dc.contributor.advisor | Tor Arne Johansen, Evelyn Honoré-Livermore | |
dc.contributor.author | Bevreng, Fredrik Hoel | |
dc.date.accessioned | 2021-09-23T18:19:41Z | |
dc.date.available | 2021-09-23T18:19:41Z | |
dc.date.issued | 2020 | |
dc.identifier | no.ntnu:inspera:56990118:34496339 | |
dc.identifier.uri | https://hdl.handle.net/11250/2780992 | |
dc.description.abstract | 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 data
forhindrer at en kvantitativ analyse kan bli gjennomført. I slike tilfeller kan man benytte
fagkunnskap for å hjelpe med å modellere farene. Imidlertid synes folk det er vanskelig
og upraktisk å tilby sannsynlighetsestimater basert på eksakte tall og er mer komfortable
med å bruke språklige begreper når de estimerer sannsynligheten for at en hendelse inntreffer. De ordlige uttrykkene gir mer spillerom og inkluderer usikkerhet, men konvensjonell
FTA-representasjon kan ikke håndtere denne språklige prosedyren. I denne artikkelen
foreslås 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 bruke
språklige variabler som et verktøy.
Feilmodus identifisert fra Failure Modes, Effects and Criticality Analyse (FMECA) har
blitt rangert i en hierarkisk prioriteringsrekkefølge med hensyn til alvorlighetsgraden for
HYPSO-oppdragsmålene. Det ble konstruert feiltrær for disse feilmodusene og grunnleggende hendelser ble identifisert. Et anonymt spørreskjema ble utviklet for å samle
teammedlemmenes språklige evalueringer og deres tillitsvurdering for de respektive kjernehendelsene. For å transformere disse språklige estimatene til analytiske data som skal
brukes for kvantitative evalueringer av komponentene, delsystemene og for de overordnede
underkategoriene til satellitten, benyttes en Similiarity Agreement’s Method aggregering
av risikoen for teamekspertenes estimater. Selv om denne fuzzy-baserte metoden er brukt
på 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 teste
årsak-virkningsforholdet til disse satellittspesifikke farene og feilmodusene. Resultatene
fra denne analysen er sannsynligheten for at en spesifikk hendelse inntreffer og betydningen av de mulige påvirkningene er eksplisitt vist ved viktighetsrangeringer. Funnene
som er presentert her kan hjelpe risikoanalytikere med å forberede sine risikotiltak for å
effektivt håndtere risikoene i et satellittsystem. | |
dc.description.abstract | 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 a
system’s overall reliability. Yet, conventional FTA faces shortcomings when a lack of
statistical data prevents a quantitative analysis being performed. In such cases, one can
rely on expert knowledge in order to help model the hazards. However, people find it
difficult and inconvenient to offer probability estimations based on exact numbers and are
more confident using linguistic terms when estimating. The terms provide more leeway
and includes uncertainty but conventional FTA representation cannot handle this linguistic
procedure. In this paper, a fuzzy logic approach is proposed in order to overcome these
obstacles 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 HYPSO
missions goals. Fault trees were constructed for these failure modes and basic events identified. An anonymous questionnaire was devised to gather the team members linguistic
evaluations and their confidence rating for the respective basic events. In order to transform these linguistic estimates into analytical data to be used for quantitative evaluations
of 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 undiscovered
territory and originally explored in this paper.
Finally, a fuzzy fault tree model is implemented in this thesis in order to quantitatively
test the cause-effect relationship of these satellite specific hazards and failure modes. The
results of this analysis are the likelihood of possibility for a specific event and the significance of possible contributing events explicitly shown by importance measures. The
findings presented here can help risk analysts prepare their mitigation measures to effectively manage the risks in a satellite system. | |
dc.language | | |
dc.publisher | NTNU | |
dc.title | From Words to Numbers | |
dc.type | Master thesis | |