Forutsi påliteligheten til produktene når det gjelder kvaliteten på tekniske prosesser. Prognosemetoder

Som nevnt ovenfor i henhold til de grunnleggende beregningsprinsippene egenskaper som utgjør påliteligheten, eller komplekse indikatorer på påliteligheten til objekter, skilles ut:

prognosemetoder,

Strukturelle beregningsmetoder,

Fysiske beregningsmetoder,

Metoder prognoser er basert på bruk av data om oppnådde verdier og identifiserte trender i endringen i pålitelighetsindikatorene til analoge objekter for å vurdere det forventede nivået av objektpålitelighet. ( Objekt-analoger - dette er objekter som ligner på eller nær den som vurderes når det gjelder formål, operasjonsprinsipper, kretsdesign og produksjonsteknologi, elementbase og materialer som brukes, driftsforhold og moduser, prinsipper og metoder for pålitelighetsstyring).

Strukturell metoder beregning er basert på representasjonen av objektet i form av et logisk (strukturelt-funksjonelt) diagram som beskriver avhengigheten av tilstandene og overgangene til objektet av tilstandene og overgangene til elementene, tar hensyn til deres interaksjon og funksjonene de utføre i objektet, etterfulgt av beskrivelser av den konstruerte strukturelle modellen av en adekvat matematisk modell og beregning av pålitelighetsindikatorene til objektet i henhold til de kjente egenskapene til påliteligheten til elementene.

Fysisk metoder beregning er basert på bruk av matematiske modeller, beskriver deres fysiske, kjemiske og andre prosesser som fører til feil på objekter (til oppnåelse av grensetilstanden av objekter), og beregning av pålitelighetsindikatorer i henhold til kjente parametere (objektbelastning, egenskaper ved stoffer og materialer som brukes i objektet, under hensyntagen til funksjonene til dets design og produksjonsteknikker.

Metoder for å beregne påliteligheten til et bestemt objekt velges avhengig av: - målene for beregningen og kravene til nøyaktigheten for å bestemme pålitelighetsindikatorene til objektet;

Tilgjengelighet og/eller mulighet for å få den innledende informasjonen som er nødvendig for bruk av en bestemt beregningsmetode;

Nivået av sofistikert design og produksjonsteknologi for objektet, systemet for vedlikehold og reparasjon, som gjør det mulig å bruke passende beregningsmodeller for pålitelighet. Ved beregning av påliteligheten til spesifikke objekter er det mulig å bruke ulike metoder samtidig, for eksempel metoder for å forutsi påliteligheten til elektroniske og elektriske komponenter, etterfulgt av å bruke resultatene som er oppnådd som inngangsdata for å beregne påliteligheten til et objekt som helhet. eller dets komponenter ved forskjellige strukturelle metoder.

4.2.1. Pålitelighetsprediksjonsmetoder

Prognosemetoder brukes:

For å rettferdiggjøre det nødvendige nivået av pålitelighet av objekter i utviklingen av tekniske spesifikasjoner og / eller estimere sannsynligheten for å oppnå de spesifiserte pålitelighetsindikatorene i utviklingen av tekniske forslag og analyse av kravene til det tekniske oppdraget (kontrakt);

For en omtrentlig vurdering av det forventede pålitelighetsnivået til objekter i de tidlige stadiene av deres design, når det ikke er nødvendig informasjon for bruk av andre metoder for å beregne pålitelighet;

For å beregne feilfrekvensen til masseproduserte og nye elektroniske og elektriske komponenter av forskjellige typer, under hensyntagen til belastningsnivået, utførelse og bruksområder for utstyret der elementene brukes;

For å beregne parametrene for typiske oppgaver og operasjoner for vedlikehold og reparasjon av objekter, under hensyntagen til designegenskapene til objektet, som bestemmer dets vedlikeholdbarhet.

For å forutsi påliteligheten til objekter, brukes følgende:

Metoder for heuristisk prognose (peer review);

Meloly prognose av statistiske modeller;

Kombinerte metoder.

Metoder heuristisk prognoser basert på statistisk behandling av uavhengige estimater av verdiene til forventede pålitelighetsindikatorer utviklet objekt (individuelle prognoser) gitt av en gruppe kvalifiserte (eksperter) på grunnlag av informasjon gitt av dem om objektet, driftsbetingelsene, den planlagte produksjonsteknologien og andre data tilgjengelig på tidspunktet for vurderingen. En undersøkelse av eksperter og statistisk behandling av individuelle prognoser for pålitelighetsindikatorer utføres etter metoder som er generelt aksepterte for ekspertevaluering av eventuelle kvalitetsindikatorer (for eksempel Delphi-metoden).

P ro n k o z i o n i o nstatistisk modeller er basert på ekstra- eller interpolering av avhengigheter som beskriver de identifiserte trendene i endringer i pålitelighetsindikatorene til analoge objekter, tatt i betraktning deres design og teknologiske egenskaper og andre faktorer, informasjon om hvilke som ikke er kjent for objektet som utvikles eller kan bli innhentet på tidspunktet for vurderingen. Modeller for prognoser er bygget i henhold til data om pålitelighetsindikatorer og parametere for analoge objekter ved bruk av kjente statistiske metoder (multivariat regresjonsanalyse, metoder for statistisk klassifisering og mønstergjenkjenning).

Kombinert metoder er basert på kombinert bruk av prognosemetoder basert på statistiske modeller og heuristiske metoder for å forutsi reliabiliteten, etterfulgt av en sammenligning av resultatene. Samtidig brukes heuristiske metoder for å vurdere muligheten for ekstrapolering av statistiske modeller og avgrense prognosen for pålitelighetsindikatorer basert på dem. Bruk av kombinerte metoder er tilrådelig i tilfeller der det er grunn til å forvente kvalitative endringer i forekomstnivået av objekter som ikke reflekteres av de tilsvarende statistiske modellene, eller når antallet analoge objekter er utilstrekkelig for bruk av kun statistiske metoder. .

I følge arbeidet er "en prognose definert som en sannsynlig vitenskapelig basert vurdering om utsiktene, mulige tilstander for et bestemt fenomen i fremtiden og (eller) om alternative måter og vilkår for implementeringen av dem."

Ifølge estimater fra innenlandske og utenlandske eksperter er det i dag mer enn 150 prognosemetoder, men antallet grunnleggende metoder som gjentas i ulike variasjoner er mange ganger mindre. Det antas at disse metodene er basert på to ekstreme tilnærminger: heuristisk og matematisk.

Når det gjelder mekaniske systemer, spesielt for biler, har metodene for prognoser for å vurdere pålitelighetsindikatorer begynt å bli brukt relativt nylig. Så for å normalisere kjøringen av nye design L H, anbefales avhengigheten

hvor L C , σ c - gjennomsnittsverdi og standardavvik for ressursen til en seriemaskin i drift.

Hvis vi kobler L c med kalendertiden T, kommer vi praktisk talt til tidsserien L (eller L H) som en funksjon av T.

Oppgaven gir en teknikk for å forutsi ressursene til enheter ved hjelp av tidsserier og gir spesifikke eksempler på prognostisering av motorressurser. Når det gjelder veitransport er det utviklet metoder for å forutsi og styre kjøretøyers tekniske drift og pålitelighet. Spesielt vurderer papiret et system med kontinuerlige prognoser for å estimere det spesifikke nivået av arbeidsintensitet for vedlikehold og nåværende reparasjoner, tar hensyn til forholdet mellom kortsiktige, mellomlange og langsiktige prognoser; konkrete eksempler på prognoser for de angitte verdiene for lastebiler, busser og biler er gitt; hovedaspektene ved beslutningstaking under risiko og usikkerhet basert på Bayesiansk tilnærming, spillteori og statistiske beslutninger vurderes.

Prognosemetoder er mye brukt i evalueringen av restressursen. I det generelle tilfellet snakker vi om en tilnærming av en individuell implementering, for eksempel assosiert med slitasje (eller akkumulert skade) av en analytisk avhengighet, hvis parametere bestemmes av resultatene av diagnostikk i pre-prognoseperioden , etterfulgt av ekstrapolering over avledningsintervallet (prognose) til grensetilstanden er nådd.

I en rekke arbeider vurderes problemstillinger knyttet til prediksjon (beregning) av parametrene for belastningsmodusene til enheter og deler som er nødvendige for å vurdere statisk styrke og utmattingslevetid under design. Som regel er de foreslåtte metodene basert på generalisering av eksperimentelle data om belastningsmodusene til analoge maskiner eller datasimulering, men sørger ikke for innføring av en tidstrend. Derfor utføres prognosen ved å erstatte designparametrene til den konstruerte maskinen i de beregnede avhengighetene.

Teoretisk og anvendt utvikling innen feltet for å forutsi påliteligheten til mekaniske systemer er dekket i tilstrekkelig detalj i en rekke arbeider [...]. Rekkefølgen av prognoser ved bruk av beregningsmetoder i det generelle tilfellet sørger for representasjon av strukturen til produktet i form av et hierarkisk system "detalj - montering enhet-produkt"; bestemmelse av lastspektra; dannelse av modeller for fysisk aktivitet som fører til feil; etablering av feilkriterier og grensetilstander; bestemmelse av numeriske verdier av pålitelighetsindikatorer; vurdering av prognosens pålitelighet; korrigering av pålitelighetsindikatorer ved å bruke resultatene av prognosen. Imidlertid er anvendelsen av bestemmelsene ovenfor for spesifikke prognoser vanskelig, og dette skyldes ikke bare spesifikasjonene til produkter fra forskjellige ingeniørgrener, men også mangelen på kunnskap og tvetydighet i tolkningen av slike konsepter som klassifisering av prognoseobjektet, multivariansen og syntesen av prognoser, beslutningsprosedyrer basert på prediktiv (a priori) informasjon, etc. Derfor er det tilrådelig å dvele mer detaljert på spørsmålene om beregning av pålitelighetsindikatorene til mekaniske systemer i design fra synspunktet til teorien om prognoser.

Prognosemetodikk forstås som et kunnskapsfelt om metoder, metoder og systemer for prognoser. I samsvar med det nevnte arbeidet og terminologien gitt i det, vil vi forstå metoden for prognoser som en metode for å studere objektet for prognoser, rettet mot å utvikle en prognose, under metodikken - en kombinasjon av en eller flere metoder, til slutt, under prognosesystemet - et ordnet sett med metoder og midler for implementering av dem.

Teorien om prognose inkluderer analysen av objektet for prognoser, spesielt klassifiseringen; prognosemetoder, delt inn i formalisert (matematisk) og intuitiv (ekspert); prognosesystemer, inkludert kontinuerlige, der prognoser på grunn av tilbakemeldinger justeres under driften av objektet.

I samsvar med arbeidene er prognoseobjekter klassifisert:

av natur (vitenskapelig og teknisk, teknisk og økonomisk, etc.);

etter skala - avhengig av antall signifikante variabler inkludert i beskrivelsen av objektet, er det sublokale (1-3 variabler), lokale (4-14), subglobale (15-35), globale (36-100) og superglobale (over 100 variabler);

etter kompleksitet - avhengig av graden av sammenkobling, er variablene delt inn i supersimple (manglende sammenkobling), enkle (tilstedeværelsen av sammenkoblede sammenkoblinger), komplekse (tilstedeværelsen av sammenkobling og gjensidig påvirkning) og superkompleks (behovet for å ta hensyn til forholdet);

etter graden av determinisme (deterministisk, stokastisk og blandet);

av arten av utviklingen i tid av den vanlige komponenten i prosessen (trenden) - diskret, aperiodisk og periodisk;

om informasjonssikkerhet for den retrospektive perioden - de vurderer objekter med full kvantitativ støtte, med ufullstendig kvantitativ støtte, med tilstedeværelse av kvalitativ informasjon (og delvis kvantitativ), med fullstendig fravær av retrospektiv informasjon.

Å forutsi pålitelighetsindikatorene til mekaniske systemer bør etter vår mening vurderes i en snever og bred forstand.

I en snever forstand inkluderer prognoser definisjonen av pålitelighetsindikatorer som kjennetegn utplassert over tid; det forutsettes at hoveddataene - type design, materialer og teknologi for fremstilling av deler, belastningsforhold, driftsforhold, hyppighet og volum av vedlikehold og reparasjoner, priser for deler osv. - er gitt. Med andre ord, prognoser i snever forstand gjøres etter en kontrollberegning. I tillegg er det akkumulert visse statistiske data om ressursene til deler og sammenstillinger, dvs. det antas at det finnes retrospektiv informasjon som kan brukes til ekstrapolering, tilpasning av sannsynlighetsstatistiske modeller osv. Det er åpenbart i dette tilfellet at metoder for prediksjon av pålitelighetsindikatorer inkluderer som grunnleggende eller verifiserte alternativer ulike typer beregninger av pålitelighetsindikatorer i design, basert på fysiske modeller for feil.

I vid forstand innebærer prognoser at de første dataene for å oppnå pålitelighetsestimater bestemmes ved bruk av avanserte prognosemetoder (patent, publisering, etc.). For eksempel, basert på ledende metoder, predikeres slitasjekurveparametere, ved hjelp av hvilke pålitelighetsindikatorer predikeres. Derfor, i bred forstand, er prognosen for pålitelighetsindikatorer delt inn i to stadier: den første er prognosen for de første dataene; den andre er den faktiske prognosen for pålitelighetsindikatorer.

Vanskeligheten med å vurdere påliteligheten øker mange ganger når man lager nye strukturer, materialer osv. som det ikke er kvantitativ informasjon om. Siden når man innhenter informasjon om resultatene av forskjellige tester, de første dataene, ressursene osv. er raffinert, kan prognoser bare utføres i form av et kontinuerlig prediktivt system.

I den foreslåtte boken er hovedoppmerksomheten rettet mot utviklingen av en metodikk for å forutsi pålitelighetsindikatorer i snever forstand.

La oss vurdere prognoseobjektet - pålitelighetsindikatorer (RI) for bildeler og sammenstillinger - fra synspunktet til klassifiseringen ovenfor. Åpenbart, av arten av ST, bør det tilskrives klassen av vitenskapelige og tekniske prognoser, som inkluderer, sammen med nye typer utstyr, nye materialer og prognosen for tekniske egenskaper. For å vurdere omfanget og kompleksiteten til prognoseobjektet, vil vi sette sammen Tabell. 1.7, hvor vi vil inkludere hovedpålitelighetsindikatorene (se tabell 1.3) og beregningsmodellene omtalt i avsnitt 1.2. Til tross for den betingede karakteren av klassifiseringen, fra Tabell. 1.7 kan man se at når det gjelder skala og kompleksitet, bør pålitelighetsindikatorene for enheter og en bil klassifiseres som globale (superglobale) og komplekse (superkomplekse).

Når det gjelder graden av determinisme, er vurderingene av ST stokastiske, mens det skal bemerkes at når vi beregner pålitelighetsindikatorene for elementene i delene, det vil si på det laveste nivået, står vi overfor den såkalte naturlige usikkerheten, når det er umulig å gi en nøyaktig vurdering av indikatoren, for eksempel den gjennomsnittlige ressursen, fra - på grunn av utilstrekkelig kunnskap om objektet.

Det er vanskelig å klassifisere etter arten av utviklingen av PN. Så, på nivå med designmodeller for slitasje, kan implementeringen representeres av aperiodiske avhengigheter, mens i tretthetsberegninger er belastningsmoduser tilfeldige ikke-stasjonære prosesser. Samtidig, med tanke på retrospektiv forskriftsinformasjon om ressursene til biler før overhaling, kan vi si at avhengig av produksjonstidspunktet (eller betydelig modernisering), endres ressursen som er tildelt av anlegget diskret.

Til slutt samsvarer objektet med prognoser når det gjelder informasjonssikkerhet fullt ut det tidligere introduserte konseptet om å forutsi påliteligheten til mekaniske systemer i snever og vid forstand.

Dermed samsvarer estimater av pålitelighetsindikatorene for bildeler og sammenstillinger med prinsippene for klassifisering av prognoseobjekter.

Matematisk formaliserte prognosemetoder er delt inn i simpleks (enkel), statistisk og kombinert. Grunnlaget for simpleksmetoder er ekstrapolering etter tidsserier (minste kvadrater, eksponentiell utjevning og andre). Statistiske metoder inkluderer korrelasjons- og regresjonsanalyse, metoden for gruppebetraktning av argumenter og faktoranalyse. Den kombinerte metoden refererer til syntesen av prognosealternativer laget ved hjelp av matematiske og heuristiske metoder.

Det bør tas hensyn til forskjellen mellom prediktive estimater ved bruk av generelle prognosemetoder og ved evaluering av pålitelighetsindikatorer. Dermed presenteres prognosen generelt i form av punkt- og intervallanslag. Når du forutsier pålitelighet, for eksempel ressursen til deler, faller dens gjennomsnittlige verdi sammen med punktprognosen, men for overgangen til andre indikatorer er intervallestimatet ikke nok, fordi det er nødvendig å kjenne tettheten til ressursfordelingen.

Tatt i betraktning at ved prognoser for ST på tidlige stadier av design, er det ingen mulighet for å gjennomføre eksperimenter for å avdekke den "naturlige" usikkerheten, er en mulig løsning å utvikle flere prediktive metoder for å bruke dem i en kombinert prognose. Derfor bør disse matematiske metodene suppleres med spesielle metoder og teknikker, som betinget kan deles inn i tre grupper.

Den første gruppen av spesielle metoder, designet for å forutsi pålitelighetsindikatorene til deler, inkluderer sannsynlighetsstatistiske modeller (PSM) basert på fenomenologiske fenomener og hypoteser (beregninger for slitasje, tretthet, styrke, etc.). Men, som analysen viste (se s. 1.2.), krever bruken av disse modellene for å forutsi ST en hensiktsmessig systematisering og klassifisering, samt akkumulering og generalisering av opplevelsen av prediktive beregninger i forhold til spesifikke detaljer i orden. for å øke deres pålitelighet og nøyaktighet.

Den andre gruppen bør inkludere metoder som er en generalisering av ekstrapolering og statistiske metoder og gjenspeiler spesifikasjonene ved driftssvikt, spesielt korrelasjonsligninger for holdbarhet (CLD) for bilchassisdeler. Åpenbart bør separate utviklinger på CUD formaliseres i form av en passende metodikk.

Den tredje gruppen av spesielle metoder designet for å forutsi pålitelighetsindikatorene til monteringsenheter, sammenstillinger, produkter som helhet, er strukturelle-funksjonelle modeller (SFM), som i det generelle tilfellet gjenspeiler forholdet og gjensidig påvirkning av individuelle deler på løpet av destruktive prosesser som fører til feil, grensetilstander for grensesnitt osv. I et spesielt tilfelle kan SPS bygges under hensyntagen til pålitelighetsindikatorene til deler som er forutsagt ved bruk av generelle og spesielle metoder for den første og andre gruppen. Basert på disse prognosene utføres beregningen (modelleringen) av pålitelighetsindikatorene til det gjenopprettede objektet. Multivariansen og usikkerheten til prognosen bestemmes ikke bare av multivariansen og usikkerheten til de første dataene, men også av strategien for reparasjoner (erstatninger), korrelasjonen av feil osv. Mangelen på en generell metodikk for å forutsi ST ved hjelp av SPS krever passende forskning.

Innføringen av spesielle metoder øker antallet alternativer for å forutsi ST, noe som fører til en komplikasjon av beslutningsprosedyren basert på prognoseinformasjon. Å redusere antall alternativer kan oppnås ved å bruke en kombinert prognose, hvis metodikk etter vår mening bør forbedres under hensyntagen til utviklingen gitt i , og spesifisert i forhold til ST.

La oss supplere klassifiseringen av prognoseobjekter etter skala og kompleksitet med de vurderte prognosemetodene. Fra Tabell. 1.6 det kan sees at det brukes spesielle metoder i evalueringen av alle ST-er og feilmodeller; Bruk av kombinerte metoder fører til en økning i skalaen og kompleksiteten til prognoseobjektet, men så langt er dette den eneste måten å forbedre nøyaktigheten og påliteligheten til ST-estimatene under design.

Merk at praktisk anvendelse av generelle og spesielle prognosemetoder blir mulig med tilgjengeligheten av spesifikke beregningsmetoder, brakt til de riktige algoritmene og programmene, og en informasjonsbase som inkluderer designdokumentasjon og databanker på analoge produkter om pålitelighetsindikatorer, driftsforhold, tester, belastningsmoduser , slitasje, grensetilstander, etc. For spesifikke deler eller sammenstillinger av en bil snakker vi om dannelsen av lokale informasjonsbaser, hvis generalisering vil tillate oss å flytte til en enkelt informasjonsbase for industrien.

På grunnlag av prognoser for ST, velges de optimale designalternativene og den optimale strategien for vedlikehold og reparasjon; utvikling av tiltak for å forbedre påliteligheten; avklaring av parametere og driftsformer; planlegging for utgivelse av reservedeler, det vil si at pålitelighetsstyring utføres. Derfor bør prediktiv (a priori) informasjon brukes for beslutninger knyttet til pålitelighetsstyringen av den utformede strukturen.

Det er kjent at beslutningsprosessen generelt er preget for det første av tilstedeværelsen av ett eller flere mål; for det andre utvikling av alternative løsninger; for det tredje valg av en rasjonell (optimal) løsning basert på visse kriterier, tatt i betraktning de faktorer som begrenser muligheten til å nå målet. Avhengig av den innledende informasjonen skilles beslutningsoppgaver under forhold med sikkerhet, risiko og usikkerhet. For å løse problemer under usikkerhet brukes teorien om statistiske beslutninger, som er delt inn i to områder avhengig av om det er eller ikke er mulighet for å gjennomføre eksperimenter i beslutningsprosessen. Åpenbart er utvikling av reliabilitetsstyringstiltak basert på prediktiv informasjon en typisk beslutningsoppgave under usikkerhetsforhold, avhengig av de såkalte naturlige faktorene som ikke er kjent eller kjent med utilstrekkelig nøyaktighet på beslutningstidspunktet og pga. til deres utilstrekkelige kunnskap.

Komplekset av teoretiske og anvendte problemstillinger knyttet til pålitelighetsstyring i design er en logisk videreføring og generalisering av teorien om prognoser for PV og er, etter vår mening, et uavhengig problem. Derfor er det i denne artikkelen tilrådelig å begrense oss til å vurdere noen spørsmål om pålitelighetsstyring som er direkte relatert til bruken av prediktiv (a priori) informasjon om pålitelighetsindikatorer i beslutningsprosessen.

Send ditt gode arbeid i kunnskapsbasen er enkelt. Bruk skjemaet nedenfor

Studenter, hovedfagsstudenter, unge forskere som bruker kunnskapsbasen i studiene og arbeidet vil være deg veldig takknemlig.

1. Metoder for prognoser

2. Opplegg for å forutsi den parametriske påliteligheten til maskinen

3. Anvendelse av Monte Carlo-metoden for pålitelighetsprediksjon

4. Muligheter for metoden for statistisk modellering

5. Evaluering av ekstreme situasjoner

Liste over brukt litteratur

1. Prognosemetoder

De siste årene har forutsigelse av oppførselen til komplekse systemer utviklet seg til en uavhengig vitenskap som bruker en rekke metoder og verktøy.

Prognosering skiller seg fra systemberegning ved at den løser et sannsynlighetsproblem der oppførselen til et komplekst system i fremtiden bare bestemmes med varierende grad av sikkerhet og sannsynligheten for at det er i en bestemt tilstand under ulike driftsforhold estimeres. Når det gjelder pålitelighet, reduseres oppgaven med prognoser hovedsakelig til å forutsi sannsynligheten for ikke-feil drift av produktet Р(t) avhengig av mulige driftsmoduser og driftsforhold. Kvaliteten på prognosen avhenger i stor grad av informasjonskilden om påliteligheten til individuelle elementer og om prosessene for tap av effektivitet. For prognoser brukes i det generelle tilfellet ulike metoder ved bruk av modellering, analytiske beregninger, statistisk informasjon, ekspertvurderinger, analogimetoden, informasjonsteoretisk og logisk analyse, etc.

Vanligvis kalles prognoser knyttet til bruk av matematiske apparater (elementer av numerisk analyse og teorien om tilfeldige funksjoner) analytisk. Spesifisiteten til pålitelighetsprediksjon ligger i det faktum at når man vurderer sannsynligheten for feilfri drift Р (t), kan denne funksjonen ikke ekstrapoleres i det generelle tilfellet. Hvis det er definert i et område, kan ingenting sies om funksjonen P(t) utenfor den. Derfor er hovedmetoden for å forutsi påliteligheten til komplekse systemer å evaluere endringen i utgangsparameterne over tid for ulike inngangsdata, på grunnlag av hvilke det er mulig å trekke en konklusjon om pålitelighetsindikatorene for ulike mulige situasjoner og metoder bruk av dette produktet.

Vi vil vurdere tilfellet med å forutsi den parametriske påliteligheten til en maskin, når strukturen til dannelsen av operasjonsområdet er kjent, men parametrene som bestemmer dette området avhenger av et stort antall faktorer og har spredning.

Ris. 1 Pålitelighetsprediksjonsområde

2. Opplegg for å forutsi den parametriske påliteligheten til en maskin

Ris. 2 Plan for tap av maskinytelse for en gitt varighet av kontinuerlig drift

Basert på det generelle opplegget for tap av maskinytelse (fig. 2), kan vi presentere tre hovedoppgaver for å forutsi pålitelighet (fig. 1).

1. Oppførselen til hele den generelle populasjonen av disse maskinene er forutsagt, dvs. både variasjonen i de opprinnelige egenskapene til maskinen og de mulige driftsbetingelsene (regionen) tas i betraktning.

2. Oppførselen til en spesifikk maskinprøve er forutsagt, det vil si at startparametrene til maskinen blir ikke-tilfeldige verdier, og maskinens moduser og driftsforhold kan endres innenfor et visst område. I dette tilfellet krymper statens region (region) og blir en delmengde av settet.

3. Oppførselen til denne maskinen er forutsagt under visse driftsforhold med konstante driftsmoduser. I dette tilfellet er det nødvendig å identifisere implementeringen av en tilfeldig prosess som oppfyller de spesifiserte driftsbetingelsene.

Således, hvis det i de to første tilfellene er nødvendig å forutsi det mulige eksistensområdet til utgangsparametrene og evaluere sannsynligheten for at de er i hver sone i dette området, så er det i det tredje tilfellet ingen usikkerhet i driften forholdene til produktet, og prognosen er bare assosiert med å identifisere de mønstrene som beskriver prosessen med å endre utdataparameter i tid.

Ris. 3 Aldringsprosessen som en tilfeldig funksjon

Som kjent (fig. 3), kan flyten av en tilfeldig prosess gå med en større eller mindre grad av "blanding" av implementeringer. Det skal bemerkes at hvis prognosen gjelder et sett med produkter, så påvirker ikke blandingsgraden vurderingen av domenet for eksistensen av parametere, siden det ikke er oppførselen til dette produktet som avsløres, men sannsynligheten for å gå utenfor de tillatte grensene for enhver instans fra dette settet.

Hvis oppførselen til en gitt produktforekomst er forutsagt i regionen, er det nødvendig å estimere den mulige endringshastigheten i prosessen med driftstap i den nærmeste tidsperioden, dvs. bruke korrelasjonsfunksjonen.

Prediksjonsnøyaktighet avhenger av en rekke faktorer. For det første om hvor mye den aksepterte ordningen for tap av maskinytelse reflekterer objektiv virkelighet. For det andre, hvor pålitelig er informasjonen om modusene og betingelsene for den tiltenkte driften av produktet, så vel som om dets innledende parametere.

Til slutt er riktigheten av prognosen avgjørende påvirket av påliteligheten til informasjon om mønstrene for endringer i utgangsparametrene til produktet under drift, det vil si om tilfeldige funksjoner X 1 (t); ...; Xn, (t). Informasjon om påliteligheten til produktet (som med dette betyr vurdering av de nevnte funksjonene Xi (t) eller data om påliteligheten til elementene i produktet) kan fås fra forskjellige kilder. Prognoser kan utføres på designstadiet (det er spesifikasjoner for produktet, designdata om maskinen og dens elementer, mulige driftsforhold er kjent). I nærvær av et prototypeprodukt (du kan få de første egenskapene til maskinen, evaluere sikkerhetsmarginen) og under drift (det er informasjon om tap av ytelse til produkter under forskjellige driftsforhold). Når man forutsier påliteligheten til et produkt på designstadiet, er det størst usikkerhet (entropi) ved vurdering av produktets mulige tilstander. Den metodiske tilnærmingen til å løse dette problemet er imidlertid fortsatt generell.

I det aktuelle tilfellet består det i å bruke de tilsvarende feilmodellene som grunnlag for å vurdere sannsynligheten for ikke-feildrift av produktet og består av følgende trinn.

1. Bestemmelse av de første parametrene til produktet (a o; a), som en funksjon av den teknologiske prosessen med å produsere maskinen. Dette skyldes endringer innenfor toleransen for dimensjonene til deler, materialegenskaper, monteringskvalitet og andre indikatorer. Verdiene til de innledende parameterne kan også avhenge av driftsmodusene til maskinen.

2. Etablering av maksimalt tillatte verdier for utgangsparametere.

3. Evaluering ved beregning av endringer i utgangsparametere i løpet av mellomjusteringsperioden To (v, n, s, a s), under hensyntagen til lignende egenskaper ved prototypen ved å teste med en prototype eller ved å ta hensyn til standardene fastsatt av standard for maskinparametere.

4. Evaluering av påvirkningen av aldringsprosesser () på utgangsparametrene til produktet basert på de fysiske lovene til feil, tatt i betraktning deres stokastiske natur.

5. Evaluering av spektra av driftsmoduser (belastninger, hastigheter og driftsforhold), som gjenspeiler mulige driftsforhold og bestemmer spredningen av endringshastighetene for utgangsparametere (x).

6. Beregning av sannsynligheten for ikke-feil drift av maskinen for hver av parameterne som en funksjon av tid.

7. Ved mottak av informasjon om driften av produktet som prognosen ble laget for, blir det gjort en sammenligning mellom de faktiske og beregnede dataene og en analyse av årsakene til deres avvik.

Avhengig av oppgaven bør områder identifiseres og ( eller ) implementeringen ble evaluert (fig. 1), dvs. distribusjonslovene f (T) eller f (T), eller henholdsvis P (T) eller P (T) ble oppnådd, noe som gjenspeiler spredningen av levetid for hele levetiden generell befolkning (D /) eller for denne maskinen (D //). Hvis driftsbetingelsene for en gitt prøve er strengt spesifisert, forutses levetiden (tid til feil) T.

3. Anvendelse av Monte Carlo-metoden for pålitelighetsprediksjon

Betraktet i kap. 3 feilmodeller er en formalisert beskrivelse av prosessen med tap av maskinytelse og gjør det mulig å etablere funksjonelle forhold mellom pålitelighetsindikatorer og innledende parametere.

Den statistiske naturen til disse mønstrene manifesteres i det faktum at argumentene til de oppnådde funksjonene er tilfeldige og avhenger av et stort antall faktorer. Derfor er det umulig å forutsi oppførselen til systemet nøyaktig, men du kan bare bestemme sannsynligheten for en eller annen av dets tilstander.

For å forutsi oppførselen til et komplekst system, kan metoden for statistisk modellering (statistiske tester), som kalles Monte Carlo-metoden (184), med hell brukes.

Hovedideen med denne metoden er å gjentatte ganger beregne parametrene i henhold til et formalisert skjema, som er en matematisk beskrivelse av den gitte prosessen (i vårt tilfelle prosessen med tap av effektivitet).

Samtidig, for de tilfeldige parameterne som er inkludert i formlene, sorteres deres mest sannsynlige verdier i samsvar med distribusjonslovene.

Dermed består hver statistisk "test" i å identifisere en av implementeringene av en tilfeldig prosess, siden ved å erstatte, om enn tilfeldig, utvalgte, men faste argumenter, får vi en deterministisk avhengighet som beskriver denne prosessen under de aksepterte forholdene. Ved å gjenta tester i henhold til denne ordningen (som er praktisk mulig i komplekse tilfeller bare ved bruk av en datamaskin), vil vi oppnå et stort antall implementeringer av en tilfeldig prosess, som vil tillate oss å evaluere forløpet av denne prosessen og dens hovedparametre.

Tenk på et forenklet blokkdiagram av algoritmen for å beregne påliteligheten til et produkt på en datamaskin, hvis ytelsestap kan beskrives av diagrammet i fig. 4 og ligning

Fig.4 Skjema for dannelsen av en gradvis svikt i dette produktet

La endringen i utgangsparameteren X avhenge av slitasjen U til et av elementene i produktet, dvs. X = F (U), hvor F er en kjent funksjon som avhenger av designskjemaet til produktet. Vi antar at slitasje er relatert til det spesifikke trykket p og glidehastigheten til gnisparet v av en kraftlov U=kp m 1 v m 2 t, hvor koeffisientene m1 og m2 er kjent (for eksempel fra testing av materialene til paret). Koeffisienten k evaluerer slitestyrken til materialer og driftsforholdene til grensesnittet (smøring, forurensning av overflater).

Dette produktet kan falle inn i forskjellige driftsforhold og operere under forskjellige moduser. For å forutsi forløpet av prosessen med tap av ytelse av produktet, er det nødvendig å kjenne til de sannsynlige egenskapene til forholdene der produktet skal brukes. Slike egenskaper kan være lovene for fordeling av laster f (P), hastigheter f (v) og driftsforhold f (k). Merk at disse mønstrene estimerer forholdene som produktet vil være i og derfor kan skaffes uavhengig av dets design ved hjelp av statistikk om driften av lignende maskiner eller om kravene til fremtidige produkter. For eksempel spektra av belastninger og hastigheter under ulike driftsforhold for transportmaskiner, nødvendige skjæreforhold ved behandling av en gitt type deler på metallskjæremaskiner, belastningene på nodene til gruvemaskiner under utviklingen av ulike bergarter, etc. kan forhåndsbestemmes i form av histogrammer eller distribusjonslover.

Algoritmen for å estimere påliteligheten ved Monte Carlo-metoden (fig. 5) består av et program av en tilfeldig test, som bestemmer den spesifikke verdien av endringshastigheten til parameteren x. Denne testen gjentas N ganger (der N skal være stor nok til å få pålitelige statistiske data, for eksempel N? 50), og resultatene av disse testene brukes til å estimere den matematiske forventningen cp og standardavviket x for den tilfeldige prosessen, dvs. dataene som er nødvendige for å bestemme P(t). Beregningssekvensen (statistisk test) er som følger. Etter å ha lagt inn nødvendige data (operatør /), velges verdiene av p, v og k spesifikke for denne testen (operatør 2). For å gjøre dette er det subrutiner som inneholder histogrammer eller distribusjonslover som karakteriserer disse verdiene eller bestemmer størrelsen deres. For eksempel, i stedet for trykk på friksjonsoverflaten p, kan loven for fordeling av eksterne laster P som virker på sammenstillingen settes. I dette tilfellet, i subrutinen, i henhold til den valgte verdien av P,

p \u003d F (P), i det enkleste tilfellet,

hvor S er friksjonsflaten.

For å velge en spesifikk verdi for hver av parameterne, under hensyntagen til deres distribusjonslover, brukes en tilfeldig tallgenerator, ved hjelp av hvilken dette tilfeldige tallet spilles (valgt). Typisk er generatoren konstruert på en slik måte at den produserer jevnt fordelte tall, som ved bruk av standardrutiner kan transformeres slik at deres distribusjonstetthet vil samsvare med denne loven. For en normalfordeling genereres for eksempel tilfeldige tall r for den matematiske forventningen M (z) \u003d O og standardavviket z \u003d 1. I subrutinen, for hvert tilfelle, brukes en tegningsformel som tar hensyn til egenskapene til den innebygde distribusjonen. Så hvis p er fordelt i henhold til normalloven med parametere p cf og p, vil formelen for å spille være p = p cf + p z, hvor z oppnås ved å bruke tilfeldige tallgeneratorer. Det er mulig å lage underrutiner for å spille tilfeldige verdier av parametere når du spesifiserer distribusjonen ved hjelp av histogrammer. Etter å ha oppnådd tilfeldige verdier for hvert eksperiment, beregnes hastigheten på skadeprosessen (operatør 3) og, i henhold til den, hastigheten på prosessen med å endre parameteren x (operatør 4). Denne prosedyren gjentas N ganger og hver mottatte verdi x sendes til maskinens eksterne minne. Etter akkumulering av den nødvendige mengden statistiske data, det vil si for n = N, foretas bestemmelsen av cp og x (operatører 6 og 7), hvoretter det er mulig både å beregne sannsynligheten for feilfri drift P (T) ) (operatør 8) og for å bygge et distribusjonshistogram x (eller MTBF Ti) og skrive ut alle nødvendige data.

4. Evnemetodemens statistisk modellering

Den vurderte saken er den enkleste, men den illustrerer den generelle metodiske tilnærmingen til å løse dette problemet.

I et mer komplekst tilfelle, for eksempel når du bruker en feilmodell som tar hensyn til spredningen av de innledende parameterne (fig. 6), inneholder programmet informasjon om distribusjonslovene til maskinens opprinnelige egenskaper.

I henhold til normalloven, og slike positive verdier som feilen i skaftets eksentrisitet - i henhold til Maxwells lov, etc.

Betraktet i fig. 5 eksempel er også preget av det faktum at hastigheten på prosessen her er konstant x = const, og hver implementering av den tilfeldige funksjonen er preget av en spesifikk verdi av x.

Fig. 6 Skjema for sviktdannelse når de første parametrene til produktet er forsvunnet.

For eksempel er produksjonsfeil i deler vanligvis fordelt innenfor en toleranse.

etter normalloven, og

slike positive verdier som feilen i akselens eksentrisitet - i henhold til Maxwells lov, etc.

Betraktet i fig. 5 eksempel er også preget av det faktum at hastigheten på prosessen her er konstant x = const, og hver implementering av den tilfeldige funksjonen er preget av en spesifikk verdi av x. Derfor er simuleringen av en tilfeldig funksjon her redusert til simuleringen av en tilfeldig variabel.

Hvis vi vurderer et ikke-lineært problem, når prosesshastigheten endres i tid (t), vil hver test gi realisering av en tilfeldig funksjon. For ytterligere handlinger kan hver implementering representeres som tall i de gitte seksjonene t 1 ;t 2 …t n , som dekker det undersøkte området for produktytelse.

Det er ofte praktisk å representere en tilfeldig funksjon i form av dens kanoniske utvidelse

I dette tilfellet vil koeffisientene for ikke-tilfeldige funksjoner være tilfeldige

Utviklingen av realiseringer av en tilfeldig funksjon på en datamaskin er forenklet når det gjelder dens stasjonaritet.

Enda mer komplekse tilfeller kan oppstå hvis det er en sammenheng mellom tilstøtende verdier av tilfeldige parametere. Da er det nødvendig å ta hensyn til korrelasjonskoeffisienten mellom tilstøtende ledd eller til og med flere naboledd (multippelkorrelasjon). Et slikt tilfelle kan også løses ved Monte Carlo-metoden, men det kreves simulering av korrelasjonsfunksjonen.

Det skal også bemerkes at denne metoden også er anvendelig på mønstre som karakteriserer prosessen i form av implisitte funksjoner, samt ved beskrivelse av prosessen, ikke nødvendigvis i form av matematiske formler. Pålitelighetsprediksjon ved bruk av Monte Carlo-metoden gjør det mulig å avsløre den statistiske karakteren av prosessen med tap av ytelse av et produkt og å estimere den spesifikke vekten av påvirkningen av individuelle faktorer. For det betraktede problemet er det for eksempel mulig å beregne hvor mye sannsynligheten for feilfri drift vil øke dersom det iverksettes en rekke tiltak for å redusere trykket i friksjonssonen (montasjedesignet endres), verdien av koeffisienten k reduseres (et nytt materiale påføres), rekkevidden av maskindriftsmoduser er innsnevret [parameterne til lovene endres f(P) og f(v)].

Spesifisiteten ved å bruke metoden for statistisk modellering for å beregne pålitelighet ligger i det faktum at hvis de ønskede verdiene vanligvis i statistisk modellering av komplekse systemer er gjennomsnittsverdiene for egenskaper, så er vi her interessert i regionen med ekstreme realiseringer (verdier nær maks), siden det er de som bestemmer verdiene til P (T ) .

Derfor, for å vurdere påliteligheten til kritiske produkter, er det viktig å studere nødsituasjoner og ekstreme situasjoner når prosessimplementeringer med den høyeste endringshastigheten i utgangsparametere x max er identifisert.

5. Evaluering av ekstreme situasjoner

Når du forutsier pålitelighet, er det spesielt viktig å identifisere den ekstreme grensen for produktets tilstand, siden det bestemmer dets nærhet til feil. Denne grensen dannes av implementeringer som har de høyeste verdiene av prosesshastigheten x. Selv om sannsynligheten for deres forekomst er liten (det tilsvarer sannsynligheten for feil), er deres rolle i å vurdere påliteligheten til produktet den viktigste. Slike erkjennelser vil bli kalt ekstreme. De kan være av to typer: faktisk ekstreme, som et resultat av den mest ugunstige kombinasjonen av eksterne faktorer, men innenfor akseptable grenser, og nødsituasjon, som er forbundet med brudd på driftsforhold eller manifestasjon av brudd på spesifikasjoner under produksjon av produktet.

Ekstrem realisering IV i fig. 1 kan identifiseres som et resultat av den mest ugunstige kombinasjonen av faktorer som påvirker endringshastigheten til parameterne 71. Ofte er dette begrensende modi der dynamiske belastninger øker betydelig. Hvis for enkle systemer formuleringen av ekstreme forhold som regel ikke forårsaker vanskeligheter (dette er de største belastningene, hastighetene, temperaturene), er det for komplekse systemer nødvendig å forske for å identifisere en slik kombinasjon av parametere som vil føre til til x maks. Faktisk kan for eksempel øke hastigheten på mekanismen for noen elementer føre til en økning i ytelsen deres (overgang til væskefriksjon i et glidelager, bedre sirkulasjon av kjølevæsken, utgang av mekanismen fra resonanssonen , etc.), og for andre - til en forverring av deres driftsforhold (en økning i dynamiske belastninger, en økning i varmeutvikling, etc.). Derfor vil den totale innvirkningen på mekanismen være størst bare under visse driftsmoduser. Hvis det er nødvendig å identifisere den verste starttilstanden til produktet, er det også nødvendig å løse problemet med den mest ugunstige fordelingen av toleranser (TS) for elementene og vurdere sannsynligheten for denne situasjonen (det er for eksempel usannsynlig at alle deler er innenfor toleransefelt).

I tillegg, når man evaluerer påliteligheten til produktet, med tanke på alle hovedparametrene X 1 , X 2 , ..., X n, vil modusene påvirke endringene deres på forskjellige måter, noe som utelukker muligheten for å forhåndsbestemme den verste kombinasjonen på forhånd. Alt dette indikerer at identifisering av ekstreme situasjoner også er oppgaven til en statistisk studie, som kan utføres ved hjelp av Monte Carlo-metoden. Spillet bør imidlertid utføres i området som tilsvarer en lav sannsynlighet for feil, men med akseptable verdier for inngangsparametrene (verdier av tilfeldige argumenter).

Nødsituasjoner er forbundet med to hovedårsaker. For det første er dette en økning i ytre belastninger og påvirkninger utenfor de etablerte spesifikasjonene når maskinen kommer inn i uakseptable driftsforhold. For individuelle enheter og deler av maskinen kan en slik situasjon oppstå på grunn av skade på tilstøtende deler med lavt ansvar, noe som vil påvirke driften av denne enheten. Økt slitasje på et uansvarlig ledd påvirker for eksempel ikke i seg selv ytelsen til dette paret, men slitasjeprodukter tetter til smøremiddelet og deaktiverer andre kamerater. Økt varmeutvikling kan føre til uakseptable deformasjoner av naboelementer.

For det andre er forekomsten av nødsituasjoner forbundet med brudd på spesifikasjonene for produksjon og montering av produkter. Produksjonsfeil kan oppstå uventet og føre til produktfeil.

Hvis sannsynligheten for forekomst av ekstreme situasjoner kan estimeres, er forekomsten av en nødsituasjon vanskelig å forutsi, og i de fleste tilfeller er det nesten umulig. Vanligvis er det mulig å sette sammen en liste over typiske nødsituasjoner, for å bevise at sannsynligheten for at de inntreffer er ekstremt liten (hvis dette ikke er tilfelle, er det nødvendig å endre designet) og, viktigst av alt, å vurdere de mulige konsekvensene av hver situasjon. En vurdering av arten av konsekvensene og tiden det tar å eliminere den oppståtte situasjonen avgjør faregraden for denne nødsituasjonen.

Dermed blir prognosen for området med mulige tilstander til produktet og dets pålitelighetsindikatorer for svært viktige objekter supplert med en analyse av nødsituasjoner og ekstreme situasjoner med en vurdering av konsekvensene deres.

Avslutningsvis bør det bemerkes at utviklingen av metoder for å forutsi påliteligheten til maskiner vil gi en enorm økonomisk effekt, siden for det første vil tiden og pengene brukt på å teste prototyper reduseres, og for det andre vil det være en mer rasjonell bruk av den potensielle holdbarheten til produktet på grunn av de riktige designsystemene for reparasjon og drift, for det tredje vil det på designstadiet være mulig å velge den optimale designløsningen når det gjelder pålitelighet.

Liste over brukt litteratur:

1. Pronikov A.S. Pålitelighet av maskiner Moskva "Engineering" 1978

2. Buslenko N.P. Modellering av komplekse systemer M.; "Vitenskap" 1969

3. Elizavetin M.A. Forbedring av påliteligheten til M.-maskiner; "Engineering" 1973

Lignende dokumenter

Beskrivelse av utformingen av gassturbinmotorens kompressor. Beregning av sannsynligheten for feilfri drift av bladet og impellerskiven til inngangstrinnet til en subsonisk aksialkompressor. Beregning av påliteligheten til kompressorbladet under gjentatt statisk belastning.

semesteroppgave, lagt til 18.03.2012


Konstruksjon av den empiriske sannsynligheten for feilfri drift. Bestemmelse av distribusjonsparametere ved iterativ metode. Betraktning av de kvantitative egenskapene til hver faktor separat. Bestemmelse av gjennomsnittlig tid til den første feilen på enheten.

praksisrapport, lagt til 13.12.2017


Kort beskrivelse av motordesign. Rasjonering av pålitelighetsnivået til turbinbladet. Bestemmelse av gjennomsnittlig tid for feilfri drift. Beregning av påliteligheten til turbinen under gjentatt statisk belastning og påliteligheten til deler, tatt i betraktning langsiktig styrke.

semesteroppgave, lagt til 18.03.2012


Formål, klassifisering og begrunnelse for valg av en gruvemaskin avhengig av arbeidsforholdene. Statisk beregning av teknologiske parametere til maskinen. Enhet, operasjonsprinsipp, drift av mekanisk utstyr og drev. løftemekanisme.

semesteroppgave, lagt til 11.08.2011


krav til produktets pålitelighet. Analyse av påliteligheten til dupliserte systemer. Sannsynligheten for feilfri drift i henhold til et gitt kriterium. Fordeling av feil over tid. Grunnleggende for beregning av gjengede og boltede forbindelser under konstant belastning.

test, lagt til 11.09.2011


Statlige standarder for problemet med pålitelighet av energianlegg under drift. Endring i feilprosenten med en økning i driftstiden til objektet. Sannsynlighet for feilfri drift. Holdbarhetsindikatorer og gammaprosent ressursmodell.

presentasjon, lagt til 15.04.2014


Begreper i pålitelighetsteorien. Sannsynlighet for feilfri drift. Feilprosent. Metoder for å forbedre påliteligheten til teknologi. Tilfeller av feil, sikkerhet for utstyr. Kriterier og kvantitative egenskaper ved vurderingen.

semesteroppgave, lagt til 28.04.2014


Analyse av endringen i sannsynligheten for ikke-feil drift av systemet fra driftstiden. Konseptet med den prosentvise driftstiden til et teknisk system, funksjonene for å sikre økningen ved å øke påliteligheten til elementene og strukturell redundans til systemelementer.

test, lagt til 16.04.2010


Systempålitelighetsindikatorer. Klassifisering av feil i et kompleks av tekniske midler. Sannsynligheten for å gjenopprette deres arbeidstilstand. Analyse av driftsforholdene til automatiske systemer. Metoder for å forbedre deres pålitelighet under design og drift.

sammendrag, lagt til 04.02.2015


Strukturelt diagram over påliteligheten til det tekniske systemet. Graf over endring i sannsynligheten for feilfri drift av systemet fra driftstid til nivået 0,1-0,2. 2. Fastsettelse av Y-prosenttiden til det tekniske systemet.

Disse retningslinjene gjelder for elektronisk husholdningsutstyr (heretter referert til som utstyr) og fastsetter oppgaver, prinsipper, metoder og prosedyrer for å forutsi pålitelighet for driftsstadiet til produktet og dets komponenter (produkt) i prosessen med forskning, utvikling, produksjon og modernisering av utstyr.

1 . GENERELLE BESTEMMELSER

1.1. Pålitelighetsprediksjon er en prediksjon av verdiene til pålitelighetsindikatorer (RI) til et produkt for en viss driftsperiode på grunnlag av informasjon kjent fra designdokumentasjonen, pålitelighetstestmaterialer til en eksperimentell batch (prøver), produkter av en installasjonsserie og masseproduksjon, samt fra eksperimentelle og statistiske data om analoge produkter.

1.2. Pålitelighetsprognoser er en kompleks, flertrinns, sammenhengende prosess for å bestemme pålitelighetsindikatorene (RI) til et produkt for stadiene av produksjon og drift.

1.3. Oppgavene for pålitelighetsprediksjon er:

underbyggelse av den grunnleggende muligheten for å sikre kravene til pålitelighet;

valg av optimale pålitelighetsordninger og produktdesign;

avklaring av pålitelighetsindikatorene til produktet og dets komponenter;

etablere krav til systemet for vedlikehold og reparasjon av produktet, inkludert sammensetning og mengde reservedeler med tanke på å sikre pålitelighet.

1.4. Forutsigelse av påliteligheten til utstyret utføres på grunnlag av metoder: ekspert (se vedlegg 1 ), analytisk (metoden for likhet mellom produkter og skjemaer, metoden for grafer, element-for-element-metoden for å beregne driftssyklusen uten å ta hensyn til belastningen og ta hensyn til belastningen på utstyret, se vedlegg 2 - 4 ) og eksperimentell-analytisk (metode for å forutsi pålitelighet basert på resultatene av teknologisk innkjøring av utstyr gitt i vedlegget 5 ), inkludert med bruk av automatiserte informasjonsbehandlingssystemer (APOS) og datastøttede designsystemer (CAD).

vedlikeholds- og reparasjonssystemer;

perspektivnivå av utstyrets pålitelighet.

1.6. Den første informasjonen for å forutsi PN til produkter er:

krav til direktivdokumenter;

et omfattende standardiseringsprogram for fremtidig utvikling av denne typen utstyr;

dannelse av organisatoriske og tekniske krav for å sikre påliteligheten til produktet.

3.8. Resultatet av pålitelighetsprognoser er verdiene til produktpålitelighetsindikatorer som er lagt inn i rapporteringsdokumentasjonen.

1.9. Resultatene av å forutsi produktets PV brukes i utviklingen av pålitelighetsprogrammer (RP), programmer for pålitelighetsforbedring, vitenskapelige, tekniske og organisatoriske utviklingsprogrammer, integrerte standardiseringsprogrammer og andre programmer og planer.

2 . GRUNNLEGGENDE PRINSIPPER FOR PÅLITELIGHETSPUDIKKER

2.1. Hovedprinsippet for å forutsi påliteligheten til produktene bør være en systematisk tilnærming som gjør det mulig å ta hensyn til funksjonene i produktets formål, dets design, produksjonsevne og driftsforhold, det oppnådde pålitelighetsnivået til komponenter og materialer.

2.2. Løsningen av problemene med å forutsi påliteligheten til utstyr utføres i stadiene av utvikling av tekniske spesifikasjoner, teknisk forslag, utkast til design, teknisk design, produksjon av prototyper (batcher), installasjonsserier og serieproduksjon, suksessivt foredling av de forutsagte verdiene av PV på hvert av disse stadiene.

2.3. På stadiene av utviklingen av TOR og det tekniske forslaget for å forutsi ST av produkter, anbefales en ekspertmetode eller en metode for lignende produkter, under hensyntagen til kravene i direktivdokumenter og oppnådd verdensklasses pålitelighet av utstyr og CI.

2.4. På stadiet med å utvikle en foreløpig design av utstyr, utføres foreløpig prediksjon av påliteligheten til produktet ved å bruke metoden til lignende produkter eller skjemaer eller grafmetoden, eller element-for-element-beregningsmetoden uten å ta hensyn til belastningen av utstyret osv.

2.5. På stadiet for utvikling av den tekniske utformingen av utstyret, utføres detaljerte prognoser ved å bruke de samme metodene i henhold til paragraf 1. 2.4 tar hensyn til produktets kompleksitet, de verste reelle miljøforholdene, design og funksjonelle endringer, utsiktene for utvikling av systemet for vedlikehold og reparasjon av produktet.

2.6. På utviklingsstadiet av arbeidsdesigndokumentasjonen (CD) utføres den endelige prognosen for ST, hovedsakelig ved element-for-element-metoden, under hensyntagen til utstyrets belastning.

2.7. På produksjonsstadiet av installasjonsserien og i prosessen med produksjon av utstyr, forutses pålitelighet basert på å oppnå ST under teknologisk innkjøring (kjøring) av produktet, etc.

2.8. Når du bruker ulike metoder for å forutsi pålitelighet, er det nødvendig å observere prinsippet om fullstendighet og homogenitet av informasjon.

2.9. Når du forutsier påliteligheten til produkter, er det nødvendig å observere kontinuitetsprinsippet, som består i å bruke pålitelige data om påliteligheten til standardelementer, monteringsenheter, CI og andre komponenter i produktet.

3 . PROSJERT PÅLITELIGHET

3.1. Den forutsagte påliteligheten til utstyret bestemmes av pålitelighetsindikatorene i henhold til egenskapene: ikke-feildrift, holdbarhet, vedlikeholdbarhet og utholdenhet.

3.2. For utstyr er de viktigste forutsigbare pålitelighetsindikatorene:

for feilsikker:

sannsynlighet for feil s(t);

betyr tid til fiasko T 0 , for reproduserte produkter;

betyr tid til fiasko T jf, for ikke-reparerbare gjenstander;

for vedlikehold:

gjennomsnittlig restitusjonstid T i;

etter holdbarhet:

gjennomsnittlig ressurs T jf;

ved utholdenhet:

g-prosent holdbarhet T med g;

gjennomsnittlig holdbarhet T s.

3.3. Omfattende indikatorer på utstyrets pålitelighet er tilgjengelighetsfaktoren Til r og koeffisient for teknisk bruk Til t.

3.4. Pålitelighetsindikatorer etablert i TOR og TS er underlagt obligatoriske prognoser.

3.5. Som et resultat av pålitelighetsprediksjon bestemmes sannsynligheten R(Til) som tilfredsstiller den anslåtte verdien av produktets PV, for eksempel (), verdien av PV ( T 0) etablert i TOR (TU), dvs. R(Til) = R( > T 0).

For dette, forholdet

karakterisering av "margin of reliability" når man forutsier påliteligheten til utstyr.

Sannsynlighetsverdi R(Til) bestemmes i henhold til tidsplanen vist i fig. 1 , hvor P i(K i) = P(T 0 > ) eller Pysjamas(Kj) = P(T 0 > ).

3.6. Sannsynlighetsverdien etablert i TOR (TU) R(Til) bestemmer den minste tillatte verdien av forholdet Til(“margin of reliability”) basert på resultatene av prognoser.

4 . MODELLERING AV PÅLITELIGHET

4.1. Pålitelighetsprediksjon utføres på grunnlag av modelleringsmetoder. Maskinvarepålitelighetsmodellering er studiet av pålitelighet ved å bygge sin modell.

4.2. Matematisk modellering brukes til å modellere pålitelighet.

4.3. Pålitelighetsmodellen inkluderer et strukturelt diagram av pålitelighet (RSN), grafer over produktenes tilstand og matematiske uttrykk for å bestemme produktets PV.

Sannsynlighet for ikke-feil drift vs. koeffisient Til

4.4. Grunnlaget for utviklingen av SSN og produktstatusgrafer er:

type produkt, dets formål og omfang;

blokkdiagram av produktet - analog;

prosedyren for å produsere produktet og levere det til forbrukeren, dets vedlikehold og reparasjon i løpet av garantiperioden og etter garantiperioden;

vilkår for bruk;

kriterier for produktfeil.

4.5. Tilstandsgrafene og CLOene for produktet er utviklet, med tanke på at *

* Påliteligheten til programvaren og den menneskelige faktoren er ikke tatt i betraktning.

hver komponent av produktet, i samsvar med det aksepterte oppdelingsnivået, er et element i SSN med etablerte PN-er;

ledninger, kabler, seler, kontaktkontakter, lodding og vridning er kombinert til ett CCH-element;

svikt i ett element i et ikke-redundant SSN fører til en fullstendig feil på produktet;

feilen til hvert element i CCH er uavhengig av feilene til alle andre blokker.

4.6. Det begrensende nivået for oppdeling av et produkt bestemmes av formålet, kompleksiteten til produktet, design og teknologiske funksjoner, muligheten for å analysere årsakene og arten av feil, og tilstanden til den første informasjonen.

4.7. Matematiske uttrykk i modelleringen av reliabilitet bestemmes på grunnlag av SSN og produkttilstandsgrafer.

5 . PÅLITELIGHETSPROSEDYRE

5.1. På hvert trinn av prognosen velges en modelleringsmetode og følgende bestemmes:

indikatorer for produktpålitelighet;

driftsstadier som pålitelighetsprediksjon vil bli gjort for;

strukturelt diagram av produktets pålitelighet;

produkt status graf;

matematiske uttrykk for å beregne PN til produktet;

verste driftsforhold;

belastning på komponentdelene av produktet;

feilrater for komponenter og elementer.

5.2. Den første informasjonen for å forutsi pålitelighet, innsamling, behandling og systematisering utføres av pålitelighetstjenesten til hovedbedriften etter type utstyr i samsvar med GOST 27.505-86 og sender den til utviklende bedrifter.

5.3. Arbeidet med pålitelighetsprognoser er planlagt som en del av PON- eller pålitelighetsforbedringsprogrammene.

5.4. Arbeid med å forutsi påliteligheten til utstyr på utviklingsstadiet utføres under veiledning av sjefsdesigneren til bedriftsutvikleren sammen med pålitelighetstjenesten til bedriftsutvikleren (produsenten).

5.5. Arbeidet med å forutsi påliteligheten til utstyr på produksjonsstadiet utføres under tilsyn av sjefsingeniøren av pålitelighetstjenesten.

5.6. Resultatene av pålitelighetsprognoser gjenspeiles i rapporteringsdokumentasjonen for stadier av forskning og utvikling av produktet og sendes til morselskapet etter type utstyr for å danne en databank.

5.7. Kontroll over å forutsi påliteligheten til utstyr utføres i bedriftsstyringssystemet.

EKSPERT METODER FOR PÅLITELIGHETSPUDIKKER

1. Ekspertprognosemetoder er metoder basert på bruk av ekspertvurderinger.

2. Ekspertmetoder for å forutsi PV anbefales brukt når det er umulig eller upassende for spesifikke forhold å bruke beregningsmetoder med utilstrekkelig informasjon, tillattelighet av et omtrentlig estimat, for uansvarlige komponenter i produktet.

3. Det finnes ulike ekspertprognosemetoder. Klassifiseringsfunksjoner som gjør det mulig å gruppere disse metodene er å ta hensyn til kvaliteten på eksperter, metoder for å intervjue eksperter, metoder for å utveksle informasjon, typer skalaer som brukes til evaluering, etc.

4. Blant ekspertmetoder bør det bemerkes:

uttrykkelig metode for fagfellevurdering,

"ekspert og gruppe" metode,

metode for "hovedpoeng",

metode for vektede gjennomsnitt osv.

5. Den eksplisitte metoden for ekspertvurdering består i å bestemme verdien av ekspertvurderingen av en generalisert indikator uten først å bestemme verdiene av vurderinger av individuelle indikatorer og deres vektkoeffisienter.

5.1. Ekspressmetoden for fagfellevurdering er en metode for å bestemme verdien av en generalisert pålitelighetsindikator basert på verdiene til de individuelle PI-ene som er inkludert i den og deres vekt.

5.2. En helhetlig vurdering av PI utføres i tilfeller der verdiene av estimatene for individuelle indikatorer som er en del av den generaliserte indikatoren og deres vektingsfaktorer ikke er nødvendig, eller deres bestemmelse er forbundet med betydelige vanskeligheter. Noen ganger kan en helhetlig vurdering gi et mer nøyaktig resultat enn å bruke andre multioperative metoder.

6. «Ekspert og gruppe»-metoden er en metode for å vurdere PI, basert på det konsekvente arbeidet til den ledende eksperten og ekspertgruppen.

6.1. Den ledende eksperten er en spesialist på produktene som vurderes, som er medlem av ekspertgruppen, som selvstendig evaluerer ST før oppstart av arbeidet til ekspertgruppen.

6.2. Funksjonene til den ledende eksperten inkluderer en grundig analyse av den evaluerte prøven, alt tilleggsmateriale til den og utførelsen av evalueringsoperasjoner som etter hans mening er nødvendige for å oppnå et resultat.

6.3. Ekspertgruppens oppgave er å gjøre seg kjent med resultatene av analysen og evalueringen utført av den ledende eksperten, diskutere resultatene med deltakelse av den ledende eksperten og som et resultat få en generalisert vurdering om PI.

7. Metoden for "hovedpunkter" er en metode for å konstruere ekspertkurver for å vurdere ST basert på å bestemme forholdet mellom verdiene til PS og de tilsvarende verdiene til ekspertestimater på hovedpunktene.

7.1. Ekspertkurver brukes i tilfeller der forholdet mellom verdiene til PI og de tilsvarende verdiene av vurderingene ikke kan bestemmes analytisk, så vel som når du konstruerer skalaer for å bestemme verdiene til vurderingene av indikatorer.

7.2. For å bygge ekspertkurver brukes metoden "hovedpunkter". Hovedpunktene er tatt som maksimums-, minimums- og gjennomsnittsverdier for ST, deres mest sannsynlige verdier, etc.

8. Metoden for vektede gjennomsnitt er en metode der komplekse PI-er bestemmes ved å beregne gjennomsnittet av estimatene for individuelle indikatorer, tatt i betraktning deres vektkoeffisienter.

8.1. Når du bruker metoden for vektede gjennomsnitt, er tre former for deltakelse av eksperter mulig:

eksperter tildeler vektkoeffisientene til PN, og estimatene av enkle og komplekse indikatorer bestemmes ved beregning;

eksperter tildeler vektkoeffisienter for indikatorer og estimater av enkeltindikatorer, og komplekse indikatorer bestemmes av beregningsmetoden;

eksperter tildeler vektkoeffisienter for indikatorer, estimater av enkle og komplekse indikatorer.

9. Når eksperten bestemmer arten av avhengigheten til estimatene av indikatorer på deres verdier ved å bruke metoden "hovedpunkter", tar eksperten hensyn til ulike faktorer: økonomisk effektivitet, formål og omfang, mulige driftsforhold, etc. Eksperten står overfor oppgaven med å "estimere et tall ved et tall", det vil si å oversette verdien av en indikator til vurderingen. For å lette denne oppgaven anbefales metoden for "hovedpunkter", hvis prinsipp er å grafisk bestemme av eksperter typen forhold mellom verdiene til indikatorer og deres estimater.

Denne avhengigheten kan presenteres i form av grafer, tabeller, formler. Grafer er bygget i koordinatsystemet: langs abscisse-aksen - verdiene til indikatorer, langs ordinataksen - estimater.

I henhold til kurvene konstruert av individuelle eksperter, konstrueres en gjennomsnittskurve, som for enkelhets skyld kan beskrives analytisk.

METODE FOR LIKHET PÅ PRODUKTER ELLER ORDNINGER

1. Metoden for likhet av produkter eller kretser brukes i nærvær av PN oppnådd eksperimentelt for lignende produkter eller kretser. Den raskeste metoden for å bestemme ST for et produkt som utvikles er produktlikhetsmetoden. Hvis det etter å ha analysert produktet konkluderes med at produktlikhetsmetoden ikke kan brukes, så brukes skjemalikhetsmetoden, dvs. sammenligning med ordningen, hvis PV tidligere ble estimert og bestemt under prøvedrift.

Noen ganger, med mangel på informasjonsdata, brukes en kombinert metode - en sammenligning av lignende produkter og ordninger.

2. I prosessen med en komparativ analyse av prosjektet til et nytt produkt og et analogt produkt basert på å bestemme graden av forskjell mellom deres kretsdesign, bruksområder, driftsforhold, grunnleggende parametere, etc. estimer de omtrentlige verdiene til PN-en til det utformede produktet.

FORUTSIGELSE AV PÅLITELIGHETSINDIKATORER VED GRAFMETODEN

1. De første dataene for prognoser ved hjelp av grafmetoden er:

for et ikke-utvinnbart produkt - dets struktur og feilprosent? Jeg ham Jeg-th komponentdeler;

for et restaurert produkt - i tillegg til strukturen ovenfor i vedlikeholdssystemet og intensiteten til produktet går fra stat til stat (? Jeg, m Jeg).

2. Forutsigbare (bestemte) indikatorer på pålitelighet er:

for et ikke-reparerbart produkt - betyr tid til feil T cp og sannsynligheten for feilfri drift i et spesifisert tidsrom T;

for et utvinnbart produkt - gjennomsnittlig tid mellom feil T 0 , tilgjengelighetsfaktor Til r, koeffisient for teknisk utnyttelse Til t, og sannsynligheten for feilfri drift i et spesifisert tidsrom T.

3. I samsvar med to nivåer av kvaliteten på produktets funksjon (sunn - inoperativ tilstand) og en komplett gruppe hendelser som karakteriserer produktet, bestemmes det totale antallet teoretisk mulige tilstander til produktet. Faktisk antall stater N utgjør en del av de teoretisk mulige tilstandene. For det aktuelle produktet bygges det en graf, hvis toppunkter er tilstandene, grenene er overgangsveiene fra tilstand til tilstand med tilsvarende feilrater l eller gjenopprettingshastigheter m. Overganger som tilsvarer samtidig endring av to eller flere tilstander tas ikke i betraktning på grunn av den lave sannsynligheten for at de inntreffer.

4. Basert på grafen lager de et system av lineære differensialligninger, hvor antallet er lik antall tilstander N. Noen Jeg-den likning som karakteriserer Si tilstanden til produktet, består av to deler: venstre og høyre. Venstre side av ligningen inkluderer den deriverte av endringen i sannsynlighet Pi(t) opphold av produktet i Si tilstand, og den høyre er lik summen av produktene av overgangsintensitetene? j, m j tilsvarende de som kommer fra S j stater og inkludert i Si statlige grener på sannsynlighet Pysjamas(t) opplyser S j, minus produktet av summen av overgangsintensiteter fra Si grentilstander per sannsynlighet Pi(t) opplyser Si. Til N ligninger legges til

For å løse systemet, en ekstra (hvilken som helst) av N de første ligningene er ekskludert.

5. Bestemmelse av gjennomsnittlig tid til feil T cf er produsert i samsvar med systemet med differensialligninger A.N. Kolmogorov. Fra ligningene er begrepene som inneholder intensitetene til utgangen av feiltilstander, som er absorberende, ekskludert. Deretter integreres systemet med differensialligninger, som et resultat av at det går over i et system med algebraiske ligninger. Med tanke på at (t Jeg- den gjennomsnittlige tiden produktene er i brukbar stand) og starttilstanden er tilstanden hvor produktet er i god stand, dvs. på t = 0 P 1 (t = 0) = 1, P i(t = 0) = 0, Jeg? 1, MTBF-verdi T cf bestemmes av formelen:

hvor E r- et sett med driftstilstander for produktet.

6. Gjennomsnittlig tid til fiasko T cp er definert som kvotienten for å dele summen av sannsynligheter p Jeg opphold av produktet i Jeg-x operable tilstander ved et uttrykk som består av summen av produktene av sannsynlighetene for pre-fail-tilstander og summene av intensitetene av exit fra pre-fail-tilstander til feil-tilstanden, i henhold til formelen

(4)

hvor E n er settet med ubrukelige tilstander til produktet.

7. Forutsi tilgjengelighetsfaktoren ( Til d) eller koeffisient for teknisk bruk ( Til m) utføres i samsvar med et system av differensialligninger, som i steady state kl t ® ? , Pi(t® ?) = s Jeg går inn i et system av lineære algebraiske ligninger med steady state (stasjonære) sannsynligheter p Jeg finne produktet i Si betingelse. Som et resultat av å løse det resulterende ligningssystemet, bestemmes verdien Til r eller Til m som summen av sannsynlighetene for alle tilstander der produktet kan brukes, i henhold til formelen

(5)

8. Bestemmelse av spredningen av gjennomsnittlig tid til feil.

I samsvar med grafen over produktoverganger fra stat til stat, er det satt sammen en matrise med overgangssannsynligheter R, som hvert element inkluderer: l Jeg, m Jeg, d t. I fremtiden blir denne matrisen transformert til en matrise l * ved å forkaste feiltilstander og slette elementet d t. Subtrahere l*-matrisen fra identitetsmatrisen E, få feilfrekvensmatrisen

l = E-l*, (6)

og kvadrerer den (l 2), får vi den opprinnelige matrisen, på grunnlag av hvilken variansen bestemmes D(T cp) betyr tid til fiasko

(7)

Her D n(l 2) - matrisedeterminant l 2 , D Jeg(l 2) - determinanten hentet fra matrisen? 2 etter utstrekning Jeg-te linje og Jeg-te kolonne.

Standardavviket for gjennomsnittlig tid til feil vil være

(8)

9. Bestemmelse av sannsynligheten for ikke-feil drift av produktet i løpet av den angitte tiden .

Med et lite avvik på standardavviket fra den matematiske forventningen T ons

(9)

det kan antas at fordelingen av feil følger en eksponentiell lov. Så sannsynligheten

(11)

Det anbefales å presentere i grafisk form (fig. 1 ).

Så etter å ha mottatt den anslåtte verdien T jf og kjenne til den innstilte verdien T, er verdien bestemt Til("pålitelighetsmargin") med verdien som, i samsvar med (fig. 1 ) sannsynligheten er satt P(t > T).

10. Eksempler på å forutsi produktpålitelighetsindikatorer.

10.1. Eksempel 1. Forutsi gjennomsnittlig tid til feil på en TV-mottaker (TV) T jf for strykprosent l Jeg dens bestanddeler, presentert i tabell. 1 , og bestem sannsynligheten R(Til) ingen sviktende drift av TV-en i = 1500 timer; R(Til) = 0,6.

Forutsatt at avslaget på evt Jeg-te modul M i() fører til feil på TV-en, kan dets pålitelighetsblokkdiagram representeres i form av sekvensielle moduler (fig. 2 ).

Blokkdiagram for TV-pålitelighet

Diagram-tilsvarende oppetidsovergangsgraf S 1 til ubrukelig S 2 er vist i fig. 3 .

I samsvar med stk. 4 og grafen avbildet i helvete. 3 , utgjør differensialligningen

(12)

for sannsynlighet P 1 (t) finne TV-en i fungerende stand S en . I henhold til stk. 5 å integrere denne ligningen gir

1 \u003d -l S - t 1. (1. 3)

Hvor t 1 \u003d l S -1. Derfor betyr tiden til feil på TV-en

T jf \u003d t 1 \u003d l S -1. (fjorten)

Ved å erstatte verdien av l S fra tabell i den siste ligningen. 1 , bestemme verdien T ons

TV-overgangsgraf

I forbindelse med eksponentiell fordeling av feil bestemmes verdien Til. Til = T ons / T\u003d 5800/1500 \u003d 3,87, i henhold til verdien som, i samsvar med (fig. 1 ) bestemme verdien av sannsynligheten

overskrider den innstilte verdien R(K) = 0,6 og tilfredsstiller derfor kravet til en "sikkerhetsmargin".

Tabell 1

Verdier for feilfrekvensen til komponentdelene til TV-en

10.2. Eksempel 2. Forutsi gjennomsnittlig tid til feil på en TV med en redundant fargemodul (MC). Startdata i tabell. 1 . CCH for dette tilfellet er presentert i fig. 4 .

Blokkdiagram over påliteligheten til en TV med en redundant fargemodul

S

S 2 - TV-en er operativ, men en av MC-ene sviktet,

S

Grafen over TV-overganger fra stat til stat er vist i fig. 5 .

TV-overgangsgraf

Opprinnelige data:

R(Til) = 0,6;

l m - feilrate på MC l m = 36,97? 10 -6 1/t,

l 0 - TV-feilrate uten MC? 0 = 135,5? 10 -6 1/t,

l S - feilrate på ikke-redundant TV-apparat l S = 172,47 ? 10 -6 1/t.

For å bestemme verdiene for gjennomsnittstiden t Jeg Si, Jeg= 1, 2 i samsvar med s. 4 utgjør et system av differensialligninger som relaterer sannsynlighetene for å finne en TV i Si betingelse:

(15)

I samsvar med stk. 5 differensiallikninger ( 15 ) konverteres til algebraisk

(16)

(17)

I samsvar med ( 3 ) verdien av den gjennomsnittlige tiden til feil vil være T cp \u003d t 1 + t 2 \u003d 6821,5 timer.

Deretter Til = 4,54; = 0,815; > P(K). (18)

10.3. Eksempel 3. Bestem sannsynligheten for feilfri drift av et TV-apparat med en redundant fargemodul i 1500 timers drift. De første dataene er fra eksempel 2.

I samsvar med stk. 8 og telle (fan. 5 ) danner matrisen av overgangssannsynligheter

som matrisen er hentet fra

(20)

I samsvar med ( 6 ) feilrate matrise l = E-l * for dette eksemplet vil det være

(21)

Kvadraten til intensitetsmatrisen bestemmes ved å multiplisere:

l 2 \u003d l? å ligge.

(22)

Å erstatte de originale dataene i den siste matrisen gir:

I samsvar med ( 7 ) bestemme variansen av gjennomsnittlig tid til feil

Standardavvik( T cf) vil være

s( T sr) = 7510 timer (25)

I samsvar med ( 9 ) få:

(26)

Oppfyllelse av betingelsen ( 9 ) gjør det mulig å bruke den eksponentielle fordelingen av feil. Bestem forholdet:

(27)

1 ) for Til lik 4,55 bestemmer sannsynligheten for feilfri drift av TV-en i 1500 timer.

R(t > 1500) = 0,83.

10.4. Eksempel 4. Forutsi gjennomsnittlig tid til feil på en redundant, gjenopprettbar TV. Opprinnelige data i eksempel 2.

CCH for dette eksemplet sammenfaller med skjemaet vist i fig. 4 , bortsett fra tilstedeværelsen av utvinning.

De karakteristiske tilstandene til TV-en vil være:

S 1 - TV-en er operativ,

S 2 - TV-en er operativ, en av MC-ene har sviktet, den blir gjenopprettet,

S 3 - TV-en er ute av drift.

Grafen over TV-overganger fra stat til stat er vist i fig. 6 .

TV-overgangsgraf

Opprinnelige data:

l m - feilrate for MC, l m = 36,97? 10-6 l/time;

l 0 - TV-feilrate uten MC, l 0 = 135,5? 10-6 l/time;

l S - feilfrekvens for ikke-redundant TV,

jeg? = 172,47? 10 -6 1/t,

m er intensiteten av MC utvinning, ? = 0,5 l/time.

For å bestemme gjennomsnittsverdiene for tiden t Jeg finne TV-en i stater Si, Jeg= 1, 2 i samsvar med s. 4 utgjør et system av differensialligninger

(28)

I henhold til stk. 5 transformere differensialligninger ( 28 ) til algebraisk

(29)

hvis løsning gir

(30)

Å erstatte de opprinnelige dataene i uttrykket for t Jeg, Jeg= 1, 2, bestemmer verdien av gjennomsnittlig tid til feil på den gjenopprettede TV-en

T cf \u003d t 1 + t 2 \u003d 7380 + 1 \u003d 7381 timer (31)

Forhold Til vil være:

(32)

I henhold til timeplanen (fig. 1 ) for Til\u003d 4.92 sannsynligheten for feilfri drift av TV-en i 1500 timer vil være P(t> 1500) = 0,83, som overskrider den angitte verdien R(Til).

10.5. Eksempel 5. Forutsi den tekniske utnyttelsesfaktoren og gjennomsnittstiden mellom feil på en redundant, gjenopprettbar TV. De første dataene er i eksempel 4.

Tilstanden til TV-en er den samme som i eksempel 4. Grafen over overgangene fra tilstand til tilstand er vist i fig. 7 .

TV-overgangsgraf

Opprinnelige data:

l m, l S, l 0 , t 1, t 2 er de samme som i eksempel 4; m \u003d m 0 \u003d 0,5 1 / t.

Mellomverdier:

s Jeg- steady state (stasjonær) sannsynlighet for å finne TV-en i staten Si på t ® ?;

t Jeg- den gjennomsnittlige tiden produktet forblir i staten Si.

Forutsagte pålitelighetsindikatorer:

Til m - koeffisient for teknisk bruk;

T 0 - gjennomsnittlig tid mellom feil.

Differensialligninger for å forutsi pålitelighet knyttet til sannsynlighetene for å finne en TV i Si tilstand, vilje

(33)

I samsvar med stk. 7 transformere systemet med differensialligninger ( 32 ) inn i et system av algebraiske, forkaster den andre ligningen, og tar hensyn til ( 2 )

(34)

Løser algebraiske ligninger, bestem verdiene til p 1 og p 2:

(35)

Hvis du erstatter verdiene til de originale dataene, får du verdien Til t

Til t \u003d p 1 + p 2 \u003d 0,99958 + 0,00003 \u003d 0,99061. (36)

Verdien av gjennomsnittstiden mellom feil bestemmes av formelen ( 4 )

(37)

Verdier Til og ligner på eksempel 4.

ELEMENTMETODE FOR BEREGNING AV PRODUKTER UTEN OG UNDER BELASTNING

1. Element-for-element-metoden for å beregne PV-verdien til produkter uten å ta hensyn til belastningen, brukes til å beregne PV-verdien på stadiet av foreløpig prognose.

Element-for-element-metoden for å beregne driftssyklusen til produkter, tatt i betraktning belastningen, brukes på stadiet med detaljert prognose i teknisk design og utvikling av designdokumentasjon.

2. Element-for-element-metoden for å beregne PV av produkter uten å ta hensyn til belastningen brukes dersom kompleksiteten til produktdesignet, dvs. antall elementer endres praktisk talt ikke etter stadiet av teknisk design.

Element-for-element-metoden for å beregne driftssyklusen til produkter, under hensyntagen til belastningen på elementene, gjør det mulig å bestemme pålitelighetsindikatorene under forskjellige driftsforhold.

3. Begge metodene forutsetter at feilfordelingsloven er eksponentiell.

4. Teknikken for begge metodene er identisk og er som følger:

feilraten til produktet bestemmes ved direkte summering av feilraten for alle elementer basert på en konsistent pålitelighetsmodell;

bestemme nødvendig informasjon;

generelle grupper av elementer, inkludert kompleksiteten til mikroelektroniske produkter;

mengde elementer;

driftsforhold og for element-for-element-metoden for å beregne driftssyklusen til produkter, under hensyntagen til belastningen på elementene - operasjonelle belastninger på elementene;

beregn feilraten til produktet i samsvar med formlene:

for element-for-element-metoden for å beregne PV av produkter uten å ta hensyn til belastningen

(39)

underlagt belastning

(40)

der l er den totale feilraten for produktet;

l n, l e - strykprosent for Jeg-th element for element-for-element-metoden for å beregne PV-en til produktet, med hensyn til henholdsvis belastningen og uten hensyn til belastningen;

k- kvalitetskorrigeringsfaktor for Jeg-th element;

N i- mengde elementer;

P- antall forskjellige kategorier av elementer.

Begge uttrykkene gjelder under samme driftsbetingelser for hver Jeg-te element i produktet.

I tilfelle produktet kan brukes under forskjellige driftsforhold, beregnes den totale feilraten for produktene for hver tilstand separat.

I tilfelle at elementene leveres i samsvar med spesifikasjonene, for ikke-elektroniske elementer k = 1.

5. Et eksempel på bruk av element-for-element-metoden for beregning av pålitelighetsindikatorer, tatt i betraktning belastningene på elementene, er metoden for beregning av svart-hvitt- og farge-fjernsyn.

5.1. Feilfrekvens l for forskjellige elementer (unntatt for ikke-trådløse variable motstander og koblinger) med kjente termiske og elektriske moduser for elementbruk i TV-kretsen og en kjent nominell verdi av elementfeilfrekvensen l 0 som tilsvarer belastningsfaktoren Til n = 1 og en omgivelsestemperatur på 20 °C, skal bestemmes av formelen:

l = l0? a, (41)

hvor a er en korreksjonsfaktor som tar hensyn til den gitte påføringsmåten for elementet.

Feilfrekvensen til variable ikke-trådsmotstander bør bestemmes av formelen:

l = l0? en? enR, (42)

hvor en R- korreksjonsfaktor, avhengig av verdien av den nominelle motstanden til den variable motstanden.

Koblingsfeilfrekvensen bestemmes av formelen:

R- det faktiske antallet ledd på kontakten;

N- tillatt antall koblinger i henhold til tekniske spesifikasjoner (TU);

t- antall involverte kontakter til kontakten i kretsen;

M- det faktiske antallet kontakter.

5.2. Med en ukjent verdi på l 0 bestemmes feilraten til elementer av en statistisk metode basert på behandling av data om TV-feil under pålitelighetstester og under drift, dvs. l = l av.st, hvor l av.st - gjennomsnittsverdien av feilprosenten.

5.3. Feilfrekvensen til elementet for kjente verdier på l 0 og l jfr. og ukjente objektive data om påføringsmåtene for elementet tas lik l jfr . Kunst.

5.4. Feilfrekvensen til elementet for ukjente verdier på l 0 og l jf. bestemmes ved å velge en analog.

I fravær av analoger, bør den nominelle verdien av feilraten til elementet tas lik den gjennomsnittlige nominelle verdien av feilraten l 0av, beregnet for grupper av elementer som har fellestrekk (ved design, parametere).

PÅLITELIGHETSPROGRAMMETODE BASERT PÅ RESULTATER AV TEKNOLOGISK INNBRYDNING (TS) AV UTSTYR

1. Hovedmålet med teknologisk innkjøring av utstyr er å redusere intensiteten av ikke-tilfeldige feil.

2. Effektiv teknologisk innkjøring er fullstendig begrenset av varigheten av perioden med tidlige feil, som vanligvis er flere hundre timer for AEBS.

3. Matematisk modellering av teknologisk innkjøring av utstyr gjør det mulig å evaluere effektiviteten av teknologisk innkjøring i henhold til driftsdata.

4. Eventuelle systematiske feil identifisert under innkjøring bør utelukkes fra simuleringen.

5. Prediksjon av pålitelighet basert på resultatene av TP utføres ved å bruke den analoge modellen "AMSAA".

6. AMSAA-modellen skiller ikke mellom systematiske og tilfeldige feil.

Formalisert beskrivelse av modellen

X= a? Tb, 0 < b < 1, (44)

hvor X- det totale antallet feil under TS;

T- TP-tid;

a og b- konstante parametere:

a - innledende pålitelighetsfunksjon;

b-.

7. Øyeblikkelig feilrate Z beskrives ut fra ligningen

(45)

(dette uttrykket er lik tangenten til den karakteristiske vinkelen X(T) på punktet T). Den øyeblikkelige tiden mellom feilene bestemmes av formelen

8. For en pålitelig vurdering av pålitelighetsindikatorene til resultatene, anbefales det å ha minst 10 vurderte feil.

9. Et eksempel på bruk av pålitelighetsprediksjonsmetoden basert på resultatene av TP er metoden for akselerert optimalisering av TP for husholdningsbåndopptakere, som består av følgende:

9.1. Estimatet av den forutsagte tiden mellom feil er laget på grunnlag av modellen for å øke påliteligheten til båndopptakere i prosessen med TP i henhold til formelen

X = K ? tm, (47)

hvor X- det totale antallet feil for den totale tiden t tester;

Til, m- produktparametere.

9.2. Evalueringen av tiden mellom feilene utføres i følgende rekkefølge.

9.2.1. Tester (TP) n-de prøver av båndopptakere produseres i henhold til arbeidsplanen inntil 10 - 20 feil er mottatt i hver prøve.

subjektivt vurdere graden av sammenfall av de oppnådde grafpunktene med en rett linje som går gjennom sentrum av koordinatene i en vinkel på 45° til aksene;

om nødvendig, bruk passende kriterier for statistisk vurdering av tilfeldigheter.

INFORMASJONSDATA

1 . UTFØRER

G.F. Firsenkov, cand. tech. vitenskap (emneleder), I.V. Boldyrev, V.E. Milovanova, A.I. Chernoskutov, Yu.D. Shuvalova

2 . GODKJENT OG INNFØRT VED dekret USSR State Committee for Standards datert 13.01.88 nr. 31

3 . Sjekktid - 1992; verifiseringsfrekvensen er 5 år.

4 . Standarden samsvarer fullt ut med de internasjonale standardene ISO 9000-86 - ISO 9003-86.

5 . INTRODUSERT FOR FØRSTE GANG

6 . REFERANSE FORSKRIFTER OG TEKNISKE DOKUMENTER

I livet til ethvert objekt, som et bestemt produkt, kan to stadier alltid skilles: produksjonen og driften av dette objektet. Det er også et stadium for lagring av dette objektet.

For ethvert objekt på hvert stadium av dets levetid, stilles det visse tekniske krav. Det er ønskelig at objektet alltid oppfyller disse kravene. Det kan imidlertid oppstå funksjonsfeil i objektet som bryter med enhetens spesifiserte samsvar. Deretter er oppgaven å opprette på produksjonsstadiet eller gjenopprette den forstyrrede funksjonsfeilen (som kan vises på drifts- eller lagringsstadiene) i samsvar med de spesifiserte tekniske kravene knyttet til objektet.

Løsningen av dette problemet er umulig uten episodisk eller kontinuerlig diagnose av tilstanden til objektet. Tilstanden til et objekt bestemmes av dets pålitelighet. Pålitelighet: det er en egenskap til gjenstanden for utførelsen av de spesifiserte bevaringsfunksjonene, under verdiene og etablerte ytelsesindikatorer i de spesifiserte modusene og betingelsene for bruk, vedlikehold, reparasjon, etc.

Arbeidsforhold: dette er en tilstand der enheten oppfyller alle kravene i standarden - teknisk dokumentasjon.

Feil tilstand: dette er en tilstand der enheten, objektet ikke samsvarer med minst ett av kravene i forskriftsmessig og teknisk dokumentasjon.

Arbeidsforhold: dette er tilstanden til objektet, der det er i stand til å utføre de spesifiserte funksjonene, samtidig som verdiene til de spesifiserte standardene opprettholdes innenfor grensene fastsatt av dokumentasjonen.

Deaktivert tilstand: dette er en tilstand der verdiene til minst én spesifisert parameter ikke samsvarer med den normative og tekniske dokumentasjonen.

konsept skader er å krenke produktets gode tilstand og samtidig opprettholde ytelsen. For ethvert produkt er det begreper: defekt, feil, feil, feil og feil.

Defekt: dette er et avvik fra parametrene til produktet i forhold til de som er spesifisert i den forskriftsmessige og tekniske dokumentasjonen.

Feil: formatert representasjon av manifestasjonen av en defekt ved inngangene og utgangene til produktet.

Avslag: defekter forbundet med irreversible brudd på produktets egenskaper, som fører til brudd på dets arbeidstilstand.

Feil: defekt, som består i det faktum at som et resultat av en midlertidig endring i parametrene til produktet i en viss tidsperiode, vil det fungere kontinuerlig. Dessuten gjenopprettes ytelsen selvstyrt. Interferens som påvirker ytelsen.

Feil:(for diskret teknologi) refererer til feil verdi av signalene ved de eksterne inngangene til produktet, forårsaket av funksjonsfeil, transienter eller interferens som påvirker produktet.

Antallet defekter, funksjonsfeil, feil, feil som samtidig er tilstede i produktet kalles multiplisiteten.

Mangelen av feil bestemmes ikke bare av mangfoldet av funksjonsfeilen på grunn av hvilken den oppsto, men også av produktets strukturelle diagram, siden som et resultat av forgreningen i kretsen, kan en enkelt feil forårsake en multippel feil i seriekretser.

Pålitelighet: egenskapen til et produkt der det kontinuerlig opprettholder ytelsen i noen tid.

Vedlikehold: eiendommen til produktet, som består i tilpasningsevne for å forhindre og oppdage årsakene til dets feil, skade og eliminere dem gjennom reparasjon og vedlikehold.

Pålitelighetsindikatorer:

1) Sannsynligheten for ikke-feiloperasjon P(t) er sannsynligheten for at det i et gitt tidsintervall t ikke oppstår en feil i produktet.

0 £ P(t) £1; P(o) = 1; P(¥) = 0;

Funksjonen P(t) er en monotont avtagende funksjon, dvs. under drift og lagring avtar bare påliteligheten. For å bestemme P(t), brukes følgende statiske estimat:

hvor N er antall produkter satt til testing (drift).

N 0 - antall produkter som feilet i løpet av tiden t.

2) Sannsynligheten for feilfri drift Р sb (t) er sannsynligheten for at det i et gitt tidsintervall t ikke vil være feil i produktet.

P sb (t) \u003d 1-Q sb (t); hvor - Q sb (t) er fordelingsfunksjonen til feil under tiden t.

For å bestemme stabiliteten til estimatet har vi formelen:

hvor N er antall produkter satt i drift.

N 0 er antall produkter som mislyktes i løpet av tiden t.

3) Feilfrekvensen l(t) er den betingede tettheten av sannsynligheten for svikt i et ikke-gjenopprettbart objekt, et visst vurdert tidspunkt, forutsatt at feilen ikke har oppstått til dette øyeblikk.

For definitivt l(t) brukes følgende statistiske estimat:

hvor n(Dt) er antall mislykkede produkter i tidsintervallet (Dt).

N cf (Dt) er gjennomsnittlig antall brukbare produkter i tidsintervallet (Dt).

;

4) Gjennomsnittlig tid til feil (gjennomsnittlig tid til fiasko) T er den matematiske forventningen til tid til første fiasko er definert som følger:

Disse tallene er beregnet for et produkt som ikke kan gjenopprettes.

Vedlikeholdsindikatorer:

1) Sannsynligheten for gjenoppretting s(t) er sannsynligheten for at det mislykkede produktet vil bli gjenopprettet innen tid t.

hvor n i er antall produkter med restitusjonstid< (меньше) заданного времени t. N ов – число изделий оставшихся на восстановлении.

2) Intensiteten til den restaurerte M(t) er den betingede distribusjonstettheten til restaureringstiden for tiden t, forutsatt at produktet ikke har blitt restaurert før dette øyeblikket.

hvor n i (Dt) er antall gjenstander gjenvunnet i løpet av tiden Dt. N v.sr (Dt) - gjennomsnittlig antall elementer som ikke ble gjenopprettet i løpet av tiden Dt.

3) Gjennomsnittlig restitusjonstid T in er naturverdien av forventningen om restitusjon.

4) Tilgjengelighetskoeffisient K g (t) er sannsynligheten for at produktet er operativt på et vilkårlig tidspunkt t.

Stasjonær modus: t ® ¥.

Stasjonær vurdering: ;

hvor t pi i er det th tidsintervallet for korrekt drift av produktet.

t bi er tidsintervallet for gjenoppretting av produktet.

n er antall produktfeil.

Koeffisienten for operativ beredskap K opera. (t, t) er operativ på et vilkårlig tidspunkt t.

5) Koeffisienten for operativ beredskap K opera. (t, t) er sannsynligheten for at utstyret vil være i drift på et vilkårlig tidspunkt t. og vil løpe jevnt i den angitte tiden r.

Til opera. (t, t) = K g (t) P(t)

For å bestemme K operaer. det er et statistisk estimat:

PÅLITELIGHETSPUDSIKSJON AV OLJEFELTUTSTYR I DESIGN

Utformingen av ethvert komplekst teknisk system, inkludert oljefeltutstyr, er det første og viktigste stadiet der et visst nivå av påliteligheten legges. Derfor, på ulike stadier av utformingen av komplekse systemer (teknisk forslag, utkast til design, teknisk design), blir det nødvendig å forutsi den forventede påliteligheten til disse systemene for å kvantifisere pålitelighetsindikatorene til den utformede versjonen av produktet og sammenligne de anslåtte indikatorene. med de nødvendige verdiene. Prognoser er spesielt viktig i de tidlige stadiene av design, når det er nødvendig å sammenligne påliteligheten til ulike alternativer for strukturdiagrammene til det utviklede systemet og dets noder, noe som gjør det mulig å ta rettidige tiltak for å forbedre påliteligheten.

Hovedprinsippet for å forutsi påliteligheten til produktene i designet bør være en systematisk tilnærming som lar deg ta hensyn til designfunksjoner, produksjonsevner og driftsforhold.

Den første informasjonen for å forutsi påliteligheten til produktene inkluderer:

designdokumentasjon på ulike stadier av produktutviklingen (teknisk forslag, utkast til design, teknisk design og arbeidstegninger); data om analoge produkter, inkludert statistisk informasjon om deres pålitelighet i drift; testdata, inkludert informasjon om de lastede delene og monteringsenhetene; informasjon om driftsforhold.

Når man forutsier pålitelighet, betraktes moderne oljefeltmaskiner og mekanismer som komplekse systemer som består av et stort antall deler og monteringsenheter som er funksjonelt sammenkoblet på en bestemt måte og danner det såkalte hierarkiske strukturdiagrammet - en grafisk representasjon av et produkt i form av en kombinasjon av dets monteringsenheter og deler koblet sammen i rekkefølge etter nivå. På første nivå vurderes monteringsenheter som er strukturelt komplette og har et selvstendig funksjonelt formål, på etterfølgende nivåer - elementære og udelelige enheter, etc.

På grunnlag av blokkdiagrammer bygges matematiske modeller, i henhold til hvilke pålitelighet er forutsagt avhengig av pålitelighetsnivået til hver del og monteringsenhet. Skille:

minimumsstrukturen - et utvidet skjema for produktet, inkludert monteringsenheter på første nivå og koblinger som gjenspeiler dets funksjonelle formål;

redundant struktur - et produktopplegg, i minimumsstrukturen som provisjons- eller backup-delsystemer introduseres.

Når man forutsier påliteligheten til et produkt som helhet, bør dets strukturelle diagram representeres som et hierarkisk system: del - monteringsenhet - produkt med tildeling av minimale og redundante strukturer.

En spesifikk type støttedelsystemer introduseres basert på resultatene av analysen av lenker i strukturen til systemet og de pågående fysiske prosessene som bestemmer deres pålitelighet. I motsetning til reservedelsystemer, introduseres støttedelsystemer ikke for å erstatte de mislykkede hoveddelsystemene, men for å sikre gunstige forhold for deres drift.

På det første trinnet vurderes påliteligheten til minimumsstrukturen til systemet som studeres. Sannsynlighet for oppetid R (() minimumsstrukturen, bestående av seriekoblede delsystemer, uttrykkes av avhengigheten R(0= P P-(1).

Avhengig av nøyaktigheten til de første dataene og forutsetningene som er gjort, utføres en omtrentlig og endelig prediksjon av påliteligheten til komplekse systemer.

Omtrentlig prognoser for pålitelighetsindikatorene til designet produkter utføres på stadiene av å utvikle et teknisk forslag og et utkast til design ved bruk av ekspert- og ekstrapoleringsmetoder, samt eksperimentelle og statistiske metoder for prognoser for analoge produkter. I grove beregninger estimeres i hovedsak forventet pålitelighet av designet system. Resultatene av grov prediksjon av feilfri drift gjør det mulig å bestemme den rasjonelle sammensetningen av systemet i henhold til nomenklaturen for monteringsenheter, deler og å skissere måter å øke påliteligheten på foreløpig design. Grov prognoser for feilfri drift av komplekse systemer er basert på en rekke forutsetninger, som i noen tilfeller idealiserer driften av det designet komplekse systemet. Dette forklares med det faktum at det ofte ikke er nok innledende data til å bruke mer nøyaktige metoder.

Den endelige prediksjonen av pålitelighetsindikatorene til de designet produktene utføres på stadiet for utvikling av et teknisk prosjekt ved bruk av beregningsmetoden og forskningstestmetoden. Når du velger en pålitelighetsprediksjonsmetode, bør beregningsmetoden foretrekkes, som fullt ut tar hensyn til faktorene som danner pålitelighet: den fysiske karakteren av feil, grensetilstander til deler, kinematiske og dynamiske egenskaper til strukturen, ytre påvirkninger, etc.

Basert på resultatene av tentative og endelige beregninger, lages det en prognose om påliteligheten til systemet som designes. Hvis de oppnådde verdiene for pålitelighetsindikatorer ikke samsvarer med de nødvendige, konkluderes det med at de er sikret ved å vurdere andre alternativer for produktet og bruke kretsmetoder for å forbedre påliteligheten, inkludert redundans. Ved redundans beregnes påliteligheten til det redundante systemet, på grunnlag av dette velges til slutt redundansmetoden og antall redundante delsystemer.

Når du forutsier påliteligheten til komplekse tekniske systemer, er det tilrådelig å følge en viss sekvens.

1. Deler og monteringsenheter er klassifisert etter ansvarsprinsippet. For deler og monteringsenheter, hvis feil er farlige for menneskeliv, er det etablert høyere krav til feilfri drift.

2. Konseptene for svikt i deler og monteringsenheter i det utformede systemet er formulert. Samtidig er valget av antall deler og monteringsenheter som påvirker systemets pålitelighet avgjørende. Det er nødvendig å ta hensyn til bare de delene og monteringsenhetene, hvis feil fører til fullstendig eller delvis tap av systemytelse.

3. En pålitelighetsprediksjonsmetode velges avhengig av fra stadiet av systemdesign, nøyaktigheten av de første dataene og forutsetningene som er gjort.

4. Det utarbeides et hierarkisk strukturdiagram av produktet, inkludert de viktigste funksjonelle delene og monteringsenhetene, inkludert deler og monteringsenheter av kraft- og kinematiske kretser, ordnet etter nivåer i rekkefølgen av deres underordning, og som reflekterer forbindelser mellom dem.

5. Alle deler og monteringsenheter vurderes, fra det øvre nivået av blokkskjemaet og slutter med det nedre, med deres inndeling i følgende grupper:

a) deler og monteringsenheter, hvis indikatorer skal bestemmes ved beregningsmetoder;

b) deler og monteringsenheter med spesifiserte pålitelighetsindikatorer, inkludert de tilordnede feilflytparameterne;

c) deler og sammenstillingsenheter, hvis pålitelighetsindikatorer bør bestemmes ved eksperimentelle statistiske metoder eller testmetoder.

6. For deler og monteringsenheter, hvis pålitelighet bestemmes av beregningsmetoder:

Spektra av belastninger og andre funksjoner ved drift bestemmes, for hvilke de utgjør funksjonelle modeller av produktet og dets monteringsenheter, som for eksempel kan representeres av en tilstandsmatrise;

De komponerer modeller av fysiske prosesser som fører til feil, og etablerer kriterier for feil og grensetilstander (ødeleggelse fra kortsiktige overbelastninger, utbruddet av slitasjegrense, etc.);

Klassifiser dem i grupper i henhold til feilkriterier og velg passende beregningsmetoder for hver gruppe;

Deterministiske beregninger utføres (for styrke, holdbarhet, etc.) under den mest ugunstige kombinasjonen av faktorer og driftsforhold, hvis grensetilstandene ikke er nådd, tas ikke den tilsvarende delen eller monteringsenheten i betraktning når man forutsier påliteligheten til produktet og ekskludert fra blokkskjemaet; ellers utføres beregningen ved hjelp av sannsynlige metoder, og de numeriske verdiene til pålitelighetsindikatorene bestemmes (retningslinjer for å forutsi påliteligheten til produkter, monteringsenheter og deler ved hjelp av beregningsmetoden er gitt i GOST 27.301-83 "Pålitelighet i ingeniørkunst . Forutsi påliteligheten til produkter i design. Generelle krav").

7. Om nødvendig bygges grafer for avhengighet av pålitelighetsindikatorer på tid, på grunnlag av hvilke påliteligheten til individuelle deler eller monteringsenheter, samt ulike alternativer for strukturdiagrammene til systemet, sammenlignes.

8. Basert på den utførte pålitelighetsprediksjonen, konkluderes det om systemets egnethet for den tiltenkte bruken. Hvis den beregnede påliteligheten viser seg å være lavere enn den spesifiserte, utvikles det tiltak som tar sikte på å forbedre påliteligheten til det beregnede systemet.