Pendahuluan
Dalam ranah rekayasa keandalan, analisis sensitivitas memegang peranan krusial dalam mengidentifikasi variabel-variabel kunci yang secara signifikan memengaruhi keandalan sistem. Secara garis besar, analisis sensitivitas keandalan terbagi menjadi dua kategori utama: sensitivitas keandalan lokal dan global. Metode analisis sensitivitas keandalan berbasis probabilitas telah banyak dilaporkan, di mana distribusi probabilitas sering digunakan untuk merepresentasikan parameter acak.
Namun, penentuan distribusi probabilitas yang akurat memerlukan jumlah sampel yang besar. Dalam fase awal desain produk, pengumpulan sampel dalam jumlah yang cukup seringkali menjadi kendala. Sebagai alternatif, model interval atau konveks dapat digunakan karena hanya membutuhkan sedikit sampel, yang sangat berguna dalam fase awal desain produk. Ketika variabel input direpresentasikan menggunakan model interval atau konveks, masalah sensitivitas ini dikenal sebagai sensitivitas non-probabilistik.
Artikel ini memperkenalkan pendekatan inovatif untuk analisis sensitivitas reliabilitas global non-probabilistik, yang mengatasi keterbatasan metode sensitivitas non-probabilistik yang ada. Metode yang diusulkan memanfaatkan model Kriging adaptif untuk mengurangi biaya komputasi secara keseluruhan dan tidak memerlukan distribusi probabilitas variabel input.
Pentingnya Analisis Sensitivitas Reliabilitas
Analisis sensitivitas reliabilitas adalah teknik penting dalam bidang teknik keandalan. Hal ini memungkinkan para insinyur untuk mengidentifikasi variabel-variabel desain yang paling kritis yang memengaruhi keandalan sistem. Dengan memahami bagaimana perubahan pada variabel input memengaruhi keandalan output, para insinyur dapat membuat keputusan yang lebih tepat selama proses desain dan optimasi.
Analisis sensitivitas dapat diklasifikasikan menjadi dua jenis utama:
- Analisis Sensitivitas Lokal: Berfokus pada dampak perubahan kecil pada variabel input tertentu terhadap keandalan sistem di sekitar titik desain tertentu.
- Analisis Sensitivitas Global: Mengevaluasi dampak variabel input terhadap keandalan sistem di seluruh rentang ruang desain.
Keterbatasan Metode Probabilistik
Metode analisis sensitivitas keandalan tradisional seringkali mengandalkan model probabilistik, yang memerlukan pengetahuan rinci tentang distribusi probabilitas variabel input. Namun, dalam praktiknya, terutama pada tahap awal desain, mungkin sulit atau mahal untuk mengumpulkan data yang cukup untuk menentukan secara akurat distribusi probabilitas ini.
Keunggulan Metode Non-Probabilistik
Metode non-probabilistik menawarkan alternatif yang menarik untuk analisis sensitivitas keandalan, terutama ketika data terbatas. Alih-alih menggunakan distribusi probabilitas, metode ini menggunakan model interval atau konveks untuk merepresentasikan ketidakpastian dalam variabel input. Model interval menentukan variabel input dalam batas atas dan bawah, yang membutuhkan lebih sedikit data daripada membangun distribusi probabilitas.
Metode Analisis Sensitivitas Non-Probabilistik Global yang Diusulkan
Artikel ini menyajikan metodologi baru untuk analisis sensitivitas global non-probabilistik yang memanfaatkan model Kriging adaptif. Model Kriging adalah teknik meta-pemodelan yang membangun model perkiraan fungsi respons sistem berdasarkan sejumlah sampel terbatas. Model ini sangat efisien secara komputasi dan dapat secara efektif menggantikan simulasi yang memakan waktu, sehingga mengurangi beban komputasi analisis sensitivitas.
Langkah-langkah Utama dari Metode yang Diusulkan
- Konstruksi Model Kriging Adaptif: Model Kriging dengan akurasi global dibangun secara iteratif dengan menambahkan titik sampel baru secara adaptif hingga kriteria konvergensi terpenuhi. Proses ini memastikan bahwa model pengganti secara akurat memprediksi respons sistem di seluruh ruang ketidakpastian.
- Analisis Sensitivitas Global: Setelah model Kriging yang akurat dibangun, analisis sensitivitas global dilakukan menggunakan indeks Sobol. Indeks Sobol mengukur varians respons output yang disebabkan oleh setiap variabel input, memungkinkan identifikasi variabel-variabel yang paling berpengaruh.
Keunggulan Utama dari Metode yang Diusulkan
- Efisiensi Komputasi: Penggunaan model Kriging adaptif secara signifikan mengurangi biaya komputasi analisis sensitivitas, terutama untuk masalah dengan simulasi yang memakan waktu.
- Tidak Memerlukan Distribusi Probabilitas: Metode yang diusulkan tidak memerlukan pengetahuan tentang distribusi probabilitas variabel input, sehingga lebih mudah diterapkan dalam praktiknya.
- Analisis Sensitivitas Global: Metode ini memberikan ukuran sensitivitas global, yang menangkap dampak variabel input terhadap keandalan sistem di seluruh rentang variasi mereka.
Studi Kasus dan Hasil
Artikel ini menyajikan dua contoh numerik untuk mengilustrasikan penerapan dan efektivitas metode yang diusulkan.
- Contoh 1: Cantilever Beam
- Contoh pertama adalah balok kantilever dengan satu mode kegagalan dan lima variabel interval.
- Metode yang diusulkan secara akurat mengidentifikasi momen lentur batas kritis sebagai variabel yang paling berpengaruh terhadap keandalan sistem.
- Contoh 2: Sistem Paralel
- Contoh kedua adalah sistem paralel dengan dua mode kegagalan nonlinier.
- Hasilnya menunjukkan bahwa metode yang diusulkan secara efektif menentukan variabel yang paling signifikan yang memengaruhi keandalan sistem paralel.
Hasil numerik menunjukkan akurasi dan efisiensi metode yang diusulkan dalam analisis sensitivitas reliabilitas global non-probabilistik.
Analisis Mendalam dan Nilai Tambah
Artikel ini menyajikan kontribusi yang signifikan untuk bidang analisis sensitivitas keandalan dengan memperkenalkan metode non-probabilistik global baru yang mengatasi keterbatasan pendekatan tradisional. Penggunaan model Kriging adaptif adalah fitur inovatif yang memungkinkan analisis sensitivitas yang efisien secara komputasi, terutama untuk masalah kompleks dengan simulasi yang memakan waktu. Selain itu, kemampuan metode untuk menangani variabel interval tanpa memerlukan distribusi probabilitas merupakan keuntungan praktis, terutama dalam fase awal desain ketika data terbatas.
Salah satu kekuatan utama artikel ini adalah presentasi yang jelas dan ringkas dari metodologi yang diusulkan. Penulis memberikan penjelasan langkah demi langkah tentang algoritma, membuatnya mudah dipahami dan direplikasi. Contoh-contoh numerik yang disajikan lebih jauh mengilustrasikan penerapan dan efektivitas metode tersebut dalam skenario teknik yang berbeda.
Namun, artikel tersebut memiliki beberapa keterbatasan yang dapat ditangani dalam penelitian di masa mendatang. Pertama, metode yang diusulkan saat ini hanya mempertimbangkan efek utama dari variabel interval input. Mempertimbangkan interaksi antara variabel-variabel ini dapat memberikan wawasan yang lebih komprehensif tentang sensitivitas keandalan sistem. Kedua, artikel tersebut berfokus pada sistem dengan fungsi kinerja implisit. Menyelidiki penerapan metode ini untuk sistem dengan fungsi kinerja eksplisit dapat memperluas cakupannya.
Implikasi Praktis dan Tren Industri
Metode analisis sensitivitas reliabilitas non-probabilistik global yang diusulkan memiliki implikasi praktis yang signifikan untuk berbagai aplikasi teknik. Dalam industri seperti dirgantara, otomotif, dan manufaktur, di mana keandalan sistem sangat penting, metode ini dapat membantu para insinyur untuk:
- Mengidentifikasi komponen atau parameter desain kritis yang paling berkontribusi terhadap kegagalan sistem.
- Mengoptimalkan desain sistem untuk meningkatkan keandalan dan mengurangi risiko kegagalan.
- Mengalokasikan sumber daya secara efektif untuk pengujian dan pemeliharaan, dengan berfokus pada komponen-komponen penting.
- Mengevaluasi dampak perubahan desain atau variasi manufaktur terhadap keandalan sistem.
Sejalan dengan tren industri yang berkembang menuju desain berbasis model dan rekayasa sistem, metode yang diusulkan dapat diintegrasikan ke dalam alat dan alur kerja perangkat lunak untuk analisis dan optimasi keandalan otomatis. Hal ini dapat memfasilitasi proses pengembangan produk yang lebih efisien dan andal.
Kesimpulan
Artikel ini menyajikan metode analisis sensitivitas reliabilitas global non-probabilistik baru yang didasarkan pada model Kriging adaptif. Metode ini secara efisien mengidentifikasi variabel-variabel kunci yang memengaruhi keandalan sistem tanpa memerlukan distribusi probabilitas variabel input. Contoh-contoh numerik menunjukkan akurasi dan efektivitas metode yang diusulkan, menyoroti potensinya untuk berbagai aplikasi teknik. Penelitian di masa mendatang dapat berfokus pada perluasan metode untuk mempertimbangkan interaksi variabel dan menangani sistem dengan fungsi kinerja eksplisit.
Sumber
Liu H, Xiao N-C. Global non-probabilistic reliability sensitivity analysis based on surrogate model. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2022; 24 (4): 612-616, http://doi.org/10.17531/ein.2022.4.2