Statistiska metoder för härledning av indata till säkerhetsanalyser ...
Statistiska metoder för härledning av indata till säkerhetsanalyser ...
Statistiska metoder för härledning av indata till säkerhetsanalyser ...
- No tags were found...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
6.1.2 Gruppering <strong>av</strong> dataFrågan om hur data ska grupperas bestäms utifrån antaganden om var den väsentliga variationenfinns. För det första antas komponenter <strong>av</strong> ”samma sort” vara besläktade med <strong>av</strong>seendepå felintensitet; en backventil antas ha mer gemensamt med andra backventiler än med t.ex.skalventiler. För det andra antas i regel den väsentliga variationen finnas mellan anläggningar.Superpopulationen utgörs således <strong>av</strong> en grupp <strong>av</strong> anläggningar medan delpopulationenutgörs <strong>av</strong> komponenter på en specifik anläggning. Detta betyder att komponenter <strong>av</strong> sammaslag (t.ex. en grupp <strong>av</strong> backventiler) antas ha samma felintensitet och således kan grupperas(felintensiteten tas då som summan <strong>av</strong> alla fel dividerat med den totala drifttiden). Pörn hör<strong>till</strong> dem som <strong>av</strong>viker från denna konvention genom att han antar en variation mellan individer:”[O]ur basic model assumes a variability between the individual components [---] unlikemany other applications which are based on a variability between the plants.” (Pörn 1990, s.100) Något förenklat kan Pörns superpopulation sägas bestå <strong>av</strong> alla komponenter på alla anläggningarmedan delpopulationen består <strong>av</strong> en enskild komponent. Variationen kan i sin turantas bero på:• Fysikaliska skillnader.• Skillnader i omgivning.• Skillnader i underhållsstrategier och arbetslag.• Orealistiska statistiska modeller.(Nyman 1995)Andra vanliga antaganden rör det interna beroendet mellan den stokastiska variabeln och deparametrar som ingår i tvåstegsmodellen. Dessa tas upp i <strong>av</strong>snitt 6.2.1.6.2 Tvåstegs Bayes1983 publicerades Stan Kaplans On a ”Two-stage” Bayesian Procedure for Determining FailureRates from Experimental Data. Han var därmed först med att föreslå en ”hierarkisk” metodför parameterskattning i PSA-sammanhang (Cooke et al. 2003, s. 2. Heising & Shwayri1987, s 24). Tidigare hade han, <strong>till</strong>sammans med bl.a. Apostolakis, propagerat för <strong>till</strong>ämpning<strong>av</strong> bayesianska <strong>metoder</strong> i liknande sammanhang, men då var det snarast tal om den enkla modellen(Apostolakis et al. 1980. Siu & Kelly 1998, s. 1). Kaplans metod har sedan slutet <strong>av</strong>80-talet vidareutvecklats <strong>av</strong> bl.a. Pörn, Iman och Hora (Cooke et al. 2003, s. 2). Tvåstegsmetodikenär idag helt dominerande för härledning <strong>av</strong> parametrar <strong>av</strong> det slag som presenteras iT-boken. Förutom i Sverige och Finland används metodiken bl.a. i Tyskland, USA och Frankrike(T6, s. 31).Kaplan presenterar sin metod som en lösning på problemet med att bestämma en a priorifördelningvid konventionell <strong>till</strong>ämpning <strong>av</strong> Bayes sats (Kaplan 1983, s. 1). Idén är att a priorifördelningeni den enkla modellen skrivs som a posteriorifördelning i en ”överordnad” bayesianskrelation. På denna övre nivå utnyttjas data från en superpopulation för härledning <strong>av</strong> apriorifördelningens parametrar. I Kaplans exempel används en lognormalfördelning som apriorifördelning vilket betyder att osäkerheten överförs <strong>till</strong> parametervektorn θ = (μ,σ). Dettabetyder likväl att problemet med hur a priorifördelningen ska bestämmas förskjuts uppåt ihierarkin eftersom även θ antas ha en fördelning p(θ). Kaplans poäng är nu att denna fördelningkan bestämmas på grundval <strong>av</strong> vagare information eftersom <strong>till</strong>gången på data är större isuperpopulationen än i det specifika fallet (Kaplan 1983, s. 1ff). Ett försök <strong>till</strong> illustration <strong>av</strong>superpopulationsprincipen i tvåstegs bayesiansk analys görs i figur 3.22