Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
This dissertation is concerned with the development of implementable analytical models for the estimation of the remaining lifetime probability distribution of a component subject to a randomly evolving environment. The models incorporate estimated parameters via environmental or degradation measures obtained from component sensors. We consider three distinct stochastic process models for the random environment: a temporally nonhomogeneous Markov environment, a temporally homogeneous Markov environment, and a temporally homogeneous semi-Markov environment. The hybrid approach unites real environment state or degradation measures with analytical, stochastic failure models to numerically compute the distributions and their moments. Additionally, it is shown that the lifetime distributions resulting from the homogeneous Markov environment and a special case of the nonhomogeneous Markov environment are distributions of the matrix-exponential type. Because the lifetime distribution in the semi-Markov case is computationally intensive, we instead utilize phase-type (PH) approximations that transform the semi-Markov environment to a time-homogeneous Markov environment. The numerical experiments indicate that the analytical techniques developed in this research hold great promise for remaining lifetime prognosis in a variety of contexts.