تحقیق درباره قابلیت اطمینان و مدیریت پروژه

ازآنجایی‌که در مراحل مقدماتی و روند طراحی مفهومی یک مأموریت فضایی، عدم اطلاع کافی از عدم قطعیتهای یک پارامتر ممکن است منجر به یک تصمیم‌گیری نادرست و یا تردید امکانپذیری مأموریت شود، تلاش برای شناسایی و لحاظ کردن عدم قطعیتهای هر یک از پارامترهای موجود در روند طراحی قابل توجیه و دفاع است.
با توجه به مطالب مطرح‌شده درزمینه طراحی با در نظر گرفتن عدم قطعیت می‌توان طراحان را به سه دسته کلی تقسیم‌بندی نمود:
طراح محافظه‌کار: این نوع طراحان معمولاً میدانند که عدم قطعیتهایی وجود دارد ولی تخمین درستی از محدوده آن نداشته و خروجی طراحی آنان یک سیستم یا محصول محافظه‌کارانه با هزینه‌های اضافی و دور از نقطه بهینه واقعی است.
طراح سهل‌انگار: این نوع طراحان معمولاً اهمیت کمی برای عدم قطعیت‌ها در نظر میگیرند و با اعتمادبه‌نفس کاذب تصور میکنند همه‌چیز را در نظر گرفتهاند و میدانند. خروجی طراحی آنان معمولاً دارای ریسک و احتمال خرابی بالایی است.
طراح هوشمند: این نوع طراحان از وجود عدم قطعیت‌ها مطلع هستند و تلاش میکنند محدوده اثر آن‌ها را شناسایی کنند و با روش صحیحی در روند طراحی وارد کنند، خروجی طراحی آنان معمولاً یک طرح متعادل، نزدیک به نقطه بهینه واقعی و با قابلیت اطمینان بالا است[23].
منابع و دسته بندی عدم قطعیت ها
در یک روند طراحی، عدم قطعیتهای گوناگونی به مسئله طراحی ربط داده می‌شوند که باید مشخص و مدیریت شوند. درزمینه مدل‌سازی و شبیه‌سازی محاسباتی، دو دسته‌بندی از عدم قطعیتها وجود دارد. یک دسته‌بندی، بین عدم قطعیت در پارامترها و عدم قطعیت شکل مدل وجه تمایز قائل می‌شود. عدم قطعیت در پارامترها، عدم قطعیتهایی هستند که به داده‌های ورودی (شرایط مرزی یا شرایط اولیه) و یا به پارامترهای اساسی‌ای که یک فرایند محاسباتی داده‌شده را تعریف میکنند، وابسته‌اند. عدم قطعیت‌های شکل مدل، عدم قطعیتهایی هستند که به معتبر بودن مدل وابسته‌اند به‌عنوان‌مثال مدل ریاضی نامی به‌اندازه کافی به فیزیک مسئله نزدیک باشد. روندهای سیستماتیک برای تشخیص دادن و مدیریت عدم قطعیتها در فعالیتهای آزمایشی شامل طراحی آزمایش و روشهای کنترل فرایند آماری به کار میروند.
عدم قطعیتهای پارامتری عموماً در ترم‌هایی از توابع چگالی احتمال، توابع عضویت یا فواصل مرزی مشخص شدهاند. تشخیص عدم قطعیت در شکل مدل خیلی مشکل است. روشهایی کلی برای تخمین اثرات عدم قطعیت روی عملکرد سیستم در دسترس هستند و برخی روشهای بهینه‌سازی نیز می‌توانند برای عدم قطعیتها به کار روند. اما مطمئناً توسعه روش‌های جدید و موجود در آیرودینامیک، کنترل، سازه و موضوعهای تحلیل سیستم برای فعالیتهای وسایل هوافضایی شدیداً موردنیاز است[24].
ارل و همکارانش در سال 2005 عدم قطعیت را ازنظر پیچیدگی در طراحی به چهار گروه تقسیم‌بندی کرده‏اند:
عدم قطعیت‏های معلوم
عدم قطعیت‏های نامعلوم
عدم قطعیت در اطلاعات (شامل اندازه‏گیری‏ها)
عدم قطعیت در توصیف
عدم قطعیت‏های معلوم آن‌هایی هستند که می‏توانند توصیف شوند و به‌خوبی بر اساس موارد گذشته به‌کاربرده شوند. در عدم قطعیت‏های نامعلوم حادثه‏ای خاص یا نوعی از حوادث نمی‏توانند پیش‏بینی شوند. عدم قطعیت در اطلاعات شامل عواملی همچون کمال، دقت، سازگاری و کیفیت اندازه‏گیری اطلاعات می‏شود. این متفاوت از عدم قطعیت در توصیف یک سیستم است، که روی ابهام در توصیف‏ها، انتخاب المان‏ها و واضح نبودن هدف نهایی تمرکز کرده است و این تفاوت مهمی در مدل‌سازی عدم قطعیت است، به این دلیل که اطلاعات فقط می‏توانند برای انتخاب بخش مختصری از فضای مسئله به کار روند. اگر فاکتورها نامعلوم هستند، آن‌ها نمی‏توانند در لیست المان‏های توصیف یک سیستم به شمار آیند[25].
در مرجع [26] منابع اصلی عدم قطعیت این‌طور آورده شده است.
عدم قطعیت‌های ناشی از خطای انسان: مانند استفاده نادرست، عوامل فیزیکی پیش‌بینی‌نشده یا اتفاقات فاجعه‌بار پیش‌بینی‌نشده. این نوع از عدم قطعیت‌ها بیشترین اهمیت را در تعیین قابلیت اطمینان در موفقیت یا شکست را دارند. هرچند شرح این نوع مسائل در قالب روابط ریاضی دشوار است.
عدم قطعیت‌های ناشی از جهل یا بی‌خبری: مانند بی‌خبری از رفتارهای فیزیکی معین، و تغییرات در کاربردهای آینده. در برخی مراجع این عدم قطعیت‌ها به نام عدم قطعیت‌های شناختی خوانده شده است. عدم قطعیت‌های ناشی از نقص آگاهی را میتوان با مدل کردن خطاهای ناشناخته با استفاده از احتمالات آماری وارد مسئله کرد.
عدم قطعیت‌های ناشی از تغییرات اتفاقی در مشخصه‌های تولید و شرایط کاربرد: این نوع عدم قطعیت‌ها را میتوان با استفاده از روش‌های احتمالاتی آماری و شبیه‌سازی‌های احتمالاتی وارد مسئله کرد.
تحلیل عدم قطعیت
یکی از روش‌های مرسومی که برای تحلیل عدم قطعیت‌ها به کار می‌رود و در این پایان‌نامه از آن استفاده‌شده است، استفاده از روش مونت‌کارلو می‌باشد. روش شبیه‌سازی مونت‌کارلو به‌عنوان ابزاری جهت تحلیل و بررسی یکپارچه و همزمان ترکیبات مختلف عدم قطعیت‌ها استفاده می‌گردد. این روش، ابزار قدرتمندی جهت بررسی پیامد رخداد انواع حالات عدم قطعیت‌ها می‌باشد که مزایای قابل‌توجهی ازجمله در نظرگیری رخداد توأم عدم قطعیت‌ها و قابلیت ارائه ابعاد گوناگون تابع مطلوبیت را دارا است.
اساس روش شبیه‌سازی مونت‌کارلو، نمایش ترکیبات تصادفی حالات ممکنه از عدم قطعیت‌هایی است که در یک پروژه رخ می‌دهند. در این روش از قدرت و سرعت رایانه جهت نمایش حالات مختلفی که برای عدم قطعیت‌ها رخ می‌دهند؛ استفاده می‌شود. در این روش ابتدا تابع توزیع احتمالات انواع عدم قطعیت‌هایی که در مراحل قبلی مدیریت ریسک شناسایی‌شده‌اند؛ توسط کارشناسان تیم مدیریت پروژه و گاهی تجربیات پروژه‌های گذشته تعیین می‌گردند. در مرحله دوم ابتدا تعداد اجراهای شبیه‌سازی تعیین می‌گردند که تعداد آن‌ها بسته به پیچیدگی و ابعاد پروژه و اهمیت ریسک‌های مورد بررسی انتخاب میگردد.
در این روش، در هر اجرا برای هریک از عدم قطعیت‌ها یک مقدار احتمالی بین حد پایین و بالای عدم قطعیت‌های مربوطه تولید می‌شود که فراوانی آن، از تابع توزیع احتمالات آن عدم قطعیت‌ها پیروی می‌کند. بدین طریق در هر اجرا، یک مجموعه جواب که در تناظر یک‌به‌یک با عدم قطعیت‌ها می‌باشد تولید می‌شود که بیانگر یکی از حالات ممکن مطلوبیت است. اجراهای دیگر شبیه‌سازی، وضعیت‌های بیشتری از حالات ممکن مطلوبیت را ارائه می‌دهند[27].
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.