CN109377039B - 一种系统任务可靠性关键故障因素分析方法 - Google Patents
一种系统任务可靠性关键故障因素分析方法 Download PDFInfo
- Publication number
- CN109377039B CN109377039B CN201811190502.XA CN201811190502A CN109377039B CN 109377039 B CN109377039 B CN 109377039B CN 201811190502 A CN201811190502 A CN 201811190502A CN 109377039 B CN109377039 B CN 109377039B
- Authority
- CN
- China
- Prior art keywords
- component
- fault
- rfi
- components
- task
- 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.)
- Active
Links
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明针对求解大型复杂可修系统的任务可靠性故障关键因素的工程实际需求,基于离散事件仿真,提出一种系统任务可靠性关键故障因素分析方法,通过分析引起系统故障的组件集合以及处于故障状态的组件集合,求解组件的故障关联因子,然后得到故障关键组件集合,本发明方法简单、实用,具有较好的实用价值。
Description
技术领域
本发明属于任务可靠性的技术领域,具体涉及一种系统任务可靠性关键故障因素分析方法。
背景技术
任务可靠性是描述装备执行任务时发生严重故障概率的参数。在大型系统中,用户都希望系统能够持续可靠的工作,发生严重故障的概率越低、任务可靠性越高越好。考虑到装备的设计、建造和维护费用,大型系统多通过多种方式来提高装备的任务可靠性,主要包括:一是提高部件的可靠性,二是采用各种冗余方式,三是定期检修维护,四是提高装备维修性降低故障修复时间等。每种方式均会带来成本提高,因此,需要综合权衡,获得最佳的成本效益。
综合权衡工作需要开展一项基本的分析工作,就是定位故障关键因素。传统的装备故障关键因素分析多根据组件的可靠性指标进行排序,近似认为可靠性指标低的组件为故障关键组件。对于采用多种冗余关系的大型复杂可修系统,这种方式适用性不佳。或者采用遍历所有组件,对组件可靠性指标进行灵敏性分析,排序分析结果来确认故障敏感组件。在多采用离散事件仿真求解任务可靠性的方式下,对于大型复杂可修系统的计算量巨大,故障关键组件的求解效率低下,制约了工程应用。
因此,在离散事件仿真求解大型复杂可修系统任务可靠性的方式下,探索快速确定故障关键组件的方法,工程需求迫切。
发明内容
有鉴于此,本发明提供了一种系统任务可靠性关键故障因素分析方法,能够快速确定系统的任务可靠性薄弱环节,为相关分析工作提供一种可行的方法。
实现本发明的技术方案如下:
一种系统任务可靠性关键故障因素分析方法,包括以下步骤:
步骤一、当系统由正常工作状态转变为故障状态时,遍历所有处于故障状态的组件,判断包含故障状态组件的每一层级子系统和分系统的状态,辨别出引起系统故障的组件集合PRF;
步骤二、经过N次任务的仿真后,针对所有任务的PRF集合中引起系统故障的组件统计引起系统故障的数量TRFi;
步骤三、求解组件的故障关联因子δRFi,δRFi=TRFi/N;
步骤四、对所有组件按δRFi的数值从大到小进行排序,将δRFi数值明显超过其他组件的组件组成集合,得到故障关键组件集合PKRF。
进一步地,集合PKRF中组件的δRFi数值比集合PKRF外组件的δRFi数值大于一个数量级或大于n倍,n≥2,且n为正整数。
有益效果:
本发明针对求解大型复杂可修系统的任务可靠性故障关键因素的工程实际需求,基于离散事件仿真,提出一种使用故障关联因子的故障关键因素求解方法。本发明方法简单、实用,具有较好的实用价值。
附图说明
图1为本发明系统任务可靠性层次和逻辑关系示意图。
图2为本发明故障状态组件集合与系统故障相关的组件集合关系示意图。
图3为本发明逐级判断故障状态示意图。
图4为本发明实施例中算例系统任务可靠性框图。
图5为本发明方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
根据系统可靠性仿真基本原理,系统任务可靠性仿真是通过对系统组件的故障和修复状态按照时间分布函数随机采样,并按照系统任务可靠性模型判断组件的故障和修复状态变化对系统总体任务可靠状态的影响,最终统计系统执行任务中发生严重故障状态数量占所有任务数量的比例,求得系统的任务不可靠度,进而得到系统任务可靠度。
在冗余情况下,组件发生故障,系统不一定发生故障,在冗余支路故障前,故障支路能够及时修复,则系统能够持续处于执行任务状态。目前常见的冗余方式有并联、旁联、表决(N中取K)等3种方式,加上串联关系,可以表达出组件可靠性与系统任务可靠性之间的逻辑关系,如图1所示。
在任务可靠性仿真过程中,当根据任务可靠性模型判断出系统由正常工作状态转变为故障状态时,可以确定此时所有处于故障状态的组件集合PF为与系统故障相关的组件集合。在这个集合中包含两类组件,一类是故障率高的组件,在有冗余的情况下,不一定是引起系统故障的原因,另一类是引起系统故障的组件,如串联在系统中,发生单点故障的组件,两个并联支路都发生故障的组件等。这两类组件可以相互重叠,如图2所示。
基于以上分析,本发明的一种系统任务可靠性关键故障因素分析方法,如图5所示,包括以下步骤:
步骤一、当系统由正常工作状态转变为故障状态时,遍历所有处于故障状态的组件,判断包含故障状态组件的每一层级子系统和分系统的状态,辨别出引起系统故障的组件集合PRF;
第一步需要在集合PF中,辨别出引起系统故障的组件集合PRF。方法是遍历集合PF的所有组件,判断包含组件的每一层级子系统、分系统到系统的状态,如图3所示。如果每一层级的状态均为故障状态,则该组件划分到PRF集合。
步骤二、经过N次任务的仿真后,针对所有任务的PRF集合中引起系统故障的组件统计引起系统故障的数量TRFi;
步骤三、求解组件的故障关联因子δRFi,δRFi=TRFi/N;
步骤四、对所有组件按δRFi的数值从大到小进行排序,将δRFi数值明显超过其他组件的组件组成集合,得到故障关键组件集合PKRF。
对所有组件按照δRFi从大到小进行排序,将其中数值明显超过其他组件的组件组成集合。可以根据实际情况进行选择,如大于一个数量级,或者2倍、3倍等,如此确定出故障关键组件集合PKRF。
下面通过一个算例,计算分析本发明提出的方法与传统的对所有组件进行可靠性灵敏性分析方法相比较的优点。
如图4所示系统是一个简单的示例系统,包含了常见的可靠性冗余关系。
初始的设备可靠性维修性指标如表1所示。
表1设备可靠性维修性参数表
任务假设:任务可修复概率:1;任务周期:720小时;所有设备持续工作;执行任务过程中允许系统总体发生严重故障后0.5小时内恢复正常工作,超过0.5小时未恢复正常工作不被允许。
仿真设置:任务执行次数:106次。
本发明方法计算结果:经过离散事件仿真,系统任务可靠度为0.957,故障关键组件计算结果见表2。
表2故障关键组件计算结果1
根据表2的计算结果,获得PKRF={1401#组件、1301#组件、5201#组件、1101#组件、1201#组件}。
对于传统的灵敏性分析方法计算结果
对所有组件MTBF分别提高10%,经过离散事件仿真,系统任务可靠度为,故障关键组件计算结果见表3。
表3故障关键组件计算结果2
根据表3的计算结果,获得PKRF'={1401#组件、1301#组件、5201#组件、1101#组件、1201#组件}。
通过对两种方法的结果进行比较,求得的故障关键组件集合PKRF=PKRF',但是计算效率差别较大,具体见表4。
表4两种方法比较
表4中,方法1是本发明方法,方法2是灵敏性分析方法;计算时间是基于作者搭建的仿真系统记录的结果。
可以看出本发明提出的方法计算结果准确,计算效率和计算时间效益远远超过传统灵敏性分析的方法,可以在计算量增加忽略不计的情况下,通过1次仿真计算求得对于任务可靠性的故障关键组件集。
对于大型复杂系统,如果组件数量达到104级别,则使用传统灵敏性分析方法所需的计算量为104NR,NR为一次仿真计算的任务执行次数,为了确保计算结果精度,计算总量至少为1010,计算成本较高。使用本发明的方法可以较好的解决这个问题。
本发明针对求解大型复杂可修系统的任务可靠性故障关键因素的工程实际需求,基于离散事件仿真,提出一种使用故障关联因子的故障关键因素求解方法。
求解故障关键因素是开展装备任务可靠性分析、维修任务分析、备件配置优化等众多可靠性维修性保障性(RMS)工程设计的基础性工作,对于RMS工程具有重要意义。通过本发明的方法,为大型复杂系统的RMS工作提供了一个简单、实用的基本手段方法,具有较好的实用价值。
通过实施例分析可以看出,本发明的方法不会明显提高仿真计算系统任务可靠性的计算量,并且能得到准确的结果。以往在大型复杂系统的可靠性分析工作中,由于计算量较大,往往难以对所有故障关键因素进行分析确认,从而造成疏漏,给设计带来可靠性薄弱环节的隐患。本发明方法在工程上很好的解决了这个问题,能够有效促进大型复杂系统的RMS分析的有效性,进一步提高系统RMS设计水平。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种系统任务可靠性关键故障因素分析方法,其特征在于,包括以下步骤:
步骤一、当系统由正常工作状态转变为故障状态时,遍历所有处于故障状态的组件,判断包含故障状态组件的每一层级子系统和分系统的状态,辨别出引起系统故障的组件集合PRF;
步骤二、经过N次任务的仿真后,针对所有任务的PRF集合中引起系统故的组件统计引起系统故障的数量TRFi;
步骤三、求解组件的故障关联因子δRFi,δRFi=TRFi/N;
步骤四、对所有组件按δRFi的数值从大到小进行排序,将δRFi数值超过其他组件的组件组成集合,得到故障关键组件集合PKRF。
2.如权利要求1所述的一种系统任务可靠性关键故障因素分析方法,其特征在于,集合PKRF中组件的δRFi数值比集合PKRF外组件的δRFi数值大一个数量级或大n倍,n≥2,且n为正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811190502.XA CN109377039B (zh) | 2018-10-12 | 2018-10-12 | 一种系统任务可靠性关键故障因素分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811190502.XA CN109377039B (zh) | 2018-10-12 | 2018-10-12 | 一种系统任务可靠性关键故障因素分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109377039A CN109377039A (zh) | 2019-02-22 |
CN109377039B true CN109377039B (zh) | 2023-04-07 |
Family
ID=65397555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811190502.XA Active CN109377039B (zh) | 2018-10-12 | 2018-10-12 | 一种系统任务可靠性关键故障因素分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377039B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5099436A (en) * | 1988-11-03 | 1992-03-24 | Allied-Signal Inc. | Methods and apparatus for performing system fault diagnosis |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107342878A (zh) * | 2016-04-29 | 2017-11-10 | 中兴通讯股份有限公司 | 一种故障处理方法及装置 |
CN106886667A (zh) * | 2017-04-14 | 2017-06-23 | 中国人民解放军海军航空工程学院 | 一种基于事件调度的复杂系统可用性分析方法 |
CN106960112A (zh) * | 2017-04-14 | 2017-07-18 | 中国人民解放军海军航空工程学院 | 一种基于任务要求的飞机系统可靠性评估方法 |
CN108133090B (zh) * | 2017-12-13 | 2020-07-28 | 西安交通大学 | 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法 |
-
2018
- 2018-10-12 CN CN201811190502.XA patent/CN109377039B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5099436A (en) * | 1988-11-03 | 1992-03-24 | Allied-Signal Inc. | Methods and apparatus for performing system fault diagnosis |
Also Published As
Publication number | Publication date |
---|---|
CN109377039A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hokstad et al. | Common cause failure modeling: status and trends | |
CN102498445A (zh) | 用于机器状态监测的、使用规则生成的样本的监督故障学习 | |
CN116681187B (zh) | 一种基于企业经营数据的企业碳配额预测方法 | |
CN110688389B (zh) | 变电站二次设备缺陷云管理系统 | |
Yang et al. | Complex equipment system resilience: Composition, measurement and element analysis | |
Dhillon | Human errors: a review | |
CN115270078A (zh) | 一种机电设备平均修复时间的计算方法和系统 | |
Zou et al. | A data mining framework within the Chinese NPPs operating experience feedback system for identifying intrinsic correlations among human factors | |
CN109377039B (zh) | 一种系统任务可靠性关键故障因素分析方法 | |
CN111091292B (zh) | 一种核电站实时风险动态建模分析系统 | |
Shafiee | Modelling and analysis of availability for critical interdependent infrastructures | |
CN113919204B (zh) | 一种多状态制造系统可用性综合重要度分析方法 | |
CN112506903B (zh) | 采用标本线的数据质量表示方法 | |
CN110555016A (zh) | 一种多计量异常事件关联度分析方法 | |
Pang et al. | A New Fault Diagnosis Method for Quality Control of Electromagnet Based on T–S Fault Tree and Grey Relation | |
CN113592362A (zh) | 一种城市电网抗灾变能力评估方法及相关装置 | |
CN108107864B (zh) | 一种计算机联锁系统服役寿命预测评估方法 | |
CN110703183A (zh) | 一种智能电能表故障数据分析方法及系统 | |
CN117591508B (zh) | 一种大数据场景下的数据质量保障方法 | |
Jingyi | Research on equipment maintenance Information Management based on big data | |
Yang et al. | A review of current human reliability assessment methods utilized in high hazard human-system interface design | |
CN115293296B (zh) | 一种机械设备故障定位优化方法和系统 | |
CN110598966A (zh) | 一种风险指引的后处理设施中设备的分级方法 | |
CN109739671A (zh) | 一种电子设备贮存可靠度预测方法 | |
Yan et al. | Time sequence information-based transformer for the judgement on the state of power dispatching |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |