條件:
Repair rate(修理的比率)
01 01
01 b c
a > > ,a02 >b02 >c02 Break rate(機器壞掉的比率)
10 10
10 b c
a < < ,a20 <b20 <c20,a21 <b21 <c21 必成立的條件:
c b a t t
t t
t01 > 02, 20 < 21,其中 = , ,
利用上章節介紹的方法,及上述的條件,找出極限機率。
這個過程隨著時間及其他因素使得機器的系統狀態產生變 化,試著將此情況以流程圖來表示,能更方便、容易了解所有可能 狀態的變化及發生原因:
修理
良好 中等 壞掉
自然損壞
人為疏忽 自然損壞 人為疏忽
人為疏忽 自然損壞
2 1 0
圖一 電動平板貨架運作的狀況
模擬結果:
π
v [0.3542, 0.5681, 0.0777] [0.4657, 0.4688, 0.0654]π
v [0.3458, 0.5749, 0.0793] [0.4624, 0.4716, 0.0660]Q
3 2 1,Q ,Q
Q Q1,Q2,Q3
[ α
1,α
2,α
3]
[0.8, 0.5, 0.2] [0.1, 0.5, 0.7]( )1
π
v [0.4980, 0.4410, 0.0609] [0.4289, 0.5079, 0.0632]π
v [0.4606, 0.4729, 0.0665] [0.3259, 0.5948, 0.0793]Q
6 5 4,Q ,Q
Q Q4,Q5,Q6
[ α
1,α
2,α
3]
[3, 21, 10] [20, 8, 4]( )1
π
v [0.4197, 0.4731, 0.1073] [0.5323, 0.3887, 0.0790]π
v [0.4079, 0.4816, 0.1104] [0.5286, 0.3913, 0.0801]Q
6 5 4,Q ,Q
Q Q4,Q5,Q6
[ α
1,α
2,α
3]
[0.8, 0.5, 0.2] [0.1, 0.5, 0.7]( )1
π
v [0.5759, 0.3570, 0.0671] [0.5239, 0.3943, 0.0818]π
v [0.5394, 0.3834, 0.0772] [0.3944, 0.4895, 0.1161]Q
9 8 7,Q ,Q
Q Q7,Q8,Q9
[ α
1,α
2,α
3]
[3, 21, 10] [20, 8, 4]( )1
π
v [0.3340, 0.5400, 0.1260] [0.3988, 0.4933, 0.1079]π
vQ
9 8 7,Q ,Q
Q Q7,Q8,Q9
[ α
1,α
2,α
3]
[0.8, 0.5, 0.2] [0.1, 0.5, 0.7]( )1
π
v [0.4307, 0.4690, 0.1003] [0.4245, 0.4745, 0.1011]π
v [0.3672, 0.5133, 0.1195] [0.2288, 0.6059, 0.1653](2)Y 服從韋柏(
α
i,γ
i),i =1,2,...,rQ
3 2 1,Q ,Q
Q Q1,Q2,Q3
[ α
1,α
2,α
3]
[1/3, 1, 1/2] [1, 1, 1/2][ γ
1,γ
2,γ
3]
[1, 4, 1] [1, 19, 1]( )1
π
v [0.9746, 0.0209, 0.0044] [0.9307, 0.0577, 0.0116]
π
v [0.7936, 0.1648, 0.0418] [0.7316, 0.2194, 0.0491]Q
6 5 4,Q ,Q
Q Q4,Q5,Q6
[ α
1,α
2,α
3]
[1/3, 1, 1/2] [1, 1, 1/2][ γ
1,γ
2,γ
3]
[1, 4, 1] [1, 19, 1]( )1
π
v [0.9752, 0.0200, 0.0048] [0.9341, 0.0534, 0.0125]π
v [0.7689, 0.1828, 0.0485] [0.7243, 0.2206, 0.0553]Q
9 8 7,Q ,Q
Q Q7,Q8,Q9
[ α
1,α
2,α
3]
[1/3, 1, 1/2] [1, 1, 1/2][ γ
1,γ
2,γ
3]
[1, 4, 1] [1, 19, 1]( )1
π
v [0.9581, 0.0346, 0.0073] [0.8948, 0.0869, 0.0184]π
v [0.2793, 0.5356, 0.1853] [0.3235, 0.5156, 0.1611](3) Y 服從 ( )
⎩⎨
⎧
<
= ≥
i i
i if t c
c t if t
F 0
1 ,i =1,2,...,r
Q
3 2 1,Q ,Q
Q Q4,Q5,Q6
c 8 8
( )1
π
v [0.5331, 0.4084, 0.0585] [0.6006, 0.3391, 0.0603]π
v [0.3369, 0.5837, 0.0794] [0.4154, 0.4730, 0.1116]Q
9 8 7,Q ,Q
Q Q1,Q2,Q3
c 8 1
( )1
π
v [0.4333, 0.4667, 0.1000] [0.4450, 0.4906, 0.0644]π
v [0.2286, 0.6077, 0.1637] [0.3886, 0.5360, 0.0754]Q
6 5 4,Q ,Q
Q Q7,Q8,Q9
c 1 1
( )1
π
v [0.5352, 0.3869, 0.0779] [0.4333, 0.4667, 0.1000]六、 應用實例
Example:
某一家公司製造大量優質的產品,二十四小時不能停止生產 線,一旦斷電損失慘重所有在線上正在製造的產品全部都報銷,所 以必需要很了解每台機器的狀態,此公司可以利用上述的方法找出 每台機器的壽命,老闆就可以決定需要多少台機器串聯起來在線上 運作,需要幾條生產線並聯起來,希望發生斷電的機率是萬分之一 要相當的小,當有一條發生問題還有其他的生產線可以繼續運作及 生產中的產品轉移到其他生產線,這樣可以讓損失降到最低。
圖二 線路與機器位置分配
Example:
園區的某大公司想要讓公司產品量產,目標想花最小的錢得到 最高的產量,使公司獲益最大,所以貴公司可以試著採用此方法,
每台機器服從同一個分配,分別在不同的時段但在同一個部門,算 出每台的極限機率,決定要幾台串聯在一起,再看需要幾條生產線 串聯起來,最後達到最想要的產量。
Example:
買一台新車狀態都是良好的,但經過一段時間可能是人為因素 (碰撞、過度使用…等等)或是自然磨損(零件老舊或是秏損完…等) 使得車的狀況變為中等,定期保養又可恢復到好一點的狀況,但有 時損壞太嚴重就必需送修,最多也只能恢復到中等狀態,這也是可 以經由此法來推算出車子的極限機率。
Example:
考慮一個 M/M/1 queue,這系統是機器運轉與修理期間在交 替,每一個情況都服從指數分配。當機器在運轉期間,這個系統操 作視為 M/M/1 queue,當壞掉的期間,沒有顧客使用且顧客上門發 現壞了會很灰心失望而會以一個常數機率離開。此外,如果機器在 時間T 壞掉,則在系統中的時間T+顧客離開的人數假設服從一個二 項分配(binomial distribution)。將這個例子算出極限機率分配
π
。我們考慮這個問題,將它看成三個階段的交替更新過程,分別 命名為運轉期間,機器壞掉發生期間,修理期間。每個期間假設服
從指數分配,這三個階段的期望值分別為
1
1
α
, 2 1α
, 3 1α
。利用Theorem 1,我們將解決這個問題,其中讓
2
1
α
收斂到 0。α
2為一個固定值,由 Theorem 1 推導出( ) ( ) ( )
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛ + +
+ +
= 3 1 2 3
3 2 1 2
2 1 1
1
3 2 1
1 1
1 1 1 1
1 A A A
π
AA Aπ α π α
α α α α π
讓
α
2 →∞,可得到 ( ) ( ) ⎟⎟⎠⎜⎜ ⎞
⎝
⎛ +
+
= 3 1 2 3
3 1 1
1
3 1
1 1
1 1
1 A