StandbyDistribution

StandbyDistribution[dist1,{dist2,…,distn}]

表示一个具有元件寿命分布为 disti 的备用分布. 当元件 i 失效，元件 i+1 会激活.

StandbyDistribution[dist1,{dist2,…,distn},p]

表示一个成功从元件 i 切换到元件 i+1 的概率为 p 的备用分布.

StandbyDistribution[dist1,{dist2,…,distn},sdist]

表示一个切换元件具有寿命分布 sdist 的备用分布.

StandbyDistribution[dist1,{…,{disti,inactive,disti,active},…},…]

表示第 i 个元件寿命分布在待用模式中遵循 disti,inactive，激活模式中为 disti,active 的备用分布.

更多信息

范例

打开所有单元关闭所有单元

基本范例  (3)

定义一个具有完美切换的冷备用系统：

计算 PDF：

失效的平均时间：

与非备用系统比较：

定义一个具有不完美切换的冷备用系统：

计算 PDF：

失效的平均时间：

与非备用系统比较：

定义一个待用失效率为激活失效率一半的冷温备用系统：

计算失效的平均时间：

比较生存函数：

范围  (17)

冷备用和完美切换  (3)

定义一个具有三个同样元件的冷备用系统：

计算失效平均时间：

定义一个具有两不同元件的冷备用系统：

比较生存函数：

研究具有三个同样备用元件的元件：

产生随机变量：

比较概率密度函数：

冷备用和不完美切换  (4)

切换成功概率为 p 的冷备用系统：

求失效的平均时间：

比较完美切换和不完美切换，其中切换器工作一半时间：

切换器按寿命分布模拟的冷备用系统：

求生存函数：

研究具有更差切换器的影响：

具有三个元件并且切换器用分布模拟的冷备用系统：

产生一个随机变量：

比较概率密度函数：

用成功概率模拟的开关：

比较概率密度：

温备用和完美切换  (3)

在备用时，元件可能失效的备用系统：

求失效的平均时间：

具有多个可能在备用时失效的元件系统：

与冷备用系统比较生存函数：

具有两个备用元件的温备用系统：

产生随机变量：

比较概率密度函数：

温备用和不完美切换  (4)

切换成功概率为 p 的温备用系统：

计算失效平均时间：

切换器为寿命分布的温备用系统：

计算失效的平均时间：

切换器被模拟为寿命分布的温备用系统：

产生随机变量：

比较概率密度函数：

具有成功概率的转换器的系统：

混合温冷备用系统  (3)

第二个元件备用时可能失效的备用系统：

具有第二个和第三个元件转换的系统：

比较生存函数：

切换成功概率为 0.9` 的混合冷温备用系统：

求风险函数：

产生随机数和比较概率密度：

在备用时一个元件可能失效，开关具有寿命的备用系统：

比较具有不同切换失败率的生存函数：

应用  (2)

元件的寿命是指数分布. 为了提高可靠性，需要第二个同样的元件. 求第二个元件最有效的使用：

或者是并行配置：

或者是备用配置，其中切换成功率为 p：

绘制两种情况的生存函数，与原始元件比较，假设是完美切换：

仿真30个备用系统的失效时间，并找到最佳配置：

检验我们使用的开关是如何糟糕，但仍好于并行系统：

等同于并行系统的切换器的要求随着时间变低：

考虑一个计算机服务器. 它需要电源、硬盘、网卡和路由器来实现预定的功能. 电源由冷备用的备份电源插座和柴油机发生器备份：

RAID 配置中的硬盘，需要3个中有2个是工作的：

网卡有备用的第二张卡：

两个路由器并行连接：

由此得出的生存函数：

绘图：

数值计算失效平均时间：

求服务器生存3个月的概率：

定义不包含任何冗余的消费版本：

比较生存函数：

属性和关系  (9)

冷备用对应于元件寿命的和：

比较生存函数：

具有相同指数分布元件的冷备用是 ErlangDistribution：

冷备用，其中元件寿命遵循对应于 HypoexponentialDistribution 的 ExponentialDistribution：

StandbyDistribution 是 TransformedDistribution 的特殊情形：

比较生存函数：

StandbyDistribution 是 MixtureDistribution 的特殊情形：

比较概率密度函数：

StandbyDistribution 可用于 ReliabilityDistribution：

计算生存函数：

ReliabilityDistribution 可用于 StandbyDistribution：

产生随机数：

比较概率密度函数：

StandbyDistribution 可用于 FailureDistribution：

计算存活函数：

FailureDistribution 可用于 StandbyDistribution：

生成随机数：

与概率分布函数相比较：

可能存在的问题  (1)

元件分布需要有正域：

使用 TruncatedDistribution 限制域只为正值：

Wolfram Research (2012)，StandbyDistribution，Wolfram 语言函数，https://reference.wolfram.com/language/ref/StandbyDistribution.html.

文本

Wolfram Research (2012)，StandbyDistribution，Wolfram 语言函数，https://reference.wolfram.com/language/ref/StandbyDistribution.html.

CMS

Wolfram 语言. 2012. "StandbyDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/StandbyDistribution.html.

APA

Wolfram 语言. (2012). StandbyDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/StandbyDistribution.html 年

BibTeX

@misc{reference.wolfram_2024_standbydistribution, author="Wolfram Research", title="{StandbyDistribution}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/StandbyDistribution.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_standbydistribution, organization={Wolfram Research}, title={StandbyDistribution}, year={2012}, url={https://reference.wolfram.com/language/ref/StandbyDistribution.html}, note=[Accessed: 21-November-2024 ]}