সেন্সর ব্যর্থতার সম্ভাবনা কীভাবে পাবেন?


5

আমি একটি কম্পিউটার বিজ্ঞানের ছাত্র, ওয়্যারলেস সেন্সর নেটওয়ার্ক (ডাব্লুএসএন) অপ্টিমাইজেশনে গবেষণা করছি। অতীত গবেষণা কাজের উপর ভিত্তি করে, কঠোর পরিবেশগত পরিস্থিতি, যোগাযোগের ত্রুটি এবং দূষিত আক্রমণগুলির মতো কয়েকটি কারণের কারণে সেন্সরগুলি ব্যর্থ হতে সক্ষম। এই উত্স অনুসারে , প্রতিটি সেন্সরে একটি ব্যর্থতার সম্ভাবনা নির্ধারণ করা সম্ভব । উত্সটি সূচনা করে যে প্রাথমিকভাবে এটি নির্মাতা দ্বারা সেট করা যেতে পারে; তবে আবহাওয়া, দুর্ঘটনা, হস্তক্ষেপের মতো অনেকগুলি কারণ সেন্সর ব্যর্থতার সম্ভাবনাটিকে প্রভাবিত করতে পারে।

নেটওয়ার্ক টপোলজিটি পরিচিত (অবস্থান এবং সেইজন্য পরিবেশটি পরিচিত) এবং এটি যে কোনও বিপদ মানচিত্রে অ্যাক্সেস পেয়েছি তা প্রদত্ত, আমি কীভাবে প্রতিটি সেন্সরে ব্যর্থতার সম্ভাবনাগুলি অর্পণ করব? উদাহরণস্বরূপ, যদি বন্যার ঝুঁকিপূর্ণ অঞ্চলে সেন্সরগুলি ব্যর্থ হওয়ার সম্ভাবনা বেশি থাকে তবে আমি কীভাবে ব্যর্থতার সম্ভাবনার সঠিক মান নির্ধারণ করব? কঠোর পরিবেশে সেন্সরগুলিকে কেবল নির্বিচারে উচ্চতর মান নির্ধারণ করা কি গ্রহণযোগ্য? ইঞ্জিনিয়ারিং দৃষ্টিকোণ থেকে এটি কি পরিমাণ আছে?

ধন্যবাদ এবং যে কোনও অন্তর্দৃষ্টি অত্যন্ত সহায়ক হবে।


কম্পিউটার বিজ্ঞানের ছাত্র হিসাবে আপনার জানা উচিত যে এই প্রশ্নের উত্তর দেওয়া এনপি-হার্ড :-)
উইলিয়াম

গুরুতরভাবে যদিও, আপনার উচ্চ সম্ভাবনার সাথে এর উত্তর দেওয়ার জন্য আপনার প্রস্তুতকারকের ডেটা প্রয়োজন, যদি নির্মাতারা বিরূপ ক্ষেত্রের পরিস্থিতিতে কঠোর পরীক্ষার মাধ্যমে সেন্সরটি না রাখে এবং দীর্ঘ সময়ের জন্য ডেটা সংগ্রহ করে না, আপনি ভাগ্য থেকে দূরে, আপনার কাছে থাকবে ব্যর্থতার সম্ভাবনাগুলি গণনা করার জন্য সমস্ত টেস্টিং নিজেই করা :-(
উইলিয়াম হার্ড

উত্তর:


3

সম্ভাব্য ঝুঁকি মূল্যায়ন (পিআরএ) পারমাণবিক শিল্পে একটি বড় বিষয়, মূলত বিদ্যুৎকেন্দ্রটি কতটা নিরাপদ / অনিরাপদ তা প্রমাণ করার জন্য এটি একটি গাণিতিক পদ্ধতি। পিআরএর খুব গভীরে না গিয়ে এটি বিভিন্ন ব্যর্থতার সম্ভাবনা এবং অন্য সমস্ত কিছুর সাথে তাদের মিথস্ক্রিয়া থেকে ঝুঁকিপূর্ণ উপাদানগুলি একত্রিত করার পদ্ধতি; ভূমিকম্প এবং হারিকেন / সুনামিসের মতো প্রধান আবহাওয়ার ঘটনা থেকে শুরু করে মানসিক ত্রুটি পর্যন্ত পরিবেশগত পরিবেশের মুখোমুখি সেন্সর এবং অ্যাক্টিভেটর ব্যর্থতা everything

পিআরএ ব্যর্থতার ঘটনায় দুটি বড় সমস্যা, এপিস্টেমিক এবং স্টোকাস্টিক অনিশ্চয়তা মোকাবেলা করতে হবে। উদাহরণস্বরূপ, একটি নতুন সেন্সর থাকা যার জন্য কেউ ব্যর্থতার সম্ভাবনা জানেন না (যেমন # ব্যর্থতা / সময়) একটি স্টোকাস্টিক অনিশ্চয়তা, বিশ্বাসযোগ্য ব্যর্থতার সম্ভাবনা সরবরাহ করার জন্য কেবল পর্যাপ্ত ডেটা নেই। স্টোকাস্টিক অনিশ্চয়তা কাটিয়ে ওঠার সর্বোত্তম উপায় হ'ল কিছু ডেটা পাওয়া। এপিস্টেমিক অনিশ্চয়তাগুলি হ'ল যখন ব্যর্থতার পূর্বাভাস দেওয়ার জন্য ব্যবহৃত মডেলটি সঠিক না হয়, যেমন ঘন ঘন হারিকেন ঘটবে তা অনুমান করার জন্য আবহাওয়ার সঠিক রেকর্ড থাকার মতো না।

সুতরাং আপনার প্রশ্নের উত্তর দেওয়ার জন্য, আপনি যদি নিজের সিস্টেমের বিন্যাস জানেন এবং আপনার ব্যর্থতার সম্ভাবনা থাকে তবে আপনি ব্যর্থতার সমস্ত পদ্ধতি সঠিকভাবে একত্রিত করতে PRA এর পদ্ধতিগুলি ব্যবহার করতে পারেন (যেমন সেন্সরটি ব্যর্থ হতে পারে এমন অন্যান্য উপায়ে বন্যার সম্ভাবনা একত্রিত করার মতো)। আপনার কাছে ডেটা নেই এমন ক্ষেত্রে আপনার হয় কিছু সংগ্রহ / সন্ধান করা বা এমন বিশেষজ্ঞের পরামর্শ নেওয়া উচিত যারা আপনাকে কতটা রক্ষণশীল হতে পারে তার একটি ধারণা দিতে পারে can আপনি যা করতে বেছে নিন তা বিবেচনা না করা, আপনি যে মূল্যবোধগুলির জন্য একটি "অনুমান" করেছেন তা সর্বদা যাচাই করা হবে।


0

আপনার প্রশ্নটি খুব সাধারণ এবং নির্দিষ্ট উত্তর দেওয়া কঠিন, তবে আমি কয়েকটি পয়েন্টার দেওয়ার চেষ্টা করব। উদাহরণস্বরূপ আমি ব্যর্থতা , সাধারণ সিস্টেমের নির্ভরযোগ্যতা বা উভয়ই সময়ে আগ্রহী কিনা তা আমি নির্ধারণ করতে পারি না । এছাড়াও আপনি ইঙ্গিত করেছেন যে ব্যর্থতা বিভিন্ন কারণ যেমন আবহাওয়া , দুর্ঘটনা বা হস্তক্ষেপ দ্বারা চালিত হতে পারে ।

ব্যর্থতার এই সম্ভাব্য প্রতিটি কারণ পৃথক। উদাহরণস্বরূপ, আবহাওয়া , প্রাকৃতিক বিপদ হিসাবে, সময় নির্ভর হিসাবে বিবেচিত হতে পারে - সময়ের সাথে সাথে ঝড়ের ঝুঁকির সাথে সম্পর্কিত। অন্যগুলি কেবল এলোমেলো বা অনাকাঙ্ক্ষিত কারণে হতে পারে; অতএব এই কারণগুলির প্রত্যেকটির জন্য আলাদা সম্ভাবনার ঘনত্ব ফর্মের প্রয়োজন হতে পারে।

যে কোনও ক্ষেত্রে, প্রথম পদক্ষেপটি হ'ল ভর বা ঘনত্বের ফাংশনটি নির্ধারণ করা যা প্রতিটি সেন্সরের ব্যর্থতার মডেল হিসাবে ব্যবহৃত হবে। ব্যর্থতার জন্য, ঘনত্বের ফাংশনটি প্রায়শই ব্যবহৃত হয় হ্যাজার্ড ফাংশন বা এর ডেরাইভেটিভগুলির একটি। সাধারণ কথায় হ্যাজার্ড ফাংশনটিকে বাথটব ফাংশনও বলা হয় কারণ ব্যর্থতার ঝুঁকি সাধারণত জীবনের প্রথমদিকে অনেক বেশি থাকে, মধ্য-জীবন হ্রাস পায় এবং জীবনের শেষদিকে আবার বৃদ্ধি পায়। এই জীবনকে ঝুঁকিপূর্ণ প্রোফাইলের সাহায্যে মডেল করা যায়।

উত্পাদক কার্যকর তথ্য সরবরাহ করতে পারে কারণ হ্যাজার্ড ফাংশনটি সাধারণত পণ্য নির্ভরযোগ্যতা মূল্যায়নে ব্যবহৃত হয়। উদাহরণস্বরূপ, হালকা বাল্বগুলির ব্যর্থতার ঝুঁকি একটি হ্যাজার্ড ফাংশন সহ ভাল মডেল করা হয়। আপনার ক্ষেত্রে, হ্যাজার্ড ফাংশনটির প্রাকৃতিক ঝুঁকির প্রয়োগের চিত্রিত একটি কাগজ এখানে পাওয়া যায় ।

আবহাওয়ার কারণে বন্যার ঝুঁকির যথাযথ মূল্যায়নের জন্য বৃষ্টিপাতের তীব্রতার সাথে সম্পর্কিত একটি বলে, 100 বছরের ঝড়, উদাহরণস্বরূপ, এবং জলাশয়ের বৈশিষ্ট্য এবং এটির ইউনিট হাইড্রোগ্রাফের সাথে সম্পর্কিত বন্যার স্তর বিবেচনা করা দরকার।

দুর্ঘটনা বা হস্তক্ষেপের সাথে সম্পর্কিত ফর্মগুলির বিবেচনা এবং সেগুলি কীভাবে একত্রিত হতে পারে তা বিবেচনা করা গুরুত্বপূর্ণ important ঘটনাগুলি যদি পরিসংখ্যানগতভাবে স্বতন্ত্র থাকে তবে সামগ্রিক ফলাফল সম্ভাবনার পণ্য হিসাবে গণনা করা যেতে পারে। অন্যথায় নির্ভরতার প্রভাবগুলি অবশ্যই বিবেচনা করা উচিত।

আপনি যদি পুরো সিস্টেমের নির্ভরযোগ্যতাটি মূল্যায়ন করতে চান - এটি আবার আর একটি বড় বিষয়। আমি এই থ্রেডে বেশ কয়েকটি বিকল্প কৌশল রেখেছি ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.