The wind farm technology block in F

The wind farm technology block in Fig. 1 provides project information, such as turbine number, monthly capacity factors and components. Failure rates, repair times and costs are inputs for each component. Strategy and resources provides details of technicians and vessels available to conduct maintenance. The site meteorological condition data is provided as a time series of wind speed and wave height data which is used to determine length of access windows for maintenance operations for a given site. Within the meteorological simulation the time series data is randomised. A probabilistic failure event model is used to simulate failure occurrences using an inverse transformation sampling algorithm. It formulates dates according to distributions based on the lifecycle of the component related to the bathtub curve [20], as shown in Fig. 2[21]. The model is capable of simulating corrective and time-based, but not condition-based, maintenance. After a corrective maintenance action occurs, the component is returned to an “as bad as old” state, a conservative assumption. Other information sources used in the model are deterministic costs and strategy chosen by the user. The mean cost and exceedance probabilities are calculated using Monte Carlo simulation [20]. The results from the tool are used to assess the estimated cost of a particular strategy based on best available data and compared with other possible maintenance strategy solutions.

ผลลัพธ์ (ไทย) 1:

บล็อกเทคโนโลยีฟาร์มลมในรูปที่ 1 แสดงข้อมูลโครงการ เช่นกังหัน ปัจจัยการผลิตรายเดือนส่วนประกอบ อัตราความล้มเหลว การซ่อมแซมครั้ง และต้นทุนเป็นปัจจัยการผลิตสำหรับแต่ละส่วนประกอบ กลยุทธ์และทรัพยากรแสดงรายละเอียดของช่างเทคนิคและมีการดำเนินการบำรุงรักษาเรือ สภาพอุตุนิยมวิทยาข้อมูลที่มีให้เป็นชุดเวลาของความเร็วลม และข้อมูลความสูงของคลื่นซึ่งใช้เพื่อกำหนดความยาวเข้าถึง windows สำหรับการดำเนินการบำรุงรักษาสำหรับไซต์ที่ระบุ ข้อมูลอนุกรมเวลาเป็นแบบสุ่มภายในจำลองอุตุนิยมวิทยา แบบจำลองเหตุการณ์ล้มเหลวน่าจะเป็นใช้ในการจำลองเหตุการณ์ความล้มเหลวที่ใช้อัลกอริทึมการแปลงผกผันการสุ่มตัว กำหนดวันตามการกระจายตามระยะเวลาของคอมโพเนนต์ที่เกี่ยวข้องกับเส้นโค้งอ่าง [20], ดังแสดงในรูป 2 [21] แบบมีความสามารถในการเลียนแบบการบำรุงรักษาแก้ไข และ ตามเวลา แต่ไม่ ตามสภาพ หลังจากการดำเนินการบำรุงรักษาเชิงแก้ไขที่เกิดขึ้น คอมโพเนนต์ถูกส่งกลับไปเป็นสถานะ "เป็นผู้รักเก่า" อัสสัมชัญเป็นอนุรักษ์นิยม แหล่งข้อมูลอื่น ๆ ที่ใช้ในแบบจำลองเป็น deterministic ทุนและกลยุทธ์ที่เลือก โดยผู้ใช้ น่าจะต้นทุนและ exceedance หมายถึงมีคำนวณโดยใช้การจำลองมอนติคาร์โล [20] ผลที่ได้จากเครื่องมือจะใช้ในการประเมินต้นทุนที่ประเมินเป็นกลยุทธ์เฉพาะที่อิงข้อมูลดีที่สุด และเมื่อเทียบกับโซลูชันอื่น ๆ กลยุทธ์การบำรุงรักษาเป็นไปได้

ผลลัพธ์ (ไทย) 2:

บล็อกเทคโนโลยีฟาร์มกังหันลมในรูป 1 ให้ข้อมูลโครงการเช่นจำนวนกังหันปัจจัยผลิตรายเดือนและส่วนประกอบ อัตราความล้มเหลวครั้งซ่อมแซมและค่าใช้จ่ายเป็นปัจจัยที่ใช้สำหรับแต่ละองค์ประกอบ กลยุทธ์และทรัพยากรให้รายละเอียดของช่างและเรือพร้อมที่จะดำเนินการบำรุงรักษา เว็บไซต์ข้อมูลสภาพอุตุนิยมวิทยามีให้เป็นอนุกรมเวลาของความเร็วลมและข้อมูลความสูงของคลื่นที่ใช้ในการกำหนดความยาวของหน้าต่างการเข้าถึงสำหรับการดำเนินการบำรุงรักษาสำหรับเว็บไซต์ที่กำหนด ภายในจำลองอุตุนิยมวิทยาข้อมูลอนุกรมเวลาเป็นแบบสุ่ม รูปแบบการจัดกิจกรรมที่น่าจะเป็นความล้มเหลวที่จะใช้ในการจำลองการเกิดความล้มเหลวในการใช้ขั้นตอนวิธีการสุ่มตัวอย่างการเปลี่ยนแปลงผกผัน มันกำหนดวันตามที่กระจายอยู่บนพื้นฐานของวงจรชีวิตขององค์ประกอบที่เกี่ยวข้องกับเส้นโค้งอ่างอาบน้ำ [20] ดังที่แสดงในรูป 2 [21] รูปแบบที่มีความสามารถในการจำลองการแก้ไขและตามเวลา แต่ไม่ได้ตามเงื่อนไขการบำรุงรักษา หลังจากที่มีการดำเนินการบำรุงรักษาที่ถูกต้องเกิดขึ้นส่วนประกอบจะถูกส่งกลับไปยัง "ไม่ดีเท่าเก่า" รัฐสมมติฐาน แหล่งข้อมูลอื่น ๆ ที่ใช้ในแบบจำลองที่มีค่าใช้จ่ายในการกำหนดกลยุทธ์และเลือกโดยผู้ใช้ ค่าใช้จ่ายและความน่าจะเป็น exceedance เฉลี่ยจะคำนวณโดยใช้การจำลอง Monte Carlo [20] ผลที่ได้จากเครื่องมือที่ใช้ในการประเมินค่าใช้จ่ายประมาณของกลยุทธ์โดยเฉพาะอย่างยิ่งบนพื้นฐานของข้อมูลที่ดีที่สุดและเมื่อเทียบกับโซลูชั่นอื่น ๆ ที่เป็นไปได้กลยุทธ์การบำรุงรักษา