CN108376307A - 一种分组数据情形下基于amsaa模型的产品可靠性确定方法 - Google Patents
一种分组数据情形下基于amsaa模型的产品可靠性确定方法 Download PDFInfo
- Publication number
- CN108376307A CN108376307A CN201810016949.9A CN201810016949A CN108376307A CN 108376307 A CN108376307 A CN 108376307A CN 201810016949 A CN201810016949 A CN 201810016949A CN 108376307 A CN108376307 A CN 108376307A
- Authority
- CN
- China
- Prior art keywords
- amsaa
- lnn
- formula
- variance
- grouped data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Complex Calculations (AREA)
Abstract
本发明是一种分组数据情形下基于AMSAA模型的产品可靠性确定方法,该方法是通过建立基于分组数据统计量的AMSAA模型参数的线性回归方程,给出基于加权最小二乘法的参数点估计和区间估计,可以为基于定时检测试验、无法获取准确故障时间的产品可靠性评估提供方法支撑,对于快速有效的验证产品可靠性具有重要的意义。
Description
技术领域
本发明涉及一种分组数据情形下基于AMSAA模型的产品可靠性确定方法,属于质量与可靠性工程领域。本发明是通过建立基于分组数据统计量的AMSAA模型参数的线性回归方程,给出基于加权最小二乘法的参数点估计和区间估计,可以为基于定时检测试验、无法获取准确故障时间的产品可靠性评估提供方法支撑,对于快速有效的验证产品可靠性具有重要的意义。
背景技术
AMSAA模型是可靠性增长试验(过程)的常用模型之一,因此为了得到产品可靠性水平——平均故障间隔时间(MTBF)的准确估计就必须对AMSAA模型的参数做出精确的推断。在可靠性试验过程中,通过实时检测装置准确获得的产品故障时间称为完全数据,完全数据情形下的参数估计方法已经比较完善;然而在工程中,往往由于缺乏实时检测手段而无法获得产品的准确故障时间,通常只能知道产品在某一时间区间内失效,这样得到的数据就是分组数据,分组数据情形下最主要的参数估计方法是最大似然法,该方法需要求解非线性似然方程(组),且对部分寿命分布来说很难获得参数的收敛数值解,这给技术人员在工程实际中快速简单的确定产品可靠性水平带来了很大的麻烦。
发明内容
本发明正是针对上述现有技术中存在的问题而设计提供了一种分组数据情形下基于AMSAA模型的产品可靠性确定方法,其目的是在可靠性增长试验(过程)中只能获得分组数据的条件下,快速有效地确定产品的可靠性水平。
本发明的目的是通过以下技术方案来实现的:
该种分组数据情形下基于AMSAA模型的产品可靠性确定方法,其特征在于:该方法的步骤如下:
步骤一、分组数据的获得
在可靠性试验过程中,用定时检测的方法设置检测时间点来监控产品的运行情况,确定产品失效的时间区间,得到分组数据,分组数据的表达式如下:
k1,k2,…,km (1)
式中:
k1,k2,…,km为在时间区间(0,t1]、(t1,t2]……(tm-1,tm]中对应的产品失效的次数,t1,t2,…,tm为测试时间;
步骤二、AMSAA模型的构建
根据获得的分组数据(k1,k2,…,km)构建AMSAA模型:产品在(0,ti]内的累计失效次数服从均值E(ni)=ati b及瞬时强度为
λi=dE(ni)/dti=abti b-1的AMSAA模型;
式中:
a为尺度参数,b为增长形状参数;
累计失效次数ni的概率分布p(ni)为:
步骤三、AMSAA模型参数的点估计,过程如下:
1)首先利用累计失效次数ni构建分组数据统计量lnni,并结合累计失效次数ni的均值、方差以及协方差确定统计量lnni的均值、方差以及协方差:
由式(2)和泊松过程的性质可以得到累计失效次数ni的均值E(ni)、方差Var(ni)以及累计失效次数ni与nj的协方差Cov(ni,nj)为:
Var(ni)=E(ni)=ati b (3)
Cov(ni,nj)=ati b,i<j (4)
由式(3)、(4)可以求得统计量lnni的均值E(lnni)、方差Var(lnni)和协方差Cov(lnni,lnnj)为:
2)然后根据构建的分组数据统计量lnni及其均值、方差以及协方差,建立AMSAA模型参数的线性回归方程:
将式(5)中E(ni)取其最大似然估计
由式(5)~(8)可知在大样本情况下,AMSAA模型参数的线性回归方程如下:
lnni=lna+blnti+εi (9)
式中:
εi服从均值为0方差为Var(lnni)的正态分布,且有Cov(εi,εj)=Cov(lnni,lnnj),i≠j;
3)最后利用加权最小二乘法确定AMSAA模型参数的点估计:
设矩阵V=(vij)m×m,其中vii=Var(lnni),vij=Cov(lnni,lnnj),i≠j,采用加权最小二乘法,取加权矩阵V-1=(vij)m×m,则残差平方和Q为:
令向量θ=(θi)2×1=(lna,b)T,则θ的估计量可由下式得到
即
式中
式中
式中
步骤四、AMSAA模型参数的区间估计,过程如下:
1)首先根据高斯-马尔可夫定理确定AMSAA模型参数的方差和协方差:由高斯-马尔可夫定理可知加权最小二乘估计具有渐近无偏性,其渐近方差与协方差为:
2)然后根据AMSAA模型参数的方差和协方差,确定参数的区间估计:由估计量的渐近正态性可以求得参数θ1、θ2置信度为γ的置信下限θ1L、θ2L和置信上限θ1U、θ2U分别为
式中:
uγ为标准正态分布的γ分位点。
步骤五、产品可靠性水平的确定,产品可靠性水平的定量要求可由平均故障间隔时间表征,以下用平均故障间隔时间的英文缩略语MTBF表示,其点估计和区间估计的计算过程如下:
1)首先根据AMSAA模型参数的点估计确定产品MTBF的点估计:
MTBF的点估计由下式给出:
式中
2)然后根据AMSAA模型参数的方差和协方差确定产品MTBF的区
间估计:
MTBF的置信度为γ的渐近置信下限和置信上限为:
式中:
本发明技术方案的特点及有益的技术效果如下:
(1)本发明技术方案中,首次构造了分组数据统计量,该统计量是产品累计失效次数的对数,在累计失效次数服从AMSAA模型和大样本情形下,该统计量的均值是AMSAA模型参数的线性函数,为开展分组数据情形下的AMSAA模型参数的线性估计奠定了数学基础;
(2)结合AMSAA模型给出分组数据统计量的均值、方差以及协方差,在此基础上,建立AMSAA模型参数的线性回归方程;
(3)利用加权最小二乘法,结合高斯-马尔可夫定理分别给出回归方程参数的点估计和区间估计;
(4)该方法应用前景广阔,可以为基于定时检测试验、无法获取准确故障时间的产品可靠性评估提供方法支撑,对于快速有效的验证产品可靠性具有重要的意义。
具体实施方式
以下将结合实施例对本发明技术方案作进一步地详述:
某产品可靠性试验故障统计数据如下表1所示。
表1可靠性试验测试时间及故障数统计
i | 测试时间ti(h) | (ti-1,ti]内的产品故障数 | (0,ti]内的产品累积故障数 |
1 | 6 | 10 | 10 |
2 | 12 | 5 | 15 |
3 | 18 | 3 | 18 |
4 | 24 | 2 | 20 |
5 | 30 | 5 | 25 |
6 | 36 | 6 | 31 |
7 | 42 | 5 | 36 |
8 | 48 | 7 | 43 |
9 | 54 | 6 | 49 |
10 | 60 | 8 | 57 |
11 | 66 | 3 | 60 |
12 | 72 | 3 | 63 |
13 | 78 | 3 | 66 |
14 | 84 | 2 | 68 |
15 | 90 | 3 | 71 |
16 | 96 | 4 | 75 |
17 | 102 | 3 | 78 |
18 | 108 | 2 | 80 |
19 | 114 | 3 | 83 |
20 | 120 | 2 | 85 |
该产品MTBF的点估计计算如下:
首先构建AMSAA模型:产品在(0,ti]内的累计失效次数服从均值E(ni)=ati b及瞬时强度为λi=dE(ni)/dti=abti b-1的AMSAA模型。
其次,建立分组数据情形下的AMSAA模型参数的线性回归方程:lnni=lna+blnti+εi
第三,利用加权最小二乘法确定AMSAA模型参数的点估计:
第四,计算产品MTBF的点估计:t=120时,
上述步骤中的第三和第四步的具体计算过程可用编程实现,本实施例利用mathematica进行了编程计算,程序代码如下:
Claims (1)
1.一种分组数据情形下基于AMSAA模型的产品可靠性确定方法,其特征在于:该方法的步骤如下:
步骤一、分组数据的获得
在可靠性试验过程中,用定时检测的方法设置检测时间点来监控产品的运行情况,确定产品失效的时间区间,得到分组数据,分组数据的表达式如下:
k1,k2,…,km (1)
式中:
k1,k2,…,km为在时间区间(0,t1]、(t1,t2]……(tm-1,tm]中对应的产品失效的次数,t1,t2,…,tm为测试时间;
步骤二、AMSAA模型的构建
根据获得的分组数据(k1,k2,…,km)构建AMSAA模型:产品在(0,ti]内的累计失效次数服从均值E(ni)=ati b及瞬时强度为λi=dE(ni)/dti=abti b-1的AMSAA模型;
式中:
a为尺度参数,b为增长形状参数;
累计失效次数ni的概率分布p(ni)为:
步骤三、AMSAA模型参数的点估计,过程如下:
1)首先利用累计失效次数ni构建分组数据统计量lnni,并结合累计失效次数ni的均值、方差以及协方差确定统计量lnni的均值、方差以及协方差:
由式(2)和泊松过程的性质可以得到累计失效次数ni的均值E(ni)、方差Var(ni)以及累计失效次数ni与nj的协方差Cov(ni,nj)为:
Var(ni)=E(ni)=ati b (3)
Cov(ni,nj)=ati b,i<j (4)
由式(3)、(4)可以求得统计量lnni的均值E(lnni)、方差Var(lnni)和协方差Cov(lnni,lnnj)为:
2)然后根据构建的分组数据统计量lnni及其均值、方差以及协方差,建立AMSAA模型参数的线性回归方程:
将式(5)中E(ni)取其最大似然估计
由式(5)~(8)可知在大样本情况下,AMSAA模型参数的线性回归方程如下:
lnni=lna+blnti+εi (9)
式中:
εi服从均值为0方差为Var(lnni)的正态分布,且有Cov(εi,εj)=Cov(lnni,lnnj),i≠j;
3)最后利用加权最小二乘法确定AMSAA模型参数的点估计:
设矩阵V=(vij)m×m,其中vii=Var(lnni),vij=Cov(lnni,lnnj),i≠j,采用加权最小二乘法,取加权矩阵V-1=(vij)m×m,则残差平方和Q为:
令向量θ=(θi)2×1=(lna,b)T,则θ的估计量可由下式得到
即
式中
式中
式中
步骤四、AMSAA模型参数的区间估计,过程如下:
1)首先根据高斯-马尔可夫定理确定AMSAA模型参数的方差和协方差:由高斯-马尔可夫定理可知加权最小二乘估计具有渐近无偏性,其渐近方差与协方差为:
2)然后根据AMSAA模型参数的方差和协方差,确定参数的区间估计:由估计量的渐近正态性可以求得参数θ1、θ2置信度为γ的置信下限θ1L、θ2L和置信上限θ1U、θ2U分别为
式中:
uγ为标准正态分布的γ分位点。
步骤五、产品可靠性水平的确定,产品可靠性水平的定量要求可由平均故障间隔时间表征,以下用平均故障间隔时间的英文缩略语MTBF表示,其点估计和区间估计的计算过程如下:
1)首先根据AMSAA模型参数的点估计确定产品MTBF的点估计:
MTBF的点估计由下式给出:
式中
2)然后根据AMSAA模型参数的方差和协方差确定产品MTBF的区间估计:
MTBF的置信度为γ的渐近置信下限和置信上限为:
式中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810016949.9A CN108376307A (zh) | 2018-01-08 | 2018-01-08 | 一种分组数据情形下基于amsaa模型的产品可靠性确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810016949.9A CN108376307A (zh) | 2018-01-08 | 2018-01-08 | 一种分组数据情形下基于amsaa模型的产品可靠性确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108376307A true CN108376307A (zh) | 2018-08-07 |
Family
ID=63015227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810016949.9A Pending CN108376307A (zh) | 2018-01-08 | 2018-01-08 | 一种分组数据情形下基于amsaa模型的产品可靠性确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376307A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309567A (zh) * | 2019-06-21 | 2019-10-08 | 江西洪都航空工业集团有限责任公司 | 一种机载产品飞行试验可靠性评估方法 |
CN111553073A (zh) * | 2020-04-27 | 2020-08-18 | 中国航空综合技术研究所 | 高可靠电子产品可靠性验证方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899690A (zh) * | 2015-06-08 | 2015-09-09 | 江苏省电力公司苏州供电公司 | 基于历史故障信息和运行状态的电力电缆运行维护方法 |
CN105893696A (zh) * | 2016-04-21 | 2016-08-24 | 北京航空航天大学 | 一种多台产品逐次投入的多阶段可靠性增长评估方法 |
US20160292652A1 (en) * | 2015-04-03 | 2016-10-06 | Chevron Pipe Line Company | Predictive analytic reliability tool set for detecting equipment failures |
CN106125713A (zh) * | 2016-06-14 | 2016-11-16 | 西安交通大学 | 一种区间删失情况下可靠性增长的评估与预测方法 |
-
2018
- 2018-01-08 CN CN201810016949.9A patent/CN108376307A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160292652A1 (en) * | 2015-04-03 | 2016-10-06 | Chevron Pipe Line Company | Predictive analytic reliability tool set for detecting equipment failures |
CN104899690A (zh) * | 2015-06-08 | 2015-09-09 | 江苏省电力公司苏州供电公司 | 基于历史故障信息和运行状态的电力电缆运行维护方法 |
CN105893696A (zh) * | 2016-04-21 | 2016-08-24 | 北京航空航天大学 | 一种多台产品逐次投入的多阶段可靠性增长评估方法 |
CN106125713A (zh) * | 2016-06-14 | 2016-11-16 | 西安交通大学 | 一种区间删失情况下可靠性增长的评估与预测方法 |
Non-Patent Citations (1)
Title |
---|
AO LIANG 等: ""Regression Analysis Method for Software Reliability Growth Test Data"", 《2010 SECOND WORLD CONGRESS ON SOFTWARE ENGINEERING》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309567A (zh) * | 2019-06-21 | 2019-10-08 | 江西洪都航空工业集团有限责任公司 | 一种机载产品飞行试验可靠性评估方法 |
CN111553073A (zh) * | 2020-04-27 | 2020-08-18 | 中国航空综合技术研究所 | 高可靠电子产品可靠性验证方法 |
CN111553073B (zh) * | 2020-04-27 | 2022-06-14 | 中国航空综合技术研究所 | 高可靠电子产品可靠性验证方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105740203B (zh) | 多传感器无源协同测向定位方法 | |
CN105223914B (zh) | 管控机台生产数据的系统及其方法 | |
CN106092625B (zh) | 基于修正型独立元分析和贝叶斯概率融合的工业过程故障检测方法 | |
CN102929148A (zh) | 基于t-k控制图的多品种生产模式统计过程控制方法 | |
CN110472846A (zh) | 核电厂热工水力安全分析最佳估算加不确定性方法 | |
CN102486390B (zh) | 一种适用于钢铁企业蒸汽管网计量数据校正的方法 | |
CN103886193B (zh) | 一种电力系统模糊自适应抗差估计方法 | |
CN108508865A (zh) | 一种基于分散式osc-pls回归模型的故障检测方法 | |
CN108376307A (zh) | 一种分组数据情形下基于amsaa模型的产品可靠性确定方法 | |
CN109378823A (zh) | 一种电压暂降水平的综合评估方法 | |
CN106599367A (zh) | 一种航天器状态异常检测方法 | |
CN106169124A (zh) | 系统级产品可靠性综合评估置信推断方法 | |
CN110083860A (zh) | 一种基于相关变量选择的工业故障诊断方法 | |
CN108764305A (zh) | 一种改进的群智能机器学习故障诊断系统 | |
WO2020177706A1 (zh) | 配电网故障区段与故障时刻的判定方法 | |
CN110147827A (zh) | 一种基于iaalo-svm与相似性度量的故障预测方法 | |
CN114489528B (zh) | 一种印刷设备故障监测方法及系统 | |
CN111982245A (zh) | 主蒸汽流量的校准方法、装置、计算机设备和存储介质 | |
CN110414086A (zh) | 一种基于灵敏度的综合应力加速因子计算方法 | |
CN108181893A (zh) | 一种基于pca-kdr的故障检测方法 | |
CN109523129A (zh) | 一种无人车多传感器信息实时融合的方法 | |
CN108470699A (zh) | 一种半导体制造设备和工艺的智能控制系统 | |
CN106444578B (zh) | 一种基于异构测地线距离svdd的故障检测方法 | |
CN108459991A (zh) | 一种获得设备可靠性数据的方法 | |
CN107341336A (zh) | 一种贮箱产品几何精度一致性评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180807 |
|
RJ01 | Rejection of invention patent application after publication |