Datatyper

For å modellere sviktsannsynlighet kan man bruke forskjellige typer data. Under følger en forklaring av datatypene vi bruker i AssetLife.

Ekspertvurderinger¶

Tidsestimater fra eksperter i form av persentiler, typisk P$_{10}$ og P$_{50}$. Disse tallene beskriver tid til henholdsvis 10% og 50% av komponenter av en viss type har sviktet.

Eksempel: Gitt at du har 100 stykker av en type turbin med P$_{10}$=20 år. Da vil om lag 10 turbiner forventes å ha sviktet etter 20 år.

Kontinuerlig sensordata¶

Kontinuerlig sensordata brukes her om målinger som er kontinuerlige i tid, for eksempel, temperatur- og trykkmålinger.

Tilstandskarakterer¶

Tilstandskarakterer fra 1 til 4 blir satt ved manuell inspeksjon, gjerne med intervall på 2-3 år. Tilstandskarakter skal optimalt settes per komponent per skadetype og følge kriterier gitt i tilstandskontrollhåndboka. Ved å studere serier av tilstandskarakterer kan man finne estimat for oppholdstid i de forskjellige karakterene (T$_1$-T$_4$). Dette gjør at man, basert på nåværende tilstand, kan estimere restlevetid.

Tid-til-svikt¶

Tid-tid-svikt er data som beskriver registrerte svikt av en type komponent, det vil si, datapunkter for total levetid. Sett i sammenheng med tilstandskarakterer er total levetid lik summen av oppholdstidene i karakter 1 til 4 (T$_1$+T$_2$+T$_3$+T$_4$).

Sensurering¶

Viktig for de to sistnevte datatypene er sensurering. Sensurering skjer ettersom inspeksjoner uføres med et visst inspeksjonsintervall. Det vil si, inspeksjonene er diskrete hendelser i tid. Degradering pågår kontinuerlig og man greier derfor ikke å fange opp eksakt tidspunkt for overganger mellom TKer eller svikt. Sensurert data gir et svekket grunnlag for estimering av oppholdstider og svikt. Graden av sensurering påvirkes av inspeksjonsintervallet. Jo lengre tid det er mellom inspeksjonene, desto større blir usikkerheten knyttet til når en feil eller tilstandsforringelse faktisk oppstod.

Datamengde¶

En annen viktig faktor er mengden data. Jo større datagrunnlag man har fra sammenlignbare komponenter, desto bedre grunnlag har man for å estimere sviktsannsynligheter. Dette er imidlertid utfordrende i vannkraftsektoren, da komponenter av samme type ofte har ulike tekniske oppsett og driftsmønstre, både mellom ulike kraftprodusenter og innenfor samme virksomhet. Dette gjør det vanskelig å få tak i store datasett.