机构名称：
¥ 2.0
摘要。可靠性衡量系统提供其预期服务水平的能力。它在系统生命周期中受到许多因素的影响。对其影响的详细理解通常仍然难以捉摸，因为这些因素无法独立研究。将可靠性研究作为贝叶斯回归问题，可以同时评估其影响，并确定可靠性指标的预测模型。所提出的方法应用于Cern当前操作的粒子加速器设备。通过结合来自各种组织数据库的数据来收集相关指标。为了获得预测模型，使用不同的监督机器学习算法，并根据其预测错误和可靠性来组合。结果表明，识别模型准确地预测了设备之间的平均时间 - 范围 - 这是可维修系统的重要可靠性指标 - 并揭示了导致可靠性提高的因素。这些结果是对未来粒子加速器高度可靠设备的早期开发阶段的有价值的投入。
基于统计系统生命周期模型的现场可持续性预测⋆
主要关键词
相关文件推荐
