Dynamiczne projektowanie w warunkach niepewności uwzględniające problem cyklu życia staje się coraz bardziej atrakcyjnym podejściem w projektowaniu inżynieryjnym. Jednym z ważniejszych zadań jest obliczenie na etapie projektowania kosztu cyklu życia, który można wykorzystać jako funkcję celu lub jako ograniczenie. Koszt cyklu życia to suma wszystkich kosztów poniesionych podczas cyklu życia produktu, wliczając w to koszty projektu, rozwoju, produkcji, eksploatacji, obsługi, wspomagania obsługi oraz likwidacji. W artykule analizujemy kilka modeli kosztu cyklu życia i ilustrujemy ich zastosowania. Następnie, biorąc pod uwagę modele kosztu cyklu życia, budujemy modele projektowania zorientowanego na niezawodność (design-for-reliability models), projektowania w granicach zadanej niezawodności (design-to-reliability models) oraz projektowania odpornego (robust design model). Modele te, poprzez uwzględnienie problemów związanych z cyklem życia, mogą pomagać inżynierom w przygotowaniu niezawodnych i odpornych projektów produktów bądź systemów.

Klasyczna teoria prawdopodobieństwa ma szerokie zastosowanie w analizie niezawodności, jednak trudno jest się nią posługiwać, kiedy brak jest wystarczających i odpowiednich danych na temat systemu. Obecnie, proponuje się alternatywne podejścia, takie jak teoria możliwości czy teoria zbiorów rozmytych, za pomocą których można analizować niepewność epistemiczną oraz nieostrość w odniesieniu do aspektów niezawodności złożonych i dużych systemów. Model przedstawiony w niniejszym artykule oparto na teorii możliwości oraz na założeniu wielostanowości. Podkratę wklęsłą opisano na relacji kongruencji, odnoszącej się do całej kraty funkcji struktury. Ustalono relacje pomiędzy klasami równoważności na relacji kongruencji a zbiorem wszystkich funkcji struktury. Ponadto posługując się pojęciem podkraty wypukłej można wyprowadzać istotne kresy niezawodności. Wyniki zilustrowano przykładem numerycznym.

Systemy wielostanowe (multi-state systems, MSS), stanowiące typ złożonych systemów zbudowanych z elementów o różnym poziomie wydajności, znajdują szerokie zastosowanie w praktyce inżynierskiej. W prezentowanej pracy podjęto rozważania łączące zagadnienia alokacji nadmiarowości oraz alokacji pracowników służb utrzymania ruchu w naprawialnych systemach MSS o konfiguracji szeregowo-równoległej. Tradycyjnie ujmowane zagadnienie alokacji nadmiarowości (redundancy allocation problem, RAP) w systemach MSS zawsze zakłada, że środki obsługi są nieograniczone. Jednakże w wielu sytuacjach praktycznych, środki obsługi mogą być ograniczone budżetem i/lub czasem. Istnieją dwa możliwe sposoby maksymalizacji gotowości systemu przy określonym zapotrzebowaniu użytkowników: (1) zaprojektowanie optymalnej konfiguracji systemu z wykorzystaniem dostępnych elementów oraz (2) alokowanie większej liczby pracowników obsługi w celu zmniejszenia czasu oczekiwania na naprawę. Dostępność jednakowych wersji elementów przy wcześniej określonej liczbie pracowników obsługi oceniano za pomocą modelu kolejek Markowa. Uniwersalną funkcję generacyjną (UGF) wykorzystano do oceny gotowości całego systemu MSS przy określonym zapotrzebowaniu. Zaproponowano dwa równania optymalizacyjne uwzględniające ograniczone środki obsługi. W jednym z nich ograniczoność środków obsługi potraktowano jako ograniczenie (constraint), natomiast drugie równanie dotyczyło minimalizacji całkowitych kosztów systemu włącznie z kosztami elementów systemu oraz płacą pracowników służb utrzymania ruchu. Strategie alokacji nadmiarowości systemu oraz alokacji pracowników poddano jednoczesnej optymalizacji z uwzględnieniem wymaganej gotowości. Wydajność proponowanych modeli zilustrowano przykładem numerycznym. Poszukiwania optymalnej strategii globalnej prowadzono przy pomocy niedawno opracowanego metaheurystycznego algorytmu optymalizacyjnego znanego jako algorytm świetlika (Firefly Algorithm, FA)