Optimal inspection intervals for safety systems with partial inspections
Notice bibliographique
Résumé
The introduction of International Standard IEC 61508 and its industry-specific derivatives sets demanding requirements for the definition and implementation of life-cycle strategies for safety systems. Compliance with the Standard is important for human safety and environmental perspectives as well as for potential adverse economic effects (eg, damage to critical downstream equipment or a clause for an insurance or warranty contract). This situation encourages the use of reliability models to attain the recommended safety integrity levels using credible assumptions. During the operation phase of the safety system life cycle, a key decision is the definition of an inspection programme, namely its frequency and the maintenance activities to be performed. These may vary from minimal checks to complete renewals. This work presents a model (which we called ρβ model) to find optimal inspection intervals for a safety system, considering that it degrades in time, even when it is inspected at regular intervals. Such situation occurs because most inspections are partial, that is, not all potential failure modes are observable through inspections. Possible reasons for this are the nature and the extent of the inspection, or potential risks generated by the inspection itself. The optimization criterion considered here is the mean overall availability Ao, but also taking into account the requirements for the safety availability As. We consider several conditions that ensure coherent modelling for these systems: sub-systems decomposition, k-out-of-n architectures, diagnostics coverage (observable/total amount of failure modes), dependent and independent failures, and non-negligible inspection times. The model requires an estimation for the coverage and dependent-failure ratios for each component, global failure rates, and inspection times. We illustrate its use through case studies and compare results with those obtained by applying previously published methodologies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».