CN111126750A - 一种关键单元确定方法、装置和存储介质 - Google Patents
一种关键单元确定方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111126750A CN111126750A CN201911068822.2A CN201911068822A CN111126750A CN 111126750 A CN111126750 A CN 111126750A CN 201911068822 A CN201911068822 A CN 201911068822A CN 111126750 A CN111126750 A CN 111126750A
- Authority
- CN
- China
- Prior art keywords
- task
- determining
- probability
- event
- importance
- 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.)
- Granted
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
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提出了一种关键单元确定方法、装置和存储介质,用以提高关键单元确定的准确性。关键单元确定方法,包括:确定系统的任务类型和各任务的发生概率;对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能;确定底层功能的任务严酷度;将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵;根据系统功能逻辑,建立底层功能的故障树;确定底事件发生概率;根据底事件发生概率,确定底事件的概率重要度;根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度;根据任务重要度排序确定关键单元。
Description
技术领域
本发明涉及系统设计技术领域,尤其涉及一种关键单元确定方法、装置和存储介质。
背景技术
可靠性、维修性、安全性等通用质量特性是产品尤其是复杂系统的关键特性,直接影响着系统的稳定、安全运行。然而在实际工作中,上述通用质量特性工作往往受到周期、成本、人力因素的限制,实际工程中可能需要选择系统中的关键单元,开展有针对性的工作。在确定关键单元时,一般要考虑单元功能重要性、故障概率等因素,在系统设计初期常见的关键单元确定方法包括故障模式影响危害性分析 (主要采用风险优先数方法)、故障树分析等,其中风险优先数、故障树分析时最常见的两种定量确定方法。
风险优先数是一种半定量的风险评估方法,风险优先数值等于该故障模式的严酷等级和故障模式发生概率等级的乘积,风险优先数值越大,则其危害度越大。通过对产品每个故障模式的风险优先数值进行优先排序,确定关键的产品及其故障模式,从而采取有针对性的措施。
故障树是一种特殊的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述是系统中各种时间之间的因果关系。通过故障树可以判明潜在的系统故障模式和灾难性危险因素,发现可靠性和安全性薄弱环节。
风险优先数方法实际上将系统假设成了串联结构,因此更适用于基本可靠性的分析。由于风险优先数方法没有考虑系统的逻辑结构,因此无法与系统的任务可靠度挂钩。其次,故障树分析方法虽然可以反映单元的逻辑结构重要度,但缺少对故障发生概率和危害的评价方法,评价因素不够全面。由此可见,上述两种方法均降低了关键单元确定的准确性。
发明内容
本发明实施例提供一种关键单元确定方法、装置和存储介质,用以提高关键单元确定的准确性。
第一方面,提供一种关键单元确定方法,包括:
确定系统的任务类型和各任务的发生概率;
对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能;
确定底层功能的任务严酷度;
将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵;
根据系统功能逻辑,建立底层功能的故障树;
确定底事件发生概率;
根据底事件发生概率,确定底事件的概率重要度;
根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度;
根据任务重要度排序确定关键单元。
在一种实施方式中,按照以下公式确定底事件发生概率:
q(t)=e-λt
其中:
q表示底事件发生概率;
λ表示单元的失效率;
t表示工作时间。
在一种实施方式中,按照以下公式确定底事件的概率重要度:
其中:
Q(q1,q2,…,qn)为某个故障树顶事件的发生概率;
IC(h)表示概率重要度;
qh表示第h个底事件故障概率。
在一种实施方式中,按照以下公式确定任务重要度:
其中:
λh为第h个底事件的故障率,若故障符合指数分布,则λh为定值;
th,j,k表示第h个底事件在第k个任务第j个阶段中的最大工作时间;
Ek,j,i表示第k个任务第j个阶段第i个功能故障的影响;
Pk表示第k个任务的发生概率。
第二方面,提供一种关键单元确定装置,包括:
第一确定单元,用于确定系统的任务类型和各任务的发生概率;
分解单元,用于对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能;
第二确定单元,用于确定底层功能的任务严酷度;将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵;
构建单元,用于根据系统功能逻辑,建立底层功能的故障树;
第三确定单元,用于确定底事件发生概率;以及根据底事件发生概率,确定底事件的概率重要度;
第四确定单元,用于根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度;
第五确定单元,用于根据任务重要度排序确定关键单元。
在一种实施方式中,所述第三确定单元,具体用于按照以下公式确定底事件发生概率:
q(t)=e-λt
其中:
q表示底事件发生概率;
λ表示单元的失效率;
t表示工作时间。
在一种实施方式中,所述第三确定单元,具体用于按照以下公式确定底事件的概率重要度:
其中:
Q(q1,q2,…,qn)为某个故障树顶事件的发生概率;
IC(h)表示概率重要度;
qh表示第h个底事件故障概率。
在一种实施方式中,所述第四确定单元,具体用于按照以下公式确定任务重要度:
其中:
λh为第h个底事件的故障率,若故障符合指数分布,则λh为定值;
th,j,k表示第h个底事件在第k个任务第j个阶段中的最大工作时间;
Ek,j,i表示第k个任务第j个阶段第i个功能故障的影响;
Pk表示第k个任务的发生概率。
第三方面,还提供一种计算装置,所述计算装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任一种关键单元确定方法所述的步骤。
第四方面,还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种关键单元确定方法所述的步骤。
采用上述技术方案,本发明至少具有下列优点:
本发明所述的关键单元确定方法、装置和存储介质中,考虑了系统逻辑结果,使确定的关键故障更加准确,同时,还增加了对单元故障概率和故障影响,使得对单一故障顶时间的分析方法扩展到了系统的所有功能,增加了关键故障具有的全局重要性,从而提高了关键单元确定的准确性。
附图说明
图1为根据本发明实施例的关键单元确定方法流程图;
图2为根据本发明实施例的故障树顶时间矩阵示意图;
图3为根据本发明实施例的系统故障树T-1-2-1总结构示意图;
图4根据本发明实施例的系统故障树T-1-2-1第一种分支结构示意图;
图5根据本发明实施例的系统故障树T-1-2-1第二种分支结构示意图;
图6根据本发明实施例的系统故障树T-1-2-1第三种分支结构示意图;
图7为根据本发明实施例的系统故障树T-1-2-1第四种分支结构示意图;
图8为根据本发明实施例的关键单元确定装置结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
需要说明的是,本发明实施例中的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
如图1所示,其为本发明实施例提供的关键单元确定方法的实施流程示意图,包括以下步骤:
S11、确定系统的任务类型和各任务的发生概率。
其中,任务类型指系统为实现不同目标需经历的工作过程。步骤一中的各任务的发生概率指不同的任务类型在系统使用过程中发生的次数百分比。
S12、对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能。
其中,任务剖面(以任务G-k表示)指系统在执行某类型任务时所经历的时序过程,时序过程包括系统自身的活动以及系统外部环境的变化。
任务阶段(以任务P-j表示)指任务剖面中互相独立的时序部分,单个任务剖面中系统所处的外部环境和实现的功能较为稳定,且应与其他任务剖面包含的环境和功能不同。
顶层功能指系统在各个任务阶段为实现目标所需要的直接功能以及起到系统维持作用的辅助功能。
底层功能(以功能M-i表示)指对顶层功能进行逐层分解后达到约定的最细化的功能。可根据分析工作量和关键单元的层级,确定底层功能的细化程度。
底层功能与任务阶段可形成矩阵关系,如图2所示,一个功能可能在多个任务或多个任务阶段中多次出现,如图2中的系统供电。
S13、确定底层功能的任务严酷度。
任务严酷度指功能故障对任务完成和系统自身的影响,包含功能与任务的关联性、功能故障对任务执行的影响、对系统硬件的影响、对人员的危害等方面,任务严酷度的参考判据如表1所示。
表1
任务严酷度包含4个等级,其中1级影响最低,4级影响最高,参考的影响级别如下表所示。不同任务阶段的底层功能的任务严酷度矩阵如表2所示。
表2
任务G-1 | 阶段P-1 | 阶段P-2 | 阶段P-3 | 阶段P-4 |
功能M-1 | × | 3 | × | 3 |
功能M-2 | 1 | 3 | × | × |
功能M-3 | 1 | 2 | × | 4 |
功能M-4 | × | 3 | × | 4 |
其中×表示该任务阶段不包含某项功能。同一功能在不同阶段的任务影响程度可能不同,如部分功能在任务执行阶段的影响程度明显大于任务执行前后准备阶段的影响。
S14、将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵。
故障指底层功能应内部硬件问题功能无法实现的事件,步骤四中的故障树顶事件应明确功能故障发生的任务名称、剖面阶段和底功能名称。不同任务-阶段-底层功能组成的故障树顶事件矩阵如图3~图7 所示。对于任务中不包含的阶段-底层功能的交叉项可以在矩阵中以×表示,存在的交叉项故障树顶事件以T-k-j-i形式表示,其中k表示任务编号、j表示阶段编号、i表示底层功能编号。
硬件组成,指系统按照功能、物理空间等因素逐级分解的各级产品树状关系。本步骤中的底层单元指产品树的最低级别的产品。系统一般可分为系统-分系统-模块-组件-元器件/零件共5个级别,根据后续可靠性、维修性、测试性工作的需要,可自行约定底层单元所处的级别。步骤五中的底层功能与底层单元的映射矩阵指底层功能与底层单元的双向对应关系,形式如表3所示。其中√表示硬件与底层功能相关,×表示硬件与底层功能无关。
表3
S15、根据系统功能逻辑,建立底层功能的故障树。
其中,本步骤中的系统功能逻辑指系统为完成某项功能在单元之间进行信号、物质、能量输入输出的关系,以及各个单元之间的工作关系(如协同、备份、表决等),利用系统功能逻辑可确定单元之间的串并联关系,进而建立底层功能故障树。故障树的建立方法可参考GJB/Z 768A-1998故障树分析指南,故障树的底事件仅包含硬件故障,不包含软件故障、外部输入错误引起的故障以及人为因素导致的故障。
S16、确定底事件发生概率。
本步骤中的底事件的发生概率指单元发生故障的概率。一般假定单元故障符合指数分布,故障概率计算公式为:
q(t)=e-λt
其中,q表示底事件发生概率;λ表示单元的失效率,可以从系统可靠性分析报告或可靠性预计报告获得;t表示工作时间,可以根据任务剖面中底层功能涉及的任务阶段(T-j)时间获得。
S17、根据底事件发生概率,确定底事件的概率重要度。
本步骤中,可以按照以下公式确定底事件的概率重要度:
其中:
Q(q1,q2,…,qn)为某个故障树顶事件的发生概率;
IC(h)表示概率重要度,含义为第h个底事件发生概率微小的相对变化导致顶层事件发生概率的相对变化率越高;
qh表示第h个底事件故障概率。
S18、根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度。
本步骤中,可以按照以下公式确定任务重要度:
其中:
λh为第h个底事件的故障率,若故障符合指数分布,则λh为定值;
th,j,k表示第h个底事件在第k个任务第j个阶段中的最大工作时间(工作时间可以在时序上取并集);
Ek,j,i表示第k个任务第j个阶段第i个功能故障的影响;
Pk表示第k个任务的发生概率,即步骤S11中确定出的各任务的发生概率。
S19、根据任务重要度排序确定关键单元。
本步骤中,将所有单元的任务重要度从大到小排序,任务重要度数值越大的单元对任务成功的影响程度越高,通过给定的关键单元占比,即可确定出所有的关键单元。
为了更好地理解本发明实施例,以下以某任务平台系统为例对本发明实施例的具体实施过程进行说明。其中,某任务平台系统用于飞行器的任务管理,主要负责飞行器任务载入和系统管理等工作。现需要确定某信息处理系统的关键单元,以便后续对关键单元开展单独监控。
步骤一
某任务平台系统安装于飞行器内部,其主要任务类型与飞行器任务类型对应,具体任务类型如表4所示。
表4
任务名称 | 任务时间 | 任务环境 | 频次概率 |
定期定轨道飞行 | 6小时 | 空中 | 80% |
单次近距离飞行 | 4小时 | 空中 | 15% |
单次远距离飞行 | 8小时 | 空中,中间充电 | 5% |
步骤二
某任务平台系统的3个任务包含的任务剖面阶段如表5所示。
表5
步骤三
根据各功能故障的影响,以任务G-3为例任务严酷度矩阵如表6 所示。
表6
步骤四
将所有功能故障转化为故障树事件,以任务G-3为例故障树顶事件矩阵如表7所示。
表7
步骤五
某任务平台系统硬件组成如表8所示。底层功能与底层单元的映射矩阵如表9所示。
表8
底层单元名称 | 数量 |
控制模块 | 1 |
存储模块 | 3 |
数据处理模块 | 16 |
交换模块 | 3 |
直流功率控制盒 | 1 |
集中控制盒 | 1 |
整流电源 | 2 |
时间基准模块 | 1 |
接口模块 | 1 |
表9
步骤六
根据系统功能逻辑,建立底层功能的故障树。以巡逻警戒任务飞行准备阶段故障T-1-2-1故障树为例,对应的故障树如附图3-附图7 所示。为方便分析对所有中间事件和底事件进行编号,编号结果如表 10所示。
表10
步骤七
采用历史数据确定所有底事件的发生概率,仍以T-1-2-1故障树为例,其下属底事件的故障率如表11所示。
表11
T-1-2-1顶事件计算公式为:
Q(T)=1-[1-F(X1)][1-F(X2)][1-F(X3)][1-F(X4)][1-F(X5)][1-F(X6)F(X7)][1
-F(X7)F(X8)][1-F(X8)F(X6)][1-F(X9)][1-F(Xi0)][1-F(X11)][1
-F(X12)][1-F(X13)][1-F(X14)][1-F(X15)][1-F(X16)][1
-F(X17)][1-F(X18)][1-F(X19)][1-F(X20)][1-F(X21)][1
-F(X23)][1-F(X24)][1-F(X25)][1-F(X26)][1-F27][1
-F(X28)F(X29)]
参考表11,将所有底事件的工作时间统一为0.3h,最终计算得出T-1-2-1故障发生的概率为1.1.3E-4。以X6为例,其相对概率重要度计算公式为:
各底事件的相对概率重要度如表12所示。
表12
底事件编号 | 底层单元名称 | 故障率/h<sup>-1</sup> | 相对概率重要度 |
X1 | 信号电缆 | 1.00E-06 | 2.64E-03 |
X2 | 控制模块 | 1.09E-04 | 2.89E-01 |
X3 | 输电电缆 | 1.00E-06 | 2.64E-03 |
X4 | 集中控制盒 | 1.25E-05 | 3.30E-02 |
X5 | 直流功率控制盒 | 8.01E-05 | 2.12E-01 |
X6 | 交换模块7 | 2.11E-05 | 7.04E-07 |
X7 | 交换模块8 | 2.11E-05 | 7.04E-07 |
X8 | 交换模块9 | 2.11E-05 | 7.04E-07 |
X9 | 数据处理模块1 | 6.18E-06 | 1.63E-02 |
X10 | 数据处理模块2 | 6.18E-06 | 1.63E-02 |
X11 | 数据处理模块3 | 6.18E-06 | 1.63E-02 |
X12 | 数据处理模块4 | 6.18E-06 | 1.63E-02 |
X13 | 数据处理模块5 | 6.18E-06 | 1.63E-02 |
X14 | 数据处理模块6 | 6.18E-06 | 1.63E-02 |
X15 | 数据处理模块7 | 6.18E-06 | 1.63E-02 |
X16 | 数据处理模块8 | 6.18E-06 | 1.63E-02 |
X17 | 数据处理模块9 | 6.18E-06 | 1.63E-02 |
X18 | 数据处理模块10 | 6.18E-06 | 1.63E-02 |
X19 | 数据处理模块11 | 6.18E-06 | 1.63E-02 |
X20 | 数据处理模块12 | 6.18E-06 | 1.63E-02 |
X21 | 数据处理模块13 | 6.18E-06 | 1.63E-02 |
X22 | 数据处理模块14 | 6.18E-06 | 1.63E-02 |
X23 | 数据处理模块15 | 6.18E-06 | 1.63E-02 |
X24 | 数据处理模块16 | 6.18E-06 | 1.63E-02 |
X25 | 存储模块1 | 2.51E-05 | 6.64E-02 |
X26 | 存储模块2 | 2.51E-05 | 6.64E-02 |
X27 | 存储模块3 | 2.51E-05 | 6.64E-02 |
X28 | 整流电源1 | 5.56E-05 | 2.45E-06 |
X29 | 整流电源2 | 5.56E-05 | 2.45E-06 |
步骤八
结合底层功能的相对概率重要度、发生概率和任务概率计算底事件的任务重要度,X2底事件的计算过程和所有底事件的任务重要度如表13和表14所示。取前10%的模块作为关键单元,因此选取控制模块和直流功率控制盒作为关键单元。
表14
底层单元名称 | 任务重要度 |
控制模块 | 2.99E-03 |
直流功率控制盒 | 2.19E-03 |
存储模块1 | 6.87E-04 |
存储模块2 | 6.87E-04 |
存储模块3 | 6.87E-04 |
集中控制盒 | 3.41E-04 |
数据处理模块1 | 1.69E-04 |
数据处理模块2 | 1.69E-04 |
数据处理模块3 | 1.69E-04 |
数据处理模块4 | 1.69E-04 |
数据处理模块5 | 1.69E-04 |
数据处理模块6 | 1.69E-04 |
数据处理模块7 | 1.69E-04 |
数据处理模块8 | 1.69E-04 |
数据处理模块9 | 1.69E-04 |
数据处理模块10 | 1.69E-04 |
数据处理模块11 | 1.69E-04 |
数据处理模块12 | 1.69E-04 |
数据处理模块13 | 1.69E-04 |
数据处理模块14 | 1.69E-04 |
数据处理模块15 | 1.69E-04 |
数据处理模块16 | 1.69E-04 |
信号电缆 | 2.73E-05 |
输电电缆 | 2.73E-05 |
整流电源1 | 2.53E-08 |
整流电源2 | 2.53E-08 |
交换模块7 | 7.31E-09 |
交换模块8 | 7.31E-09 |
交换模块9 | 7.31E-09 |
本发明实施例中,在传统风险优先数的基础上增加了故障树概率重要度,在故障率、影响之外补充了系统逻辑结构的影响,对任务类型进行了概率分解,并利用条件概率公式计算单元故障对所有任务类型的整体影响,从而提高了关键单元确定的准确性。
基于相同的技术构思,本发明实施例还提供了一种关键单元确定装置,如图8所示,可以包括:
第一确定单元81,用于确定系统的任务类型和各任务的发生概率;
分解单元82,用于对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能;
第二确定单元83,用于确定底层功能的任务严酷度;将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵;
构建单元84,用于根据系统功能逻辑,建立底层功能的故障树;
第三确定单元85,用于确定底事件发生概率;以及根据底事件发生概率,确定底事件的概率重要度;
第四确定单元86,用于根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度;
第五确定单元87,用于根据任务重要度排序确定关键单元。
在一种实施方式中,所述第三确定单元,具体用于按照以下公式确定底事件发生概率:
q(t)=e-λt
其中:
q表示底事件发生概率;
λ表示单元的失效率;
t表示工作时间。
在一种实施方式中,所述第三确定单元,具体用于按照以下公式确定底事件的概率重要度:
其中:
Q(q1,q2,…,qn)为某个故障树顶事件的发生概率;
IC(h)表示概率重要度;
qh表示第h个底事件故障概率。
在一种实施方式中,所述第四确定单元,具体用于按照以下公式确定任务重要度:
其中:
λh为第h个底事件的故障率,若故障符合指数分布,则λh为定值;
th,j,k表示第h个底事件在第k个任务第j个阶段中的最大工作时间;
Ek,j,i表示第k个任务第j个阶段第i个功能故障的影响;
Pk表示第k个任务的发生概率。
基于相同的技术构思,本发明实施例还提供了一种计算装置,所述计算装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任一种关键单元确定方法所述的步骤。
基于相同的技术构思,本发明实施例还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种关键单元确定方法所述的步骤。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
Claims (10)
1.一种关键单元确定方法,其特征在于,包括:
确定系统的任务类型和各任务的发生概率;
对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能;
确定底层功能的任务严酷度;
将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵;
根据系统功能逻辑,建立底层功能的故障树;
确定底事件发生概率;
根据底事件发生概率,确定底事件的概率重要度;
根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度;
根据任务重要度排序确定关键单元。
2.根据权利要求1所述的方法,其特征在于,按照以下公式确定底事件发生概率:
q(t)=e-λt
其中:
q表示底事件发生概率;
λ表示单元的失效率;
t表示工作时间。
5.一种关键单元确定装置,其特征在于,包括:
第一确定单元,用于确定系统的任务类型和各任务的发生概率;
分解单元,用于对所有任务进行剖面分析,确定任务剖面包含的任务阶段和各任务阶段的顶层功能,并将顶层功能分解成底层功能;
第二确定单元,用于确定底层功能的任务严酷度;将所有底层功能的故障作为故障树顶事件,根据系统硬件组成,确定底层功能与底层单元的映射矩阵;
构建单元,用于根据系统功能逻辑,建立底层功能的故障树;
第三确定单元,用于确定底事件发生概率;以及根据底事件发生概率,确定底事件的概率重要度;
第四确定单元,用于根据底层功能的任务严酷度、底事件的发生概率和底事件的概率重要度,确定底事件的任务重要度;
第五确定单元,用于根据任务重要度排序确定关键单元。
6.根据权利要求5所述的装置,其特征在于,
所述第三确定单元,具体用于按照以下公式确定底事件发生概率:
q(t)=e-λt
其中:
q表示底事件发生概率;
λ表示单元的失效率;
t表示工作时间。
9.一种计算装置,其特征在于,所述计算装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的方法的步骤。
10.一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911068822.2A CN111126750B (zh) | 2019-11-04 | 2019-11-04 | 一种关键单元确定方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911068822.2A CN111126750B (zh) | 2019-11-04 | 2019-11-04 | 一种关键单元确定方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126750A true CN111126750A (zh) | 2020-05-08 |
CN111126750B CN111126750B (zh) | 2022-10-28 |
Family
ID=70495525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911068822.2A Active CN111126750B (zh) | 2019-11-04 | 2019-11-04 | 一种关键单元确定方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126750B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792939A (zh) * | 2021-09-30 | 2021-12-14 | 国网湖南省电力有限公司 | 基于混合威布尔分布的电能表可靠性预测方法及装置 |
CN114154586A (zh) * | 2021-12-09 | 2022-03-08 | 中国民用航空飞行学院 | 一种航空器系统定量相似性分析方法、装置及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024337A (ja) * | 2000-07-10 | 2002-01-25 | Toshiba Corp | リスク解析支援方法および記憶媒体 |
CN103226659A (zh) * | 2013-04-18 | 2013-07-31 | 河海大学常州校区 | 基于故障树分析法的绞吸式挖泥船故障分析方法 |
CN104317990A (zh) * | 2014-10-09 | 2015-01-28 | 中国运载火箭技术研究院 | 一种基于风险的多阶段任务航天器可靠性改进方法 |
CN107395411A (zh) * | 2017-07-18 | 2017-11-24 | 电子科技大学 | 一种指挥控制网络二端连通可靠性建模和分析方法 |
CN108509290A (zh) * | 2018-02-11 | 2018-09-07 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 数据驱动的故障树分析方法、装置及系统 |
-
2019
- 2019-11-04 CN CN201911068822.2A patent/CN111126750B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024337A (ja) * | 2000-07-10 | 2002-01-25 | Toshiba Corp | リスク解析支援方法および記憶媒体 |
CN103226659A (zh) * | 2013-04-18 | 2013-07-31 | 河海大学常州校区 | 基于故障树分析法的绞吸式挖泥船故障分析方法 |
CN104317990A (zh) * | 2014-10-09 | 2015-01-28 | 中国运载火箭技术研究院 | 一种基于风险的多阶段任务航天器可靠性改进方法 |
CN107395411A (zh) * | 2017-07-18 | 2017-11-24 | 电子科技大学 | 一种指挥控制网络二端连通可靠性建模和分析方法 |
CN108509290A (zh) * | 2018-02-11 | 2018-09-07 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 数据驱动的故障树分析方法、装置及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792939A (zh) * | 2021-09-30 | 2021-12-14 | 国网湖南省电力有限公司 | 基于混合威布尔分布的电能表可靠性预测方法及装置 |
CN113792939B (zh) * | 2021-09-30 | 2024-02-27 | 国网湖南省电力有限公司 | 基于混合威布尔分布的电能表可靠性预测方法及装置 |
CN114154586A (zh) * | 2021-12-09 | 2022-03-08 | 中国民用航空飞行学院 | 一种航空器系统定量相似性分析方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111126750B (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553590B (zh) | 一种雷达嵌入式健康管理系统 | |
US20210041862A1 (en) | Malfunction early-warning method for production logistics delivery equipment | |
US20040049715A1 (en) | Computer networked intelligent condition-based engine/equipment management system | |
CN111126750B (zh) | 一种关键单元确定方法、装置和存储介质 | |
CN103761684A (zh) | 一种输电电缆整体状态的综合评估方法及系统 | |
CN113485305B (zh) | 一种飞机外勤故障诊断系统与方法 | |
EP1889193A2 (en) | Deterministic-probabilistic safety analysis and evaluation method and system | |
CN102998996A (zh) | 一种飞机机载实时故障诊断方法 | |
CN111191872B (zh) | 一种电网多维度韧性评估系统及方法 | |
CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
CN111124852A (zh) | 一种基于bmc健康管理模块的故障预测方法及系统 | |
CN116467674A (zh) | 一种配电网智能故障处理融合更新系统及其方法 | |
CN113887606A (zh) | 基于故障树建立的电子设备控制系统故障诊断方法 | |
CN112417700A (zh) | Eh油站基于状态评价的故障诊断系统 | |
CN105404940B (zh) | 一种面向船舶使用阶段的维修资源预测方法 | |
CN108825482B (zh) | 一种飞机轴向柱塞泵的故障检测方法及检测系统 | |
CN108845285B (zh) | 电能计量装置检测方法和系统 | |
JPH0877211A (ja) | プラントの保全支援装置 | |
CN116452154B (zh) | 一种适用于通信运营商的项目管理系统 | |
Jin et al. | An improving failure mode and effect analysis method for pallet exchange rack risk analysis | |
CN110531608B (zh) | 基于冗余设计的高可靠电子设备定量fmeca分析方法和系统 | |
CN116524618A (zh) | 一种层级化飞机健康量化方法 | |
Burnaev | Rare failure prediction via event matching for aerospace applications | |
CN116029579A (zh) | 一种继电保护设备采购评价方法及系统 | |
CN115964883A (zh) | 一种无人艇的状态监测与维修保障系统 |
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 |