From Words to Numbers
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2780992Utgivelsesdato
2020Metadata
Vis full innførselSamlinger
Sammendrag
CubeSat-prosjekter øker i andel, og behovet for pålitelighetsverktøy og data er nøkkelkomponenter for å unngå tidlig tap og oppnå suksesskriteriene for oppdraget. Feiltreeanalyse(FTA) er en mye brukt metode for å analysere farer og beregne systemets generelle pålitelighet. Likevel har konvensjonell feiltreanalyse ulemper når mangler på statistisk dataforhindrer at en kvantitativ analyse kan bli gjennomført. I slike tilfeller kan man benyttefagkunnskap for å hjelpe med å modellere farene. Imidlertid synes folk det er vanskeligog upraktisk å tilby sannsynlighetsestimater basert på eksakte tall og er mer komfortablemed å bruke språklige begreper når de estimerer sannsynligheten for at en hendelse inntreffer. De ordlige uttrykkene gir mer spillerom og inkluderer usikkerhet, men konvensjonellFTA-representasjon kan ikke håndtere denne språklige prosedyren. I denne artikkelenforeslås en fuzzy logisk tilnærming for å overvinne disse hindringene og tillate eksperttilrettelegging å bli brukt for å gjøre kunnskapen deres om til sannsynlighetstall ved å brukespråklige variabler som et verktøy.
Feilmodus identifisert fra Failure Modes, Effects and Criticality Analyse (FMECA) harblitt rangert i en hierarkisk prioriteringsrekkefølge med hensyn til alvorlighetsgraden forHYPSO-oppdragsmålene. Det ble konstruert feiltrær for disse feilmodusene og grunnleggende hendelser ble identifisert. Et anonymt spørreskjema ble utviklet for å samleteammedlemmenes språklige evalueringer og deres tillitsvurdering for de respektive kjernehendelsene. For å transformere disse språklige estimatene til analytiske data som skalbrukes for kvantitative evalueringer av komponentene, delsystemene og for de overordnedeunderkategoriene til satellitten, benyttes en Similiarity Agreement’s Method aggregeringav risikoen for teamekspertenes estimater. Selv om denne fuzzy-baserte metoden er bruktpå andre bransjeapplikasjoner, er dens potensielle nytteverdi aldri brukt tidligere i SmallSatsektoren etter det forfatteren er kjent med og er derfor opprinnelig utforsket i denne oppgaven.
Til slutt i denne oppgaven implementeres en fuzzy feiltremodell for å kvantitativt testeårsak-virkningsforholdet til disse satellittspesifikke farene og feilmodusene. Resultatenefra denne analysen er sannsynligheten for at en spesifikk hendelse inntreffer og betydningen av de mulige påvirkningene er eksplisitt vist ved viktighetsrangeringer. Funnenesom er presentert her kan hjelpe risikoanalytikere med å forberede sine risikotiltak for åeffektivt håndtere risikoene i et satellittsystem. CubeSat projects are on the rise and the need for reliability tools and data is a key component in avoiding infant mortality and reach mission success criteria. Fault tree analysis(FTA) are one such widely used method in order to analyze hazards and calculating asystem’s overall reliability. Yet, conventional FTA faces shortcomings when a lack ofstatistical data prevents a quantitative analysis being performed. In such cases, one canrely on expert knowledge in order to help model the hazards. However, people find itdifficult and inconvenient to offer probability estimations based on exact numbers and aremore confident using linguistic terms when estimating. The terms provide more leewayand includes uncertainty but conventional FTA representation cannot handle this linguisticprocedure. In this paper, a fuzzy logic approach is proposed in order to overcome theseobstacles and allow expert facilitation to be used in order to turn their knowledge into failure probability numbers using linguistic variables as a gateway.
Failure modes identified from the Failure Modes, Effects, and Criticality Analysis (FMECA)were ranked in a hierarchical order of prioritization with respect to severity for the HYPSOmissions goals. Fault trees were constructed for these failure modes and basic events identified. An anonymous questionnaire was devised to gather the team members linguisticevaluations and their confidence rating for the respective basic events. In order to transform these linguistic estimates into analytical data to be used for quantitative evaluationsof the components, subsystems and for the overall subcategories of the satellite, a Similiarity Agreement’s Method aggregating the risks of the team experts’ estimations is utilized.While this fuzzy-based method has been applied to other industry applications, its potential usefulness applied to the SmallSat sector is to the author’s knowledge undiscoveredterritory and originally explored in this paper.
Finally, a fuzzy fault tree model is implemented in this thesis in order to quantitativelytest the cause-effect relationship of these satellite specific hazards and failure modes. Theresults of this analysis are the likelihood of possibility for a specific event and the significance of possible contributing events explicitly shown by importance measures. Thefindings presented here can help risk analysts prepare their mitigation measures to effectively manage the risks in a satellite system.