سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

explorer iconلينك‌ها

[ بازگشت | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]

info iconاطلاعات مقاله

[ 105 بار مشاهده چكيده]

عنوان مقاله:آموزش آموزش روش و توسعه تفکر انتقادی: کیفی اکتشاف پرستاری تایوانی دانش آموزان
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:October 2015
شماره صفحات: 525538525-538
نشانگر دیجیتالی شیء:[ 10.1016/j.ress.2015.06.010 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Reliability Engineering & System Safety »
  4. Multiobjective optimization of strategies for operation and testing of low-demand safety instrumented systems using a genetic algorithm and fault trees

report iconنمايش خلاصه مقاله

Multiobjective Optimization Of Strategies For Operation And Testing Of Low-demand Safety Instrumented Systems Using A Genetic Algorithm And Fault Trees


مقاله: آموزش آموزش روش و توسعه تفکر انتقادی: کیفی اکتشاف پرستاری تایوانی دانش آموزان

نويسند‌گان:


خلاصه مقاله:


Since low-demand safety instrumented systems (SISs) do not operate continuously, their failures are often only detected when the system is demanded or tested. The conduction of tests, besides adding costs, can raise risks of failure on demand during their execution and also increase the frequency of spurious activation. Additionally, it is often necessary to interrupt production to carry out tests. In light of this scenario, this paper presents a model to optimize strategies for operation and testing of these systems, applying modeling by fault trees associated with optimization by a genetic algorithm. Its main differences are: (i) ability to represent four modes of operation and test them for each SIS subsystem; (ii) ability to represent a SIS that executes more than one safety instrumented function; (iii) ability to keep track of the down-time generated in the production system; and (iv) alteration of a genetic selection mechanism that permits identification of more efficient solutions with smaller influence on the optimization parameters. These aspects are presented by applying this model in three case studies. The results obtained show the applicability of the proposed approach and its potential to help make more informed decisions.


از آنجا که سیستم ایمنی آمادهسازی کم تقاضا (SISs) را به طور مداوم عمل نیست، شکست خود را اغلب تشخیص داده زمانی که سیستم خواستار و یا تست شده است. انجام آزمون، علاوه بر هزینه های اضافه، می تواند خطرات ناشی از شکست در تقاضا در حین اجرای خود را مطرح و فرکانس فعال سازی جعلی نیز افزایش می دهد. علاوه بر این، آن است که اغلب لازم را برای قطع تولید برای انجام آزمایش. با توجه به این سناریو، این مقاله یک مدل بهینه سازی استراتژی برای عملیات و آزمایش این سیستم ها، استفاده از مدل سازی شده توسط درختان گسل مرتبط با بهینه سازی توسط الگوریتم ژنتیک. تفاوت اصلی آن عبارتند از: (من) توانایی برای نشان دادن چهار حالت از عمل و آزمایش می کنند برای هر زیر سیستم SIS. (ب) توانایی برای نشان دادن یک SIS که اجرا تابع آمادهسازی بیش از یک ایمنی؛ (III) توانایی پیگیری را در زمان تولید شده در سیستم تولید. و (IV) تغییر ساز و انتخاب ژنتیکی است که اجازه شناسایی راه حل های کارآمد تر با نفوذ کوچکتر بر پارامترهای بهینه سازی. این جنبه ها با استفاده از این مدل در سه مطالعه مورد معرفی شده اند. نتایج به دست آمده نشان می دهد که استفاده از روش پیشنهادی و بالقوه آن برای کمک به تصمیم گیری آگاهانه تر است.


كلمات كليدي:

Evolutionary optimization, Fault trees, Genetic algorithms, Operation, Safety instrumented systems, Testing
بهینه سازی تکاملی, درختان گسل, الگوریتم های ژنتیکی , عملیات, سیستم های ایمنی آمادهسازی, تست


موضوعات:

Industrial and Manufacturing Engineering, Applied Mathematics, Safety, Risk, Reliability and Quality



[ ]

 

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 34.234.76.59

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×