Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
CoCluster: Efficient Mining Maximal Trend Biclusters Without Candidate Maintenance in Discrete Resource Effectiveness Matrix Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

9. Bayesian Network Technology to Analyze Fault Trees

verfasst von : Yao Wang, Qin Sun

Erschienen in: Proceedings of the First Symposium on Aviation Maintenance and Management-Volume II

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Analyzing a fault tree using Bayesian network (BN) technology has gotten lots of attention, in which a fault tree is mapped into an equivalent BN. Combining three kinds of problems in BNs, a systematic BN method used to analyze fault tree is raised and the corresponding algorithm flowchart is designed. With the new method, a fault tree for the main landing gear of a certain aircraft is analyzed and the result shows that more useful and accurate information can be achieved through this new method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimal Quasi-Periodic Preventive Maintenance Policies for a Two-unit Series System with Dynamic Maintenance Plan
Nächstes Kapitel Research on Data Mining Technology in IMA Safety Analysis
Literatur
1.
Portinale L, Bobbio A (1999) Bayesian networks for dependability analysis: an application to digital control reliability. In: Proceedings of the 15th conference on uncertainty in artificial intelligence. Morgan Kaufmann Publishers Inc., San Francisco, pp 551–558
2.
Bobbio A, Portinale L, Minichino M et al (2001) Improving the analysis of dependable systems by mapping fault trees into Bayesian networks. J Reliab Eng Syst Safe 71:249–260CrossRef
3.
Zhang LW, Guo HP (2006) An introduction to Bayesian network. Science Press, Beijing (in Chinese)
4.
Darwiche A (2009) Modeling and reasoning with Bayesian networks. Cambridge University Press, New YorkCrossRefMATH
5.
Deng Q (2009) Safety system engineering. Northwest Industrial University Press, Xi’an (in Chinese)
6.
Zhang NL (1998) Computational properties of two exact algorithms for Bayesian networks. J Appl Intell 9:173–183CrossRef
7.
Pearl J (1986) Fusion, propagation, and structuring in belief networks. J Appl Intell 29:241–288MATHMathSciNet
8.
Shenoy PP (1997) Binary join trees for computing marginals in the Shenoy-Shafer architecture. J Int J Approx Reason 17:239–263CrossRefMATHMathSciNet
9.
Cooper GF (1990) The computational complexity of probabilistic inference using Bayesian belief networks. J Appl Intell 42:393–405MATH
10.
Shimony SE (1994) Finding MAPs for belief networks is NP-hard. J Appl Intell 68:399–410MATH
11.
Abdelbar AM, Hedetniemi SM (1998) Approximating MAPs for belief networks is NP-hard and other theorems. J Appl Intell 102:21–38MATHMathSciNet
Metadaten
Titel
Bayesian Network Technology to Analyze Fault Trees
verfasst von
Yao Wang
Qin Sun
Copyright-Jahr
2014
Verlag
Springer Berlin Heidelberg
Buch
Proceedings of the First Symposium on Aviation Maintenance and Management-Volume II

Print ISBN: 978-3-642-54232-9

Electronic ISBN: 978-3-642-54233-6

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-642-54233-6_9

Neuer Inhalt

    Bildnachweise