0 引 言
冲击模型是可靠性数学理论的主要组成部分。一般以交通、医学、生产等领域为背景,研究随机环境中各运行系统的寿命分布以及维修更换策略等。δ 冲击模型是由冲击间隔引起失效的一种特殊冲击模型,按失效机制可分为经典δ 冲击模型和截断δ 冲击模型两类。经典δ 冲击模型由李泽慧[1 ] 在研究城市交通拥挤问题时抽象得到,其失效机制为当连续两次冲击的时间间隔低于临界值δ 时系统失效,这类问题在现实世界中普遍存在,如电路中连续强电流冲击引起的发热导致元件失效,电子通信中连续干扰引起信号失真等;截断δ 冲击模型由MA等[2 ] 在研究客户关系管理中刻画得到,其失效机制为当冲击时间间隔超过临界值δ 时尚无新的冲击到达则系统失效。这类模型在地震现象描述、客户关系管理、环境保护及其他许多领域都有重要应用。
近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质。经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究。
以上对δ 冲击模型研究关注的是冲击时间间隔独立同分布,当冲击时间间隔独立且服从同类型不同参数分布时,特别是冲击到达率变化时,尚未见对此类δ 冲击模型进行研究的报道。因此,本文将讨论Yule-Furry经典δ 冲击模型的寿命性质,其冲击间隔服从参数按冲击次数线性变化的指数分布。
1 预备知识
首先介绍一类很重要的计数过程,因YULE[12 ] 和FURRY[13 ] 将计数过程分别用于研究以突变分裂方式进行繁殖的生物群体和与宇宙射线有关的问题,而被称为Yule-Furry过程。
定义1 [14 ] 设计数过程X ( t ) , t ≥ 0 是一个连续时间马尔科夫链,给定正整数m ,若对任意的t ≥ 0 , h > 0 , n = m , m + 1 , ⋯ , 存在λ > 0 ,使得{ X ( t ) , t ≥ 0 } 满足:
(ii) P ( X ( t + h ) - X ( t ) = 1 X ( t ) = n ) = n λ h + ο ( h ) ;
(iii) P ( X ( t + h ) - X ( t ) ≥ 2 X ( t ) = n ) = ο ( h ) ;
则称X ( t ) , t ≥ 0 是参数为( m , λ ) 的Yule-Furry过程,也称为线性纯生过程,记作X ( t ) , t ≥ 0 ~ Y F P ( m , λ ) ,其中λ 为生率系数,m λ 为初始生率。
定义2 事件点在时间轴上随机分布的现象称为随机点过程,简称点过程,记作Ψ 。
对于t > 0 , n = 1,2 , ⋯ ,N ( t ) 表示[ 0 , t ) 之间发生的事件点数,S n 为第n 个事件点发生的时刻,Z n 表示第n - 1 个和第n 个事件点的时间间隔,其中Z 1 表示首次冲击时刻,则随机过程N ( t ) , t ≥ 0 ,{ S n , n = 1,2 , ⋯ } ,{ Z n , n = 1,2 , ⋯ } 分别称为点过程Ψ 的点数过程、点时过程、点距过程,常用这3种随机过程表征随机点过程Ψ 。
定义3 设N ( t ) , t ≥ 0 是点过程Ψ 的点数过程,给定正整数m , 对任意的t ≥ 0 , 令X ( t ) = N ( t ) + m ,如果X ( t ) , t ≥ 0 ~ Y F P ( m , λ ) ,则称Ψ 是参数为( m , λ ) 的Yule-Furry点过程,记作Ψ ~ [ Y F P ( m , λ ) ] 。
引理1 [14 ] 若Ψ ~ [ Y F P ( m , λ ) ] , { S n , n = 1 , 2 , ⋯ } ,{ Z n , n = 1,2 , ⋯ } 分别为Ψ 的点时过程和点距过程,则Ψ 有以下性质(其中规定0 0 = 1 ):
(i) 对于n = 1,2 , ⋯ , 点距Z 1 , Z 2 , ⋯ , Z n 相互独立且Z n 服从参数为( n + m - 1 ) λ 的指数分布,即Z n 的密度为
f Z n ( t ) = ( n + m - 1 ) λ e - ( n + m - 1 ) λ t , t ≥ 0 , 0 , t < 0 ;
(ii) 若m = 1 ,则对任意的n ≥ 1 ,点时S n 的分布函数为
P ( S n ≤ t ) = ( 1 - e - λ t ) n , t ≥ 0 , 0 , t < 0 。
引理2 [15 ] 设g ( x ) 为连续函数,则对t ≥ 0 及n = 1,2 , ⋯ , 有
∫ 0 t d t 1 ∫ 0 t 1 d t 2 ⋯ ∫ 0 t n - 1 g ( t 1 ) g ( t 2 ) ⋯ g ( t n ) d t n = 1 n ! ∫ 0 t g ( x ) d x n 。
推论1 设g ( x ) 为连续函数,则对t ≥ 0 及n = 1,2 , ⋯ , 有
∫ ⋯ ∫ x 1 ≥ 0 , x 2 ≥ 0 , ⋯ , x n ≥ 0 x 1 + x 2 + ⋯ + x n ≤ t ∏ i = 1 n g ∑ j = 1 i x j d x 1 d x 2 ⋯ d x n = 1 n ! ∫ 0 t g ( x ) d x n 。
2 模型假设
考虑在连续时间尺度上运行的系统,该系统遭受一次外部的随机冲击,假设该冲击按参数为( m , λ ) 的Yule-Furry点过程到达,如果相邻两次冲击间隔小于给定的正实数δ ,则系统失效(假设首次冲击时刻小于δ ,系统也失效),称这样的模型为Yule-Furry经典δ 冲击模型。
定义4 设{ Z n , n = 1,2 , ⋯ } 为点过程[ Y F P ( m , λ ) ] 的点距过程,给定实数δ > 0 ,记
M = i n f { n Z n < δ , n = 1,2 , ⋯ } , T = ∑ n = 1 M Z n ,
规定i n f ϕ = ∞ ,ϕ 表示空集,则称系统寿命T 遵循冲击参数为( m , λ ) 、失效参数为δ 的Yule-Furry经典δ 冲击模型,记作T ~ S M { [ Y F P ( m , λ ) ] , D ( δ ) } 。
3 主要结果
可靠度是系统可靠性的重要指标之一,本节将给出S M { [ Y F P ( 1 , λ ) ] , D ( δ ) } 的系统可靠度。以下若不特别说明,N ( t ) , t ≥ 0 ,{ S n , n = 1,2 , ⋯ } ,{ Z n , n = 1,2 , ⋯ } 分别记为点过程[ Y F P ( 1 , λ ) ] 的点数过程、点时过程、点距过程,记( x ) + = m a x ( x , 0 ) ,并规定0 0 = 1 。
定理1 S M { [ Y F P ( 1 , λ ) ] , D ( δ ) } 的系统可靠度F ¯ T ( t ) 为
F ¯ T ( t ) = 1 , t < 0 , e - λ t ∑ n = 0 t / δ e - n ( n - 1 ) 2 λ δ [ 1 - e - λ ( t - n δ ) ] n , t ≥ 0 。
证明 分别用重积分法、独立卷积法、无记忆法进行证明。
方法1 重积分法。当t < 0 时,P ( T > t ) = 1 。 对于t ≥ 0 , 关于失效前冲击次数M ,取条件可得
P ( T > t ) = P ( T > t , M = 1 ) + ∑ n = 2 ∞ P ( T > t , M = n ) , (1)
其中,{ M = 1 } 表示首次冲击引起失效,即有T = Z 1 ≤ δ , 则
P ( T > t , M = 1 ) = P ( Z 1 > t , Z 1 ≤ δ ) = 0 , t ≥ δ , e - λ t - e - λ δ , 0 ≤ t < δ 。 (2)
P ( T > t , M = n ) = P ∑ i = 1 n Z i ≥ t , Z 1 ≥ δ , ⋯ , Z n - 1 ≥ δ , Z n < δ 。 (3)
若记( Z 1 , Z 2 , ⋯ , Z n ) 的联合概率密度为f ( Z 1 , Z 2 , ⋯ , Z n ) ( x 1 , x 2 , ⋯ , x n ) ,则
P ( T > t , M = n ) = ∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n < δ x 1 + x 2 + ⋯ + x n > t f ( Z 1 , Z 2 , ⋯ , Z n ) ( x 1 , x 2 , ⋯ , x n ) d x 1 d x 2 ⋯ d x n , (4)
∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n < δ x 1 + x 2 + ⋯ + x n > t f ( Z 1 , Z 2 , ⋯ , Z n ) ( x 1 , x 2 , ⋯ , x n ) d x 1 d x 2 ⋯ d x n = ∫ 0 δ n ! λ n e - n λ x ∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n - 1 ≥ δ ∏ i = 1 n - 1 e - i λ x i d x 1 d x 2 ⋯ d x n - 1 - ∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n - 1 ≥ δ x 1 + x 2 + ⋯ + x n - 1 ≤ t - x ∏ i = 1 n - 1 e - i λ x i d x 1 d x 2 ⋯ d x n - 1 d x 。 (5)
∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n - 1 ≥ δ ∏ i = 1 n - 1 e - i λ x i d x 1 d x 2 ⋯ d x n - 1 = ∏ i = 1 n - 1 ∫ δ ∞ e - i λ x i d x i = 1 ( n - 1 ) ! λ n - 1 e - n ( n - 1 ) 2 λ δ , (6)
∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n - 1 ≥ δ x 1 + x 2 + ⋯ + x n - 1 ≤ t - x ∏ i = 1 n - 1 e - i λ x i d x 1 d x 2 ⋯ d x n - 1 = 1 ( n - 1 ) ! λ n - 1 e - n ( n - 1 ) 2 λ δ × { 1 - e - λ 【 t - x - ( n - 1 ) δ ] + } n - 1 。 (7)
I = ∫ ⋯ ∫ x 1 ≥ δ , x 2 ≥ δ , ⋯ , x n - 1 ≥ δ x 1 + x 2 + ⋯ + x n - 1 ≤ t - x ∏ i = 1 n - 1 e - i λ x i d x 1 d x 2 ⋯ d x n - 1 ,
u n - i = x i - δ , i = 1,2 , ⋯ , n - 1 ,
I = ∫ ⋯ ∫ u n - 1 ≥ 0 , u n - 2 ≥ 0 , ⋯ , u 1 ≥ 0 u n - 1 + u n - 2 + ⋯ + u 1 ≤ t - x - ( n - 1 ) δ ∏ i = 1 n - 1 e - i λ ( u n - i + δ ) d u n - 1 d u n - 2 ⋯ d u 1 = ∏ i = 1 n - 1 e - i λ δ ∫ ⋯ ∫ u 1 ≥ 0 , u 2 ≥ 0 , ⋯ , u n - 1 ≥ 0 u 1 + u 2 + ⋯ + u n - 1 ≤ t - x - ( n - 1 ) δ ∏ i = 1 n - 1 e - λ ∑ j = 1 i u j d u 1 d u 2 ⋯ d u n - 1 ,
I = 1 ( n - 1 ) ! ∏ i = 1 n - 1 e - i λ δ ∫ δ [ t - x - ( n - 1 ) δ ] + e - λ u d u n - 1 = 1 ( n - 1 ) ! λ n - 1 e - n ( n - 1 ) 2 λ δ { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 。
P ( T > t , M = n ) = e - n ( n - 1 ) 2 λ δ ( 1 - e - n λ δ ) - n λ ∫ 0 δ e - n λ x { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 d x 。 (8)
1 - e - λ [ t - x - ( n - 1 ) δ ] + = 1 - e - λ [ t - x - ( n - 1 ) δ ] , x ≤ t - ( n - 1 ) δ , 0 , x > t - ( n - 1 ) δ ,
∫ 0 δ e - n λ x { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 d x = 0 , t < ( n - 1 ) δ , 1 n λ { 1 - e - λ [ t - ( n - 1 ) δ ] } n , ( n - 1 ) δ ≤ t < n δ , 1 n λ ( { 1 - e - λ [ t - ( n - 1 ) δ ] } n - e - n λ δ [ 1 - e - λ ( t - n δ ) ] n ) , t ≥ n δ 。 (9)
P ( T > t , M = n ) = e - n ( n - 1 ) 2 λ δ ( ( 1 - e - n λ δ ) + e - n λ δ [ 1 - e - λ ( t - n δ ) + ] n - { 1 - e - λ [ t - ( n - 1 ) δ ] + } n ) 。 (10)
注意到,当n = 1 时,式(10)等价于式(2),所以,对任意的n ≥ 1 ,式(10)均成立。
P ( T > t ) = ∑ n = 1 ∞ e - n ( n - 1 ) 2 λ δ ( ( 1 - e - n λ δ ) + e - n λ δ [ 1 - e - λ ( t - n δ ) + ] n - { 1 - e - λ [ t - ( n - 1 ) δ ] + } n ) 。 (11)
e - n ( n - 1 ) 2 λ δ ( 1 - e - n λ δ ) = P ( M = n ) ,
∑ n = 1 ∞ e - n ( n - 1 ) 2 λ δ ( 1 - e - n λ δ ) = 1 , (12)
P ( T > t ) = ∑ n = 0 ∞ e - n ( n + 1 ) 2 λ δ [ 1 - e - λ ( t - n δ ) + ] n - ∑ n = 1 ∞ e - n ( n - 1 ) 2 λ δ { 1 - e - λ [ t - ( n - 1 ) δ ] + } n 。 (13)
[ 1 - e - λ ( t - n δ ) + ] n = [ 1 - e - λ ( t - n δ ) ] n , t ≥ n δ , 0 , t < n δ ,
{ 1 - e - λ [ t - ( n - 1 ) δ ] + } n = { 1 - e - λ [ t - ( n - 1 ] δ ) } n , t ≥ ( n - 1 ) δ , 0 , t < ( n - 1 ) δ ,
P ( T > t ) = ∑ n = 0 t / δ e - n ( n + 1 ) 2 λ δ [ 1 - e - λ ( t - n δ ) ] n - ∑ n = 1 t / δ + 1 e - n ( n - 1 ) 2 λ δ { 1 - e - λ [ t - ( n - 1 ) δ ] } n , (14)
P ( T > t ) = ∑ n = 0 t / δ e - n ( n + 1 ) 2 λ δ [ 1 - e - λ ( t - n δ ) ] n - ∑ n = 0 t / δ e - n ( n + 1 ) 2 λ δ [ 1 - e - λ ( t - n δ ) ] n + 1 = e - λ t ∑ n = 0 t / δ e - n ( n - 1 ) 2 λ δ [ 1 - e - λ ( t - n δ ) ] n 。
方法2 独立卷积法。多重积分法主要是将P ( T > t , M = n ) 表示成密度的重积分进行计算,下面用独立卷积法计算式(3),仍讨论n ≥ 2 的情形。
对于i = 1,2 , ⋯ , n , Z i ~ E x p ( i λ ) 且相互独立,注意到当{ M = n } 发生时,T = S n 。若记F Z n ( x ) 为Z n 的分布函数,则
P ( T > t , M = n ) = P ( S n > t , Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ , Z n < δ ) = E [ P ( S n > t , Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ , Z n < δ Z n ) ] = ∫ 0 δ P ( S n > t , Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ Z n = x ) d F Z n ( x ) = ∫ 0 δ n λ e - n λ x P ( S n - 1 > t - x , Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) d x = e - n ( n - 1 ) 2 λ δ ∫ 0 δ n λ e - n λ x P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) d x 。 (15)
P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) = P ( R n - 1 > t - x ) , (16)
其中,R n - 1 = Y 1 + Y 2 + ⋯ + Y n - 1 , 且Y 1 , Y 2 , ⋯ , Y n - 1 相互独立,P ( Y i < y ) = F Y i ( y ) = P ( Z i < y Z i ≥ δ ) , i = 1,2 , ⋯ , n - 1 。
首先有P ( S 1 > t - x Z 1 ≥ δ ) = P ( Z 1 > t - x Z 1 ≥ δ ) = P ( Y 1 > t - x ) = P ( R 1 > t - x ) 。 假设
P ( S n - 2 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 2 ≥ δ ) = P ( R n - 2 > t - x ) , (17)
P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) = E P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ , Z n - 1 ) Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ = ∫ δ ∞ P ( S n - 2 > t - x - y Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 2 ≥ δ ) d F Z n - 1 Z n - 1 ≥ δ ( y ) = P ( S n - 2 > t - x - y Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 2 ≥ δ ) d F Y n - 1 ( y ) 。
∫ δ ∞ P ( S n - 2 > t - x - y Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 2 ≥ δ ) d F Y n - 1 ( y ) = ∫ δ ∞ P ( R n - 2 > t - x - y ) d F Y n - 1 ( y ) ,
P ( R n - 1 > t - x ) = ∫ δ ∞ P ( R n - 1 > t - x Y n - 1 = y ) d F Y n - 1 ( y ) = ∫ δ ∞ P ( R n - 2 > t - x - y ) d F Y n - 1 ( y ) ,
记F R n - 1 ( t - x ) = P ( R n - 1 ≤ t - x ) 。当n ≥ 2 时,若
F R n - 1 ( t - x ) = { 1 - e - λ [ t - x - ( n - 1 ) δ ] } n - 1 , x ≤ t - ( n - 1 ) δ 0 , x > t - ( n - 1 ) δ = { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 , (18)
P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) = 1 - { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 , (19)
下证当n ≥ 2 时式(18)成立。由于Z i ~ E x p ( i λ ) , i = 1,2 , ⋯ , n - 1 ,则
F Y i ( y ) = P ( Z i < y Z i ≥ δ ) = 1 - e - i λ ( y - δ ) , y ≥ δ 0 , y < δ = 1 - e - i λ ( y - δ ) + ,
F R 1 ( t - x ) = F Y 1 ( t - x ) = 1 - e - λ ( t - x - δ ) , x ≤ t - δ 0 , x > t - δ = 1 - e - λ ( t - x - δ ) + 。
假设F R n - 2 ( t - x ) = { 1 - e - λ [ t - x - ( n - 2 ) δ ] + } n - 2 ,则
F R n - 1 ( t - x ) = ∫ - ∞ ∞ P ( R n - 2 ≤ t - x - y Y n - 1 = y ) d F Y n - 1 ( y ) = ∫ δ ∞ F R n - 2 ( t - x - y ) d [ 1 - e - λ ( n - 1 ) ( y - δ ) ] 。
F R n - 1 ( t - x ) = ∫ δ ∞ { 1 - e - λ [ t - x - y - ( n - 2 ) δ ] + } n - 2 × d [ 1 - e - λ ( n - 1 ) ( y - δ ) ] = ( n - 1 ) λ ∫ δ ∞ { 1 - e - λ [ t - x - y - ( n - 2 ) δ ] + } n - 2 × e - λ ( n - 1 ) ( y - δ ) d y 。
{ 1 - e - λ [ t - x - y - ( n - 2 ) δ ] + } n - 2 = { 1 - e - λ [ t - x - y - ( n - 2 ) δ ] } n - 2 , y ≤ t - x - ( n - 2 ) δ , 0 , y > t - x - ( n - 2 ) δ ,
F R n - 1 ( t - x ) = ∫ δ ∞ 0 d y = 0 ,
F R n - 1 ( t - x ) = ( n - 1 ) λ × ∫ δ t - x - ( n - 2 ) δ { 1 - e - λ [ t - x - y - ( n - 2 ) δ ] } n - 2 × e - λ ( n - 1 ) ( y - δ ) d y = { 1 - e - λ [ t - x - ( n - 1 ) δ ] } n - 1 ,
F R n - 1 ( t - x ) = { 1 - e - λ [ t - x - ( n - 1 ) δ ] } n - 1 , t - x - ( n - 2 ) δ ≥ δ 0 , t - x - ( n - 2 ) δ < δ = { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 。
方法3 无记忆法。在S M { Y F P ( 1 , λ ) , D ( δ ) } 中,系统遭受冲击的时间间隔服从指数分布,由指数分布的无记忆性,可得
P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) = P Z 1 + Z 2 + ⋯ + Z n - 1 > t - x - ( n - 1 ) δ = 1 - P S n - 1 ≤ t - x - ( n - 1 ) δ 。
P ( S n - 1 > t - x Z 1 ≥ δ , Z 2 ≥ δ , ⋯ , Z n - 1 ≥ δ ) = 1 - { 1 - e - λ [ t - x - ( n - 1 ) δ ] + } n - 1 ,
推论2 设T ~ S M { Y F P ( 1 , λ ) , D ( δ ) } ,则寿命T 的分布函数为
P ( T ≤ t ) = ∑ n = 1 ∞ e - n ( n - 1 ) 2 λ δ ( { 1 - e - λ [ t - ( n - 1 ) δ ] + } n - e - n λ δ [ 1 - e - λ ( t - n δ ) + ] n ) 。 (20)
4 总 结
采用多重积分法、独立卷积法及无记忆法讨论了S M { Y F P ( 1 , λ ) , D ( δ ) } 系统的可靠度,3种方法的关键点均为计算P ( T > t , M = n ) 。本质上,多重积分法为分析方法,即将P ( T > t , M = n ) 表示成冲击间隔联合密度的重积分进行计算,而独立卷积法和无记忆法为概率方法,都是利用概率性质将P ( T > t , M = n ) 转化为独立和的卷积分布,特别是无记忆法,利用指数分布的无记忆性将条件分布转化为无条件指数分布的卷积。
此外,从结果和证明过程中发现,还可挖掘新的简单方法。事实上,观察式(20)并结合式(11)的化简过程,可知式(20)中的e - n ( n - 1 ) 2 λ δ = P ( M > n - 1 ) 且e - n ( n + 1 ) 2 λ δ = P ( M > n ) , 另由引理1(ii)及无记忆法证明过程,可得式(20)中的
{ 1 - e - λ [ t - ( n - 1 ) δ ] + } n = P S n ≤ [ t - ( n - 1 ) δ ] + = P ( S n ≤ t M > n - 1 ) ,
[ 1 - e - λ ( t - n δ ) + ] n = P S n ≤ ( t - n δ ) + = P ( S n ≤ t M > n ) ,
P ( S n ≤ t M > n - 1 ) P ( M > n - 1 ) - P ( S n ≤ t M > n ) P ( M > n ) = P S n ≤ t , M > n - 1 - P S n ≤ t , M > n ,
P ( M = n ) = P ( M > n - 1 ) - P ( M > n ) ,
因此,其可写成P S n ≤ t , M = n ,注意到在{ M = n } 发生时,T = S n ,所以
{ S n ≤ t , M = n } ⇔ { T ≤ t , M = n } ,
P T ≤ t = ∑ n = 1 ∞ P T ≤ t , M = n 。
P ( T > t , M = n ) = P ( M = n ) - P ( T ≤ t , M = n ) ,
此方法是用纯概率性质得到的,证明过程比前3种方法更简单。此方法对其他δ 冲击模型的系统研究有一定的借鉴作用。
http://dx.doi.org/10.3785/j.issn.1008-9497.2023.05.001
参考文献
View Option
[8]
ERYILMAZ S , BAYRAMOGLU K . Life behavior of δ shock models for uniformly distributed interarrival times
[J]. Statistical Papers , 2014 , 55 (3 ): 841 -852 . DOI:10.1007/s00362-013-0530-1
[本文引用: 1]
[9]
ERYILMAZ S . δ shock model based on Pólya process and its optimal replacement policy
[J]. European Journal of Operational Research , 2017 , 263 (2 ): 690 -697 . DOI:10.1016/j.ejor.2017.05.049
[本文引用: 1]
[10]
JIANG Y . A new δ shock model for systems subject to multiple failure types and its optimal order-replacement policy
[J]. Proceedings of the Institution of Mechanical Engineers , 2020 , 234 (1 ): 138 -150 . DOI:10.1177/1748006x19865801
[本文引用: 1]
[11]
GOYAL D , HAZRA N K , FINKELSTEIN M . On the time-dependent δ shock model governed by the generalized Pólya process
[J]. Methodology and Computing in Applied Probability , 2022 , 24 (3 ): 1627 -1650 . DOI:10.1007/s11009-021-09880-8
[本文引用: 1]
[12]
YULE G U . A mathematical theory of evolution, based on the conclusions of Dr. J C Willis, FRS
[J]. Philosophical Transactions of The Royal Society B (Biological Sciences) , 1925 , 213 (402-410 ): 21 -87 . doi:10.1098/rstb.1925.0002
[本文引用: 1]
[13]
FURRY W H . On fluctuation phenomena in the passage of high energy electrons through lead
[J]. Physical Review , 1937 , 52 (6 ): 569 -581 . DOI:10. 1103/physrev.52.569
[本文引用: 1]
[14]
邓永录 , 梁之舜 . 随机点过程及应用 [M]. 北京 : 科学出版社 , 1989 .
[本文引用: 2]
DENG Y L , LIANG Z S . Random Point Process and Its Application [M]. Beijing : Science Press , 1989 .
[本文引用: 2]
[15]
费定晖 , 周学圣 . Ƃ .П
.吉米多维奇数学分析习题集解题6[M]. 济南 : 山东科学技术出版社 , 2005 .
[本文引用: 1]
FEI D H , ZHOU X S . Ƃ .П
Jimmy Multidimensional Mathematical Analysis Problem Set 6 to Solve Problems[M]. Jinan : Shandong Science and Technology Press , 2005 .
[本文引用: 1]
与Poisson流有关的几个概率分布及其在城市交通拥挤问题中的应用
1
1984
... 冲击模型是可靠性数学理论的主要组成部分.一般以交通、医学、生产等领域为背景,研究随机环境中各运行系统的寿命分布以及维修更换策略等.δ 冲击模型是由冲击间隔引起失效的一种特殊冲击模型,按失效机制可分为经典δ 冲击模型和截断δ 冲击模型两类.经典δ 冲击模型由李泽慧[1 ] 在研究城市交通拥挤问题时抽象得到,其失效机制为当连续两次冲击的时间间隔低于临界值δ 时系统失效,这类问题在现实世界中普遍存在,如电路中连续强电流冲击引起的发热导致元件失效,电子通信中连续干扰引起信号失真等;截断δ 冲击模型由MA等[2 ] 在研究客户关系管理中刻画得到,其失效机制为当冲击时间间隔超过临界值δ 时尚无新的冲击到达则系统失效.这类模型在地震现象描述、客户关系管理、环境保护及其他许多领域都有重要应用. ...
与Poisson流有关的几个概率分布及其在城市交通拥挤问题中的应用
1
1984
... 冲击模型是可靠性数学理论的主要组成部分.一般以交通、医学、生产等领域为背景,研究随机环境中各运行系统的寿命分布以及维修更换策略等.δ 冲击模型是由冲击间隔引起失效的一种特殊冲击模型,按失效机制可分为经典δ 冲击模型和截断δ 冲击模型两类.经典δ 冲击模型由李泽慧[1 ] 在研究城市交通拥挤问题时抽象得到,其失效机制为当连续两次冲击的时间间隔低于临界值δ 时系统失效,这类问题在现实世界中普遍存在,如电路中连续强电流冲击引起的发热导致元件失效,电子通信中连续干扰引起信号失真等;截断δ 冲击模型由MA等[2 ] 在研究客户关系管理中刻画得到,其失效机制为当冲击时间间隔超过临界值δ 时尚无新的冲击到达则系统失效.这类模型在地震现象描述、客户关系管理、环境保护及其他许多领域都有重要应用. ...
Life behavior of censored δ shock model
1
2010
... 冲击模型是可靠性数学理论的主要组成部分.一般以交通、医学、生产等领域为背景,研究随机环境中各运行系统的寿命分布以及维修更换策略等.δ 冲击模型是由冲击间隔引起失效的一种特殊冲击模型,按失效机制可分为经典δ 冲击模型和截断δ 冲击模型两类.经典δ 冲击模型由李泽慧[1 ] 在研究城市交通拥挤问题时抽象得到,其失效机制为当连续两次冲击的时间间隔低于临界值δ 时系统失效,这类问题在现实世界中普遍存在,如电路中连续强电流冲击引起的发热导致元件失效,电子通信中连续干扰引起信号失真等;截断δ 冲击模型由MA等[2 ] 在研究客户关系管理中刻画得到,其失效机制为当冲击时间间隔超过临界值δ 时尚无新的冲击到达则系统失效.这类模型在地震现象描述、客户关系管理、环境保护及其他许多领域都有重要应用. ...
一种冲击源下冲击模型的寿命分布及其性质
1
1999
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
一种冲击源下冲击模型的寿命分布及其性质
1
1999
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
δ 冲击模型及其最优更换策略
1
2001
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
δ 冲击模型及其最优更换策略
1
2001
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
冲击间隔服从泊松分布的 δ 冲击模型的可靠性分析
1
2012
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
冲击间隔服从泊松分布的 δ 冲击模型的可靠性分析
1
2012
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
Life behavior of δ shock model
1
2007
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
时倚泊松过程下的对偶δ 冲击模型
1
2007
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
时倚泊松过程下的对偶δ 冲击模型
1
2007
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
Life behavior of δ shock models for uniformly distributed interarrival times
1
2014
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
δ shock model based on Pólya process and its optimal replacement policy
1
2017
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
A new δ shock model for systems subject to multiple failure types and its optimal order-replacement policy
1
2020
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
On the time-dependent δ shock model governed by the generalized Pólya process
1
2022
... 近年来,δ 冲击模型广受国内外学者关注,例如李泽慧等[3 ] 用统计量法得到了基础过程为齐次泊松的经典δ 冲击模型的寿命分布及其性质;王冠军等[4 ] 用概率法给出了模型的寿命分布及其最优更换策略;何雪等[5 ] 讨论了冲击间隔服从泊松分布的离散型δ 冲击模型,得到系统寿命的概率分布和期望的表达式;LI等[6 ] 讨论了非齐次泊松经典 δ 冲击模型的显式可靠度及寿命分布类性质;唐风琴等[7 ] 探究了时倚泊松经典对偶δ 冲击模型的相关寿命性质及其最优更换策略;ERYILMAZ等[8 ] 研究了冲击按更新过程到达且间隔时间遵从均匀分布的δ 冲击模型,给出该模型的系统可靠度和平均失效寿命;ERYILMAZ[9 ] 还研究了基于Pólya过程的经典δ 冲击模型,得到系统的生存函数和平均寿命,并考虑了基于Pólya过程的δ 冲击模型的最优更换策略;JIANG [10 ] 提出了具有多失效阈值的广义离散型δ 冲击模型,分析并推导了平均成本率和平稳可用性,在可用性约束下,通过数值计算得到最优的订货替换策略;GOYAL等[11 ] 讨论了广义Pólya过程发生的时变δ 冲击模型,推导了模型的生存函数和平均寿命,研究了最优更换策略和随机性质.经典δ 冲击模型最初用于解决城市交通事故相关问题,随后在产品库存问题和系统更换策略研究中得到广泛应用,还可用于细胞癌变病例和生物繁殖研究. ...
A mathematical theory of evolution, based on the conclusions of Dr. J C Willis, FRS
1
1925
... 首先介绍一类很重要的计数过程,因YULE[12 ] 和FURRY[13 ] 将计数过程分别用于研究以突变分裂方式进行繁殖的生物群体和与宇宙射线有关的问题,而被称为Yule-Furry过程. ...
On fluctuation phenomena in the passage of high energy electrons through lead
1
1937
... 首先介绍一类很重要的计数过程,因YULE[12 ] 和FURRY[13 ] 将计数过程分别用于研究以突变分裂方式进行繁殖的生物群体和与宇宙射线有关的问题,而被称为Yule-Furry过程. ...
2
1989
... 定义1 [14 ] 设计数过程X ( t ) , t ≥ 0 是一个连续时间马尔科夫链,给定正整数m ,若对任意的t ≥ 0 , h > 0 , n = m , m + 1 , ⋯ , 存在λ > 0 ,使得{ X ( t ) , t ≥ 0 } 满足: ...
... 引理1 [14 ] 若Ψ ~ [ Y F P ( m , λ ) ] , { S n , n = 1 , 2 , ⋯ } ,{ Z n , n = 1,2 , ⋯ } 分别为Ψ 的点时过程和点距过程,则Ψ 有以下性质(其中规定0 0 = 1 ): ...
2
1989
... 定义1 [14 ] 设计数过程X ( t ) , t ≥ 0 是一个连续时间马尔科夫链,给定正整数m ,若对任意的t ≥ 0 , h > 0 , n = m , m + 1 , ⋯ , 存在λ > 0 ,使得{ X ( t ) , t ≥ 0 } 满足: ...
... 引理1 [14 ] 若Ψ ~ [ Y F P ( m , λ ) ] , { S n , n = 1 , 2 , ⋯ } ,{ Z n , n = 1,2 , ⋯ } 分别为Ψ 的点时过程和点距过程,则Ψ 有以下性质(其中规定0 0 = 1 ): ...
П
1
2005
... 引理2 [15 ] 设g ( x ) 为连续函数,则对t ≥ 0 及n = 1,2 , ⋯ , 有 ...
П
1
2005
... 引理2 [15 ] 设g ( x ) 为连续函数,则对t ≥ 0 及n = 1,2 , ⋯ , 有 ...