 2 + + + + + m1)<br />
> MUT := simplify(Ass/f4);<br />
MUT l1 m2 m1 2 m2 2 l2 m1 2 l1 m2 l2 m1 l1 2 m1 l2 l1 l2 2 m1 l1 m1 2 := ( + + + + + l2<br />
m2 l2 2 m1 l1 2 m2 m1 l1 2 m2 l2 l1 m2 2 l2 l1 m2 l2 2<br />
+ + + + + )/( ( m1 l1 + m2 l2 ) l1 l2<br />
( l1 + l2 + m2 + m1 ) )<br />
> MDT := simplify((1-Ass)/f4);<br />
l1 + l2<br />
MDT :=<br />
2( m1 l1 + m2 l2 )<br />
Se<br />
> l1:=0.0001; m1:=0.4; l2:=0.0002; m2:=0.6;<br />
l1 := 0.0001 m1 := 0.4<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 72 di 153
Digits:=30;<br />
> Ass;<br />
> MUT;<br />
> MDT;<br />
> MUT/(MUT+MDT)/Ass;<br />
l2 := 0.0002 m2 := 0.6<br />
Digits := 30<br />
0.999999921916650260731230958166<br />
0.120063999550134959512146356093 10 8<br />
0.937500000000000000000000000000<br />
1.00000000000000000000000000000<br />
Valori da confrontarsi con quelli ottenuti in 3.3.2.<br />
Ass1 := 0.999999916715256374177032216453<br />
MUT1 := 0.120070000000000000000000000000 10 8<br />
> (MUT1/(MUT1+MDT1))/Ass1;<br />
> Ass/Ass1;<br />
> MUT/MUT1;<br />
MDT1 := 1.000000000000000000000000000000<br />
1.00000000000000000000000000000<br />
1.00000000520139431975099115899<br />
0.999950025402972928392990389714<br />
3. Modelli elementari<br />
Le differenze, molto piccole, giustificano l'assunzione della manutenzione singola che<br />
verrà mantenuta nel resto del capitolo.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 73 di 153
3. Modelli elementari<br />
3.3.7. Due blocchi connessi in ridondanza operativa<br />
Si ha quando più blocchi predisposti per assolvere il medesimo compito funzionano<br />
contemporaneamente al servizio del sistema fornendo ciascuno una parte di detto servizio.<br />
Quando un blocco si guasta, un organo di commutazione ideale (con tasso di guasto<br />
e tempo di intervento trascurabili) provvede a metterlo fuori servizio e i rimanenti forniscono<br />
il servizio al sistema. Ovviamente tali blocchi rimanenti sono più sollecitati e<br />
quindi compete loro un tasso di guasto adeguato.<br />
Se l’ipotesi dell’organo di commutazione con tasso di guasto trascurabile non è applicabile,<br />
si tiene conto dell’organo di commutazione reale con un ulteriore blocco in serie.<br />
Il diagramma delle transizioni tra gli stati del sistema è mostrato in Fig. .3.5. ove:<br />
l1 e m1 competono al blocco A in servizio assieme al blocco B;<br />
l2 e m1 competono al blocco A in servizio da solo;<br />
l3 e m2 competono al blocco B in servizio assieme al blocco A;<br />
l4 e m2 competono al blocco B in servizio da solo.<br />
1<br />
m2<br />
m1<br />
l1<br />
l3<br />
Fig. 3.6. - Diagramma delle transizioni tra stati<br />
La transizione dallo stato 2 allo stato 4 avviene con tasso l4 che effettivamente compete<br />
al blocco 2 essendo il blocco 1 già guasto; la transizione dallo stato 3 allo stato 4 avviene<br />
con tasso l2 che effettivamente compete al blocco 1 essendo il blocco 2 già guasto.<br />
Si pensi al caso di due alimentatori che erogano, ambedue funzionanti, ciascuno metà<br />
della potenza richiesta con tasso di guasto l; in caso di guasto ad uno di essi l’altro deve<br />
erogare l’intera potenza con tasso di guasto l’ certamente maggiore di l.<br />
3.3.7.1. Dettagli dei calcoli<br />
> P := matrix(4,4,[[1-(l1+l3),l1,l3,0],[m1,1-<br />
(l4+m1),0,l4],[m2,0,1-(l2+m2),l2],[0,m2,m1,1-(m1+m2)]]);<br />
⎡1<br />
− l1 − l3 l1 l3 0 ⎤<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
P := ⎢ m1 1 − l4 − m1 0 l4 ⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
m2 0 1 − l2 − m2 l2<br />
⎥<br />
⎢<br />
⎥<br />
⎣ 0 m2 m1 1 − m1 − m2⎦<br />
> V := matrix(1,4,[P1,P2,P3,P4]);<br />
2<br />
3<br />
m2<br />
m1<br />
l2<br />
l4<br />
V := [ P1 P2 P3 P4]<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 74 di 153<br />
4
X := evalm(V&*P);<br />
3. Modelli elementari<br />
X :=<br />
[ P1 ( 1 − l1 − l3 ) + P2 m1 + P3 m2 , P1 l1 + P2 ( 1 − l4 − m1) + P4 m2 ,<br />
P1 l3 + P3 ( 1 − l2 − m2) + P4 m1 , P2 l4 + P3 l2 + P4 ( 1 − m1 − m2)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
> eq5 := P1+P2+P3+P4 = 1;<br />
eq1 := P1 ( 1 − l1 − l3 ) + P2 m1 + P3 m2 = P1<br />
eq2 := P1 l1 + P2 ( 1 − l4 − m1) + P4 m2 = P2<br />
eq3 := P1 l3 + P3 ( 1 − l2 − m2) + P4 m1 = P3<br />
eq4 := P2 l4 + P3 l2 + P4 ( 1 − m1 − m2) = P4<br />
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
S P3 m1( l3 m2 + m1 l3 + l4 l3 + l1 l4 ) l3 m1 2<br />
:= { =<br />
/( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1<br />
l3 l4 l2 m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + + l1 + l4 l1 l2<br />
l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + m1)<br />
, P2 = m2 ( l3 l2 + l1 m2 + l1 l2 + l1 m1 ) /<br />
l3 m1 2<br />
( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1 + l3 l4 l2 + m1 l1 m2 + l4 l1 m2 + m2 l1 l2<br />
m2 m1 l2 m1 2 m2 m2 2 l1 l4 l1 l2 l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + + + + + m1),<br />
P4 l3 m1 l2 + l4 l1 l2 + l3 l4 l2 + l4 l1 m2 l3 m1 2<br />
= ( )/( + l3 m1 m2 + l3 m1 l2<br />
l3 l4 m1 l3 l4 l2 m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + + + l1<br />
l4 l1 l2 l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + + m1)<br />
, P1 =<br />
m1 m2 ( l2 + m1 + l4 + m2) l3 m1 2<br />
/( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1 + l3 l4 l2<br />
m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + l1 + l4 l1 l2 + l4 m1 m2<br />
l4 l1 m1 l3 m2 l2 m2 2 + + + m1)}<br />
> simplify(sum('S[i]', 'i' = 1..4));<br />
P1 + P2 + P3 + P4 = 1<br />
> P1 :=<br />
m1*m2*(l4+m2+m1+l2)/(l3*m1*l2+l3*m1*m2+l3*l4*l2+l3*l4*m1+l3<br />
*m2*l2+l4*l1*m1+l4*l1*m2+l3*m1^2+l4*m1*m2+m2*l1*l2+m2^2*l1+<br />
m1*l1*m2+m2^2*m1+m1^2*m2+l4*l1*l2+m2*m1*l2);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 75 di 153
3. Modelli elementari<br />
P1 m1 m2 ( l2 + m1 + l4 + m2) l3 m1 2<br />
:=<br />
/( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1 + l3 l4 l2<br />
m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + l1 + l4 l1 l2 + l4 m1 m2<br />
l4 l1 m1 l3 m2 l2 m2 2 + + + m1)<br />
> P2 :=<br />
m2*(l1*m1+l1*l2+l1*m2+l3*l2)/(l3*m1*l2+l3*m1*m2+l3*l4*l2+l3<br />
*l4*m1+l3*m2*l2+l4*l1*m1+l4*l1*m2+l3*m1^2+l4*m1*m2+m2*l1*l2<br />
+m2^2*l1+m1*l1*m2+m2^2*m1+m1^2*m2+l4*l1*l2+m2*m1*l2);<br />
P2 m2 ( l3 l2 + l1 m2 + l1 l2 + l1 m1) l3 m1 2<br />
:=<br />
/( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1<br />
l3 l4 l2 m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + + l1 + l4 l1 l2<br />
l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + m1)<br />
> P3 :=<br />
m1*(l4*l3+l3*m2+m1*l3+l4*l1)/(l3*m1*l2+l3*m1*m2+l3*l4*l2+l3<br />
*l4*m1+l3*m2*l2+l4*l1*m1+l4*l1*m2+l3*m1^2+l4*m1*m2+m2*l1*l2<br />
+m2^2*l1+m1*l1*m2+m2^2*m1+m1^2*m2+l4*l1*l2+m2*m1*l2);<br />
P3 m1 ( l3 m2 + m1 l3 + l4 l3 + l1 l4 ) l3 m1 2<br />
:=<br />
/( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1<br />
l3 l4 l2 m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + + l1 + l4 l1 l2<br />
l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + m1)<br />
> P4 :=<br />
(l4*l1*m2+l4*l1*l2+l3*l4*l2+l3*m1*l2)/(l3*m1*l2+l3*m1*m2+l3<br />
*l4*l2+l3*l4*m1+l3*m2*l2+l4*l1*m1+l4*l1*m2+l3*m1^2+l4*m1*m2<br />
+m2*l1*l2+m2^2*l1+m1*l1*m2+m2^2*m1+m1^2*m2+l4*l1*l2+m2*m1*l<br />
2);<br />
P4 l3 m1 l2 + l4 l1 l2 + l3 l4 l2 + l4 l1 m2 l3 m1 2<br />
:= ( )/( + l3 m1 m2 + l3 m1 l2 + l3 l4 m1<br />
l3 l4 l2 m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + + l1 + l4 l1 l2<br />
l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + m1)<br />
> Ass := simplify(P1+P2+P3);<br />
Ass m2 m1 l2 m1 2 m2 l4 m1 m2 m2 2 m1 l3 m2 l2 m2 2 := ( + + + + + l1 + m2 l1 l2<br />
m1 l1 m2 l3 m1 m2 l3 m1 2<br />
+ + + + l3 l4 m1 + l4 l1 m1 l3 m1 2<br />
) ( + l3 m1 m2<br />
+ l3 m1 l2 + l3 l4 m1 + l3 l4 l2 + m1 l1 m2 + l4 l1 m2 + m2 l1 l2 + m2 m1 l2<br />
m1 2 m2 m2 2 l1 l4 l1 l2 l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + + + + m1)<br />
Essendoci 2 soli gruppi di stati, la frequenza di ciclo dello stato di guasto è identica a<br />
quella del gruppo di stati di successo, Quindi se:<br />
> f4 := P4*(m1+m2);<br />
f4 ( l3 m1 l2 + l4 l1 l2 + l3 l4 l2 + l4 l1 m2 ) ( m1 + m2) l3 m1 2<br />
:= ( )/( + l3 m1 m2<br />
+ l3 m1 l2 + l3 l4 m1 + l3 l4 l2 + m1 l1 m2 + l4 l1 m2 + m2 l1 l2 + m2 m1 l2<br />
m1 2 m2 m2 2 l1 l4 l1 l2 l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + + + + m1)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 76 di 153
allora<br />
> MUT := simplify(Ass/f4);<br />
3. Modelli elementari<br />
MUT l2 m2 m1 m1 2 m2 m1 m2 l4 m2 2 := ( + + + m1 + l1 m2 m1 + l2 l3 m2 + l1 l2 m2<br />
l1 m2 2 m1 2 + + l3 + l1 m1 l4 + m2 l3 m1 + m1 l3 l4 )/(<br />
( l2 l3 m1 + l2 l3 l4 + l1 m2 l4 + l1 l2 l4 ) ( m1 + m2 ) )<br />
e<br />
> MDT := simplify((1-Ass)/f4);<br />
> simplify(MUT/(MUT+MDT));<br />
MDT :=<br />
1<br />
m1 + m2<br />
m2 m1 l2 m1 2 m2 l4 m1 m2 m2 2 m1 l3 m2 l2 m2 2 ( + + + + + l1 + m2 l1 l2 + m1 l1 m2<br />
l3 m1 m2 l3 m1 2<br />
+ + + l3 l4 m1 + l4 l1 m1 l3 m1 2<br />
) ( + l3 m1 m2 + l3 m1 l2<br />
l3 l4 m1 l3 l4 l2 m1 l1 m2 l4 l1 m2 m2 l1 l2 m2 m1 l2 m1 2 m2 m2 2 + + + + + + + + l1<br />
l4 l1 l2 l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + + m1)<br />
> %/Ass;<br />
Se i due blocchi sono identici<br />
> l3:=l1; l4:=l2; m1:=m; m2:=m; m3:=m; m4:=m;<br />
> Ass := simplify(Ass);<br />
1<br />
l3 := l1 l4 := l2<br />
m1 := m m2 := m<br />
m3 := m m4 := m<br />
Ass :=<br />
m ( 2 l1 + m)<br />
2 l1 m + m +<br />
2<br />
l2 l1<br />
> MUT := simplify(MUT);<br />
1 2 l1 + m<br />
MUT :=<br />
2 l2 l1<br />
> MDT := simplify(MDT);<br />
1 1<br />
MDT :=<br />
2 m<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 77 di 153
3. Modelli elementari<br />
Al modello elementare costituito da 2 blocchi in ridondanza operativa competono le<br />
caratteristiche seguenti.<br />
Ass m2 m1 l2 m1 2 m2 l4 m1 m2 m2 2 m1 l3 m2 l2 m2 2 := ( + + + + + l1 + m2 l1 l2<br />
m1 l1 m2 l3 m1 m2 l3 m1 2<br />
+ + + + l3 l4 m1 + l4 l1 m1 l3 m1 2<br />
) ( + l3 m1 m2<br />
+ l3 m1 l2 + l3 l4 m1 + l3 l4 l2 + m1 l1 m2 + l4 l1 m2 + m2 l1 l2 + m2 m1 l2<br />
m1 2 m2 m2 2 l1 l4 l1 l2 l4 m1 m2 l4 l1 m1 l3 m2 l2 m2 2 + + + + + + + m1)<br />
MUT l2 m2 m1 m1 2 m2 m1 m2 l4 m2 2 := ( + + + m1 + l1 m2 m1 + l2 l3 m2 + l1 l2 m2<br />
l1 m2 2 m1 2 + + l3 + l1 m1 l4 + m2 l3 m1 + m1 l3 l4 )/(<br />
( l2 l3 m1 + l2 l3 l4 + l1 m2 l4 + l1 l2 l4 ) ( m1 + m2 ) )<br />
1<br />
MDT :=<br />
m1 + m2<br />
3.3.8. Due blocchi identici connessi in ridondanza operativa<br />
In questo caso gli stati 2 e 3 sono tra loro indistinguibili e possono essere raggruppati<br />
ottenendo il diagramma delle transizioni seguente (vedi anche 3.3.3.):<br />
1 2 3<br />
m<br />
2l1<br />
Fig. 3.7. – Diagramma delle transizioni con stati raggruppati<br />
3.3.8.1. Dettagli dei calcoli<br />
> P := matrix(3,3,[[1-2*l1,2*l1,0],[m,1-(l2+m),l2],[0,2*m,-<br />
2*m]]);<br />
⎡1<br />
− 2 l1 2 l1 0<br />
⎢<br />
⎤<br />
P := ⎢<br />
⎥<br />
⎢ m 1 − l2 − m l2 ⎥<br />
⎢<br />
⎥<br />
⎣ 0 2m−2m⎦ > V := matrix(1,3,[P1,P2,P3]);<br />
> X := evalm(V&*P);<br />
V := [ P1 P2 P3]<br />
X := [ P1 ( 1− 2l1 ) + P2 m 2 P1 l1 + P2 ( 1 − l2 − m) + 2 P3 m P2 l2 − 2 P3 m]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
2m<br />
eq1 := P1 ( 1− 2l1 ) + P2 m = P1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 78 di 153<br />
l2
eq3 := X[1,3] = P3;<br />
> eq4 := P1+P2+P3 = 1;<br />
eq2 := 2 P1 l1 + P2 ( 1 − l2 − m) + 2 P3 m = P2<br />
eq3 := P2 l2 − 2 P3 m = P3<br />
eq4 := P1 + P2 + P3 = 1<br />
> S := solve({eq1,eq2,eq4}, {P1,P2,P3});<br />
3. Modelli elementari<br />
S := { P1 =<br />
, ,<br />
}<br />
l1 l2 + 2 ml1+ m 2<br />
l1 l2<br />
P3 =<br />
l1 l2 + 2 ml1+ m 2<br />
ml1<br />
P2 = 2<br />
l1 l2 + 2 ml1+ m 2<br />
m 2<br />
> simplify(sum('S[i]', 'i'=1..3));<br />
P1 + P2 + P3 = 1<br />
> P1 := m^2/(l1*l2+2*m*l1+m^2);<br />
P1 :=<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 79 di 153<br />
m 2<br />
l1 l2 + 2 ml1+ m 2<br />
> P2 := 2*m*l1/(l1*l2+2*m*l1+m^2);<br />
P2 := 2<br />
ml1<br />
l1 l2 + 2 ml1+ m 2<br />
> P3 := l1*l2/(l1*l2+2*m*l1+m^2);<br />
> Ass := simplify(P1+P2);<br />
> f3 := P3*2*m;<br />
l1 l2<br />
P3 :=<br />
l1 l2 + 2 ml1+ m 2<br />
Ass :=<br />
f3 := 2<br />
( 2 l1 + m) m<br />
l1 l2 + 2 ml1+ m 2<br />
l1 l2 m<br />
l1 l2 + 2 ml1+ m 2<br />
> MUT := simplify(Ass/f3);<br />
1 2 l1 + m<br />
MUT :=<br />
2 l1 l2<br />
> MDT := simplify(P3/f3);<br />
1 1<br />
MDT :=<br />
2 m
simplify(MUT/(MUT+MDT));<br />
> Ass/(%);<br />
( 2 l1 + m) m<br />
l1 l2 + 2 ml1+ m 2<br />
1<br />
3. Modelli elementari<br />
Al modello elementare costituito da 2 blocchi identici in ridondanza operativa competono<br />
le caratteristiche seguenti.<br />
Ass :=<br />
( 2 l1 + m) m<br />
l1 l2 + 2 ml1+ m 2<br />
1 2 l1 + m<br />
MUT :=<br />
2 l1 l2<br />
1 1<br />
MDT :=<br />
2 m<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 80 di 153
3.4. Tre blocchi<br />
3 Modelli elementari<br />
3.4.1. Connessione in serie<br />
Il sistema costituito da tre blocchi A, B e C può assumere gli stati mostrati in Tab. 3.7.<br />
ove:<br />
N = identificazione dello stato;<br />
A, B, C = stato del blocco (0 = funzionante, 1 = guasto);<br />
S = stato del sistema (0 = funzionante, 1 = guasto);<br />
Tab. 3.7. - Possibili stati del sistema<br />
N A B C S<br />
1 0 0 0 0<br />
2 1 0 0 1<br />
3 0 1 0 1<br />
4 0 0 1 1<br />
5 1 1 0 1<br />
6 1 0 1 1<br />
7 0 1 1 1<br />
8 1 1 1 1<br />
1<br />
m1<br />
m2<br />
m3<br />
l1<br />
l2<br />
l3<br />
Fig. 3.8. – Diagramma delle transizioni tra stati<br />
3.4.1.1. Dettagli dei calcoli<br />
2 5<br />
m3<br />
m2<br />
m1<br />
l2<br />
l1<br />
3 6<br />
m3<br />
m1<br />
m2<br />
4 7<br />
3.4.3.1.1. Calcolo delle probabilità asintotiche degli stati<br />
> P := matrix(8,8,[<br />
[1-l3-l2-l1, l1, l2, l3, 0, 0, 0, 0],<br />
[m1, 1-l3-l2-m1, 0, 0, l2, l3, 0, 0],<br />
[m2, 0, 1-l3-l1-m2, 0, l1, 0, l3, 0],<br />
[m3, 0, 0, 1-l2-l1-m3, 0, l1, l2, 0],<br />
[0, m2, m1, 0, 1-l3-m1-m2, 0, 0, l3],<br />
[0, m3, 0, m1, 0, 1-l2-m1-m3, 0, l2],<br />
[0, 0, m3, m2, 0, 0, 1-l1-m2-m3, l1],<br />
l2<br />
l1<br />
l3<br />
l3<br />
m3<br />
l3<br />
l2<br />
m2 l1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 81 di 153<br />
m1<br />
8
[0, 0, 0, 0, m3, m2, m1, 1-m1-m2-m3]]);<br />
⎡1<br />
− l3 − l2 − l1 , l1 , l2 , l3 , 0 , 0, 0 , 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
⎢m1<br />
, 1 − l3 − l2 − m1 , 0 , 0, l2 , l3 , 0 , 0⎥<br />
⎢<br />
⎥<br />
⎢<br />
m2 , 0 , 1 − l3 − l1 − m2 , 0 , l1 , 0 , l3 , 0⎥<br />
⎢<br />
⎥<br />
⎢m3<br />
, 0 , 0 , 1 − l2 − l1 − m3 , 0 , l1 , l2 , 0 ⎥<br />
P := ⎢<br />
⎥<br />
⎢0<br />
, m2 , m1 , 0 , 1 − l3 − m1 − m2 , 0 , 0 , l3⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎢0<br />
, m3 , 0 , m1 , 0 , 1 − l2 − m1 − m3 , 0 , l2⎥<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
0 , 0 , m3 , m2 , 0 , 0 , 1 − l1 − m2 − m3 , l1 ⎥<br />
⎣<br />
⎢0<br />
, 0 , 0 , 0 , m3 , m2 , m1 , 1 − m1 − m2 − m3⎦<br />
⎥<br />
> V := matrix(1,8,[P1,P2,P3,P4,P5,P6,P7,P8]);<br />
> X := evalm(V&*P);<br />
V := [ P1 P2 P3 P4 P5 P6 P7 P8]<br />
X :=<br />
[ P1 ( 1 − l3 − l2 − l1 ) + P2 m1 + P3 m2 + P4 m3 ,<br />
P1 l1 + P2 ( 1 − l3 − l2 − m1) + P5 m2 + P6 m3 ,<br />
P1 l2 + P3 ( 1 − l3 − l1 − m2) + P5 m1 + P7 m3 ,<br />
P1 l3 + P4 ( 1 − l2 − l1 − m3) + P6 m1 + P7 m2 ,<br />
P2 l2 + P3 l1 + P5 ( 1 − l3 − m1 − m2) + P8 m3 ,<br />
P2 l3 + P4 l1 + P6 ( 1 − l2 − m1 − m3) + P8 m2 ,<br />
P3 l3 + P4 l2 + P7 ( 1 − l1 − m2 − m3) + P8 m1 ,<br />
P5 l3 + P6 l2 + P7 l1 + P8 ( 1 − m1 − m2 − m3 ) ]<br />
> eq1 := X[1,1] = P1;<br />
eq1 := P1 ( 1 − l3 − l2 − l1 ) + P2 m1 + P3 m2 + P4 m3 = P1<br />
> eq2 := X[1,2] = P2;<br />
eq2 := P1 l1 + P2 ( 1 − l3 − l2 − m1) + P5 m2 + P6 m3 = P2<br />
> eq3 := X[1,3] = P3;<br />
eq3 := P1 l2 + P3 ( 1 − l3 − l1 − m2) + P5 m1 + P7 m3 = P3<br />
> eq4 := X[1,4] = P4;<br />
eq4 := P1 l3 + P4 ( 1 − l2 − l1 − m3) + P6 m1 + P7 m2 = P4<br />
> eq5 := X[1,5] = P5;<br />
eq5 := P2 l2 + P3 l1 + P5 ( 1 − l3 − m1 − m2) + P8 m3 = P5<br />
> eq6 := X[1,6] = P6;<br />
eq6 := P2 l3 + P4 l1 + P6 ( 1 − l2 − m1 − m3) + P8 m2 = P6<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 82 di 153
eq7 := X[1,7] = P7;<br />
eq7 := P3 l3 + P4 l2 + P7 ( 1 − l1 − m2 − m3) + P8 m1 = P7<br />
> eq8 := X[1,8] = P8;<br />
eq8 := P5 l3 + P6 l2 + P7 l1 + P8 ( 1 − m1 − m2 − m3) = P8<br />
> eq9 := P1+P2+P3+P4+P5+P6+P7+P8 = 1;<br />
eq9 := P1 + P2 + P3 + P4 + P5 + P6 + P7 + P8 = 1<br />
3 Modelli elementari<br />
> S := solve({eq1,eq2,eq3,eq4,eq5,eq6,eq7,eq9},<br />
{P1,P2,P3,P4,P5,P6,P7,P8});<br />
m1 l3 m2<br />
S := { P4 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l<br />
m1 l3 l2<br />
, P7 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
l3 l1 l2<br />
, P8 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
l2 m1 m3<br />
, P3 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
l1 l2 m3<br />
, P5 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
m1 m2 m3<br />
, P1 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
m2 m3 l1<br />
, P2 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
l3 l1 m2<br />
, P6 =<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
}<br />
> simplify(sum('S[i]', 'i'=1..8));<br />
P1 + P2 + P3 + P4 + P5 + P6 + P7 + P8 = 1<br />
> P1 := factor(m1*m3*m2/(m1*l3*l2+l1*l3*l2+m2*l3*m1+m2*l1*l3+m3*m1*l2+<br />
m3*l1*l2+m3*m2*m1+m2*m3*l1));<br />
m3 m2 m1<br />
P1 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
> P2 := factor(m2*m3*l1/(m1*l3*l2+l1*l3*l2+m2*l3*m1+m2*l1*l3+m3*m1*l2+<br />
m3*l1*l2+m3*m2*m1+m2*m3*l1));<br />
m2 m3 l1<br />
P2 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1<br />
)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 83 di 153
3 Modelli elementari<br />
> P3 := factor(l2*m1*m3/(m1*l3*l2+l3*l1*l2+m1*m2*l3+l3*l1*m2+m1*m2*m3+<br />
m1*m3*l2+m2*m3*l1+m3*l1*l2));<br />
m3 m1 l2<br />
P3 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
> P4 := factor(m1*m2*l3/(m1*l3*l2+l3*l1*l2+m1*m2*l3+l3*l1*m2+m1*m2*m3+<br />
m1*m3*l2+m2*m3*l1+m3*l1*l2));<br />
m2 l3 m1<br />
P4 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
> P5 := factor(m3*l1*l2/(m1*l3*l2+l1*l3*l2+m2*l3*m1+m2*l1*l3+m3*m1*l2+<br />
m3*l1*l2+m3*m2*m1+m2*m3*l1));<br />
m3 l1 l2<br />
P5 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
> P6 := factor(m2*l1*l3/(m1*l3*l2+l1*l3*l2+m2*l3*m1+m2*l1*l3+m3*m1*l2+<br />
m3*l1*l2+m3*m2*m1+m2*m3*l1));<br />
m2 l1 l3<br />
P6 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
> P7 := factor(m1*l3*l2/(m1*l3*l2+l1*l3*l2+m2*l3*m1+m2*l1*l3+m3*m1*l2+<br />
m3*l1*l2+m3*m2*m1+m2*m3*l1));<br />
m1 l3 l2<br />
P7 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
> P8 := factor(l3*l1*l2/(m1*l3*l2+l1*l3*l2+m2*l3*m1+m2*l1*l3+m3*m1*l2+<br />
m3*l1*l2+m3*m2*m1+m2*m3*l1));<br />
l1 l3 l2<br />
P8 :=<br />
( l2 + m2 ) ( l3 + m3 ) ( m1 + l1 )<br />
Si noti che le probabilità hanno lo stesso denominatore che è lo sviluppo in termini di<br />
somma del seguente prodotto di 3 binomi<br />
> expand((m3+l3)*(m2+l2)*(m1+l1));<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2 l1<br />
e che i loro numeratori sono i termini di questa somma ordinati in accordo alla tabella<br />
degli stati del sistema come mostrato nella tabella seguente.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 84 di 153
Tab. 3.8. – Formazione dei numeratori<br />
N A B C<br />
1 m1 m2 m3<br />
2 l1 m2 m3<br />
3 m1 l2 m3<br />
4 m1 m2 l3<br />
5 l1 l2 m3<br />
6 l1 m2 l3<br />
7 m1 l2 l3<br />
8 l1 l2 l3<br />
3 Modelli elementari<br />
Questo fatto, già constatato nel caso di 1 e 2 blocchi, induce ad affermare che tale proprietà<br />
vale per qualunque sistema a patto che i tassi di transizione di un dato componente<br />
non cambino durante tutto il periodo di osservazione qualunque sia lo stato occupato<br />
dal detto componente.<br />
Ancor più importante è notare che questa proprietà consente di calcolare le probabilità<br />
asintotiche degli stati senza ricorrere alla matrice dei tassi di transizione.<br />
3.4.3.1.2. Calcolo della disponibilità asintotica<br />
> Ass := factor(P1);<br />
3.4.3.1.3.Calcolo del MUT e del MDT<br />
> f1 := P1*(l1+l2+l3);<br />
m1 m3 m2<br />
Ass :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
m1 m2 m3 ( l1 + l2 + l3 )<br />
f1 :=<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2<br />
La frequenza di incontro del gruppo degli stati 2, 3, 4, 5, 6, 7, 8, di guasto è identica a f1<br />
poiché si hanno 2 soli gruppi.<br />
> MUT := P1/f1;<br />
MUT :=<br />
> MDT := simplify((1-P1)/f1);<br />
1<br />
l1 + l2 + l3<br />
m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2 l1<br />
MDT :=<br />
( l1 + l2 + l3 ) m1 m3 m2<br />
Verifica<br />
> factor(MUT/(MUT+MDT));<br />
m1 m3 m2<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1<br />
)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 85 di 153
Se i blocchi sono identici<br />
> l1:=l; m1:=m; l2:=l; m2:=m; l3:=l; m3:=m;<br />
> Ass;<br />
> MUT;<br />
> simplify(MDT);<br />
> factor(MUT/(MUT+MDT));<br />
l1 := l m1 := m<br />
l2 := l m2 := m<br />
l3 := l m3 := m<br />
1<br />
3<br />
m 3<br />
( m+ l) 3<br />
1 1<br />
3 l<br />
3 m + +<br />
2<br />
3 lm l 2<br />
m 3<br />
m 3<br />
( m+ l) 3<br />
3.4.2. Connessi in ridondanza calda 1 su 3<br />
3.4.2.1. Calcolo della disponibilità asintotica<br />
> Ass := factor(P1+P2+P3+P4+P5+P6+P7);<br />
3 Modelli elementari<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2 + m3 l1 l2 + l3 l1 m2 + l3 m1 l2<br />
Ass :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
3.4.2.2. Calcolo del MUT e del MDT<br />
La frequenza di incontro del gruppo degli stati 1, 2, 3, 4, 5, 6, 7 di successo è identica a<br />
f8 poiché si hanno 2 soli gruppi.<br />
> f8 := factor(P8*(m1+m2+m3));<br />
l3 l1 l2 ( m1 + m2 + m3)<br />
f8 :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1<br />
)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 86 di 153
MUT := factor(Ass/f8);<br />
3 Modelli elementari<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2 + m3 l1 l2 + l3 l1 m2 + l3 m1 l2<br />
MUT :=<br />
l3 l1 l2 ( m1 + m2 + m3)<br />
> MDT := simplify((1-Ass)/f8);<br />
> factor(MUT/(MUT+MDT));<br />
MDT :=<br />
1<br />
m1 + m2 + m3<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2 + m3 l1 l2 + l3 l1 m2 + l3 m1 l2<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
> Ass/(%);<br />
Se i blocchi sono identici<br />
> l1:=l; m1:=m; l2:=l; m2:=m; l3:=l; m3:=m;<br />
> Ass := simplify(Ass);<br />
> MUT := simplify(MUT);<br />
> simplify(MDT);<br />
> factor(MUT/(MUT+MDT));<br />
1<br />
l1 := l m1 := m<br />
l2 := l m2 := m<br />
l3 := l m3 := m<br />
m ( m + + )<br />
Ass :=<br />
2<br />
3 lm 3 l 2<br />
( m+ l) 3<br />
1<br />
MUT :=<br />
3<br />
m 2<br />
1<br />
3<br />
+ 3 lm+ 3 l 2<br />
1<br />
m<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 87 di 153<br />
l 3<br />
m ( m + + )<br />
2<br />
3 lm 3 l 2<br />
( m+ l) 3
3 Modelli elementari<br />
Al modello elementare costituito da 3 blocchi in ridondanza sequenziale 1 su 3<br />
competono le caratteristiche seguenti.<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2 + m3 l1 l2 + l3 l1 m2 + l3 m1 l2<br />
Ass :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2 + m3 l1 l2 + l3 l1 m2 + l3 m1 l2<br />
MUT :=<br />
l3 l1 l2 ( m1 + m2 + m3)<br />
1<br />
MDT :=<br />
m1 + m2 + m3<br />
3.4.3. Connessi in ridondanza calda 2 su 3<br />
3.4.3.1. Calcolo della disponibilità asintotica<br />
> Ass := factor(P1+P2+P3+P4);<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2<br />
Ass :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
3.4.3.2. Calcolo del MUT e del MDT<br />
> f1 := factor(P1*(l1+l2+l3));<br />
( l1 + l2 + l3 ) m1 m3 m2<br />
f1 :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
> f2 := factor(P2*(m1+l2+l3));<br />
m2 m3 l1 ( m1 + l2 + l3 )<br />
f2 :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
> f3 := factor(P3*(m2+l1+l3));<br />
l2 m1 m3 ( m2 + l1 + l3 )<br />
f3 :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
> f4 := factor(P4*(m3+l1+l2));<br />
m1 l3 m2 ( m3 + l1 + l2 )<br />
f4 :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
> f1234 := factor(f2+f3+f4-(P2*m1+P3*m2+P4*m3));<br />
f1234 :=<br />
l2 m3 l1 m2 + l3 m3 l1 m2 + l2 m3 l3 m1 + l2 m3 l1 m1 + l3 l1 m2 m1 + l2 m2 m1 l3<br />
( l2 + m2 ) ( l1 + m1 ) ( l3 + m3)<br />
> MUT := simplify(Ass/f1234);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 88 di 153
3 Modelli elementari<br />
MUT :=<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2<br />
m1 l3 m2 l2 + m1 l3 m2 l1 + m1 m3 l2 l3 + m1 m3 l2 l1 + m3 l1 m2 l3 + m3 l1 m2 l2<br />
> MDT := simplify((1-Ass)/f1234);<br />
MDT :=<br />
l3 m1 l2 + l3 l1 m2 + m3 l1 l2 + l3 l2 l1<br />
m1 l3 m2 l2 + m1 l3 m2 l1 + m1 m3 l2 l3 + m1 m3 l2 l1 + m3 l1 m2 l3 + m3 l1 m2 l2<br />
Verifica<br />
> simplify(MUT/(MUT+MDT));<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2<br />
m1 m3 m2 + m1 l3 m2 + m1 m3 l2 + l3 m1 l2 + m3 l1 m2 + l3 l1 m2 + m3 l1 l2 + l3 l2 l1<br />
> simplify(Ass/(%));<br />
Se i blocchi sono identici<br />
> l1:=l; m1:=m; l2:=l; m2:=m; l3:=l; m3:=m;<br />
> Ass := simplify(Ass);<br />
> MUT := simplify(MUT);<br />
> MDT := simplify(MDT);<br />
1<br />
l1 := l m1 := m<br />
l2 := l m2 := m<br />
l3 := l m3 := m<br />
Ass :=<br />
> simplify(MUT/(MUT+MDT));<br />
> simplify(Ass/(%));<br />
m 3<br />
m 2 ( m + 3 l )<br />
( m+ l) 3<br />
1 m + 3 l<br />
MUT :=<br />
6<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 89 di 153<br />
l 2<br />
1 3 m+ l<br />
MDT :=<br />
6<br />
m 2<br />
( m + 3 l) m 2<br />
+ 3 m + +<br />
2 l 3 l 2 m l 3
1<br />
3 Modelli elementari<br />
Al modello elementare costituito da 3 blocchi in ridondanza sequenziale 2 su 3<br />
competono le caratteristiche seguenti.<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2<br />
Ass :=<br />
( m3 + l3 ) ( l2 + m2 ) ( m1 + l1 )<br />
MUT :=<br />
m1 m3 m2 + m3 l1 m2 + m1 m3 l2 + m1 l3 m2<br />
m1 l3 m2 l2 + m1 l3 m2 l1 + m1 m3 l2 l3 + m1 m3 l2 l1 + m3 l1 m2 l3 + m3 l1 m2 l2<br />
MDT :=<br />
l3 m1 l2 + l3 l1 m2 + m3 l1 l2 + l3 l2 l1<br />
m1 l3 m2 l2 + m1 l3 m2 l1 + m1 m3 l2 l3 + m1 m3 l2 l1 + m3 l1 m2 l3 + m3 l1 m2 l2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 90 di 153
3 Modelli elementari<br />
3.4.4. Tre blocchi identici in ridondanza sequenziale 1 su 3<br />
Nel caso in cui i 3 blocchi sono identici gli stati 2, 3, 4 e 5,6,7 che hanno un solo componente<br />
guasto sono tra loro indistinguibili e possono essere raggruppati come mostrato<br />
in Tab. 3.9. ove:<br />
S1/3 = stato del sistema (0=funzionante, 1= guasto).<br />
Tab. - 3.9. - Possibili stati del sistema<br />
N A B C S1/3<br />
1 0 0 0 0<br />
2 (2,3,4) 1 0 0 0<br />
0 1 0 0<br />
0 0 1 0<br />
3 (5,6,7) 1 1 0 0<br />
1 0 1 0<br />
0 1 1 0<br />
4 (8) 1 1 1 1<br />
Il diagramma delle transizioni tra questi 4 stati è mostrato in Fig. 3.8.<br />
1 2 3 4<br />
m<br />
3l<br />
Fig. 3.9. – Diagramma delle transizioni tra stati raggruppati<br />
3.4.4.1. Dettagli dei calcoli<br />
3.4.4.1.1. Calcolo delle probabilità asintotiche degli stati<br />
> P := matrix(4,4,[[1-3*l,3*l,0,0],[m,1-(2*l+m),2*l,0],<br />
[0,2*m,1-(l+2*m),l],[0,0,3*m,1-3*m]]);<br />
⎡1<br />
− 3 l 3 l 0 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
P := ⎢ m 1 − 2 l − m 2 l 0<br />
⎢<br />
⎥<br />
⎢<br />
⎥<br />
⎢<br />
0 2m 1 − l − 2 m l ⎥<br />
⎣<br />
⎢ 0 0 3m 1 − 3 m⎦<br />
⎥<br />
> V := matrix(1,4,[P1,P2,P3,P4]);<br />
> X := evalm(V&*P);<br />
V := [ P1 P2 P3 P4]<br />
X :=<br />
[ P1 ( 1 − 3 l) + P2m , 3 P1 l + P2 ( 1 − 2 l − m) + 2 P3 m ,<br />
2 P2 l + P3 ( 1 − l − 2 m) + 3 P4 m , P3 l + P4 ( 1 − 3 m)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
2m<br />
2l<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 91 di 153<br />
3m<br />
l
eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
> eq5 := P1+P2+P3+P4 = 1;<br />
eq1 := P1 ( 1− 3l) + P2m= P1<br />
eq2 := 3 P1 l + P2 ( 1− 2l − m) + 2 P3 m = P2<br />
eq3 := 2 P2 l + P3 ( 1 − l − 2 m) + 3 P4 m = P3<br />
eq4 := P3 l + P4 ( 1− 3m) = P4<br />
eq5 := P1 + P2 + P3 + P4 = 1<br />
> S := solve({eq1,eq2,eq3,eq5}, {P1,P2,P3,P4});<br />
S := { P4 =<br />
P1 =<br />
l 3<br />
l 3<br />
l 3<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
P2 = 3<br />
l + + +<br />
3<br />
3 l 2 m 3 m 2 l m 3<br />
, ,<br />
m 3<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 92 di 153<br />
lm 2<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
l<br />
P3 = 3<br />
2 m<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
, }<br />
> simplify(sum('S[i]', 'i'=1..4));<br />
l 3<br />
P1 + P2 + P3 + P4 = 1<br />
> P1 := m^3/(l^3+3*l^2*m+3*m^2*l+m^3);<br />
P1 :=<br />
l 3<br />
m 3<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
> P2 := 3*l*m^2/(l^3+3*l^2*m+3*m^2*l+m^3);<br />
P2 := 3<br />
l 3<br />
lm 2<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
> P3 := 3*l^2*m/(l^3+3*l^2*m+3*m^2*l+m^3);<br />
P3 := 3<br />
l 3<br />
l 2 m<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
> P4 := l^3/(l^3+3*l^2*m+3*m^2*l+m^3);<br />
P4 :=<br />
l 3<br />
l 3<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
3.4.4.1.2. Calcolo della disponibilità asintotiche nel caso di 1 su 3<br />
> Ass := factor(P1+P2+P3);
m ( m + + )<br />
Ass :=<br />
2<br />
3 lm 3 l 2<br />
( l + m) 3<br />
3.4.4.1.3. Calcolo del MUT e del MDT nel caso di 1 su 3<br />
> f4 := P4*3*m;<br />
f4 := 3<br />
> MUT := simplify(Ass1/f4);<br />
l 3<br />
1<br />
MUT :=<br />
3<br />
l 3 m<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
m 2<br />
+ 3 lm+ 3 l 2<br />
> MDT := simplify((1-Ass1)/f4);<br />
1 1<br />
MDT :=<br />
3 m<br />
> simplify(MUT/(MUT+MDT));<br />
> simplify(Ass/(%));<br />
l 3<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 93 di 153<br />
l 3<br />
m ( m + + )<br />
2<br />
3 lm 3 l 2<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
Tre blocchi identici in ridondanza sequenziale 1 su 3<br />
Al modello elementare costituito da 3 blocchi identici in ridondanza sequenziale 1<br />
su 3 competono le caratteristiche seguenti.<br />
m ( m + + )<br />
Ass :=<br />
2<br />
3 lm 3 l 2<br />
( l + m) 3<br />
1 m + +<br />
MUT :=<br />
3<br />
2<br />
3 lm 3 l 2<br />
l 3<br />
1 1<br />
MDT :=<br />
3 m<br />
1<br />
3.4.5. Tre blocchi identici connessi in ridondanza sequenziale 2<br />
su 3<br />
Sempre nel caso in cui i 3 blocchi sono identici gli stati 2, 3, 4 e 5,6,7 che hanno un solo<br />
componente guasto sono tra loro indistinguibili e possono essere raggruppati come mostrato<br />
in Tab. 3.10. ove:<br />
S2/3 = stato del sistema (0=funzionante, 1= guasto).
Tab. - 3.10. - Possibili stati del sistema<br />
N A B C S2/3<br />
1 0 0 0 0<br />
2 (2,3,4) 1 0 0 0<br />
0 1 0 0<br />
0 0 1 0<br />
3 (5,6,7,8) 1 1 0 1<br />
Il diagramma delle transizioni è il seguente.<br />
1 2 3<br />
m<br />
Fig. 3.10. – Diagramma delle transizioni tra stati raggruppati<br />
3.4.5.1. Dettagli dei calcoli<br />
Le probabilità degli stati sono identiche al caso precedente.<br />
3.4.5.1.1. Calcolo della disponibilità asintotica<br />
> Ass := factor(P1+P2);<br />
Ass :=<br />
m 2 ( 3 l + m)<br />
( l + m) 3<br />
3.4.5.1.2. Calcolo del MUT e del MDT nel caso di 2 su 3<br />
> f3 := P3*2*m;<br />
3l<br />
f3 := 6<br />
l 3<br />
l 2 m 2<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3<br />
> MUT :=simplify(Ass/f3);<br />
1 3 l + m<br />
MUT :=<br />
6<br />
> MDT := simplify((1-Ass)/f3);<br />
1 l + 3 m<br />
MDT :=<br />
6<br />
> simplify(MUT/(MUT+MDT));<br />
l 3<br />
3m<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 94 di 153<br />
2l<br />
l 2<br />
m 2<br />
m 2 ( 3 l + m)<br />
+ 3 l + +<br />
2 m 3 m 2 l m 3
simplify(Ass/(%));<br />
1<br />
3 Modelli elementari<br />
Tre blocchi identici in ridondanza sequenziale 2 su 3<br />
Al modello elementare costituito da 3 blocchi identici in ridondanza sequenziale 2<br />
su 3 competono le caratteristiche seguenti.<br />
Ass :=<br />
1<br />
MUT :=<br />
6<br />
1<br />
MDT :=<br />
6<br />
m 2 ( 3 l + m)<br />
( l + m) 3<br />
3 l + m<br />
l 2<br />
l + 3 m<br />
m 2<br />
Si noti che non è esatto considerare i soli primi 3 stati come segue<br />
> P := matrix(3,3,[[1-3*l,3*l,0],[m,1-(2*l+m),<br />
2*l],[0,2*m,-2*m]]);<br />
⎡1<br />
− 3 l 3 l 0<br />
⎢<br />
⎤<br />
P := ⎢<br />
⎥<br />
⎢ m 1 − 2 l − m 2 l ⎥<br />
⎣<br />
⎢ 0 2 m −2 m⎦<br />
⎥<br />
> V := matrix(1,3,[P1,P2,P3]);<br />
> X := evalm(V&*P);<br />
V := [ P1 P2 P3]<br />
X := [ P1 ( 1− 3l) + P2m 3 P1 l + P2 ( 1− 2l − m) + 2 P3 m 2 P2 l − 2 P3 m]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := P1+P2+P3 =1;<br />
eq1 := P1 ( 1− 3l) + P2m= P1<br />
eq2 := 3 P1 l + P2 ( 1− 2l − m) + 2 P3 m = P2<br />
eq3 := 2 P2 l − 2 P3 m = P3<br />
eq4 := P1 + P2 + P3 = 1<br />
> S := solve({eq1,eq2,eq4}, {P1,P2,P3});<br />
ml<br />
S := { P2 = 3<br />
, ,<br />
}<br />
3 l + +<br />
2<br />
3 ml m 2<br />
P1 =<br />
3 l + +<br />
2<br />
3 ml m 2<br />
P3 = 3<br />
3 l + +<br />
2<br />
3 ml m 2<br />
m 2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 95 di 153<br />
l 2
simplify(sum('S[i]', 'i' = 1..3));<br />
> P1 := m^2/(3*l^2+3*m*l+m^2);<br />
P1 + P2 + P3 = 1<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 96 di 153<br />
m 2<br />
P1 :=<br />
3 l + +<br />
2<br />
3 ml m 2<br />
> P2 := 3*m*l/(3*l^2+3*m*l+m^2);<br />
P2 := 3<br />
> P3 := 3*l^2/(3*l^2+3*m*l+m^2);<br />
> Ass := factor(P1+P2);<br />
> f3 := P3*2*m;<br />
> MUT := Ass/f3;<br />
P3 := 3<br />
Ass :=<br />
f3 := 6<br />
ml<br />
3 l + +<br />
2<br />
3 ml m 2<br />
l 2<br />
3 l + +<br />
2<br />
3 ml m 2<br />
( 3 l + m) m<br />
3 l + +<br />
2<br />
3 ml m 2<br />
l 2 m<br />
3 l + +<br />
2<br />
3 ml m 2<br />
1 3 l + m<br />
MUT :=<br />
6<br />
> MDT := simplify(1-Ass)/f3;<br />
1 1<br />
MDT :=<br />
2 m<br />
> MUT/(MUT+MDT):<br />
> simplify(Ass/(%));<br />
> l:=0.0002; m:=0.5;<br />
> Digits := 20;<br />
> Ass;<br />
1<br />
l 2<br />
l := .0002 m := .5<br />
Digits := 20
MUT;<br />
> MDT;<br />
.99999952057553947637<br />
.20858333333333333333 10 7<br />
1.0000000000000000000<br />
3 Modelli elementari<br />
Non esattamente identici a quelli più sopra calcolati, ma costituenti una ottima approssimazione<br />
per gli usi pratici.<br />
3.4.6. Due blocchi in ridondanza con commutatore reale<br />
Il sistema è costituito da un blocco A cui competono un tasso di guasto l1 e un tasso di<br />
riparazione m1, da un blocco B cui competono un tasso di guasto l2 e un tasso di riparazione<br />
m2 e da un blocco S che rappresenta il commutatore con tasso di guasto l3 e un<br />
tasso di riparazione m3.<br />
Il sistema può assumere gli stati mostrati in Tab.3.11. ove:<br />
N = identificazione dello stato;<br />
A, B, S = stato del blocco (0 = funzionante, 1 = guasto);<br />
Sis = stato del sistema (0 = funzionante, 1= guasto).<br />
Tab. 3.11. - Possibili stati del sistema<br />
N A B S Sis<br />
1 0 0 0 0<br />
2 1 0 0 0<br />
3 0 1 0 0<br />
4 0 0 1 1<br />
5 1 1 0 1<br />
6 1 0 1 1<br />
7 0 1 1 1<br />
8 1 1 1 1<br />
Il diagramma delle transizioni tra questi stati è mostrato in Fig. 3.11.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 97 di 153
1<br />
m1<br />
m2<br />
m3<br />
l1<br />
l2<br />
l3<br />
Fig. 3.11. - Diagramma delle transizioni tra stati<br />
3 Modelli elementari<br />
Se l’unico modo di guasto del commutatore è l’incapacità di commutare (mantiene cioè<br />
la connessione esistente), il sistema è guasto se:<br />
1. sono contemporaneamente guasti i blocchi A e B:<br />
2. A (o B) si guasta quando S è già guasto;<br />
e i possibili stati del sistema mostrati in Tab.3.12.<br />
Il comportamento di questo sistema verrà esaminato in 3.4.7..<br />
Tab. - 12. - Possibili stati del sistema<br />
N A B S Sis<br />
1 0 0 0 0<br />
2 1 0 0 0<br />
3 0 1 0 0<br />
4 0 0 1 0<br />
5 1 1 0 1<br />
6 1 0 1 1<br />
7 0 1 1 1<br />
8 1 1 1 1<br />
3.4.6.1. Dettagli dei calcoli<br />
2 5<br />
m3<br />
3 6<br />
m3<br />
4 7<br />
3.4.6.1.1. Calcolo delle probabilità asintotiche degli stati<br />
m2<br />
m1<br />
m1<br />
m2<br />
l2<br />
l1<br />
l2<br />
l1<br />
> P1 := factor(m2*m3*m1/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m3 m1 m2<br />
P1 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> P2 := factor(m2*l1*m3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
l3<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 98 di 153<br />
l3<br />
m3<br />
l3<br />
l2<br />
m2 l1<br />
m1<br />
8
m3 m2 l1<br />
P2 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
3 Modelli elementari<br />
> P3 := factor(m1*m3*l2/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m1 m3 l2<br />
P3 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> P4 := factor(m1*m2*l3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m1 l3 m2<br />
P4 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> P5 := factor(l2*l1*m3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m3 l2 l1<br />
P5 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> P6 := factor(m2*l3*l1/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m2 l3 l1<br />
P6 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> P7 := factor(m1*l2*l3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m1 l3 l2<br />
P7 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> P8 := factor(l2*l1*l3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
> Digits:=20;<br />
l3 l2 l1<br />
P8 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
Digits := 20<br />
> simplify(P1+P2+P3+P4+P5+P6+P7+P8);<br />
1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 99 di 153
3 Modelli elementari<br />
3.4.6.1.2. Calcolo delle caratteristiche per guasto totale del commutatore<br />
> Ass := factor(P1+P2+P3);<br />
> f1 := P1*(l1+l2+l3);<br />
> f2 := P2*(l2+l3+m1);<br />
> f3 := P3*(l1+l3+m2);<br />
m3 ( m1 m2 + m2 l1 + m1 l2 )<br />
Ass :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m3 m1 m2 ( l1 + l2 + l3 )<br />
f1 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m3 m2 l1 ( l2 + l3 + m1)<br />
f2 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m1 m3 l2 ( l1 + l3 + m2)<br />
f3 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> f123 := simplify(f1+f2+f3-(P1*(l1+l2)+P2*m1+P3*m2));<br />
m3 ( m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2 )<br />
f123 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> MUT := simplify(Ass/f123);<br />
m1 m2 + m2 l1 + m1 l2<br />
MUT :=<br />
m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2<br />
> MDT := simplify((1-Ass)/f123);<br />
m1 l3 m2 + m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 l2 l1<br />
MDT :=<br />
m3 ( m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2 )<br />
> factor(MUT/(MUT+MDT));<br />
> factor(Ass/(%));<br />
m3 ( m1 m2 + m2 l1 + m1 l2 )<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
Esempio<br />
> l1:= 0.0002; m1:=0.4; l2:= 0.0002; m2:=0.5; l3:=<br />
0.0001; m3:=0.6;<br />
l1 := .0002 m1 := .4<br />
1<br />
l2 := .0002 m2 := .5<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 100 di 153
Ass;<br />
> MUT;<br />
> MDT;<br />
l3 := .0001 m3 := .6<br />
.99983316131965813075<br />
9982.0484691333399820<br />
1.6656696918320534557<br />
Se il commutatore ha tasso di guasto nullo<br />
> l3:=0;<br />
l3 := 0<br />
3 Modelli elementari<br />
> Ass := m3*(m1*m2+m2*l1+m1*l2)/(m1+l1)/(l3+m3)/(m2+l2);<br />
m1 m2 + m2 l1 + m1 l2<br />
Ass :=<br />
( m1 + l1 ) ( m2 + l2 )<br />
> MUT :=<br />
(m1*m2+m2*l1+m1*l2)/(m1*l3*m2+m2*l1*l2+m2*l3*l1+m1*l2*l1+m1<br />
*l3*l2);<br />
come già visto in 3.3.2..<br />
m1 m2 + m2 l1 + m1 l2<br />
MUT :=<br />
m2 l1 l2 + m1 l2 l1<br />
3.4.6.1.3. Sul comportamento di questo modello elementare<br />
Considerando separatamente i due blocchi<br />
> Ass2 := factor((m1*l2+m1*m2+l1*m2)/(l1*m2+l1*l2+m1*l2+m1*m2));<br />
m1 m2 + m2 l1 + m1 l2<br />
Ass2 :=<br />
( m1 + l1 ) ( m2 + l2 )<br />
> MUT2 := (m1*l2+m1*m2+l1*m2)/(l1*l2*(m1+m2));<br />
> MDT2 := 1/(m1+m2);<br />
e il commutatore<br />
> Ass1 := m3/(l3+m3);<br />
m1 m2 + m2 l1 + m1 l2<br />
MUT2 :=<br />
l1 l2 ( m1 + m2)<br />
MDT2 :=<br />
1<br />
m1 + m2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 101 di 153
MUT1 := 1/l3;<br />
> MDT1 := 1/m3;<br />
quindi l’insieme dei tre blocchi<br />
> Asst := Ass1*Ass2;<br />
Ass1 :=<br />
MUT1 :=<br />
MDT1 :=<br />
m3<br />
l3 + m3<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 102 di 153<br />
1<br />
l3<br />
1<br />
m3<br />
m3 ( m1 m2 + m2 l1 + m1 l2 )<br />
Asst :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> MUTt := simplify(1/(1/MUT1+1/MUT2));<br />
> la1 := 1/MUT1;<br />
> la2 := 1/MUT2;<br />
> mu1 := 1/MDT1;<br />
> mu2 := 1/MDT2;<br />
m1 m2 + m2 l1 + m1 l2<br />
MUTt :=<br />
m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2<br />
la1 := l3<br />
l1 l2 ( m1 + m2)<br />
la2 :=<br />
m1 m2 + m2 l1 + m1 l2<br />
µ1 := m3<br />
µ2 := m1 + m2<br />
> MDTt := simplify((la1*mu2+la2*mu1+la1*la2)/(mu1*mu2*(la1+la2)));<br />
m1 l3 m2 + m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 l2 l1<br />
MDTt :=<br />
m3 ( m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2 )<br />
> simplify(MUTt/(MUTt+MDTt));<br />
m3 ( m1 m2 + m2 l1 + m1 l2 )<br />
m1 l3 m2 + m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 m1 m2 + m1 m3 l2 + m3 m2 l1 + m3 l2 l1<br />
> simplify(Asst/(%));
1<br />
3 Modelli elementari<br />
Esempio<br />
> l1:= 0.0002; m1:=0.4; l2:= 0.0002; m2:=0.5; l3:=<br />
0.0001; m3:=0.6;<br />
l1 := .0002 m1 := .4<br />
> Asst;<br />
> MUTt;<br />
> MDTt;<br />
> MUTt/(MUTt+MDTt);<br />
l2 := .0002 m2 := .5<br />
l3 := .0001 m3 := .6<br />
.99983316131965813075<br />
9982.0484691333399820<br />
1.6656696918320534557<br />
.99983316131965813073<br />
praticamente identici a quelli ottenuti nel paragrafo precedente.<br />
3.4.6.1.4. Calcolo per sola mancata commutazione<br />
> Ass := simplify(P1+P2+P3+P4);<br />
> f1 := P1*(l1+l2+l3);<br />
> f2 := P2*(l2+l3+m1);<br />
> f3 := P3*(l1+l3+m2);<br />
> f4 := P4*(l1+l2+m3);<br />
m3 m1 m2 + m3 m2 l1 + m1 m3 l2 + m1 l3 m2<br />
Ass :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m3 m1 m2 ( l1 + l2 + l3 )<br />
f1 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m3 m2 l1 ( l2 + l3 + m1)<br />
f2 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m1 m3 l2 ( l1 + l3 + m2)<br />
f3 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 103 di 153
m1 l3 m2 ( l1 + l2 + m3)<br />
f4 :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
3 Modelli elementari<br />
> f1234 := simplify(f1+f2+f3+f4-(f1+P2*m1+P3*m2+P4*m3));<br />
f1234 :=<br />
m3 m2 l1 l2 + m3 m2 l1 l3 + m1 m3 l2 l1 + m1 m3 l2 l3 + m1 l3 m2 l1 + m1 l3 m2 l2<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
> MUT := simplify((Ass)/f1234);<br />
MUT :=<br />
m3 m1 m2 + m3 m2 l1 + m1 m3 l2 + m1 l3 m2<br />
m3 m2 l1 l2 + m3 m2 l1 l3 + m1 m3 l2 l1 + m1 m3 l2 l3 + m1 l3 m2 l1 + m1 l3 m2 l2<br />
> MDT := simplify((1-Ass)/f1234);<br />
MDT :=<br />
m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 l2 l1<br />
m3 m2 l1 l2 + m3 m2 l1 l3 + m1 m3 l2 l1 + m1 m3 l2 l3 + m1 l3 m2 l1 + m1 l3 m2 l2<br />
> simplify(MUT/(MUT+MDT));<br />
m3 m1 m2 + m3 m2 l1 + m1 m3 l2 + m1 l3 m2<br />
m1 l3 m2 + m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 m1 m2 + m1 m3 l2 + m3 m2 l1 + m3 l2 l1<br />
> simplify(Ass/(%));<br />
Se<br />
> l1:= 0.0002; m1:=0.4; l2:= 0.0002; m2:=0.5; l3:=<br />
0.0001; m3:=0.6;<br />
l1 := .0002 m1 := .4<br />
> Ass;<br />
> MUT;<br />
> MDT;<br />
1<br />
l2 := .0002 m2 := .5<br />
l3 := .0001 m3 := .6<br />
.99999965033975998209<br />
.29734653465346534653 10 7<br />
1.0397029702970297030<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 104 di 153
MUT/(MUT+MDT);<br />
.99999965033975998210<br />
3 Modelli elementari<br />
Al modello elementare costituito da 2 blocchi in ridondanza sequenziale con commutatore<br />
reale competono le caratteristiche seguenti.<br />
m3 ( m1 m2 + m2 l1 + m1 l2 )<br />
Ass :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
m1 m2 + m2 l1 + m1 l2<br />
MUT :=<br />
m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2<br />
m1 l3 m2 + m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 l2 l1<br />
MDT :=<br />
m3 ( m1 l3 m2 + m2 l1 l2 + m2 l3 l1 + m1 l2 l1 + m1 l3 l2 )<br />
Al modello elementare costituito da 2 blocchi identici in ridondanza sequenziale<br />
con commutatore reale il cui solo guasto è possibile la mancata commutazione<br />
su richiesta competono le caratteristiche seguenti.<br />
m3 m1 m2 + m3 m2 l1 + m1 m3 l2 + m1 l3 m2<br />
Ass :=<br />
( m1 + l1 ) ( l3 + m3 ) ( m2 + l2 )<br />
MUT :=<br />
m3 m1 m2 + m3 m2 l1 + m1 m3 l2 + m1 l3 m2<br />
m3 m2 l1 l2 + m3 m2 l1 l3 + m1 m3 l2 l1 + m1 m3 l2 l3 + m1 l3 m2 l1 + m1 l3 m2 l2<br />
MDT :=<br />
m1 l3 l2 + l3 l2 l1 + m2 l3 l1 + m3 l2 l1<br />
m3 m2 l1 l2 + m3 m2 l1 l3 + m1 m3 l2 l1 + m1 m3 l2 l3 + m1 l3 m2 l1 + m1 l3 m2 l2<br />
3.4.7. Due blocchi identici in ridondanza con commutatore reale<br />
Gli stati del sistema sono quelli di Tab. 3.11., e il diagramma delle transizioni è ancora<br />
quello di Fig. 3.10..<br />
Vale anche quanto detto in 3.4.6. sulla considerazione della sola incapacità di commutazione.<br />
3.4.7.1. Dettagli dei calcoli<br />
Partendo dalle formule generali di cui in 3.4.6.1.1.<br />
> P1 := factor(m2*m3*m1/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 105 di 153
m3 m1 m2<br />
P1 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
3 Modelli elementari<br />
> P2 := factor(m2*l1*m3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m3 m2 l1<br />
P2 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
> P3 := factor(m1*m3*l2/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
m3 m1 l2<br />
P3 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
> P4 := factor(m1*m2*l3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
l3 m1 m2<br />
P4 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
> P5 := factor(l2*l1*m3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
l1 l2 m3<br />
P5 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
> P6 := factor(m2*l3*l1/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
l3 m2 l1<br />
P6 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
> P7 := factor(m1*l2*l3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
l3 m1 l2<br />
P7 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
> P8 := factor(l2*l1*l3/(m1*l3*m2+m1*l3*l2+l3*l2*l1+m2*l3*l1+m3*m1*m2+<br />
m1*m3*l2+m3*m2*l1+m3*l2*l1));<br />
l3 l1 l2<br />
P8 :=<br />
( l3 + m3 ) ( m1 + l1 ) ( l2 + m2)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 106 di 153
simplify(P1+P2+P3+P4+P5+P6+P7+P8);<br />
sostituendo nelle formule precedenti<br />
> l2:=l1; m2:=m1;<br />
> P1;<br />
> P2;<br />
> P3;<br />
> P4;<br />
> P5;<br />
> P6;<br />
> P7;<br />
> P8;<br />
1<br />
l2 := l1<br />
m2 := m1<br />
m3 m1 2<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
m3 m1 l1<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
m3 m1 l1<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
m1 2 l3<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
m3 l1 2<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
m1 l3 l1<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
m1 l3 l1<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
l3 l1 2<br />
( m1 + l1 )<br />
2 ( l3 + m3)<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 107 di 153
estart;<br />
e sostituendo ancora<br />
> l3:=l2; m3:=m2;<br />
l3 := l2<br />
m3 := m2<br />
si hanno le probabilità degli stati<br />
> P1 := m3*m1^2/((m1+l1)^2*(l3+m3));<br />
P1 :=<br />
m2 m1 2<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P2 := m3*m1*l1/((m1+l1)^2*(l3+m3));<br />
m2 m1 l1<br />
P2 :=<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P3 := m3*m1*l1/((m1+l1)^2*(l3+m3));<br />
m2 m1 l1<br />
P3 :=<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P4 := m1^2*l3/((m1+l1)^2*(l3+m3));<br />
m1<br />
P4 :=<br />
2 l2<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P5 := m3*l1^2/((m1+l1)^2*(l3+m3));<br />
P5 :=<br />
m2 l1 2<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P6 := m1*l3*l1/((m1+l1)^2*(l3+m3));<br />
m1 l2 l1<br />
P6 :=<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P7 := m1*l3*l1/((m1+l1)^2*(l3+m3));<br />
m1 l2 l1<br />
P7 :=<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> P8 := l3*l1^2/((m1+l1)^2*(l3+m3));<br />
P8 :=<br />
l2 l1 2<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 108 di 153
simplify(P1+P2+P3+P4+P5+P6+P7+P8);<br />
1<br />
3 Modelli elementari<br />
3.4.7.1.1. Calcolo delle caratteristiche per guasto totale del commutatore<br />
> Ass := factor(P1+P2+P3);<br />
> f1 := P1*(l1+l1+l2);<br />
> f2 := P2*(l1+l2+m1);<br />
Ass :=<br />
f1 :=<br />
f2 :=<br />
> f3 := P3*(l1+l2+m1);<br />
f3 :=<br />
m1 m2 ( m1 + 2 l1 )<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
m2 m1 2 ( 2 l1 + l2 )<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
m2 m1 l1 ( l1 + l2 + m1)<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
m2 m1 l1 ( l1 + l2 + m1)<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> f123 := simplify(f1+f2+f3-(P1*(l1+l1)+P2*m1+P3*m1));<br />
> MUT := simplify(Ass/f123);<br />
m1 m2 ( m1 l2 + 2 l1 + )<br />
f123 :=<br />
2<br />
2 l2 l1<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
MUT :=<br />
> MDT := simplify((1-Ass)/f123);<br />
MDT :=<br />
> factor(MUT/(MUT+MDT));<br />
> factor(Ass/(%));<br />
m1 + 2 l1<br />
m1 l2 + 2 l1 +<br />
2<br />
2 l2 l1<br />
m1 + + +<br />
2 l2 m2 l1 2<br />
2 m1 l2 l1 l2 l1 2<br />
m1 m2 ( m1 l2 + 2 l1 + )<br />
2<br />
2 l2 l1<br />
m1 m2 ( m1 + 2 l1 )<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> unassign('Ass,MUT,MDT,l1,l2,l3,m1,m2,m3');<br />
1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 109 di 153
Se il commutatore ha tasso di guasto nullo<br />
> l2:=0;<br />
l2 := 0<br />
> Ass := m1*m2*(m1+2*l1)/(m1+l1)^2/(l2+m2);<br />
Ass :=<br />
m1 ( m1 + 2 l1 )<br />
( m1 + l1 )<br />
2<br />
> MUT := (m1+2*l1)/(m1*l2+2*l1^2+2*l2*l1);<br />
come già visto in 3.3.3..<br />
MUT :=<br />
m1 + 2 l1<br />
2 l1 2<br />
Esempio con commutatore reale<br />
> l1:= 0.0002; m1:=0.5; l2:= 0.0001; m2:=0.5;<br />
> Digits:=20;<br />
> Ass;<br />
> MUT;<br />
> MDT;<br />
l1 := 0.0002 m1 := 0.5<br />
l2 := 0.0001 m2 := 0.5<br />
Digits := 20<br />
0.99979988015189286237<br />
9984.0383080606544294<br />
1.9984041500399042298<br />
3.4.7.1.2. Calcolo delle caratteristiche per sola mancata commutazione<br />
> Ass := simplify(P1+P2+P3+P4);<br />
Ass :=<br />
> f4 := P4*(l1+l1+m3);<br />
m1 ( m1 m2 + 2 m2 l1 + m1 l2 )<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
f4 :=<br />
m1 2 l2 ( 2 l1 + m2)<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
> f1234 := simplify(f2+f3+f4-(P2*m1+P3*m2+P4*m3));<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 110 di 153
f1234 :=<br />
> MUT := simplify((Ass)/f1234);<br />
MUT :=<br />
m1 l1 ( 2 m2 l1 + 2 m2 l2 + m1 m2 + 2 m1 l2 − m2 )<br />
2<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
m1 m2 + 2 m2 l1 + m1 l2<br />
l1 ( 2 m2 l1 + 2 m2 l2 + m1 m2 + 2 m1 l2 − m2 )<br />
2<br />
> MDT := simplify((1-Ass)/f1234);<br />
MDT :=<br />
> simplify(MUT/(MUT+MDT));<br />
m2 m1 2<br />
m2 l1 + 2 m1 l2 + l2 l1<br />
m1 ( 2 m2 l1 + 2 m2 l2 + m1 m2 + 2 m1 l2 − m2 )<br />
2<br />
m1 ( m1 m2 + 2 m2 l1 + m1 l2 )<br />
+ 2 m2 m1 l1 + m1 + + +<br />
2 l2 m2 l1 2<br />
2 m1 l2 l1 l2 l1 2<br />
> simplify(Ass/(%));<br />
> l1:= 0.0002; m1:=0.5; l2:= 0.0001; m2:=0.5;<br />
> Digits:=20;<br />
> Ass;<br />
> MUT;<br />
> MDT;<br />
> MUT/(MUT+MDT);<br />
1<br />
l1 := .0002 m1 := .5<br />
l2 := .0001 m2 := .5<br />
Digits := 20<br />
.99999968028781450362<br />
.31281250000000000000 10 7<br />
1.0001000000000000000<br />
.99999968028781450363<br />
3 Modelli elementari<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 111 di 153
3 Modelli elementari<br />
Al modello elementare costituito da 2 blocchi identici in ridondanza sequenziale<br />
con commutatore reale competono le caratteristiche seguenti.<br />
Ass :=<br />
MUT :=<br />
MDT :=<br />
m1 m2 ( m1 + 2 l1 )<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
m1 + 2 l1<br />
m1 l2 + 2 l1 +<br />
2<br />
2 l2 l1<br />
m1 + + +<br />
2 l2 m2 l1 2<br />
2 m1 l2 l1 l2 l1 2<br />
m1 m2 ( m1 l2 + 2 l1 + )<br />
2<br />
2 l2 l1<br />
Al modello elementare costituito da 2 blocchi identici in ridondanza sequenziale<br />
con commutatore reale il cui solo guasto è possibile la mancata commutazione<br />
su richiesta competono le caratteristiche seguenti.<br />
Ass :=<br />
MUT :=<br />
MDT :=<br />
m1 ( m1 m2 + 2 m2 l1 + m1 l2 )<br />
( m1 + l1 )<br />
2 ( l2 + m2)<br />
m1 m2 + 2 m2 l1 + m1 l2<br />
l1 ( 2 m2 l1 + 2 m2 l2 + m1 m2 + 2 m1 l2 − m2 )<br />
2<br />
m2 l1 + 2 m1 l2 + l2 l1<br />
m1 ( 2 m2 l1 + 2 m2 l2 + m1 m2 + 2 m1 l2 − m2 )<br />
2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 112 di 153
4. Modello generale<br />
4.1. Introduzione<br />
4. Modello generale<br />
I calcoli simbolici e numerici necessari alla risoluzione dei sistemi markoviani con i<br />
mezzi di calcolo fin qui adoperati (PC o piccole Workstation) diventano in vario modo<br />
onerosi fino all’impraticabilità al crescere dei sistemi oltre i 3 blocchi.<br />
Per i sistemi markoviani più complessi i calcoli possono spesso essere affrontati caso<br />
per caso sfruttando alcune proprietà già note e usando al meglio l’impostazione fin qui<br />
seguita nella organizzazione dei dati di input: tabella degli stati e diagramma delle transizioni<br />
tra stati.<br />
A condizione che i tassi di transizione di ciascun blocco non cambino durante tutto il<br />
periodo di osservazione qualunque sia lo stato occupato dal blocco, le probabilità asintotiche<br />
dei singoli stati possono calcolarsi usando la proprietà già evidenziata nel caso di<br />
due e tre blocchi (3.3.1.1. e 3.4.3.1.1.), cioè ogni singola probabilità è data da una frazione<br />
in cui:<br />
• il denominatore Dn è lo sviluppo in termini di somma del prodotto<br />
n<br />
∏ ( l + )<br />
i=<br />
1 i mi<br />
ove n è il numero dei blocchi costituenti il sistema;<br />
• il numeratore è ottenuto dalla tabella degli stati sostituendo gli 0 con mk e gli 1 con<br />
lk , ove k è l’indice della colonna degli stati dei blocchi (k = 1 per la colonna A, k =<br />
2 per la colonna B, ….,etc.).<br />
La somma dei numeratori è pari al denominatore essendo tutti gli stati la totalità del<br />
campione.<br />
In pratica dalla condizione precedente sono esclusi i casi di riserve fredde e ridondanze<br />
operative.<br />
Per il calcolo delle frequenze di ciclo dei singoli stati si usano le formule sviluppate in<br />
2.4.1. e l’avere sottomano la tabella degli stati e il diagramma delle transizioni è certo di<br />
grande aiuto.<br />
In questo capitolo ci si limita a considerare i casi di 4 e 5 blocchi per chiarire le procedure<br />
adottate e dare un’idea delle difficoltà da affrontare, e delle possibili vie di uscita,<br />
procedendo oltre nella complessità.<br />
Le difficoltà derivano fondamentalmente dalla gestione manuale di un gran numero di<br />
calcoli dispendiosa in termini di tempo e con notevole probabilità di errori nella introduzione<br />
dei dati.<br />
È pur vero che è sempre possibile automatizzare questo processo, se il gioco vale la<br />
candela.<br />
Noi, per il momento, ci fermiamo qui.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 113 di 153
4.2. Quattro blocchi<br />
4.2.1. Tabella degli stati e diagramma delle transizioni<br />
Le figure che seguono, già presenti nel testo, si riportano per comodità.<br />
Tab. 4.1.- Stati del sistema<br />
N A B C D Guasti Gruppo<br />
1 G0 1<br />
2 1 A G1 1<br />
3 1 B 2<br />
4 1 C 3<br />
5 1 D 4<br />
6 1 1 AB G2 1<br />
7 1 1 AC 2<br />
8 1 1 AD 3<br />
9 1 1 BC 4<br />
10 1 1 BD 5<br />
11 1 1 CD 6<br />
12 1 1 1 ABC G3 1<br />
13 1 1 1 ABD 2<br />
14 1 1 1 ACD 3<br />
15 1 1 1 BCD 4<br />
16 1 1 1 1 ABCD G4 1<br />
1<br />
2<br />
3<br />
4<br />
5<br />
Fig. 4.1. – Transizioni tra stati<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
4 Modello generale<br />
G0 G1 G2 G3 G4<br />
D<br />
B<br />
C<br />
A<br />
A<br />
D<br />
C<br />
D<br />
A<br />
D<br />
B<br />
A<br />
B<br />
B<br />
C<br />
C<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 114 di 153<br />
C<br />
D<br />
C<br />
A<br />
A<br />
C<br />
A<br />
D<br />
B<br />
D<br />
B<br />
B<br />
12<br />
13<br />
14<br />
15<br />
D<br />
C<br />
B<br />
A<br />
16
4.2.2. Probabilità degli stati<br />
> Dn := (m4+l4)*(m3+l3)*(m2+l2)*(m1+l1);<br />
> P1 := m1*m2*m3*m4/Dn;<br />
> P2 := l1*m2*m3*m4/Dn;<br />
> P3 := m1*l2*m3*m4/Dn;<br />
> P4 := m1*m2*l3*m4/Dn;<br />
> P5 := m1*m2*m3*l4/Dn;<br />
> P6 := l1*l2*m3*m4/Dn;<br />
> P7 := l1*m2*l3*m4/Dn;<br />
> P8 := l1*m2*m3*l4/Dn;<br />
> P9 := m1*l2*l3*m4/Dn;<br />
> P10 := m1*l2*m3*l4/Dn;<br />
Dn := ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 m2 m3 m4<br />
P1 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 m2 m3 m4<br />
P2 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 l2 m3 m4<br />
P3 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 m2 l3 m4<br />
P4 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 m2 m3 l4<br />
P5 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 l2 m3 m4<br />
P6 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 m2 l3 m4<br />
P7 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 m2 m3 l4<br />
P8 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 l2 l3 m4<br />
P9 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 l2 m3 l4<br />
P10 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 115 di 153
P11 := m1*m2*l3*l4/Dn;<br />
> P12 := l1*l2*l3*m4/Dn;<br />
> P13 := l1*l2*m3*l4/Dn;<br />
> P14 := l1*m2*l3*l4/Dn;<br />
> P15 := m1*l2*l3*l4/Dn;<br />
> P16 := l1*l2*l3*l4/Dn;<br />
m1 m2 l3 l4<br />
P11 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 l2 l3 m4<br />
P12 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 l2 m3 l4<br />
P13 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 m2 l3 l4<br />
P14 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 l2 l3 l4<br />
P15 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 l2 l3 l4<br />
P16 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
4 Modello generale<br />
> simplify(P1+P2+P3+P4+P5+P6+P7+P8+P9+P10+P11+P12+P13+P14+P15+P16);<br />
1<br />
4.2.3. Frequenze di ciclo degli stati<br />
> f1 := simplify(P1*(l1+l2+l3+l4));<br />
m1 m2 m3 m4 ( l1 + l2 + l3 + l4 )<br />
f1 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f2 := simplify(P2*(m1+l2+l3+l4));<br />
l1 m2 m3 m4 ( m1 + l2 + l3 + l4 )<br />
f2 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f3 := simplify(P3*(l1+m2+l3+l4));<br />
m1 l2 m3 m4 ( l1 + m2 + l3 + l4 )<br />
f3 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f4 := simplify(P4*(l1+l2+m3+l4));<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 116 di 153
m1 m2 l3 m4 ( l1 + l2 + m3 + l4 )<br />
f4 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f5 := simplify(P5*(l1+l2+l3+m4));<br />
m1 m2 m3 l4 ( l1 + l2 + l3 + m4)<br />
f5 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f6 := simplify(P6*(m1+m2+l3+l4));<br />
l1 l2 m3 m4 ( m1 + m2 + l3 + l4 )<br />
f6 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f7 := simplify(P7*(m1+l2+m3+l4));<br />
l1 m2 l3 m4 ( m1 + l2 + m3 + l4 )<br />
f7 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f8 := simplify(P8*(m1+l2+l3+m4));<br />
l1 m2 m3 l4 ( m1 + l2 + l3 + m4)<br />
f8 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f9 := simplify(P9*(l1+m2+m3+l4));<br />
m1 l2 l3 m4 ( l1 + m2 + m3 + l4 )<br />
f9 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f10 := simplify(P10*(l1+m2+l3+m4));<br />
m1 l2 m3 l4 ( l1 + m2 + l3 + m4)<br />
f10 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f11 := simplify(P11*(l1+l2+m3+m4));<br />
m1 m2 l3 l4 ( l1 + l2 + m3 + m4)<br />
f11 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f12 := simplify(P12*(m1+m2+m3+l4));<br />
l1 l2 l3 m4 ( m1 + m2 + m3 + l4 )<br />
f12 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f13 := simplify(P13*(m1+m2+l3+m4));<br />
l1 l2 m3 l4 ( m1 + m2 + l3 + m4)<br />
f13 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f14 := simplify(P14*(m1+l2+m3+m4));<br />
l1 m2 l3 l4 ( m1 + l2 + m3 + m4)<br />
f14 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 117 di 153
f15 := simplify(P15*(l1+m2+m3+m4));<br />
m1 l2 l3 l4 ( l1 + m2 + m3 + m4)<br />
f15 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f16 := simplify(P16*(m1+m2+m3+m4));<br />
l1 l2 l3 l4 ( m1 + m2 + m3 + m4)<br />
f16 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
4.2.4. Esempio n. 1: 2 blocchi funzionanti su quattro<br />
4 Modello generale<br />
Se il successo del sistema è assicurato dal corretto funzionamento di 2 dei 4 blocchi, la<br />
tabella degli stati diventa:<br />
Tab. 4.2. – Stati del sistema<br />
N A B C D S<br />
1 0<br />
2 1 0<br />
3 1 0<br />
4 1 0<br />
5 1 0<br />
6 1 1 0<br />
7 1 1 0<br />
8 1 1 0<br />
9 1 1 0<br />
10 1 1 0<br />
11 1 1 0<br />
12 1 1 1 1<br />
13 1 1 1 1<br />
14 1 1 1 1<br />
15 1 1 1 1<br />
16 1 1 1 1 1<br />
Gli stati 12, 13, 14, 15 e 16 costituiscono il gruppo degli stati di guasto. Ad essi competono<br />
le seguenti probabilità asintotiche:<br />
> Dn := (m4+l4)*(m3+l3)*(m2+l2)*(m1+l1);<br />
> P12 := l1*l2*l3*m4/Dn;<br />
> P13 := l1*l2*m3*l4/Dn;<br />
Dn := ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 l2 l3 m4<br />
P12 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 118 di 153
P14 := l1*m2*l3*l4/Dn;<br />
> P15 := m1*l2*l3*l4/Dn;<br />
> P16 := l1*l2*l3*l4/Dn;<br />
e le frequenze di ciclo seguenti:<br />
l1 l2 m3 l4<br />
P13 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 m2 l3 l4<br />
P14 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
m1 l2 l3 l4<br />
P15 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
l1 l2 l3 l4<br />
P16 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f12 := simplify(P12*(m1+m2+m3+l4));<br />
l1 l2 l3 m4 ( m1 + m2 + m3 + l4 )<br />
f12 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f13 := simplify(P13*(m1+m2+l3+m4));<br />
l1 l2 m3 l4 ( m1 + m2 + l3 + m4)<br />
f13 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f14 := simplify(P14*(m1+l2+m3+m4));<br />
l1 m2 l3 l4 ( m1 + l2 + m3 + m4)<br />
f14 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f15 := simplify(P15*(l1+m2+m3+m4));<br />
m1 l2 l3 l4 ( l1 + m2 + m3 + m4)<br />
f15 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f16 := simplify(P16*(m1+m2+m3+m4));<br />
l1 l2 l3 l4 ( m1 + m2 + m3 + m4)<br />
f16 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
Al gruppo degli stati di guasto compete la probabilità asintotica<br />
> Pg := simplify(P12+P13+P14+P15+P16);<br />
m4 l3 l2 l1 + l4 m3 l2 l1 + l4 l3 m2 l1 + l4 l3 l2 m1 + l4 l3 l2 l1<br />
Pg :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
Quindi la disponibilità asintotica è:<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 119 di 153
Ass := simplify(1-Pg);<br />
4 Modello generale<br />
Ass := ( m4 m3 m2 m1 + m4 m3 m2 l1 + m4 m3 l2 m1 + m4 m3 l2 l1 + m4 l3 m2 m1<br />
+ m4 l3 m2 l1 + m4 l3 l2 m1 + l4 m3 m2 m1 + l4 m3 m2 l1 + l4 m3 l2 m1<br />
+ l4 l3 m2 m1)/(<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 ) )<br />
La frequenza di ciclo, identica per i due gruppi di stati, è pari alla somma delle frequenze<br />
di ciclo degli stati di frontiera:<br />
> f := simplify(P12*(m1+m2+m3)+P13*(m1+m2+m4)+P14*(m1+m3+m4)+P15*(m2+m3+<br />
m4));<br />
f:= ( m4l3l2l1m1+ m4l3l2l1m2+ m4l3l2l1m3+ l4m3l2l1m1+ l4m3l2l1m2<br />
+ l4 m3 l2 l1 m4 + l4 l3 m2 l1 m1 + l4 l3 m2 l1 m3 + l4 l3 m2 l1 m4 + l4 l3 l2 m1 m2<br />
+ l4 l3 l2 m1 m3 + l4 l3 l2 m1 m4)/(<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 ) )<br />
> MUT := simplify(Ass/f);<br />
MUT := ( m4 m3 m2 m1 + m4 m3 m2 l1 + m4 m3 l2 m1 + m4 m3 l2 l1 + m4 l3 m2 m1<br />
+ m4 l3 m2 l1 + m4 l3 l2 m1 + l4 m3 m2 m1 + l4 m3 m2 l1 + l4 m3 l2 m1<br />
+ l4 l3 m2 m1)/(<br />
m4 l3 l2 l1 m1 + m4 l3 l2 l1 m2 + m4 l3 l2 l1 m3 + l4 m3 l2 l1 m1<br />
+ l4 m3 l2 l1 m2 + l4 m3 l2 l1 m4 + l4 l3 m2 l1 m1 + l4 l3 m2 l1 m3 + l4 l3 m2 l1 m4<br />
+ l4 l3 l2 m1 m2 + l4 l3 l2 m1 m3 + l4 l3 l2 m1 m4)<br />
> MDT := simplify(Pg/f);<br />
MDT := ( m4 l3 l2 l1 + l4 m3 l2 l1 + l4 l3 m2 l1 + l4 l3 l2 m1 + l4 l3 l2 l1 )/( m4 l3 l2 l1 m1<br />
+ m4 l3 l2 l1 m2 + m4 l3 l2 l1 m3 + l4 m3 l2 l1 m1 + l4 m3 l2 l1 m2 + l4 m3 l2 l1 m4<br />
+ l4 l3 m2 l1 m1 + l4 l3 m2 l1 m3 + l4 l3 m2 l1 m4 + l4 l3 l2 m1 m2 + l4 l3 l2 m1 m3<br />
+ l4 l3 l2 m1 m4)<br />
> simplify((MUT/(MUT+MDT)/Ass));<br />
Se i blocchi sono identici:<br />
> l1:=l; l2:=l; l3:=l; l4:=l; m1:=m; m2:=m; m3:=m; m4:=m;<br />
> Ass;<br />
> MUT := simplify(MUT);<br />
1<br />
l1 := l l2 := l l3 := l l4 := l<br />
m1 := m m2 := m m3 := m m4 := m<br />
m 4<br />
+ 4 m +<br />
3 l 6 m 2 l 2<br />
( m+ l) 4<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 120 di 153
MDT := simplify(MDT);<br />
MUT :=<br />
m 2<br />
MDT :=<br />
> simplify((MUT/(MUT+MDT))/Ass);<br />
1<br />
+ 4 ml+ 6 l 2<br />
12 l 3<br />
4 m+ l<br />
12 m 2<br />
4 Modello generale<br />
Possiamo verificare queste formule nel caso in cui i 4 blocchi sono identici usando<br />
un modello con gli stati indistinguibili raggruppati cui corrisponde il diagramma<br />
delle transizioni seguente.<br />
1 2 3 4 5<br />
m<br />
4l<br />
Fig. 4.2. – Diagramma delle transizioni tra stati<br />
> P := matrix([[1-4*l, 4*l, 0, 0, 0], [m, 1-3*l-m, 3*l, 0,<br />
0], [0, 2*m, 1-2*l-2*m, 2*l, 0], [0, 0, 3*m, 1-l-3*m, l],<br />
[0, 0, 0, 4*m, 1-4*m]])<br />
⎡1<br />
− 4 l 4 l 0 0 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
⎢ m 1 − 3l − m 3 l 0 0 ⎥<br />
⎢<br />
P := ⎢<br />
⎥<br />
⎢<br />
0 2 m 1 − 2 l − 2 m 2 l 0 ⎥<br />
⎢<br />
⎥<br />
⎢ 0 0 3 m 1 − l − 3 m l ⎥<br />
⎢<br />
⎥<br />
⎣<br />
⎢ 0 0 0 4 m 1 − 4 m⎦<br />
⎥<br />
> V := matrix(1,5,[P1,P2,P3,P4,P5]);<br />
> X := evalm(V&*P);<br />
2m<br />
V := [ P1 P2 P3 P4 P5]<br />
X :=<br />
[ P1 ( 1 − 4 l) + P2m , 4 P1 l + P2 ( 1 − 3 l − m) + 2 P3 m ,<br />
3 P2 l + P3 ( 1 − 2 l − 2 m) + 3 P4 m , 2 P3 l + P4 ( 1 − l − 3 m) + 4 P5 m ,<br />
P4 l + P5 ( 1 − 4m ) ]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
3l<br />
eq1 := P1 ( 1− 4l) + P2m= P1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 121 di 153<br />
3m<br />
2l<br />
4m<br />
l
eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
> eq5 := X[1,5] = P5;<br />
> eq6 := P1+P2+P3+P4+P5=1;<br />
eq2 := 4 P1 l + P2 ( 1− 3l − m) + 2 P3 m = P2<br />
eq3 := 3 P2 l + P3 ( 1 − 2l− 2 m) + 3 P4 m = P3<br />
eq4 := 2 P3 l + P4 ( 1 − l − 3 m) + 4 P5 m = P4<br />
eq5 := P4 l + P5 ( 1− 4m) = P5<br />
eq6 := P1 + P2 + P3 + P4 + P5 = 1<br />
4 Modello generale<br />
> S := solve({eq1,eq2,eq3,eq4,eq6}, {P1,P2,P3,P4,P5});<br />
S := { P1 =<br />
P4 =<br />
P2 =<br />
m 4<br />
m 4<br />
m 4<br />
m 4<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
4 ml 3<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
4 m 3 l<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
l 4<br />
l 4<br />
P5 =<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
, ,<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 122 di 153<br />
m 4<br />
6 m<br />
P3 =<br />
2 l 2<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
, ,<br />
}<br />
4<br />
l<br />
> simplify(sum('S[i]', 'i'=1..5));<br />
m 4<br />
P1 + P2 + P3 + P4 + P5 = 1<br />
> P1 := 1/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*m^4;<br />
P1 :=<br />
m 4<br />
m 4<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
> P2 := 4*m^3/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*l;<br />
P2 :=<br />
m 4<br />
4 m 3 l<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
> P3 := 6*m^2/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*l^2;<br />
P3 :=<br />
m 4<br />
6 m 2 l 2<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
> P4 := 4*m/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*l^3;<br />
P4 :=<br />
m 4<br />
4 ml 3<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
l 4<br />
l 4<br />
l 4<br />
l 4<br />
l 4<br />
l 4<br />
l 4
P5 := 1/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*l^4;<br />
P5 :=<br />
m 4<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 123 di 153<br />
l 4<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
Gli stati 1, 2 e 3 costituiscono il gruppo degli stati di successo cui competono:<br />
> Ass := factor(P1+P2+P3);<br />
> f1 := factor(P1*4*l);<br />
> f2 := factor(P2*(3*l+m));<br />
m<br />
Ass :=<br />
2 ( m + + )<br />
2<br />
4 ml 6 l 2<br />
( l + m) 4<br />
f2 :=<br />
> f3 := factor(P3*(2*l+2*m));<br />
4 m<br />
f1 :=<br />
4 l<br />
( l + m) 4<br />
4 m 3 l ( 3 l + m)<br />
( l + m) 4<br />
12 m<br />
f3 :=<br />
2 l 2<br />
( l + m) 3<br />
> f123 := factor(f1+f2+f3-(P1*4*l+P2*(3*l+m)+P3*2*m));<br />
> MUT := simplify(Ass/f123);<br />
12 m<br />
f123 :=<br />
2 l 3<br />
( l + m) 4<br />
MUT :=<br />
m 2<br />
> MDT := simplify((1-Ass)/f123);<br />
MDT :=<br />
> simplify((MUT/(MUT+MDT))/Ass);<br />
+ 4 ml+ 6 l 2<br />
1<br />
12 l 3<br />
4 m+ l<br />
12 m 2<br />
l 4
4.2.5. Esempio n. 2: Guasti concomitanti<br />
Si consideri il sistema di Fig. 4.3.<br />
A B<br />
C D<br />
Fig. 4.3.<br />
4 Modello generale<br />
In esso il guasto del solo blocco A o del solo blocco B non causano l’insuccesso del sistema,<br />
mentre tale insuccesso viene causato dal concomitante guasto di A e di B.<br />
Esso può assumere gli stati di Tab. 4.3. in cui:<br />
N = identificazione dello stato;<br />
A, B, C, D = stato del blocco (0 = funzionante, 1 = guasto);<br />
S = stato del sistema (0 = funzionante, 1 = guasto)<br />
Tab. 4.3.- Stati del sistema<br />
N A B C D S<br />
1 0<br />
2 1 0<br />
3 1 0<br />
4 1 0<br />
5 1 0<br />
6 1 1 1<br />
7 1 1 1<br />
8 1 1 0<br />
9 1 1 0<br />
10 1 1 1<br />
11 1 1 0<br />
12 1 1 1 1<br />
13 1 1 1 1<br />
14 1 1 1 1<br />
15 1 1 1 1<br />
16 1 1 1 1 1<br />
Lo stato 6 è uno stato di guasto appunto per il guasto concomitante di A e di B.<br />
Agli stati di successo 1, 2, 3, 4, 5, 8, 9, 11 corrispondono le probabilità:<br />
> P1 := m1*m2*m3*m4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
m1 m2 m3 m4<br />
P1 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 124 di 153
4 Modello generale<br />
> P2 := l1*m2*m3*m4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
l1 m2 m3 m4<br />
P2 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P3 := m1*l2*m3*m4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
m1 l2 m3 m4<br />
P3 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P4 := m1*m2*l3*m4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
m1 m2 l3 m4<br />
P4 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P5 := m1*m2*m3*l4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
m1 m2 m3 l4<br />
P5 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P8 := l1*m2*m3*l4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
l1 m2 m3 l4<br />
P8 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P9 := m1*l2*l3*m4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
m1 l2 l3 m4<br />
P9 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P11 := m1*m2*l3*l4/((m4+l4)*(m3+l3)*(m2+l2)*(m1+l1));<br />
m1 m2 l3 l4<br />
P11 :=<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> Ass := factor(P1+P2+P3+P4+P5+P8+P9+P11);<br />
Ass := ( m1 m2 m3 m4 + l1 m2 m3 m4 + m1 l2 m3 m4 + m1 m2 l3 m4 + m1 m2 m3 l4<br />
+ l1 m2 m3 l4 + m1 l2 l3 m4 + m1 m2 l3 l4 )/(<br />
( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 ) )<br />
> fs := simplify(P2*(l2+l3)+P3*(l1+l4)+P4*l1+P5*l2+P8*(l2+l3)<br />
+P9*(l1+l4)+P11*(l1+l2));<br />
fs := ( l1 m2 m3 m4 l2 + l1 m2 m3 m4 l3 + m1 l2 m3 m4 l1 + m1 l2 m3 m4 l4<br />
+ m1 m2 l3 m4 l1 + m1 m2 m3 l4 l2 + l1 m2 m3 l4 l2 + l1 m2 m3 l4 l3<br />
+ m1 l2 l3 m4 l1 + m1 l2 l3 m4 l4 + m1 m2 l3 l4 l1 + m1 m2 l3 l4 l2 )/( ( m4 + l4 )<br />
( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 ) )<br />
> MUT := simplify(Ass/fs);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 125 di 153
4 Modello generale<br />
MUT := ( m1 m2 m3 m4 + l1 m2 m3 m4 + m1 l2 m3 m4 + m1 m2 l3 m4 + m1 m2 m3 l4<br />
+ l1 m2 m3 l4 + m1 l2 l3 m4 + m1 m2 l3 l4 )/( l1 m2 m3 m4 l2 + l1 m2 m3 m4 l3<br />
+ m1 l2 m3 m4 l1 + m1 l2 m3 m4 l4 + m1 m2 l3 m4 l1 + m1 m2 m3 l4 l2<br />
+ l1 m2 m3 l4 l2 + l1 m2 m3 l4 l3 + m1 l2 l3 m4 l1 + m1 l2 l3 m4 l4 + m1 m2 l3 l4 l1<br />
+ m1 m2 l3 l4 l2 )<br />
> MDT := simplify((1-Ass)/fs);<br />
MDT := ( l2 l1 m3 m4 + l3 l1 m2 m4 + l1 l2 l3 m4 + l4 m1 l2 m3 + l2 l1 m3 l4<br />
+ l3 l1 m2 l4 + l4 m1 l2 l3 + l3 l4 l2 l1 )/( l1 m2 m3 m4 l2 + l1 m2 m3 m4 l3<br />
+ m1 l2 m3 m4 l1 + m1 l2 m3 m4 l4 + m1 m2 l3 m4 l1 + m1 m2 m3 l4 l2<br />
+ l1 m2 m3 l4 l2 + l1 m2 m3 l4 l3 + m1 l2 l3 m4 l1 + m1 l2 l3 m4 l4 + m1 m2 l3 l4 l1<br />
+ m1 m2 l3 l4 l2 )<br />
> simplify(Ass/(MUT/(MUT+MDT)));<br />
> l1:=0.00001; m1:=0.5; l2:=0.00002; m2:=0.5;<br />
l3:=0.00001; m3:=0.5; l4:=0.00002; m4:=0.5;<br />
l1 := .00001 m1 := .5<br />
> Digits := 20;<br />
> Ass;<br />
> MUT;<br />
> MDT;<br />
1<br />
l2 := .00002 m2 := .5<br />
l3 := .00001 m3 := .5<br />
l4 := .00002 m4 := .5<br />
Digits := 20<br />
0.99999999720023998512<br />
0.35717653060349876717 10 9<br />
1.0000085714367344840<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 126 di 153
4.2.6. I guasti concomitanti in generale<br />
Usando il modello di cui in 4.2.5. si proceda al calcolo seguente.<br />
4 Modello generale<br />
Si identifichino con l’indice 1 le caratteristiche del blocco costituito dal parallelo dei<br />
blocchi A e C.<br />
> Ass1 := ((2*l1+m1)*m1)/(l1+m1)^2;<br />
Ass1 :=<br />
( 2 l1 + m1) m1<br />
( l1 + m1) 2<br />
> MUT1 := (2*l1+m1)/(2*l1^2);<br />
1 2 l1 + m1<br />
MUT1 :=<br />
2<br />
> MDT1 := 1/(2*m1);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 127 di 153<br />
l1 2<br />
1 1<br />
MDT1 :=<br />
2 m1<br />
Si identifichino con l’indice 2 le caratteristiche del blocco costituito dal parallelo dei<br />
blocchi B e D.<br />
> Ass2 := ((2*l2+m2)*m2)/(l2+m2)^2;<br />
Ass2 :=<br />
( 2 l2 + m2) m2<br />
( l2 + m2) 2<br />
> MUT2 := (2*l2+m2)/(2*l2^2);<br />
1 2 l2 + m2<br />
MUT2 :=<br />
2<br />
> MDT2 := 1/(2*m2);<br />
l2 2<br />
1 1<br />
MDT2 :=<br />
2 m2<br />
Si identifichino con l’indice 3 le caratteristiche della serie dei 2 blocchi precedenti.<br />
> Ass3 := simplify(Ass1*Ass2);<br />
Ass3 :=<br />
( 2 l1 + m1) m1 ( 2 l2 + m2) m2<br />
( l1 + m1) 2 ( l2 + m2) 2<br />
> MUT3 := simplify(1/(1/MUT1+1/MUT2));<br />
1 ( 2 l1 + m1 ) ( 2 l2 + m2)<br />
MUT3 :=<br />
2 2 l1 + + +<br />
2 l2 l1 2 m2 2 l2 2 l1 l2 2 m1<br />
Assegnando ai tassi di transizione gli stessi valori del paragrafo precedente
l1:=0.00001; m1:=0.5; l2:=0.00002; m2:=0.5;<br />
> Digits := 20;<br />
> Ass3;<br />
> MUT3;<br />
l1 := .00001 m1 := .5<br />
l2 := .00002 m2 := .5<br />
Digits := 20<br />
.99999999800014399248<br />
.50003599987200614370 10 9<br />
> MDT3 := solve(Ass3=MUT3/(MUT3+x), x);<br />
> MUT3/(MUT3+MDT3);<br />
MDT3 := 1.0000000003201574457<br />
.99999999800014399248<br />
4 Modello generale<br />
Poiché i blocchi A e B hanno comportamenti statisticamente indipendenti, possiamo tener<br />
conto delle conseguenze dei loro guasti concomitanti col seguente DBA<br />
*AC* *BD*<br />
Fig. 4.4.<br />
Si identifichino con l’indice 4 le caratteristiche del parallelo dei blocchi A e B.<br />
> Ass4 := (m1*m2+l1*m2+l2*m1)/((l2+m2)*(l1+m1));<br />
m1 m2 + l1 m2 + l2 m1<br />
Ass4 :=<br />
( l2 + m2 ) ( l1 + m1)<br />
> MUT4 := (m1*m2+l1*m2+l2*m1)/(l1*l2*(m1+m2));<br />
A<br />
B<br />
m1 m2 + l1 m2 + l2 m1<br />
MUT4 :=<br />
l1 l2 ( m1 + m2)<br />
> l1:=0.00001; m1:=0.5; l2:=0.00002; m2:=0.5;<br />
l1 := .00001 m1 := .5<br />
l2 := .00002 m2 := .5<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 128 di 153
Ass4;<br />
> MUT4;<br />
.99999999920004799776<br />
.12500750000000000000 10 10<br />
e con l’indice 5 le caratteristiche dell’intero sistema rappresentato in Fig. 4.4.<br />
> Ass5 := Ass3*Ass4;<br />
> MUT5 := 1/(1/MUT3+1/MUT4);<br />
Ass5 := .99999999720019199184<br />
MUT5 := .35716734686297800890 10 9<br />
4 Modello generale<br />
Confrontando questi valori con i corrispondenti calcolati secondo Markov nel paragrafo<br />
precedente<br />
:=<br />
MUT .35717653060349876717 10 9<br />
si constata la pratica coincidenza dei risultati essendo il valore approssimato del MUT<br />
di circa il 2,5 per 1000 minore del valore esatto calcolato più sopra.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 129 di 153
4.3. Cinque blocchi<br />
4.3.1. Tabella degli stati e diagramma delle transizioni<br />
Tab. 4.4. – Stati del sistema<br />
N A B C D E Guasti Gruppi<br />
1 G0 1<br />
2 1 A G1 5<br />
3 1 B<br />
4 1 C<br />
5 1 D<br />
6 1E<br />
7 1 1 AB G2 10<br />
8 1 1 AC<br />
9 1 1 AD<br />
10 1 1 AE<br />
11 1 1 BC<br />
12 1 1 BD<br />
13 1 1 BE<br />
14 1 1 CD<br />
15 1 1 CE<br />
16 1 1 DE<br />
17 1 1 1 ABC G3 10<br />
18 1 1 1 ABD<br />
19 1 1 1 ABE<br />
20 1 1 1 ACD<br />
21 1 1 1ACE<br />
22 1 1 1 ADE<br />
23 1 1 1 BCD<br />
24 1 1 1 BCE<br />
25 1 1 1BDE<br />
26 1 1 1 CDE<br />
27 1 1 1 1 ABCD G4 5<br />
28 1 1 1 1 ABCE<br />
29 1 1 1 1 ABDE<br />
30 1 1 1 1 ACDE<br />
31 1 1 1 1BCDE<br />
32 1 1 1 1 1 ABCDE G5 1<br />
4. Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 130 di 153
1<br />
A<br />
C<br />
B<br />
D<br />
E<br />
2<br />
3<br />
4<br />
5<br />
A<br />
6<br />
A<br />
E<br />
A<br />
C<br />
D<br />
B<br />
A<br />
B<br />
C<br />
E<br />
D<br />
D<br />
B<br />
C<br />
E<br />
C<br />
B<br />
D<br />
E<br />
7<br />
8<br />
9<br />
10<br />
16<br />
D<br />
C<br />
E<br />
B<br />
E<br />
B<br />
E<br />
B<br />
A<br />
11 D<br />
E<br />
A<br />
12 C<br />
E<br />
C<br />
A<br />
13<br />
C<br />
D<br />
A<br />
B<br />
14<br />
E<br />
A<br />
B<br />
15<br />
D<br />
A B<br />
C<br />
D<br />
C<br />
Fig. 4.5. – Diagramma delle transizioni tra stati per 5 componenti<br />
D<br />
17<br />
18<br />
19<br />
20<br />
E<br />
B<br />
21<br />
22<br />
A<br />
23<br />
E<br />
24<br />
25<br />
26<br />
A<br />
A<br />
E<br />
C<br />
D<br />
D<br />
B<br />
A<br />
D<br />
C<br />
E<br />
B<br />
C<br />
B<br />
D<br />
C<br />
4. Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 131 di 153<br />
27<br />
28<br />
29<br />
30<br />
31<br />
C<br />
B<br />
D<br />
A<br />
E<br />
32
4.3.2. Probabilità degli stati<br />
> Dn := (m5+l5)*(m4+l4)*(m3+l3)*(m2+l2)*(m1+l1);<br />
Dn := ( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P1 := m1*m2*m3*m4*m5/Dn;<br />
m1 m2 m3 m4 m5<br />
P1 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P2 := l1*m2*m3*m4*m5/Dn;<br />
l1 m2 m3 m4 m5<br />
P2 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P3 := m1*l2*m3*m4*m5/Dn;<br />
m1 l2 m3 m4 m5<br />
P3 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P4 := m1*m2*l3*m4*m5/Dn;<br />
m1 m2 l3 m4 m5<br />
P4 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P5 := m1*m2*m3*l4*m5/Dn;<br />
m1 m2 m3 l4 m5<br />
P5 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P6 := m1*m2*m3*m4*l5/Dn;<br />
m1 m2 m3 m4 l5<br />
P6 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P7 := l1*l2*m3*m4*m5/Dn;<br />
l1 l2 m3 m4 m5<br />
P7 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P8 := l1*m2*l3*m4*m5/Dn;<br />
l1 m2 l3 m4 m5<br />
P8 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P9 := l1*m2*m3*l4*m5/Dn;<br />
l1 m2 m3 l4 m5<br />
P9 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P10 := l1*m2*m3*m4*l5/Dn;<br />
4. Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 132 di 153
l1 m2 m3 m4 l5<br />
P10 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P11 := m1*l2*l3*m4*m5/Dn;<br />
m1 l2 l3 m4 m5<br />
P11 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P12 := m1*l2*m3*l4*m5/Dn;<br />
m1 l2 m3 l4 m5<br />
P12 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P13 := m1*l2*m3*m4*l5/Dn;<br />
m1 l2 m3 m4 l5<br />
P13 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P14 := m1*m2*l3*l4*m5/Dn;<br />
m1 m2 l3 l4 m5<br />
P14 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P15 := m1*m2*l3*m4*l5/Dn;<br />
m1 m2 l3 m4 l5<br />
P15 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P16 := m1*m2*m3*l4*l5/Dn;<br />
m1 m2 m3 l4 l5<br />
P16 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P17 := l1*l2*l3*m4*m5/Dn;<br />
l1 l2 l3 m4 m5<br />
P17 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P18 := l1*l2*m3*l4*m5/Dn;<br />
l1 l2 m3 l4 m5<br />
P18 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P19 := l1*l2*m3*m4*l5/Dn;<br />
l1 l2 m3 m4 l5<br />
P19 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P20 := l1*m2*l3*l4*m5/Dn;<br />
l1 m2 l3 l4 m5<br />
P20 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 133 di 153
P21 := l1*m2*l3*m4*l5/Dn;<br />
l1 m2 l3 m4 l5<br />
P21 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P22 := l1*m2*m3*l4*l5/Dn;<br />
l1 m2 m3 l4 l5<br />
P22 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P23 := m1*l2*l3*l4*m5/Dn;<br />
m1 l2 l3 l4 m5<br />
P23 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P24 := m1*l2*l3*m4*l5/Dn;<br />
m1 l2 l3 m4 l5<br />
P24 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P25 := m1*l2*m3*l4*l5/Dn;<br />
m1 l2 m3 l4 l5<br />
P25 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P26 := m1*m2*l3*l4*l5/Dn;<br />
m1 m2 l3 l4 l5<br />
P26 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P27 := l1*l2*l3*l4*m5/Dn;<br />
l1 l2 l3 l4 m5<br />
P27 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P28 := l1*l2*l3*m4*l5/Dn;<br />
l1 l2 l3 m4 l5<br />
P28 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P29 := l1*l2*m3*l4*l5/Dn;<br />
l1 l2 m3 l4 l5<br />
P29 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P30 := l1*m2*l3*l4*l5/Dn;<br />
l1 m2 l3 l4 l5<br />
P30 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P31 := m1*l2*l3*l4*l5/Dn;<br />
m1 l2 l3 l4 l5<br />
P31 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 134 di 153
P32 := l1*l2*l3*l4*l5/Dn;<br />
l1 l2 l3 l4 l5<br />
P32 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
4 Modello generale<br />
> simplify(P1+P2+P3+P4+P5+P6+P7+P8+P9+P10+P11+P12+P13+P14+P15+P16+P<br />
17+P18+P19+P20+P21+P22+P23+P24+P25+P26+P27+P28+P29+P30+P31+<br />
P32);<br />
1<br />
4.3.3. Frequenza di ciclo degli stati<br />
> f1 := simplify(P1*(l1+l2+l3+l4+l5));<br />
m1 m2 m3 m4 m5 ( l1 + l2 + l3 + l4 + l5 )<br />
f1 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f2 := simplify(P2*(m1+l2+l3+l4+l5));<br />
l1 m2 m3 m4 m5 ( m1 + l2 + l3 + l4 + l5 )<br />
f2 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f3 := simplify(P3*(l1+m2+l3+l4+l5));<br />
m1 l2 m3 m4 m5 ( l1 + m2 + l3 + l4 + l5 )<br />
f3 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f4 := simplify(P4*(l1+l2+m3+l4+l5));<br />
m1 m2 l3 m4 m5 ( l1 + l2 + m3 + l4 + l5 )<br />
f4 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f5 := simplify(P5*(l1+l2+l3+m4+l5));<br />
m1 m2 m3 l4 m5 ( l1 + l2 + l3 + m4 + l5 )<br />
f5 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f6 := simplify(P6*(l1+l2+l3+l4+m5));<br />
m1 m2 m3 m4 l5 ( l1 + l2 + l3 + l4 + m5)<br />
f6 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f7 := simplify(P7*(m1+m2+l3+l4+l5));<br />
l1 l2 m3 m4 m5 ( m1 + m2 + l3 + l4 + l5 )<br />
f7 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f8 := simplify(P8*(m1+l2+m3+l4+l5));<br />
l1 m2 l3 m4 m5 ( m1 + l2 + m3 + l4 + l5 )<br />
f8 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 135 di 153
f9 := simplify(P9*(m1+l2+l3+m4+l5));<br />
l1 m2 m3 l4 m5 ( m1 + l2 + l3 + m4 + l5 )<br />
f9 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f10 := simplify(P10*(m1+l2+l3+l4+m5));<br />
l1 m2 m3 m4 l5 ( m1 + l2 + l3 + l4 + m5)<br />
f10 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f11 := simplify(P11*(l1+m2+m3+l4+l5));<br />
m1 l2 l3 m4 m5 ( l1 + m2 + m3 + l4 + l5 )<br />
f11 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f12 := simplify(P12*(l1+m2+l3+m4+l5));<br />
m1 l2 m3 l4 m5 ( l1 + m2 + l3 + m4 + l5 )<br />
f12 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f13 := simplify(P13*(l1+m2+l3+l4+m5));<br />
m1 l2 m3 m4 l5 ( l1 + m2 + l3 + l4 + m5)<br />
f13 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f14 := simplify(P14*(l1+l2+m3+m4+l5));<br />
m1 m2 l3 l4 m5 ( l1 + l2 + m3 + m4 + l5 )<br />
f14 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f15 := simplify(P15*(l1+l2+m3+l4+m5));<br />
m1 m2 l3 m4 l5 ( l1 + l2 + m3 + l4 + m5)<br />
f15 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f16 := simplify(P16*(l1+l2+l3+m4+m5));<br />
m1 m2 m3 l4 l5 ( l1 + l2 + l3 + m4 + m5)<br />
f16 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f17 := simplify(P17*(m1+m2+m3+l4+l5));<br />
l1 l2 l3 m4 m5 ( m1 + m2 + m3 + l4 + l5 )<br />
f17 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f18 := simplify(P18*(m1+m2+l3+m4+l5));<br />
l1 l2 m3 l4 m5 ( m1 + m2 + l3 + m4 + l5 )<br />
f18 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f19 := simplify(P19*(m1+m2+l3+l4+m5));<br />
l1 l2 m3 m4 l5 ( m1 + m2 + l3 + l4 + m5)<br />
f19 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 136 di 153
f20 := simplify(P20*(m1+l2+m3+m4+l5));<br />
l1 m2 l3 l4 m5 ( m1 + l2 + m3 + m4 + l5 )<br />
f20 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f21 := simplify(P21*(m1+l2+m3+l4+m5));<br />
l1 m2 l3 m4 l5 ( m1 + l2 + m3 + l4 + m5)<br />
f21 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f22 := simplify(P22*(m1+l2+l3+m+m5));<br />
l1 m2 m3 l4 l5 ( m1 + l2 + l3 + m + m5)<br />
f22 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f23 := simplify(P23*(l1+m+m3+m+l5));<br />
m1 l2 l3 l4 m5 ( l1 + 2 m+ m3+ l5)<br />
f23 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f24 := simplify(P24*(l1+m2+m3+l4+m5));<br />
m1 l2 l3 m4 l5 ( l1 + m2 + m3 + l4 + m5)<br />
f24 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f25 := simplify(P25*(l1+m2+l3+m4+m5));<br />
m1 l2 m3 l4 l5 ( l1 + m2 + l3 + m4 + m5)<br />
f25 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f26 := simplify(P26*(l1+l2+m3+m4+m5));<br />
m1 m2 l3 l4 l5 ( l1 + l2 + m3 + m4 + m5)<br />
f26 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f27 := simplify(P27*(m1+m2+m3+m4+l5));<br />
l1 l2 l3 l4 m5 ( m1 + m2 + m3 + m4 + l5 )<br />
f27 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f28 := simplify(P28*(m1+m2+m3+l4+m5));<br />
l1 l2 l3 m4 l5 ( m1 + m2 + m3 + l4 + m5)<br />
f28 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f29 := simplify(P29*(m1+m2+l3+m4+m5));<br />
l1 l2 m3 l4 l5 ( m1 + m2 + l3 + m4 + m5)<br />
f29 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f30 := simplify(P30*(m1+l2+m3+m4+m5));<br />
l1 m2 l3 l4 l5 ( m1 + l2 + m3 + m4 + m5)<br />
f30 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1<br />
)<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 137 di 153
f31 := simplify(P31*(l1+m2+m3+m4+m5));<br />
m1 l2 l3 l4 l5 ( l1 + m2 + m3 + m4 + m5)<br />
f31 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f32 := simplify(P32*(m1+m2+m3+m4+m5));<br />
l1 l2 l3 l4 l5 ( m1 + m2 + m3 + m4 + m5)<br />
f32 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
4.3.4. Esempio: 4 blocchi funzionanti su 5 identici<br />
4 Modello generale<br />
Se il successo del sistema è assicurato dal corretto funzionamento di 4 dei 5 blocchi, il<br />
gruppo degli stati di successo è costituito dagli stati 1, 2, 3, 4, 5, e 6 cui competono le<br />
probabilità asintotiche:<br />
> Dn := (m5+l5)*(m4+l4)*(m3+l3)*(m2+l2)*(m1+l1);<br />
Dn := ( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P1 := m1*m2*m3*m4*m5/Dn;<br />
m1 m2 m3 m4 m5<br />
P1 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P2 := l1*m2*m3*m4*m5/Dn;<br />
l1 m2 m3 m4 m5<br />
P2 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P3 := m1*l2*m3*m4*m5/Dn;<br />
m1 l2 m3 m4 m5<br />
P3 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P4 := m1*m2*l3*m4*m5/Dn;<br />
m1 m2 l3 m4 m5<br />
P4 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P5 := m1*m2*m3*l4*m5/Dn;<br />
m1 m2 m3 l4 m5<br />
P5 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> P6 := m1*m2*m3*m4*l5/Dn;<br />
m1 m2 m3 m4 l5<br />
P6 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
e le frequenze di ciclo seguenti:<br />
> f1 := simplify(P1*(l1+l2+l3+l4+l5));<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 138 di 153
m1 m2 m3 m4 m5 ( l1 + l2 + l3 + l4 + l5 )<br />
f1 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f2 := simplify(P2*(m1+l2+l3+l4+l5));<br />
l1 m2 m3 m4 m5 ( m1 + l2 + l3 + l4 + l5 )<br />
f2 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f3 := simplify(P3*(l1+m2+l3+l4+l5));<br />
m1 l2 m3 m4 m5 ( l1 + m2 + l3 + l4 + l5 )<br />
f3 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f4 := simplify(P4*(l1+l2+m3+l4+l5));<br />
m1 m2 l3 m4 m5 ( l1 + l2 + m3 + l4 + l5 )<br />
f4 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f5 := simplify(P5*(l1+l2+l3+m4+l5));<br />
m1 m2 m3 l4 m5 ( l1 + l2 + l3 + m4 + l5 )<br />
f5 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
> f6 := simplify(P6*(l1+l2+l3+l4+m5));<br />
m1 m2 m3 m4 l5 ( l1 + l2 + l3 + l4 + m5)<br />
f6 :=<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 )<br />
La disponibilità asintotica è:<br />
> Ass := simplify(P1+P2+P3+P4+P5+P6);<br />
4 Modello generale<br />
Ass := ( m5 m4 m3 m2 m1 + m5 m4 m3 m2 l1 + m5 m4 m3 l2 m1 + m5 m4 l3 m2 m1<br />
+ m5 l4 m3 m2 m1 + l5 m4 m3 m2 m1)/(<br />
( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 )<br />
( m1 + l1 ) )<br />
La frequenza di ciclo, identica per i 2 gruppi di stati, è:<br />
> f := simplify(f2+f3+f4+f5+f6-<br />
(P2*m1+P3*m2+P4*m3+P5*m4+P6*m5));<br />
f:= ( m5m4m3m2l1l2+ m5m4m3m2l1l3+ m5m4m3m2l1l4+ m5m4m3m2l1l5<br />
+ m5 m4 m3 l2 m1 l1 + m5 m4 m3 l2 m1 l3 + m5 m4 m3 l2 m1 l4<br />
+ m5 m4 m3 l2 m1 l5 + m5 m4 l3 m2 m1 l1 + m5 m4 l3 m2 m1 l2<br />
+ m5 m4 l3 m2 m1 l4 + m5 m4 l3 m2 m1 l5 + m5 l4 m3 m2 m1 l1<br />
+ m5 l4 m3 m2 m1 l2 + m5 l4 m3 m2 m1 l3 + m5 l4 m3 m2 m1 l5<br />
+ l5 m4 m3 m2 m1 l1 + l5 m4 m3 m2 m1 l2 + l5 m4 m3 m2 m1 l3<br />
+ l5 m4 m3 m2 m1 l4 )/( ( m5 + l5 ) ( m4 + l4 ) ( m3 + l3 ) ( m2 + l2 ) ( m1 + l1 ) )<br />
> MUT := simplify(Ass/f);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 139 di 153
4 Modello generale<br />
MUT := ( m5 m4 m3 m2 m1 + m5 m4 m3 m2 l1 + m5 m4 m3 l2 m1 + m5 m4 l3 m2 m1<br />
+ m5 l4 m3 m2 m1 + l5 m4 m3 m2 m1)/(<br />
m5 m4 m3 m2 l1 l2 + m5 m4 m3 m2 l1 l3<br />
+ m5 m4 m3 m2 l1 l4 + m5 m4 m3 m2 l1 l5 + m5 m4 m3 l2 m1 l1<br />
+ m5 m4 m3 l2 m1 l3 + m5 m4 m3 l2 m1 l4 + m5 m4 m3 l2 m1 l5<br />
+ m5 m4 l3 m2 m1 l1 + m5 m4 l3 m2 m1 l2 + m5 m4 l3 m2 m1 l4<br />
+ m5 m4 l3 m2 m1 l5 + m5 l4 m3 m2 m1 l1 + m5 l4 m3 m2 m1 l2<br />
+ m5 l4 m3 m2 m1 l3 + m5 l4 m3 m2 m1 l5 + l5 m4 m3 m2 m1 l1<br />
+ l5 m4 m3 m2 m1 l2 + l5 m4 m3 m2 m1 l3 + l5 m4 m3 m2 m1 l4 )<br />
> MDT := simplify((1-Ass)/f);<br />
MDT := ( m4 m3 m2 l1 l5 + m4 m3 l2 m1 l5 + l4 m3 m2 m1 l5 + m4 l3 m2 m1 l5<br />
+ m5 m3 m2 l1 l4 + m5 m3 l2 m1 l4 + m5 l3 m2 m1 l4 + m5 m4 m2 l1 l3<br />
+ m5 m4 l2 m1 l3 + m5 m4 m3 l1 l2 + m5 m4 l3 l2 l1 + m5 l4 m3 l2 l1<br />
+ m5 l4 l3 m2 l1 + m5 l4 l3 l2 m1 + m5 l4 l3 l2 l1 + l5 m4 m3 l2 l1 + l5 m4 l3 m2 l1<br />
+ l5 m4 l3 l2 m1 + l5 m4 l3 l2 l1 + l5 l4 m3 m2 l1 + l5 l4 m3 l2 m1 + l5 l4 m3 l2 l1<br />
+ l5 l4 l3 m2 m1 + l5 l4 l3 m2 l1 + l5 l4 l3 l2 m1 + l5 l4 l3 l2 l1 )/( m5 m4 m3 m2 l1 l2<br />
+ m5 m4 m3 m2 l1 l3 + m5 m4 m3 m2 l1 l4 + m5 m4 m3 m2 l1 l5<br />
+ m5 m4 m3 l2 m1 l1 + m5 m4 m3 l2 m1 l3 + m5 m4 m3 l2 m1 l4<br />
+ m5 m4 m3 l2 m1 l5 + m5 m4 l3 m2 m1 l1 + m5 m4 l3 m2 m1 l2<br />
+ m5 m4 l3 m2 m1 l4 + m5 m4 l3 m2 m1 l5 + m5 l4 m3 m2 m1 l1<br />
+ m5 l4 m3 m2 m1 l2 + m5 l4 m3 m2 m1 l3 + m5 l4 m3 m2 m1 l5<br />
+ l5 m4 m3 m2 m1 l1 + l5 m4 m3 m2 m1 l2 + l5 m4 m3 m2 m1 l3<br />
+ l5 m4 m3 m2 m1 l4 )<br />
> simplify((MUT/(MUT+MDT))/Ass);<br />
Se i blocchi sono identici:<br />
> l1:=l; m1:=m; l2:=l; m2:=m; l3:=l; m3:=m; l4:=l;<br />
m4:=m; l5:=l; m5:=m;<br />
l1 := l m1 := m<br />
> Ass;<br />
1<br />
l2 := l m2 := m<br />
l3 := l m3 := m<br />
l4 := l m4 := m<br />
l5 := l m5 := m<br />
m 5<br />
+ 5 m 4 l<br />
( m+ l) 5<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 140 di 153
MUT := simplify(MUT);<br />
> MDT := simplify(MDT);<br />
MUT :=<br />
m + 5 l<br />
20 l 2<br />
10 m + + +<br />
MDT :=<br />
3<br />
10 m 2 l 5 ml 2<br />
20 m 4<br />
> simplify((MUT/(MUT+MDT))/Ass);<br />
1<br />
4 Modello generale<br />
Raggruppando gli stati indistinguibili si ottiene il diagramma delle transizioni seguente.<br />
5l<br />
1 2 3 4 5 6<br />
5m<br />
m<br />
Fig. 4.6.<br />
> P := matrix(6,6,[[1-5*l,5*l,0,0,0,0],[m,1-4*lm,4*l,0,0,0],[0,2*m,1-3*l-2*m,3*l,0,0],[0,0,3*m,1-2*l-<br />
3*m,2*l,0],[0,0,0,4*m,1-4*m-l,l],[0,0,0,0,5*m,1-5*m]]);<br />
⎡1<br />
− 5 l 5 l 0 0 0 0<br />
⎢<br />
⎤<br />
⎢<br />
⎥<br />
⎢ m 1 − 4 l − m 4 l 0 0 0 ⎥<br />
⎢<br />
⎥<br />
⎢<br />
P := ⎢<br />
0 2 m 1 − 3l− 2 m 3 l 0 0 ⎥<br />
⎢<br />
⎥<br />
⎢ 0 0 3 m 1 − 2 l − 3 m 2 l 0 ⎥<br />
⎢<br />
⎥<br />
⎢ 0 0 0 4 m 1 − 4 m− l l ⎥<br />
⎢<br />
⎥<br />
⎣<br />
⎢<br />
⎥<br />
0 0 0 0 5 m 1 − 5 m⎦<br />
⎥<br />
> V := matrix(1,6,[P1,P2,P3,P4,P5,P6]);<br />
> X := evalm(V&*P);<br />
2m<br />
V := [ P1 P2 P3 P4 P5 P6]<br />
X :=<br />
[ P1 ( 1 − 5 l) + P2m , 5 P1 l + P2 ( 1 − 4 l − m) + 2 P3 m ,<br />
4 P2 l + P3 ( 1 − 3 l − 2 m) + 3 P4 m , 3 P3 l + P4 ( 1 − 2 l − 3 m) + 4 P5 m ,<br />
2 P4 l + P5 ( 1 − 4 m− l) + 5 P6 m , P5 l + P6 ( 1 − 5 m)<br />
]<br />
> eq1 := X[1,1] = P1;<br />
4l<br />
eq1 := P1 ( 1− 5l) + P2m= P1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 141 di 153<br />
3m<br />
3l<br />
l 3<br />
4m<br />
2l<br />
l
eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
> eq4 := X[1,4] = P4;<br />
> eq5 := X[1,5] = P5;<br />
> eq6 := X[1,6] = P6;<br />
eq2 := 5 P1 l + P2 ( 1− 4l − m) + 2 P3 m = P2<br />
eq3 := 4 P2 l + P3 ( 1 − 3l− 2 m) + 3 P4 m = P3<br />
eq4 := 3 P3 l + P4 ( 1 − 2l− 3 m) + 4 P5 m = P4<br />
eq5 := 2 P4 l + P5 ( 1− 4m− l) + 5 P6 m = P5<br />
eq6 := P5 l + P6 ( 1− 5m) = P6<br />
> eq7 := P1+P2+P3+P4+P5+P6 = 1;<br />
eq7 := P1 + P2 + P3 + P4 + P5 + P6 = 1<br />
> S := solve({eq1,eq2,eq3,eq4,eq5,eq7},<br />
{P1,P2,P3,P4,P5,P6});<br />
S P1 = { :=<br />
P6 =<br />
P5 =<br />
P4 =<br />
P3 =<br />
P2 =<br />
m 5<br />
m 5<br />
m 5<br />
m 5<br />
m 5<br />
m 5<br />
m 5<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
l 5,<br />
l 5<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
l 5,<br />
5 ml 4<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
l 5,<br />
10 m 2 l 3<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
l 5,<br />
10 m 3 l 2<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
l 5,<br />
5 m 4 l<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
> simplify(sum('S[i]', 'i'=1..6));<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 142 di 153<br />
}<br />
5<br />
l<br />
P1 + P2 + P3 + P4 + P5 + P6 = 1<br />
> P1 :=<br />
1/(m^5+5*m^4*l+10*m^3*l^2+10*m^2*l^3+5*m*l^4+l^5)*m^5;<br />
P1 :=<br />
m 5<br />
m 5<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
l 5
4 Modello generale<br />
> P2 :=<br />
5*m^4/(m^5+5*m^4*l+10*m^3*l^2+10*m^2*l^3+5*m*l^4+l^5)*l;<br />
P2 :=<br />
m 5<br />
5 m 4 l<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
> P3 :=<br />
10*m^3/(m^5+5*m^4*l+10*m^3*l^2+10*m^2*l^3+5*m*l^4+l^5)*l^2;<br />
P3 :=<br />
m 5<br />
10 m 3 l 2<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
> P4 :=<br />
10*m^2*l^3/(m^5+5*m^4*l+10*m^3*l^2+10*m^2*l^3+5*m*l^4+l^5);<br />
P4 :=<br />
m 5<br />
10 m 2 l 3<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
> P5 :=<br />
5*m*l^4/(m^5+5*m^4*l+10*m^3*l^2+10*m^2*l^3+5*m*l^4+l^5);<br />
P5 :=<br />
m 5<br />
5 ml 4<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
> P6 :=<br />
l^5/(m^5+5*m^4*l+10*m^3*l^2+10*m^2*l^3+5*m*l^4+l^5);<br />
P6 :=<br />
m 5<br />
> Ass := factor(P1+P2);<br />
> f1 := factor(P1*5*l);<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 143 di 153<br />
l 5<br />
+ 5 m + + + +<br />
4 l 10 m 3 l 2<br />
10 m 2 l 3<br />
5 ml 4<br />
Ass :=<br />
> f2 := factor(P2*(4*l+m));<br />
f2 :=<br />
> f12 := factor(f2-P2*m);<br />
m 4 ( m + 5 l )<br />
( l + m) 5<br />
5 m<br />
f1 :=<br />
5 l<br />
( l + m) 5<br />
5 m 4 l ( 4 l + m)<br />
( l + m) 5<br />
20 m<br />
f12 :=<br />
4 l 2<br />
( l + m) 5<br />
l 5<br />
l 5<br />
l 5<br />
l 5<br />
l 5
MUT := factor(Ass/f12);<br />
MUT :=<br />
> MDT := simplify((1-Ass)/f12);<br />
m + 5 l<br />
20 l 2<br />
10 m + + +<br />
MDT :=<br />
3<br />
10 lm 2<br />
5 ml 2<br />
20 m 4<br />
> simplify(Ass/(MUT/(MUT+MDT)));<br />
1<br />
4 Modello generale<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 144 di 153<br />
l 3
4 Modello generale<br />
4.4. Se i blocchi sono identici e raggruppabili<br />
Il modello generale dei sistemi costituiti da blocchi identici con degli stati che si possono<br />
raggruppare perché indisinguibili è rappresentato dal diagramma delle transizioni seguente.<br />
L'indice h = 0, 1, 2, .... n individua lo stato ( e il numero di blocchi guasti in esso).<br />
0 1 2 i n<br />
m<br />
Fig. 4.7. - Diagramma delle transizioni<br />
Se il successo del sistema è assicurato dal funzionamento di k blocchi su n il gruppo degli<br />
stati di successo è chiaramente costituito dai primi n-k+1 stati .<br />
Ogni singola probabilità è data da una frazione con denominatore<br />
e numeratore<br />
n l<br />
2 m<br />
(n-1) l<br />
( ) n<br />
l m<br />
D n = +<br />
(4.1)<br />
N<br />
⎛n<br />
⎞<br />
⎜ ⎟ m<br />
⎝h<br />
⎠<br />
( n−h<br />
) h<br />
h = (4.2)<br />
Si consideri, ad esempio, un sistema il cui successo é assicurato dal funzionamento di<br />
almeno k = 2 blocchi su n = 4 .<br />
Il gruppo degli stati di successo è chiaramente costituito dai primi n-k+1 = 3 stati .<br />
> P0 := simplify(binomial(4,0)*m^(4-0)*l^0)/(l+m)^4;<br />
P0 :=<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 145 di 153<br />
m 4<br />
( l + m) 4<br />
> P1 := simplify(binomial(4,1)*m^(4-1)*l^1)/(l+m)^4;<br />
4 m<br />
P1 :=<br />
3 l<br />
( l + m) 4<br />
> P2 := simplify(binomial(4,2)*m^(4-2)*l^2)/(l+m)^4;<br />
P2 :=<br />
> Ass := simplify(P0+P1+P2);<br />
3 m<br />
(n-h-1) l<br />
6 m 2 l 2<br />
( l + m) 4<br />
m<br />
Ass :=<br />
2 ( m + + )<br />
2<br />
4 ml 6 l 2<br />
( l + m) 4<br />
l<br />
h<br />
l
f2 := simplify(P2*2*l);<br />
> MUT := simplify(Ass/f2);<br />
MUT :=<br />
12 m<br />
f2 :=<br />
2 l 3<br />
( l + m) 4<br />
m 2<br />
> MDT := simplify((1-Ass)/f2);<br />
MDT :=<br />
> simplify(Ass/(MUT/(MUT+MDT)));<br />
+ 4 ml+ 6 l 2<br />
1<br />
12 l 3<br />
l + 4 m<br />
12 m 2<br />
Come verifica si affronti ora lo stesso calcolo nel modo tradizionale.<br />
4 Modello generale<br />
> P := matrix(5,5,[[1-4*l, 4*l, 0, 0, 0], [m, 1-3*l-m, 3*l,<br />
0, 0], [0, 2*m, 1-2*l-2*m, 2*l, 0], [0, 0, 3*m, 1-l-3*m,<br />
l], [0, 0, 0, 4*m, 1-4*m]]);<br />
⎡1<br />
− 4 l 4 l 0 0 0<br />
⎢<br />
⎤<br />
⎥<br />
⎢ m 1 − 3l − m 3 l 0 0 ⎥<br />
⎢<br />
⎥<br />
P := ⎢<br />
⎥<br />
⎢<br />
0 2 m 1 − 2 l − 2 m 2 l 0<br />
⎢<br />
⎥<br />
⎢ 0 0 3 m 1 − l − 3 m l ⎥<br />
⎢<br />
⎥<br />
⎣<br />
⎢ 0 0 0 4 m 1 − 4 m⎦<br />
⎥<br />
> V := matrix(1,5,[P1,P2,P3,P4,P5]);<br />
> X := evalm(V&*P);<br />
V := [ P1 P2 P3 P4 P5]<br />
X :=<br />
[ P1 ( 1 − 4 l) + P2m , 4 P1 l + P2 ( 1 − 3 l − m) + 2 P3 m ,<br />
3 P2 l + P3 ( 1 − 2 l − 2 m) + 3 P4 m , 2 P3 l + P4 ( 1 − l − 3 m) + 4 P5 m ,<br />
P4 l + P5 ( 1 − 4m ) ]<br />
> eq1 := X[1,1] = P1;<br />
> eq2 := X[1,2] = P2;<br />
> eq3 := X[1,3] = P3;<br />
eq1 := P1 ( 1− 4l) + P2m= P1<br />
eq2 := 4 P1 l + P2 ( 1− 3l − m) + 2 P3 m = P2<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 146 di 153
eq4 := X[1,4] = P4;<br />
> eq5 := X[1,5] = P5;<br />
> eq6 := P1+P2+P3+P4+P5=1;<br />
eq3 := 3 P2 l + P3 ( 1 − 2l− 2 m) + 3 P4 m = P3<br />
eq4 := 2 P3 l + P4 ( 1 − l − 3 m) + 4 P5 m = P4<br />
eq5 := P4 l + P5 ( 1− 4m) = P5<br />
eq6 := P1 + P2 + P3 + P4 + P5 = 1<br />
4 Modello generale<br />
> S := solve({eq1,eq2,eq3,eq4,eq6}, {P1,P2,P3,P4,P5});<br />
S := { P1 =<br />
P4 =<br />
P2 =<br />
m 4<br />
m 4<br />
m 4<br />
m 4<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
4 ml 3<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
4 m 3 l<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
l 4<br />
l 4<br />
P5 =<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
, ,<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 147 di 153<br />
m 4<br />
6 m<br />
P3 =<br />
2 l 2<br />
+ 4 m + + +<br />
3 l 6 m 2 l 2<br />
4 ml 3<br />
, ,<br />
}<br />
4<br />
l<br />
> P1 := factor(1/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*m^4);<br />
P1 :=<br />
m 4<br />
( l + m) 4<br />
> P2 := factor(4*m^3/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*l);<br />
m 4<br />
4 m<br />
P2 :=<br />
3 l<br />
( l + m) 4<br />
> P3 := factor(6*m^2/(m^4+4*m^3*l+6*m^2*l^2+4*m*l^3+l^4)*l^2);<br />
P3 :=<br />
> Ass := simplify(P1+P2+P3);<br />
La verifica del resto è immediata.<br />
6 m 2 l 2<br />
( l + m) 4<br />
m<br />
Ass :=<br />
2 ( m + + )<br />
2<br />
4 ml 6 l 2<br />
( l + m) 4<br />
l 4<br />
l 4<br />
l 4
Si consideri ora il caso generale.<br />
Applicando la (4.1) e la (4.2) si hanno le formule generali:<br />
⎛n<br />
⎞ n−h<br />
h<br />
⎜ ⎟ m l<br />
h<br />
Ph<br />
=<br />
⎝ ⎠<br />
n<br />
( l + m)<br />
Ass =<br />
k<br />
∑<br />
h=<br />
f h Ph<br />
=<br />
MUT =<br />
Ph<br />
0<br />
hl<br />
MDT = 1<br />
Ass<br />
f h<br />
− Ass<br />
f h<br />
Riprendiamo il sistema costituito da 4 blocchi.<br />
> n:=4;<br />
n := 4<br />
Il successo del sistema richiede 3 blocchi funzionanti.<br />
> k:=n-3;<br />
k := 1<br />
4 Modello generale<br />
Il gruppo degli stati di successo è costituito dagli stati 0 e 1.<br />
> P0 := simplify((binomial(n,0)*m^(n-0)*l^0)/(l+m)^n);<br />
P0 :=<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 148 di 153<br />
m 4<br />
( l + m) 4<br />
> P1 := simplify((binomial(n,1)*m^(n-1)*l^1)/(l+m)^n);<br />
> Ass3 := simplify(P0+P1);<br />
> f1 := P1*3*l;<br />
4 m<br />
P1 :=<br />
3 l<br />
( l + m) 4<br />
Ass3 :=<br />
> MUT3 := simplify(Ass3/f1);<br />
m 3 ( m + 4 l )<br />
( l + m) 4<br />
12 m<br />
f1 :=<br />
3 l 2<br />
( l + m) 4
MUT3 :=<br />
> MDT3 := simplify((1-Ass3)/f1);<br />
MDT3 :=<br />
l 2<br />
m + 4 l<br />
12 l 2<br />
+ 4 lm+ 6 m 2<br />
12 m 3<br />
> simplify(Ass3/(MUT3/(MUT3+MDT3)));<br />
1<br />
4 Modello generale<br />
Il successo del sistema richiede 2 blocchi funzionanti (il caso è stato già esaminato più<br />
sopra).<br />
> k:=n-2;<br />
k := 2<br />
Il gruppo degli stati di successo è costituito dagli stati 0, 1 e 2.<br />
> P2 := simplify((binomial(n,2)*m^(n-2)*l^2)/(l+m)^n);<br />
P2 :=<br />
> Ass2 := simplify(P0+P1+P2);<br />
> f2 := P2*2*l;<br />
> MUT2 := simplify(Ass2/f2);<br />
6 m 2 l 2<br />
( l + m) 4<br />
m<br />
Ass2 :=<br />
2 ( m + + )<br />
2<br />
4 lm 6 l 2<br />
( l + m) 4<br />
MUT2 :=<br />
12 m<br />
f2 :=<br />
2 l 3<br />
( l + m) 4<br />
m 2<br />
> MDT2 := simplify((1-Ass2)/f2);<br />
MDT2 :=<br />
+ 4 lm+ 6 l 2<br />
12 l 3<br />
l + 4 m<br />
12 m 2<br />
> simplify(Ass2/(MUT2/(MUT2+MDT2)));<br />
1<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 149 di 153
Appendice 1: Glossario essenziale<br />
Le definizioni che seguono sono quelle più correntemente usate e sono basate su un approccio<br />
tecnico-concettuale. La parola concetto viene qui usata nella sua accezione anglo-sassone<br />
di idea base capace di guidare il corso delle azioni pertinenti.<br />
Le definizioni sono congruenti con quelle riportate nelle Norme:<br />
• “MIL-STD 721 “Definition of terms for reliability and maintainability”<br />
• CEI 5650 “Terminologia sulla fidatezza e sulla qualità del servizio”<br />
che costituiscono il riferimento più immediato oltre questo Glossario.<br />
Di seguito a ciascuna voce è riportata tra parentesi la corrispondente dizione inglese<br />
corrente.<br />
Affidabilità (Reliability)<br />
Come concetto: Attitudine di un oggetto ad adempiere alla funzione richiesta, nelle<br />
condizioni specificate, ciascuna volta e per la durata che gli si richiede.<br />
Come caratteristica: Probabilità che un oggetto adempia alla propria specifica funzione<br />
per un tempo determinato e sotto determinate condizioni.<br />
Nota<br />
Caratteristica è qualsiasi proprietà o attributo di un oggetto, di un processo o di un servizio<br />
che sia distinguibile, descrivibile, misurabile.<br />
Le caratteristiche di affidabilità sono le grandezze usate per esprimere il concetto di affidabilità<br />
in termini numerici correlabili con l’esperienza,<br />
Affidabilità di previsione (Predicted reliability)<br />
Affidabilità attesa in un tempo futuro per date condizioni di utilizzazione sulla base di<br />
analisi del progetto, dell’esperienza operativa passata e dei risultati di laboratorio.<br />
Affidabilità intrinseca<br />
Caratteristica potenziale di un progetto suscettibile di estrinsecarsi completamente come<br />
affidabilità osservata se la costruzione, l’installazione e l’uso dell’oggetto pertinente avvengono<br />
secondo le relative prescrizioni di progetto.<br />
Affidabilità osservata<br />
Quella effettivamente sperimentata durante la vita operativa di un oggetto.<br />
Ambiente (Environment)<br />
Insieme di tutte le condizioni interne ed esterne (come temperatura, umidità, radiazioni,<br />
campi elettrici e magnetici, urti, vibrazioni) sia naturali che di origine umana o autoindotti<br />
che influenzano l’aspetto, le prestazioni, l’affidabilità o la sopravvivenza di un oggetto.<br />
Concetto<br />
Nella lingua italiana (e in genere nei paesi latini):<br />
- ciò che la mente intende e comprende e conclude per mezzo della osservazione, riflessione<br />
e induzione;<br />
- pensiero, idea, nozione, opinione, giudizio.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 151 di 153
Nel mondo anglo-sassone: idea base capace di guidare il corso delle azioni pertinenti.<br />
Difetto (Fault)<br />
La causa prossima del guasto (sregolazioni, disallineamenti, perdita di funzionalità,<br />
etc.).<br />
Guasto (Failure)<br />
Evento che determina il passaggio di un oggetto da uno stato di corretto funzionamento<br />
secondo le specifiche pertinenti (stato di successo) allo stato alternativo (stato di guasto).<br />
Ridondanza (Redundancy)<br />
Predisposizione di più mezzi, non necessariamente identici, per assolvere un dato compito.<br />
Ridondanza operativa (attiva/calda) (Active redundancy): quando tutti gli oggetti ridondanti<br />
funzionano contemporaneamente.<br />
Ridondanza sequenziale (fredda) (Stand-by redundancy): quando i mezzi alternativi<br />
non sono operanti finché non sono attivati dopo il guasto del mezzo <strong>prima</strong>rio che assicurava<br />
il servizio.<br />
Tasso di guasto (Failure rate)<br />
Indice della generica propensione al guasto di un oggetto. Viene misurato dal numero<br />
totale dei guasti in una popolazione di tali oggetti durante un dato intervallo di tempo e<br />
in date condizioni diviso per il totale dei tempi di vita dei singoli oggetti della popolazione.<br />
Sistema (System)<br />
Nel lessico tradizionale dell’approccio sistemistico: Aggregato di risorse finalizzato al<br />
conseguimento di un dato scopo operativo.<br />
Nella descrizione degli apparati elettrici ed elettronici: insieme di hardware, software,<br />
servizi, informazioni e professionalità capace di eseguire e/o supportare un ruolo operativo<br />
nella misura necessaria a considerarlo autosufficiente nell’ambiente operativo previsto.<br />
Sottosistema (Subsystem)<br />
Nel lessico tradizionale dell’approccio sistemistico: elemento di una ripartizione di<br />
primo livello del sistema fatta nel rispetto della sua logica operativa.<br />
Nella descrizione degli apparati elettrici ed elettronici: insieme di gruppi, equipaggiamenti,<br />
etc. che realizzano una funzione operativa e che è al primo livello di disassiemamento<br />
del sistema.<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 152 di 153
Bibliografia<br />
Nella citazione l’indice bibliografico è talvolta seguito, all’interno delle parentesi quadre,<br />
dalla identificazione del paragrafo.<br />
[1] M. B. Kline, M. W. Lifson “System engineering and its application to the design of<br />
an engineering curriculum”, in System engineering, Vol. 2, N. 1, pagg. 3 - 22<br />
[2] McGraw-Ill, Zanichelli “Dizionario scientifico e tecnico small size” 1998<br />
[3] CNET RDF93 “Handbook of reliability data for electronic components”, 1993<br />
[4] TELECORDIA/BELCORE TR332 “Reliability prediction for electronic equipment”<br />
by AT & T Bell Labs, issue 6<br />
[5] ITALTEL IRPH93 “Italtel reliability prediction handbook”, 1993<br />
[6] CEI EN 61078 “Tecniche di analisi relative alla fidatezza. Metodo dei diagrammi a<br />
blocchi di affidabilità”, 1997-06<br />
[7] R. Billinton, R. N. Allan “Reliability evaluation of engineering systems”, Plenum<br />
Press, 1992<br />
[8] R. Ramakumar “Engineering reliability. Fundamentals and application”, Prentice<br />
Hall, 1993<br />
[9] V. Amoia, E. Carrada, R. Somma “I processi markovoani in affidabilità” in Rivista<br />
tecnica Selenia, numero speciale sull’affidabilità dei sistemi, Vol. 4, N. 3, 1977<br />
L’affidabilità in pratica: I modelli marcoviani - © E. Carrada 2003 Pag. 153 di 153