ベイズ統計を用いた故障分布関数の更新

公開日:
カテゴリ: 第2回
1.緒言
プラントの保全合理化の1つのテーマとして、機器 /部品類の取替周期の最適化がある[1][2][3]。こうした 最適化を図るためには、故障率や故障分布関数のデー タが不可欠である。一方、日本のプラントの場合、ト ラブルを恐れるあまり、寿命に達するかなり前に交換 されてしまうため、安全に関わる機器はともかく、一 般機器のデータまで十分整備されている訳ではない。 特に、故障分布関数の整備は遅れている。こうした状 況では、また、故障分布関数を推定するための一貫し たデータセットを収集する事は難しいと考えられ、社 内試験や異なるプラントあるいは更に異なる種類のプ ラント等におけるデータをベースに、少ない実プラン トでのデータと合わせて推定しなければならない。そ のための手法の1つとしてベイズ推定がある[4]。しかし、こうした推定には誤差が付きのもで、リス クを考慮するためには、この誤差も考慮することが必 要である。ベイズ推定では、事後分布によりこういっ た誤差を考慮することができる[4]。実プラントでのデ ータそのもので無くても、参考データがあり、ある程 度誤差が推測されているならば、それを事前分布とし て、実プラントでのデータから事後分布を求めること により、誤差をリスク評価に利用することができる。 ここでは、従来の最尤推定法[5]とベイズ推定法によ
L-11-4““ newp-clr““, expre-ry] のEL LTTり故障分布関数のパラメータを推定し比較検討した。 2. 故障分布関数のパラメータ決定 2.1 最尤推定法 * n個の機器あるいは部品を一定時間(以降、試験期間) 使用し、r個の機器/部品が時刻 1,,... , に故障した とする。一定期間(打切時間)を T とすると、例えばワ イブル分布の場合、尤度関数 Lは次式で表される。_L - 117-45““ - exper-day) | capt-ry] ()i=I LIIワイブルパラメータ m、T は、(1)式で与えられる尤度 関数 L が最大となるように決められる。(1)式の代わり に(1)式の対数 log L を考え、これを最大にする m、tは 次式で与えられる。““ + m_logt, r)-““ log(0, 1z) + (n - r)log(T / r)} = 0__ +mZlogc, r)rum)-2-{““ log(t, It) + (n - r)T““ log(T / r)} = 0[立x““ +(n-1). T)T==くこれらの(2)式および(3)式を連立して解くことにより、 ワイブルパラメータ m、t が求められる。399故障分布関数を用いて機器/部品等の取替周期の最 適化を図る場合、リスクを的確に評価するためには、 分布関数のパラメータの点推定値のみでなく区間推定 値も必要である。ワイブル分布の場合、2つのパラメ ータ m、tの両方とも未知の場合、両者の区間推定値 を求めるのは難しい。ここでは、m の点推定値が分か っているとして、T の区間推定を求めた場合の結果を 照会する[5]。 (4)式の統計量を考えると、2S, Ir““ が自 由度 2F の x 分布に従う。即ち、信頼係数1-a の両側 信頼区間は(5)式で表される。* s = +(n-17““( 12S28 (x (2ryu/2)““ x (2r;1- al2))片側区間も同様に(6)式で表される。-20* L1 ,, tr;m, )p(m, T) '(m,t) ==SSL(t1,.., tr; m, 7)(m, t)dmdr 2.2 ベイズ推定法 ・ ワイブル分布のパラメータm、Tは統計的に推定さ れており、その事前分布はゆ(m,)と書けるとする。 - 2.1 で述べた故障時刻データより、ワイブル分布の パラメータ m、t の事後分布の(m, r)はベイズ推定法 を用いると次のようになる。L(tys.,ltr; m, t)(m,t) 小(m,t) =““So So Lify, tr; n, 7)(m, )dmdr * ここで、L(1,, ,; m, )は(1)で与えられる尤度関数 である。ワイブル分布のパラメータ m、t が独立な場合、 小(m,n)は次のように表される。 ゆ(m, t) = pn(m). p. ()(8) この場合、(m) あるいは中.(r)は、ゆ(m, )より次 のように求めることが出来る。-9(m) = [ $(m,)dr spy(r) = [ p(m,t)dm但し、(m) および中.(r)はパラメータ m およびT に関する事前/事後分布である。てが独立な場合、-8不信賴度は、ゆ(m,)より次、0_50100-タ m およびベイズ推定の場合、こうして事後分布を求めること により、点推定値および区間推定値が、難しい数学的 取扱い無しに求める事が出来る。3. 故障分布関数のパラメータ決定試計算3.1 試計算に用いた故障分布関数ここでは、故障分布関数がワイブル分布の場合につ いて、最尤推定法とベイズ推定法による結果を比較す る。手順は、先ずパラメータ m、t を仮定し、その故 障分布関数(以降、基準関数)から、乱数により故障時刻 を求め、そのデータを基に最尤推定法とベイズ推定法 により m と を求め、それらの解の妥当性をみること とした。 今回の試計算の条件を Table 1 にまとめる。Table 1 試計算条件 Im (1,000h)|T(1,000h) |機器数n|故障数r | 2.5 150| 400 1000 -m = 2.5、T = 150,000hのワイブル分布の場合、機器 数 100台のうち、試験期間 T = 40,000h 内に故障する期 待数は約 3.6台となるため、ここでは、故障機器数を4 台とし、4台の機器の故障時刻を乱数により決定した た。 Fig.1 に m = 2.5、T = 150,000 h のワイブル分布に 4台の機器の故障データをプロットした図を示す。但し、機器の故障時刻から故障分布関数の値 F を算 出する際には、下式で示すメジアンランクを用いた。i-0.3 11n +0.4ここで、i は当該時刻までに故障した機器数を表し、 nは総機器数である。F%3D-10不信賴度10_50250300100 150 200 作動時間(1,000h)Fig.1 基準関数、 本図より、=150,000 hに対し、試験期間 T を 40,000 h とした場合、故障分布関数の極初期の段階に400おける故障しか見ていない事が分かる。こうした設定 は、機器の寿命の遙か以前に機器を交換してしまう日 本の原子力プラントの実情を考慮した結果である。 より分かりやすく、作動時間の範囲 T = 40,000 h に狭め て表示した図を Fig. 2 に示す。0.050.04。不信賴度。。。10_5_10 15 20 25 30 3540作動時間(1,000h) - Fig.2 故障データに基づく不信頼度(case 1) [ 本図に示した故障時刻データは、基準関数に良く合 致しているケースである。3.2 最尤推定法とベイズ推定法の比較 - 3.1に示したデータに対して、最尤推定法にて求め たm、T は、m = 4.0、T =90,000 h となった。m、t が この値の時の故障分布関数を Fig.3 に示す。0.050.040.03世VK* 0_5_101900/01/142025301900/02/0340IL EN AAT, anni!5_10152025303540には日(10001,不信賴度10_5_1030354015 20 25 作動時間(1,000 h)Fig.3 最尤推定法により得た故障分布関数(case 1) 作動時間が時間スケールに比べて極限られた範囲で あるため、m、t の推定値は、故障を生み出した本来 の故障分布関数とは異なったものとなっているが、デ ータの範囲では妥当と判断される結果を与えている。これに対し、同じ故障のデータについてベイズ推定 を行った結果を Fig. 4 に示す。なお、m、T の事前分布■30-35 ロ 25-30 ■20-25 015-20 ロ 10-15 ■5-10 00-5mは一様分布を仮定している。■30-35 025-30 ■20-25 015-20 010-15 ■ 5-10 00-595125)1551953215円mFig. 4(a) ベイズ推定による m、t 事後分布(case 1)11111111111HAH24311TTTTTTTTTB9876543210 5555555555HTTFig.4(6) ベイズ推定による m、事後分布(case 1) 事後分布の最大値は最尤推定法で得られた結果とほ ぼ同じ m = 4.0、T =90,000h で与えられている。しかし 事後分布を見ると、特定の方向ではあるが、かなり広 い分布を示しており、m=2.5、t=150,000h である可 能性も依然高い事が分かる。また、パラメータ m とて の間には強い相関がある事も理解される。こうした強 い相関の情報は、最尤推定法からは得る事が出来ない。 m = 2.5 として、(5)式より区間推定を行うと、95%信頼 区間として、105(x1,000h) < < 242(x1,000h) を得る。 また、m = 4.0 とすると、73(x1,000h)pp33-39 [4] 繁桝算男著、”ベイズ統計入門”、東京大学出版会 [5] 三根 久,河合 一著,信頼性・保全性の基礎数理,日科技連, (1984) pp.151-159.403“ “ベイズ統計を用いた故障分布関数の更新“ “笠井 雅夫,Masao KASAI
著者検索
ボリューム検索
論文 (1)
解説記事 (0)
論文 (1)
解説記事 (0)
論文 (0)
解説記事 (0)
論文 (1)
解説記事 (0)
論文 (2)
解説記事 (0)
論文 (2)
解説記事 (0)
論文 (1)
解説記事 (0)
論文 (2)
解説記事 (0)
論文 (0)
解説記事 (0)
論文 (5)
解説記事 (0)
論文 (5)
解説記事 (0)
論文 (0)
解説記事 (0)
論文 (0)
解説記事 (0)