Modellazione di affidabilità e ridondanza

Il calcolo del tasso di errore è semplice per i sistemi senza ridondanze e componenti con un tasso di errore costante: è sufficiente sommare i tassi di errore dei componenti.
In questi casi, è anche facile calcolare Mean Time Between Failure (MTBF):

 

MTBF = 1 / Tasso di errore

 

Tuttavia, i sistemi con tolleranza agli errori, ridondanze e componenti che invecchiano (aumentando il tasso di guasti nel tempo) sono più difficili da modellare.
Ulteriori dettagli che possono influire sul modello di affidabilità del sistema sono: profilo operativo, logistica dei pezzi di ricambio, ispezioni e manutenzione programmate.

BQR ha una vasta esperienza nella modellizzazione dell'affidabilità di sistemi complessi, utilizzando gli strumenti software di BQR: diagramma a blocchi di affidabilità (base e reti), modelli di catene Markov, analisi dell'albero dei guasti che supporta cause comuni e cause comuni annidate (cause comuni all'interno di cause comuni) e apmOptimizer .

BQR ha anche simulazioni Monte Carlo che possono essere adattate a casi speciali.

Strumenti avanzati BQR per la modellazione dell'affidabilità

Diagramma a blocchi dell'affidabilità (di base)

Utilizzato per i sistemi di modellazione con dipendenze di blocco standard (Seriale, Parallelo, K fuori da N e Stand-By), con varie politiche di riparazione (caldo, freddo) e distribuzioni di guasti.

Diagramma a blocchi dell'affidabilità (rete)

Utilizzato per sistemi di modellazione con dipendenze di blocchi non standard.

Simulazioni Monte Carlo

Utilizzato per tracciare la disponibilità dei punti e altri parametri dipendenti dal tempo.

Catene di Markov

Utilizzato per modellare la condivisione del carico, i pezzi di ricambio condivisi e altri sistemi in cui il tasso di guasto dei componenti dipende da altri componenti.

Analisi dell'albero dei guasti

Utilizzato principalmente per analisi di sicurezza, a supporto di cause comuni nidificate.