KUANTIFIKASI KETIDAKPASTIAN PADA ANALISIS POHON KEGAGALAN DENGAN PENDEKATAN FUZZY
Abstract
Analisis pohon kegagalan dipakai untuk mengevaluasi kinerja sistem keselamatan pembangkit listrik tenaga nuklir. Analisis ini memerlukan ketersediaan data kegagalan komponen. Karena keandalan komponen dipengaruhi oleh lingkungan kerjanya maka perlu digunakan data kegagalan komponen yang berasal dari sistem yang sedang dievaluasi. Namun kenyataannya, data ini sangat sulit diperoleh sehingga penggunaan data jenerik menjadi tak terhindarkan. Penggunaan data jenerik tentunya akan menyebabkan ketidakpastian pada hasil analisis. Simulasi Monte Carlo sering dipakai untuk mengkuantifikasi ketidakpastian ini. Namun sebenarnya metode ini kurang tepat untuk mengevaluasi ketidakpastian apabila jumlah data yang dimiliki sangat terbatas. Tujuan dari penelitian ini adalah pengembangan sebuah metode analisis pohon kegagalan baru yang menerapkan konsep fuzzy untuk kuantifikasi ketidakpastian. Dalam metode baru ini, probabilitas fuzzy dipakai untuk merepresentasikan probabilitas kejadian dasar, antara serta puncak dan hukum kombinasi fuzzy dipakai untuk mengevaluasi ketidakpastian hasil analisis. Kebolehjadian gagalnya sistem injeksi akumulator AP1000 telah dievaluasi dengan menggunakan metode baru ini dan diperoleh ketidakpastian kegagalan pada interval 8,87E-12 – 8,87E-8 dengan nilai titik tengah 8,87E-10. Hasil ini membuktikan bahwa analisis pohon kegagalan dengan pendekatan fuzzy ini layak dipakai apabila yang menjadi fokus evaluasi adalah ketidakpastian karena keterbatasan data kegagalan yang dimiliki.
Kata kunci: Analisis pohon kegagalan, analisis ketidakpastian, probabilitas fuzzy, hukum kombinasi fuzzy
Fault tree analysis has been applied to evaluate nuclear power plant safety systems. To perform this analysis, component reliabilities need to be provided well in advance. Since working environment can affect component reliability, it is necessary to directly collect such data from the safety system being evaluated. However, due to lack of resources, such data may be unattainable. Hence, the use of generic data cannot be avoided. Unfortunately, generic data will add uncertainty to the analysis. Monte Carlo simulation has been performed to evaluate such uncertainty. However, this method is not appropriate when components do not have probability distributions of their lifetime to failures. The aim of this study is to propose a new fault tree analysis method which implements fuzzy concepts for quantifying such uncertainty. In the proposed method, fuzzy probabilities represent basic, intermediate as well as top event probabilities and fuzzy combination rules are used to evaluate the overall uncertainty of the fault tree. The proposed method has been performed to evaluate failure probability of the AP1000 accumulator injection system and generate a probability distribution between 8.87E-12 and 8.87E-8 with the point median value of 8.87E-10. This result confirms that the proposed method is feasible to evaluate system fault tree when uncertainty raised by the lack of reliability data is the main focus of the analysis.
Keywords: Fault tree analysis, uncertainty analysis, fuzzy probabilities, fuzzy combination rules
Full Text:
PDF (Bahasa Indonesia)Refbacks
- There are currently no refbacks.