A methodology which calculates a point estimate and confidence intervals for system reliability directly from component failure data is proposed and evaluated. This is a nonparametric approach which does not require the component time to failures to follow a known reliability distribution. The proposed methods have similar accuracy to the traditional parametric approaches, can be used when the distribution of component reliability is unknown or there is a limited amount of sample component data, are simpler to compute, and use less computer resources. Depuy et al. (1982) studied several parametric approaches to calculating confidence intervals on system reliability. The test systems employed by them are utilized for comparison with published results. Four systems with sample sizes per component of 10, 50, and 100 were studied. The test systems were complex systems made up of I components, each component has n observed (or estimated) times to failure. An efficient method for calculating a point estimate of system reliability is developed based on counting minimum cut sets that cause system failures. Five nonparametric approaches to calculate the confidence intervals on system reliability from one test sample of components were proposed and evaluated. Four of these were based on the binomial theory and the Kolomogorov empirical cumulative distribution theory. 600 Monte Carlo simulations generated 600 new sets of component failure data from the population with corresponding point estimates of system reliability and confidence intervals. Accuracy of these confidence intervals was determined by determining the fraction that included the true system reliability. The bootstrap method was also studied to calculate confidence interval from one sample. The bootstrap method is computer intensive and involves generating many sets of component samples using only the failure data from the initial sample. The empirical cumulative distribution function of 600 bootstrapped point estimates were examined to calculate the confidence intervals for 68, 80, 90 95 and 99 percent confidence levels. The accuracy of the bootstrap confidence intervals was determined by comparison with the distribution of 600 point estimates of system reliability generated from the Monte Carlo simulations. The confidence intervals calculated from the Kolomogorov empirical distribution function and the bootstrap method were very accurate. Sample sizes of 10 were not always sufficient for systems with reliabilities close to one.

Orientador: Rodrigo Cardim / Resumo: Neste trabalho são apresentados uma série de resultados relacionados com as técnicas de controle para sistemas lineares chaveados incertos que asseguram índices de desempenho e custos garantidos no projeto. Inicialmente a técnica abordada para este estudo consiste na utilização das desigualdades de Lyapunov-Metzler e as propriedades dos sistemas Estritamente Reais Positivos (ERP). São abordados os sistemas Lyapunov-Metzler-ERP (LMERP), que permitem o desenvolvimento de um método de projeto de estabilização para sistemas que apresentam comutação e incertezas no modelo, usando para isto a realimentação do vetor de estado. A análise de estabilidade é descrita por meio de Desigualdades Matriciais Lineares (em inglês: Linear Matrix Inequalities), LMIs, que, quando factíveis, são facilmente resolvidas por meio de ferramentas disponíveis de programação convexa. Neste trabalho trata-se também da síntese via realimentação de estado com chaveamento no ganho que assegura o critério de desempenho Hoo. Para a validação das estratégias de controle mencionadas foram realizadas simulações e experimentos práticos em um sistema de suspensão ativa de bancada e em um sistema ball balancer, equipamentos fabricados pela Quanser. Os resultados comprovam a eficácia dos método propostos tanto nas simulações quanto nos testes realizados em bancada. / Mestre

Submitted by IVAN FRANCISCO YUPANQUI TELLO null (ivan.yupanqui.tello@hotmail.com) on 2017-06-28T18:37:59Z No. of bitstreams: 1 minha dissertacao.pdf: 4687608 bytes, checksum: 8a9fc873657ce7c21593f7e3653e4b0c (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-06-28T20:46:09Z (GMT) No. of bitstreams: 1 tello_ify_me_ilha.pdf: 4687608 bytes, checksum: 8a9fc873657ce7c21593f7e3653e4b0c (MD5) / Made available in DSpace on 2017-06-28T20:46:09Z (GMT). No. of bitstreams: 1 tello_ify_me_ilha.pdf: 4687608 bytes, checksum: 8a9fc873657ce7c21593f7e3653e4b0c (MD5) Previous issue date: 2017-06-20 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Neste trabalho são apresentados uma série de resultados relacionados com as técnicas de controle para sistemas lineares chaveados incertos que asseguram índices de desempenho e custos garantidos no projeto. Inicialmente a técnica abordada para este estudo consiste na utilização das desigualdades de Lyapunov-Metzler e as propriedades dos sistemas Estritamente Reais Positivos (ERP). São abordados os sistemas Lyapunov-Metzler-ERP (LMERP), que permitem o desenvolvimento de um método de projeto de estabilização para sistemas que apresentam comutação e incertezas no modelo, usando para isto a realimentação do vetor de estado. A análise de estabilidade é descrita por meio de Desigualdades Matriciais Lineares (em inglês: Linear Matrix Inequalities), LMIs, que, quando factíveis, são facilmente resolvidas por meio de ferramentas disponíveis de programação convexa. Neste trabalho trata-se também da síntese via realimentação de estado com chaveamento no ganho que assegura o critério de desempenho Hoo. Para a validação das estratégias de controle mencionadas foram realizadas simulações e experimentos práticos em um sistema de suspensão ativa de bancada e em um sistema ball balancer, equipamentos fabricados pela Quanser. Os resultados comprovam a eficácia dos método propostos tanto nas simulações quanto nos testes realizados em bancada. / This work presents a series of results related to the control techniques for uncertain switched linear systems that ensure performance indicators and guaranteed cost in the design. Initially the technique discussed in this study is the use of Lyapunov-Metzler Inequalities and properties of Strictly Positive Real Systems (SPR), so the Lyapunov-Metzler-SPR systems (LMSRP) are revised, which allow the development of a method of stabilization for systems that have switching and uncertainties in the model, using for this the state feedback. The stability analysis is described by Linear Matrix Inequalities, LMIs, that when are feasible, these are easily solved through tools available in convex programming literature. We also deal with the synthesis via state feedback with switching in the gain that ensures the performance criterion Hoo. In order to validate the proposed strategy simulations and experiments were performed on a bench active suspension system and a ball balancer system, equipments manufactured by Quanser. The results prove the effectiveness of the proposed method both in simulations and in bench tests.