ISSN 1507-2711
JOURNAL DOI: dx.doi.org/10.17531/ein

JCR Journal Profile


Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies  Wydawca(Publisher):Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne (Warszawa) - Polish Maintenance Society (Warsaw)   Patronat Naukowy(Scientific supervision): Polska Akademia Nauk o/Lublin  - Polish Akademy of Sciences Branch in Lublin  Członek(Member of): Europejskiej Federacji Narodowych Towarzystw Eksploatacyjnych  - European Federation of National Maintenance Societies


 We verify submissions originality with the use of iThenticate plagiarism checker

Publisher:
Polish Maintenance Society
(Warsaw)

Scientific supervision:
Polish Academy of Sciences Branch in Lublin

Member of:
European Federation
of National Maintenance Societies


Attention!

In accordance with the requirements of citation databases, proper citation of publications appearing in our Quarterly should include the full name of the journal in Polish and English without Polish diacritical marks, i.e. "Eksploatacja i Niezawodnosc – Maintenance and Reliability".


 

Submission On-Line

 




http://scientific.thomsonreuters.com/cgi-bin/jrnlst/jloptions.cgi?PC=D

http://www.thomsonreuters.com/products_services/scientific/Journal_Citation_Reports

http://infobaseindex.com

http://www.info.scopus.com/why-scopus/publishers/?url=detail/what/publishers/

http://www.ebsco.com


Lista czasopism punktowanych MNiSzW 2019:

100 punktów w dyscyplinach:
- architektura i urbanistyka
- automatyka, elektronika i elektrotechnika
- inżynieria biomedyczna
- inżynieria lądowa i transport
- inżynieria materiałowa
- inżynieria mechaniczna
- inżynieria środowiska, górnictwo
i energetyka
- nauki o zarządzaniu i jakości


MOST CITED

Update: 2020-08-23

1. COMPUTER-AIDED MAINTENANCE AND RELIABILITY MANAGEMENT SYSTEMS FOR CONVEYOR BELTS
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 3   Pages: 377-382   Published: 2014

Times Cited: 54
2. ON APPROACHES FOR NON-DIRECT DETERMINATION OF SYSTEM DETERIORATION
By: Valis, David; Koucky, Miroslav; Zak, Libor

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 14, Issue: 1   Pages: 33-41   Published: 2012

Times Cited: 53
3. A NEW FAULT TREE ANALYSIS METHOD: FUZZY DYNAMIC FAULT TREE ANALYSIS
By: Li, Yan-Feng; Huang, Hong-Zhong; Liu, Yu; et al.

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume 14, Issue: 3 Pages: 208-214 Published: 2012

Times Cited: 46
4. APPLICATION OF NEURAL RECONSTRUCTION OF TOMOGRAPHIC IMAGES IN THE PROBLEM OF RELIABILITY OF FLOOD PROTECTION FACILITIES
By: Rymarczyk, Tomasz; Klosowski, Grzegorz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 20 Issue: 3 Pages: 425-434 Published: 2018

Times Cited: 42
5. INNOVATIVE METHODS OF NEURAL RECONSTRUCTION FOR TOMOGRAPHIC IMAGES IN MAINTENANCE OF TANK INDUSTRIAL REACTORS
By: Rymarczyk, Tomasz; Klosowski, Grzegorz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 21 Issue: 2 Pages: 261-267 Published: 2019

Times Cited: 38
6. PREDICTING THE TOOL LIFE IN THE DRY MACHINING OF DUPLEX STAINLESS STEEL
By: Krolczyk, Grzegorz; Gajek, Maksymilian; Legutko, Stanislaw

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 15 Issue: 1 Pages: 62-65 Published: 2013

Times Cited: 36
7. UTILIZATION OF DIFFUSION PROCESSES AND FUZZY LOGIC FOR VULNERABILITY ASSESSMENT
By: Valis, David; Pietrucha-Urbanik, Katarzyna

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Volume: 16   Issue: 1   Pages: 48-55   Published: 2014

Times Cited: 35
8. MAINTENANCE DECISION MAKING BASED ON DIFFERENT TYPES OF DATA FUSION
By: Galar, Diego; Gustafson, Anna; Tormos, Bernardo; et al.
EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY 
Volume 14, Issue: 2   Pages: 135-144   Published:2012

Times Cited: 35
9. TESTS OF EXTENDABILITY AND STRENGTH OF ADHESIVE-SEALED JOINTS IN THE CONTEXT OF DEVELOPING A COMPUTER SYSTEM FOR MONITORING THE CONDITION OF BELT JOINTS DURING CONVEYOR OPERATION
By: Mazurkiewicz, Dariusz

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 3 Pages: 34-39 Published: 2010

Times Cited: 28
10. DEVELOPMENT TRENDS IN MACHINES OPERATION MAINTENANCE
By: Legutko, Stanislaw

EKSPLOATACJA I NIEZAWODNOSC-MAINTENANCE AND RELIABILITY
Issue: 2 Pages: 8-16 Published: 2009

Times Cited: 32

 


 



Task „Implementation of procedures ensuring  the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.


Chun Su

Model do prognozowania niezawodności systemu magazynowania w czasie rzeczywistym w oparciu o dane z przeglądów okresowych oraz dane eksploatacyjne

W ostatnich latach wiele uwagi poświęcono tematyce niezawodności magazynowania w odniesieniu do zwiększania wymogu niezawodności. W prezentowanym artykule, przedstawiono modele do prognozowania w czasie rzeczywistym niezawodności systemu magazynowania podlegającego przeglądom okresowym i obsłudze. Modele oparto na teoriach z zakresu fizyki niezawodności oraz na rozkładzie wykładniczym. Proponowane modele opracowano dla dwóch nowo zdefiniowanych opcji niepełnej odnowy, t.j. Improved-As Bad As Old (Jak Tuż Przed Uszkodzeniem – Wersja Udoskonalona) oraz Improved-As Good As New (Jak Fabrycznie Nowy – Wersja Udoskonalona). Zaproponowano także metodę uzupełniania danych cenzurowanych (uciętych) dotyczących trwałości polegającą na uśrednianiu trwałości resztkowej. Zgodnie z pełnymi i cenzurowanymi danymi trwałościowymi, parametry w proponowanych modelach ocenia się, odpowiednio, z zastosowaniem estymacji metodą największej wiarygodności oraz metody iteracyjnej. Poprawność przedstawionej metody uzupełniania oraz efektywność proponowanych dwóch modeli zweryfikowano na podstawie numerycznego przykładu systemu magazynowania.

Forecast model for real time reliability of storage system based on periodic inspection and maintenance data

In recent years, storage reliability has attracted much attention for increasing reliability requirement. In this paper, forecast models for real-time reliability of storage system under periodic inspection and maintenance are presented, which is based on the theories of reliability physics and exponential distribution. The models are developed under two newly-defined imperfect repair modes, i.e., Improved As Bad As Old (I-ABAO) and Improved As Good As New (I-AGAN). A completion method for censored life data is also proposed by averaging the residual lifetime. According to the complete and censored lifetime data, parameters in the models are estimated by applying maximum likelihood estimation method and iterative method respectively. A numerical example of a storage system is given to verify the feasibility of the proposed completion method and the effectiveness of the two models.

Ocena niezawodności turbin wiatrowych za pomocą sieci Bayesa z uwzględnieniem wpływu prędkości wiatru

Niezawodność turbiny wiatrowej ma ogromne znaczenie dla gotowości i efektywności ekonomicznej instalacji wiatrowej. W niniejszym artykule zbudowano, w oparciu o sieci Bayesa (BN), model niezawodności turbiny wiatrowej uwzględniający wpływ prędkości wiatru. Przedstawiono Metodę Logiki Przyczynowości (Causal Logic Method, CLM), służącą do modelowania jakościowego, która łączy zalety drzewa błędów w odniesieniu do aspektów technicznych z atutami BN w odniesieniu do czynników środowiskowych i niepewności. Do kalkulacji ilościowych zaproponowano nową metodę dopasowania opartą na oczekiwaniach, w której dane z eksploatacji i opinie ekspertów łącznie pozwalają opisać niepewność rozkładów prawdopodobieństwa a priori. Wskaźnik niezawodności turbiny wiatrowej i jej elementów otrzymano posługując się algorytmem wnioskowania przybliżonego w połączeniu z dynamiczną dyskretyzacją zmiennych ciągłych. Dla zilustrowania proponowanej metody przedstawiono studium przypadku, którego wyniki wskazują, że prędkość wiatru jest ważnym czynnikiem niezawodności turbiny wiatrowej.

Reliability assessment for wind turbines considering the influence of wind speed using bayesian network

The reliability of wind turbine is of great importance for the availability and economical efficiency of wind power system. In this article, a reliability model for wind turbine is built with Bayesian network (BN), in which the influence of wind speed is considered. Causal logic method (CLM) is presented for qualitative modeling, which combines the merits of fault tree in handling technical aspects and the strength of BN in dealing with environmental factors and uncertainty. A novel adjustment method based on expectation is proposed for quantitative calculation, by which historical data and expert judgment are integrated to describe the uncertainty in the prior probability distributions. An approximate inference algorithm combining with dynamic discretization of continuous variables is adopted to obtain the reliability index of wind turbine and its elements. A case study is given to illustrate the proposed method, and the results indicate that wind speed is an important factor for the reliability of wind turbine.

Prediction of remaining useful life for lithium-ion battery with multiple health indicators

Lithium-ion (Li-ion) battery has become a primary energy form for a variety of engineering equipments. To ensure the equipments’ reliability, it is crucial to accurately predict Liion battery’s remaining capacity as well as its remaining useful life (RUL). In this study, we propose a novel method for Li-ion battery’s online RUL prediction, which is based on multiple health indicators (HIs) and can be derived from the battery’s historical operation data. Firstly, four types of indirect HIs are built according to the battery’s operation current, voltage and temperature data respectively. On this basis, a generalized regression neural network (GRNN) is presented to estimate the battery’s remaining capacity, and the nonlinear autoregressive approach (NAR) is applied to predict the battery’s RUL based on the estimated capacity value. Furthermore, to reduce the interference, twice wavelet denoising are performed with different thresholds. A case study is conducted with a NASA battery dataset to demonstrate the effectiveness of the method. The