Verfügbarkeitsanalyse verfahrenstechnischer Anlagen durch stochastische Zustandsmodellierung unterschiedlicher Instandhaltungsstrategien
-
Artan Markaj
Artan Markaj ist wissenschaftlicher Mitarbeiter am Institut für Automatisierungstechnik in der Fakultät für Maschinenbau der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg. Seine Forschungsschwerpunkte liegen in der modularen Automatisierung und dem Engineering verfahrenstechnischer Anlagen.
und
Alexander Fay
Alexander Fay ist Professor für Automatisierungstechnik und Leiter des Instituts für Automatisierungstechnik in der Fakultät für Maschinenbau der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg. Sein Hauptinteresse gilt Beschreibungsmitteln, Methoden und Werkzeugen für ein effizientes Engineering komplexer Automatisierungssysteme.
Zusammenfassung
Die Verfügbarkeit einer verfahrenstechnischen Anlage kann durch die frühzeitige Auswahl geeigneter Anlagenkomponenten und die Entwicklung eines effektiven Instandhaltungskonzepts positiv beeinflusst werden. In dem vorliegenden Beitrag wird eine Methode zur Abschätzung der Anlagenverfügbarkeit für unterschiedliche Instandhaltungsstrategien in verfahrenstechnischen Anlagen aufgezeigt. Die Methode basiert auf der Kombination von Fehlermöglichkeits- und -einflussanalysen (FMEA), stochastischen Zustandsautomaten sowie Monte-Carlo-Simulationen. Aus den FMEA werden automatisiert stochastische Zustandsautomaten für die verfahrenstechnischen Anlagenkomponenten erzeugt, die in einem nachfolgenden Schritt zu einem gemeinsamen Anlagenmodell verknüpft werden. Durch die Auswahl unterschiedlicher Instandhaltungsmaßnahmen aus der FMEA lassen sich individuelle Zustandsautomaten der Anlagenkomponenten erzeugen. In einer zufallsbasierten Simulation werden die Anlagenmodelle hinsichtlich ihrer Anlagenverfügbarkeit untersucht und verschiedene Instandhaltungsstrategien miteinander verglichen.
Abstract
The availability of a process plant can be positively influenced by the early selection of suitable plant components and the development of an effective maintenance concept. This paper presents a method for estimating plant availability for different maintenance strategies in chemical process plants. The method is based on the combination of Failure Mode and Effects Analysis (FMEA), stochastic state machines and Monte Carlo simulations. From the FMEA, stochastic state machines are automatically generated for the process plant components, which in a subsequent step are linked to a plant model. By selecting different maintenance activities from the FMEA, individual state machines of the plant components can be generated. In a random-based simulation, the plant models are examined with regard to their plant availability and various maintenance strategies are compared with each other.
Über die Autoren
Artan Markaj ist wissenschaftlicher Mitarbeiter am Institut für Automatisierungstechnik in der Fakultät für Maschinenbau der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg. Seine Forschungsschwerpunkte liegen in der modularen Automatisierung und dem Engineering verfahrenstechnischer Anlagen.
Alexander Fay ist Professor für Automatisierungstechnik und Leiter des Instituts für Automatisierungstechnik in der Fakultät für Maschinenbau der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg. Sein Hauptinteresse gilt Beschreibungsmitteln, Methoden und Werkzeugen für ein effizientes Engineering komplexer Automatisierungssysteme.
Literatur
1. A. Markaj and A. Fay, “Verfügbarkeitsanalyse verfahrenstechnischer Anlagen durch stochastische Zustandsmodellierung unterschiedlicher Instandhaltungsstrategien,” in EKA 2020 – Entwurf komplexer Automatisierungssysteme, 16. Fachtagung, U. Jumar and C. Diedrich, Eds., 2020.Suche in Google Scholar
2. T. Steckenreiter and H.-G. Frosch, Instandhaltung im Wandel: Neue Strategien erhöhen die Anlagenverfügbarkeit. [Online]. Available: https://www.chemietechnik.de/instandhaltung-im-wandel-neue-strategien-erhoehen-die-anlagenverfuegbarkeit/ (accessed: Mar. 10 2019).Suche in Google Scholar
3. E. Zio, “Some challenges and opportunities in reliability engineering,” IEEE Trans. Rel., vol. 65, no. 4, pp. 1769–1782, 2016.10.1109/TR.2016.2591504Suche in Google Scholar
4. J. Ladiges, C. Haubeck, A. Fay and W. Lamersdorf, “Operationalized Definitions of Non-Functional Requirements on Automated Production Facilities,” in 18th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2013.10.1109/ETFA.2013.6648092Suche in Google Scholar
5. J. Ladiges, C. Haubeck, I. Wior, E. Arroyo, A. Fay and W. Lamersdorf, “Evolution of Production Facilities and its Impact on Non-Functional Requirements,” in 11th IEEE International Conference on Industrial Informatics (INDIN), 2013.10.1109/INDIN.2013.6622886Suche in Google Scholar
6. R. Manzini, E. Ferrari, H. Pham and A. Regattieri, Maintenance for Industrial Systems. London: Springer-Verlag London, 2010.10.1007/978-1-84882-575-8Suche in Google Scholar
7. F. Ryll and J. Götze, “Methoden und Werkzeuge zur Instandhaltung technischer Systeme,” in Instandhaltung technischer Systeme: Methoden und Werkzeuge zur Gewährleistung eines sicheren und wirtschaftlichen Anlagenbetriebs, M. Schenk, Ed., pp. 103–229, Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg, 2010.10.1007/978-3-642-03949-2_3Suche in Google Scholar
8. A. Birolini, Reliability Engineering. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010.10.1007/978-3-642-14952-8Suche in Google Scholar
9. M. Werdich, FMEA – Einführung und Moderation. Wiesbaden: Vieweg+Teubner Verlag, 2012.10.1007/978-3-8348-2217-8Suche in Google Scholar
10. B. Bertsche, P. Göhner, U. Jensen, W. Schinköthe and H.-J. Wunderlich, Zuverlässigkeit mechatronischer Systeme: Grundlagen und Bewertung in frühen Entwicklungsphasen. Berlin, Heidelberg: Springer, 2009.Suche in Google Scholar
11. T. Nakagawa, Maintenance Theory of Reliability. London: Springer-Verlag London Limited, 2005.Suche in Google Scholar
12. L. J. Gullo, “Reliability Models,” in Design for Reliability, Quality and Reliability Engineering Series, D. Raheja and L. J. Gullo, Eds., Hoboken, New Jersey/Piscataway, New Jersey: Wiley IEEE Press/IEEE Xplore, 2012.10.1002/9781118310052Suche in Google Scholar
13. N. Milanovic, “Models, Methods and Tools for Availability Assessment of IT-Services and Business Processes,” Habilitation, TU Berlin, Berlin, 2010.Suche in Google Scholar
14. H. W. Schmidt, I. D. Peake, J. Xie, I. Thomas, B. J. Krämer, P. Bort and A. Fay, “Modelling Predictable Component-Based Distributed Control Architectures,” in 9th IEEE International Workshop on Object-Oriented Real-Time Dependable Systems (WORDS‘ 03), pp. 339–346, 2003.Suche in Google Scholar
15. A. Filieri, C. Ghezzi, V. Grassi and R. Mirandola, “Reliability Analysis of Component-Based Systems with Multiple Failure Modes,” in 13th International Symposium (CBSE), pp. 1–20, 2010.10.1007/978-3-642-13238-4_1Suche in Google Scholar
16. T. Rieker, “Modellierung der Zuverlässigkeit technischer Systeme mit stochastischen Netzverfahren,” Dissertation, Institut für Maschinenelemente, Universität Stuttgart, Stuttgart, 2018.Suche in Google Scholar
17. H. Lu, X. Jin and H. Chang, “A Monte Carlo Method of Complicated System Availability Analysis Using Component State Trace,” in International Conference on Quality, Reliability, Risk, Maintenance, and Safety, pp. 303–306, 2012.10.1109/ICQR2MSE.2012.6246241Suche in Google Scholar
18. M. Jirgl, M. Havlikova, Z. Bradac and L. Stastny, “Monte Carlo reliability analysis of systems with a human operator,” IFAC-PapersOnLine, vol. 49, no. 25, pp. 272–277, 2016.10.1016/j.ifacol.2016.12.046Suche in Google Scholar
19. J. Sugier, “Adjusting Markov models to changes in maintenance policy for reliability analysis,” Computer Modelling and New Technologies, vol. 15, no. 2, pp. 7–20, 2011.Suche in Google Scholar
20. Y. Ye, I. E. Grossmann, J. M. Pinto and S. Ramaswamy, “Markov Chain MINLP Model for Reliability Optimization of System Design and Maintenance,” in International Symposium on Process Systems Engineering – PSE 2018, vol. 44, pp. 1483–1488, 2018.10.1016/B978-0-444-64241-7.50242-1Suche in Google Scholar
21. F. Felgner and G. Frey, “Online-Prädiktion funktionaler Sicherheitskenngrößen,” in Kongress Automation 2012, Baden-Baden, pp. 51–63, 2012.Suche in Google Scholar
22. V. Volovoi, “Modeling of system reliability Petri nets with aging tokens,” Reliability Engineering & System Safety, vol. 84, no. 2, pp. 149–161, 2004.10.1016/j.ress.2003.10.013Suche in Google Scholar
23. S. Nebel, A. Dieter and B. Bertsche, “Application of Extended Coloured Stochastic Petri Nets for Modelling and Analysis of RAMS+C of Production Systems,” in 2nd IFAC Workshop on Dependable Control of Discrete Systems (DCDS), pp. 163–168, 2009.10.3182/20090610-3-IT-4004.00033Suche in Google Scholar
24. P. V. Varde and M. G. Pecht, Risk-Based Engineering. Singapore: Springer Singapore, 2018.10.1007/978-981-13-0090-5Suche in Google Scholar
25. H. Wang and H. Pham, Reliability and Optimal Maintenance. London: Springer-Verlag London Limited, 2006.Suche in Google Scholar
26. H. T. Banks, A. Broido, B. Canter, K. Gayvert, S. Hu, M. Joyner and K. Link, “Simulation Algorithms for Continuous Time Markov Chain Models,” Studies in Applied Electromagnetics and Mechanics, vol. 37, no. 3, pp. 1–18, 2012.Suche in Google Scholar
27. T. Holm, L. Christiansen, M. Göring, T. Jäger and A. Fay, “ISO 15926 vs. IEC 62424 – Comparison of Plant Structure Modeling Concepts,” in 17th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2012.10.1109/ETFA.2012.6489662Suche in Google Scholar
28. L. Christiansen, A. Fay, B. Opgenoorth and J. Neidig, “Improved Diagnosis by Combining Structural and Process Knowledge,” in 16th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2011.10.1109/ETFA.2011.6059056Suche in Google Scholar
29. G. Barone and D. M. Frangopol, “Life-cycle maintenance of deteriorating structures by multi-objective optimization involving reliability, risk, availability, hazard and cost,” Structural Safety, vol. 48, pp. 40–50, 2014.10.1016/j.strusafe.2014.02.002Suche in Google Scholar
30. P. Busacca, M. Marseguerra and E. Zio, “Multiobjective optimization by genetic algorithms: application to safety systems,” Reliability Engineering & System Safety, vol. 72, no. 1, pp. 59–74, 2001.10.1016/S0951-8320(00)00109-5Suche in Google Scholar
31. C. Elegbede and K. Adjallah, “Availability allocation to repairable systems with genetic algorithms: a multi-objective formulation,” Reliability Engineering & System Safety, vol. 82, no. 3, pp. 319–330, 2003.10.1016/j.ress.2003.08.001Suche in Google Scholar
32. M. Marseguerra and E. Zio, “Optimizing maintenance and repair policies via a combination of genetic algorithms and Monte Carlo simulation,” Reliability Engineering & System Safety, vol. 68, no. 1, pp. 69–83, 2000.10.1016/S0951-8320(00)00007-7Suche in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston
Artikel in diesem Heft
- Frontmatter
- Editorial
- EKA - Entwurf komplexer Automatisierungssysteme
- Methoden
- Petrinetzbasierte Verlässlichkeitsanalyse einer sicherheitsrelevanten, bordautonomen Zugortung auf Grundlage von PROFUND
- Verfügbarkeitsanalyse verfahrenstechnischer Anlagen durch stochastische Zustandsmodellierung unterschiedlicher Instandhaltungsstrategien
- Deep industrial transfer learning at runtime for image recognition
- Expressing uncertainty in neural networks for production systems
- Anwendungen
- Echtzeitfähige Planung optimierter Trajektorien für sensorgeführte, kinematisch redundante Robotersysteme auf einer Industriesteuerung
- Prozesskomposition in verteilten Automatisierungssystemen
- Tools
- Werkzeug für die modellgestützte Betriebsführung von Kläranlagen
- Persönliches
- Zum 80. Geburtstag von Prof. Dr.-Ing. habil. Werner Kriesel
- Dissertationen
- Ein neues Konzept für die Optimierung intelligenter Aktoren im Bereich beweglicher elektrischer Verbraucher
Artikel in diesem Heft
- Frontmatter
- Editorial
- EKA - Entwurf komplexer Automatisierungssysteme
- Methoden
- Petrinetzbasierte Verlässlichkeitsanalyse einer sicherheitsrelevanten, bordautonomen Zugortung auf Grundlage von PROFUND
- Verfügbarkeitsanalyse verfahrenstechnischer Anlagen durch stochastische Zustandsmodellierung unterschiedlicher Instandhaltungsstrategien
- Deep industrial transfer learning at runtime for image recognition
- Expressing uncertainty in neural networks for production systems
- Anwendungen
- Echtzeitfähige Planung optimierter Trajektorien für sensorgeführte, kinematisch redundante Robotersysteme auf einer Industriesteuerung
- Prozesskomposition in verteilten Automatisierungssystemen
- Tools
- Werkzeug für die modellgestützte Betriebsführung von Kläranlagen
- Persönliches
- Zum 80. Geburtstag von Prof. Dr.-Ing. habil. Werner Kriesel
- Dissertationen
- Ein neues Konzept für die Optimierung intelligenter Aktoren im Bereich beweglicher elektrischer Verbraucher
