Statistiska metoder för härledning av indata till säkerhetsanalyser ...

I T-boken anges de anläggningsspecifika fördelningarna för respektive komponentgrupp tillsammansmed deras gemensamma generiska fördelning. Komponentspecifika fördelningaranges däremot inte. En adekvat fråga i sammanhanget är vad den generiska fördelningen användstill. I T-boken sägs att ”den generiska fördelningen kan [---] användas som a priorifördelningi komponentspecifika analyser” (T6, s. 34). Detta överensstämmer med dess roll i denmatematiska modellen. Att den också presenteras i T-boken förklaras med att det i vissa fallsaknas anläggningsspecifika data. Det kan t.ex. vara så att en ny komponent introduceras påen anläggning men att den redan tidigare funnits på andra anläggningar. Den finns då visserligenrepresenterad i T-boken, men bara för andra anläggningar än den aktuella. I så fall kanden generiska fördelningen anses mer representativ än någon godtyckligt vald anläggningsspecifikfördelning. Det händer också att T-boksdata efterfrågas på anläggningar utan kopplingtill TUD-systemet. Även då kan den generiska fördelningen anses mer relevant. Det kanvara värt att notera att i dessa fall kommer Pörns metod att tillämpas så som det var tänkt:Under förutsättning att ingen dubbelräkning får göras är nämligen den befintliga generiskafördelningen bara giltig för komponenter som inte finns med i T-boken.Anmärkning: Ytterligare en adekvat fråga är följande: Om nu Pörn räknade ut 730 olika generiska fördelningar(t.ex. för gruppen av pneumatiska skalventiler), skulle dessa då kunna användas på det sätt som beskrivits ovan?I fallet med en ny komponent, vilken generisk fördelning ska anses mest representativ? Bör de generiska fördelningarnai så fall vägas samman?7.1.2 ZEDB-metodenZEDB kan sägas vara Tysklands motsvarighet till TUD. ZEDB är alltså framförallt namnet påen databas (Zentrale Zuverlässigkeits- und Ereignisdatenbank) 29 . ZEDB används emellertidockså som benämning på det verktyg som används för beräkning av parametrar till ”ZEDBboken”(ZEDB 2002), liksom den matematiska metoden (se t.ex. Cooke et al. 2003).De matematiska modellerna är inte åtkomliga i detalj. Min studie har gjorts med utgångspunktfrån ett kortare matematiskt avsnitt i ZEDB-boken samt den studie av ZEDB-metoden somgörs hos Cooke et al. (2003). Kompletterande information har erhållits från den benchmarksom gjorts för ZEDB-metoden och Pörns metod (T-book – ZEDB Benchmark, 2004) samtkorrespondens med Günter Becker, företrädare för RISA Sicherheitsanalysen GmbH somansvarar för programvaran.Till att börja med finns inga skäl att tro att ZEDB-metoden skulle skilja sig stort från de allmännadrag som karaktäriserar Pörns metod. I ZEDB-boken hänförs metoden till ”The superpopulationtechnique – also commonly known as the two-stage Bayesian model [,] a standardmethod applied internationally”, med referenser till Pörn, Iman och Hora. Modellbeskrivningensamt utdatatabeller vittnar också om att principerna är desamma som hos Pörn. 30 (ZEDB2002, s.33ff) Vad som ofta lyfts fram som den avgörande skillnaden är att felintensiteten antasvara lognormalfördelad i ZEDB-metoden istället för gammafördelad som hos Pörn. Dettaär möjligen också anledningen till att ZEDB-metoden ibland hänförs till Kaplan (se t.ex. Cookeet al. 2003, s. 7). Vidare används lognormalfördelningen både för tids- och behovsrelateradefel, huvudsakligen tillsammans med en Poissonfördelning. För ett fåtal komponenttyperanvänds en modell med en trunkerad lognormalfördelning och binomialfördelning som likelihoodfunktion.Någon motsvarighet till Pörns q 0 +λ s T finns inte. [Becker]29 Översätts i Cooke et al. (2003) till ”The Centralised Reliability and Events Database”.30 Liksom hos Pörn dubbelräknas komponenterna i praktiken men inte i teorin.38