CN112733088A - 基于专家信息的威布尔型产品可靠性验收方案设计方法 - Google Patents
基于专家信息的威布尔型产品可靠性验收方案设计方法 Download PDFInfo
- Publication number
- CN112733088A CN112733088A CN202110336960.5A CN202110336960A CN112733088A CN 112733088 A CN112733088 A CN 112733088A CN 202110336960 A CN202110336960 A CN 202110336960A CN 112733088 A CN112733088 A CN 112733088A
- Authority
- CN
- China
- Prior art keywords
- product
- risk
- distribution
- weibull
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013461 design Methods 0.000 title abstract description 8
- 238000009826 distribution Methods 0.000 claims abstract description 104
- 238000012360 testing method Methods 0.000 claims abstract description 78
- 238000007689 inspection Methods 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000009827 uniform distribution Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241000764238 Isis Species 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于专家信息的威布尔型产品可靠性验收方案设计方法。所述方法包括:通过获取待验收的威布尔型产品的专家信息,通过最大熵方法确定非线性规划模型,从而确定分布参数;根据分布参数确定威布尔型产品的参数分布公式,通过基于抽样的算法获取产品寿命大于检验上限的概率、产品寿命小于检验下限的概率,以及在定时截尾验收试验中出现给定次故障产品的概率,结合参数分布公式确定生产方风险和使用方风险,根据生产方风险和使用方风险确定产品的验收方案包。本发明有效利用了专家信息,可以在可投入的试验样本量较少时,显著降低两类风险值、缩短试验时间。
Description
技术领域
本申请涉及可靠性试验技术领域,特别是涉及一种基于专家信息的威布尔型产品可靠性验收方案设计方法。
背景技术
可靠性验收试验(Reliability Acceptance Test, RAT)是检验产品可靠性是否达到要求水平的试验。根据可靠性验证试验的结果可对参试产品做出接收或拒绝的结论。验证试验主要是根据以下假设检验的结果来做出判断:
其中,是参数的可接受值,而是参数的拒绝值。如果根据试验结果计算判断是接受,则接收该批产品;如果判断是接受,则拒绝该批产品。在检验过程中,当成立而接受,此类错误称为第1类错误;当成立而接受,此类错误称为第2类错误。发生第1类错误和第2类错误的概率分别称为“生产方风险”和“使用方风险”。只有当这两类风险都是受控的情况下,才能让试验方案被生产方和使用方所接受。
现有技术主要是对产品进行抽样检验以决定验收方案。然而,在实际操作中,由于经费成本的限制,可投入的试验样本量往往较少,传统试验方法在解决小子样问题上存在局限性。目前正在使用的验收试验方案是GJB899A中提出的,但由于只利用了系统级试验数据来开展试验,导致试验时间过长,或者在短时间的试验方案的两类风险较大,存在效率低、实用性不佳的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高可靠性试验效率的基于专家信息的威布尔型产品可靠性验收方案设计方法。
一种基于专家信息的威布尔型产品可靠性验收方案设计方法,所述方法包括:
获取待验收的威布尔型产品的专家信息,根据专家信息通过最大熵方法,确定非线性规划模型,通过求解非线性规划模型得到威布尔型产品的分布参数;
根据分布参数确定威布尔型产品的参数分布公式;
基于抽样的算法获取产品寿命大于预设的检验上限的第一概率、产品寿命小于预设的检验下限的第二概率,以及在定时截尾验收试验中出现给定次故障产品的第三概率;
根据参数分布公式、第一概率、第二概率、第三概率,确定生产方风险和使用方风险,根据生产方风险和使用方风险确定产品的验收方案包。
根据专家信息通过最大熵方法,确定非线性规划模型为:
通过求解非线性规划模型得到分布参数。
根据专家信息通过最大熵方法,确定非线性规划模型为:
其中,表示非线性规划模型的规划目标;,为分布参数,且;表示以为参数的伽马函数;、、为中间变量,,,;为威布尔分布的形状参数,可假设威布尔分布形状参数的分布服从均匀分布,即,、表示形状参数所服从的均匀分布的分布参数;表示某时刻产品可靠度;为非线性规划模型的约束函数;
通过求解非线性规划模型得到分布参数。
根据专家信息通过最大熵方法,确定非线性规划模型为:
通过求解非线性规划模型得到分布参数。
其中,为威布尔型产品的分布参数,,为尺度参数;为威布尔分布的形状参数,可假设威布尔分布形状参数的分布服从均匀分布,即,、表示形状参数所服从的均匀分布的分布参数;表示某时刻产品可靠度;表示自然指数运算。
在其中一个实施例中,还包括:根据参数分布公式、第一概率、第二概率、第三概率,确定生产方风险为:
根据参数分布公式、第一概率、第二概率、第三概率,确定使用方风险为:
在其中一个实施例中,还包括:若给定了参加验收试验的产品数,计算在不同的拒收产品的故障次数上限下的生产方风险和使用方风险,选取故障次数上限,使得生产方风险和使用方风险都尽可能小,根据选取的故障次数上限确定产品的验收方案;
当给定了拒收产品的故障次数上限,计算在不同参加验收试验的产品数下的生产方风险和使用方风险,选取参加验收试验的产品数,使得生产方风险和使用方风险都尽可能小,根据选取的参加验收试验的产品数确定产品的验收方案。
上述基于专家信息的威布尔型产品可靠性验收方案设计方法,通过获取待验收的威布尔型产品的专家信息,通过最大熵方法确定非线性规划模型,从而确定分布参数;根据分布参数确定威布尔型产品的参数分布公式,通过基于抽样的算法获取产品寿命大于检验上限的概率、产品寿命小于检验下限的概率,以及在定时截尾验收试验中出现给定次故障产品的概率,结合参数分布公式确定生产方风险和使用方风险,根据生产方风险和使用方风险确定产品的验收方案包。本发明有效利用了专家信息,可以在可投入的试验样本量较少时,显著降低两类风险值、缩短试验时间。
附图说明
图1为一个实施例中基于专家信息的威布尔型产品可靠性验收方案设计方法的流程示意图;
图2为一个实施例中通过抽样计算两类风险值的流程示意图;
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于专家信息的威布尔型产品可靠性验收方案设计方法,可以应用于如下应用环境中。终端执行一种基于专家信息的威布尔型产品可靠性验收方案设计方法,通过获取待验收的威布尔型产品的专家信息,通过最大熵方法确定非线性规划模型,从而确定分布参数;根据分布参数确定威布尔型产品的参数分布公式,通过基于抽样的算法获取产品寿命大于检验上限的概率、产品寿命小于检验下限的概率,以及在定时截尾验收试验中出现给定次故障产品的概率,结合参数分布公式确定生产方风险和使用方风险,根据生产方风险和使用方风险确定产品的验收方案包。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中,如图1所示,提供了一种基于专家信息的威布尔型产品可靠性验收方案设计方法,包括以下步骤:
步骤102,获取待验收的威布尔型产品的专家信息,根据专家信息通过最大熵方法,确定非线性规划模型,通过求解非线性规划模型得到威布尔型产品的分布参数。
威布尔分布在可靠性工程中被广泛应用,尤其适用于描述机电类产品寿命分布。
当验收试验样本量较小时,传统可靠性验收方案由于未能利用先验信息,导致试验时间长、成本高。本发明利用融合专家信息的方式对传统方案进行改进。专家信息可用来确定参数的分布。通过使用最大熵方法,可以将确定参数分布问题转化为非线性规划问题。
步骤104,根据分布参数确定威布尔型产品的参数分布公式。
步骤106,基于抽样的算法获取产品寿命大于预设的检验上限的第一概率、产品寿命小于预设的检验下限的第二概率,以及在定时截尾验收试验中出现给定次故障产品的第三概率。
步骤210,根据步骤206、208求得结果可计算两类风险值。
步骤108,根据参数分布公式、第一概率、第二概率、第三概率,确定生产方风险和使用方风险;根据生产方风险和使用方风险确定产品的验收方案包。
本发明中,产品验收方案由两类风险、以及寿命检验上限、下限四个参数共同确定,产品验收试验方式采取定时截尾试验。同时,由于所接受产品工作时长小于是不可接受的,故将截尾时间设为寿命检验下限。检验上限为产品寿命期望值。
第一种验收方式是给定参加试验产品数n确定验收方案,即需要确定拒绝接受产品故障数C。第二种验收方式是给定拒绝接受产品故障数C确定验收方案,即需要确定参加试验产品数n。
确定方式是:C从1开始取值,逐一递增,到n为止。结合专家信息计算并记录C取不同值时的两类风险值。生产方、接收方协商选择合适的验收方案并实施。若故障数超过C则拒收产品。
上述基于专家信息的威布尔型产品可靠性验收方案设计方法中,通过获取待验收的威布尔型产品的专家信息,通过最大熵方法确定非线性规划模型,从而确定分布参数;根据分布参数确定威布尔型产品的参数分布公式,通过基于抽样的算法获取产品寿命大于检验上限的概率、产品寿命小于检验下限的概率,以及在定时截尾验收试验中出现给定次故障产品的概率,结合参数分布公式确定生产方风险和使用方风险,根据生产方风险和使用方风险确定产品的验收方案包。本发明有效利用了专家信息,可以在可投入的试验样本量较少时,显著降低两类风险值、缩短试验时间。
根据专家信息通过最大熵方法,确定非线性规划模型为:
通过求解非线性规划模型得到分布参数。
可靠度(Reliability)也叫可靠性,指的是产品在规定的时间内,在规定的条件下,完成预定功能的能力,它包括结构的安全性,适用性和耐久性,当以概率来度量时,称可靠度。本实施例中专家信息为产品时刻的可靠度为,是基于可靠度点估计确定参数分布。
根据专家信息通过最大熵方法,确定非线性规划模型为:
其中,表示非线性规划模型的规划目标;,为分布参数,且;表示以为参数的伽马函数;、、为中间变量,,,;为威布尔分布的形状参数,可假设威布尔分布形状参数的分布服从均匀分布,即,、表示形状参数所服从的均匀分布的分布参数;表示某时刻产品可靠度;为非线性规划模型的约束函数。
通过求解非线性规划模型得到分布参数。
通过求解非线性规划模型得到分布参数。
其中,为威布尔型产品的分布参数,,为尺度参数;为威布尔分布的形状参数,可假设威布尔分布形状参数的分布服从均匀分布,即,、表示形状参数所服从的均匀分布的分布参数;表示某时刻产品可靠度;表示自然指数运算。
在其中一个实施例中,还包括:根据参数分布公式、第一概率、第二概率、第三概率,确定生产方风险为:
根据参数分布公式、第一概率、第二概率、第三概率,确定使用方风险为:
在其中一个实施例中,还包括:若给定了参加验收试验的产品数,计算在不同的拒收产品的故障次数上限下的生产方风险和使用方风险,选取故障次数上限,使得生产方风险和使用方风险都尽可能小,根据选取的故障次数上限确定产品的验收方案;
当给定了拒收产品的故障次数上限,计算在不同参加验收试验的产品数下的生产方风险和使用方风险,选取参加验收试验的产品数,使得生产方风险和使用方风险都尽可能小,根据选取的参加验收试验的产品数确定产品的验收方案。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个具体实施例中,产品验收试验采用定时截尾试验方案。假设产品寿命分布参数为、。检验上限为产品寿命期望值722h。以GJB899A中方案12为例,其鉴别比为2,故检验下限为361h,同时截尾时间为361h。假设得到的专家信息为产品工作时的可靠度。对威布尔分布型产品进行定时截尾试验。本实施例给定参加试验产品数n确定验收方案,当截尾时间及试验产品数n确定后,C从1开始取值,逐一递增,到n为止,结合专家信息计算并记录C取不同值时的两类风险值,两类风险值随C的变化如图3所示。可以发现,当投入试验产品数不变时, C对两类风险计算的影响很大。同时,当C取8时两类风险值最为接近。但是具体选择拒接收数可以根据实际情况由生产方、使用方专家共同决定。如要更加倾向于降低使用方风险,可选的方案。
在另一个具体实施例中,产品验收试验采用定时截尾试验方案。假设产品寿命分布参数为、。检验上限为产品寿命期望值722h。以GJB899A中方案12为例,其鉴别比为2,故检验下限为361h,同时截尾时间为361h。假设得到的专家信息为产品工作时的可靠度。对威布尔分布型产品进行定时截尾试验。本实施例给定拒绝接受产品故障数C确定验收方案,若C确定,两类风险值会随参加验收试验产品数n的变化而变化,如图4所示。假设,可以看出两类风险值在测试产品数时最为接近。
表1中T代表总试验时间。由表1可知,当融合专家信息的验收方案在试验时间与GJB899A对比方案接近时,可以明显降低两类风险。同时,在本文提出的验收方案下,两类风险值之和随试验样本数和总试验时间的减少而增加。此时,需要生产方及接收方根据实际情况决定采取何种方案:如果倾向于降低风险,可以考虑提高试验产品数n,降低两类风险;如果倾向于控制成本,可以考虑在两类风险不超过要求的前提下减少试验样本数。
由上表结果可知,融合专家信息的产品验收试验方案显著降低了两类风险及试验时间,进一步验证了所提方案的有效性。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于专家信息的威布尔型产品可靠性验收方案设计方法,其特征在于,所述方法包括:
获取待验收的威布尔型产品的专家信息,根据所述专家信息通过最大熵方法,确定非线性规划模型,通过求解所述非线性规划模型得到所述威布尔型产品参数分布的分布参数;
根据所述分布参数确定所述威布尔型产品的参数分布公式;
基于抽样的算法获取产品寿命大于预设的检验上限的第一概率、产品寿命小于预设的检验下限的第二概率,以及在定时截尾验收试验中出现给定次故障产品的第三概率;
根据所述参数分布公式、所述第一概率、所述第二概率、所述第三概率,确定生产方风险为:
根据所述参数分布公式、所述第一概率、所述第二概率、所述第三概率,确定使用方风险为:
根据所述生产方风险和所述使用方风险确定产品的验收方案包。
3.根据权利要求1所述的方法,其特征在于,获取待验收的威布尔型产品的专家信息,根据所述专家信息通过最大熵方法,确定非线性规划模型,通过求解所述非线性规划模型得到威布尔型产品的分布参数,包括:
根据所述专家信息通过最大熵方法,确定非线性规划模型为:
其中,表示非线性规划模型的规划目标;,为所述分布参数,且;表示以为参数的伽马函数;、、为中间变量,,,;为威布尔分布的形状参数,可假设威布尔分布形状参数的分布服从均匀分布,即,、表示形状参数所服从的均匀分布的分布参数;表示某时刻产品可靠度;为所述非线性规划模型的约束函数;
通过求解所述非线性规划模型得到所述分布参数。
6.根据权利要求5所述的方法,其特征在于,根据所述生产方风险和所述使用方风险确定所述产品的验收方案,包括:
若给定了参加验收试验的产品数,计算在不同的拒收产品的故障次数上限下的所述生产方风险和所述使用方风险,选取故障次数上限,使得所述生产方风险和所述使用方风险都尽可能小,根据选取的所述故障次数上限确定所述产品的验收方案;
当给定了拒收产品的故障次数上限,计算在不同参加验收试验的产品数下的所述生产方风险和所述使用方风险,选取参加验收试验的产品数,使得所述生产方风险和所述使用方风险都尽可能小,根据选取的所述参加验收试验的产品数确定所述产品的验收方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110336960.5A CN112733088B (zh) | 2021-03-30 | 2021-03-30 | 基于专家信息的威布尔型产品可靠性验收方案设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110336960.5A CN112733088B (zh) | 2021-03-30 | 2021-03-30 | 基于专家信息的威布尔型产品可靠性验收方案设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733088A true CN112733088A (zh) | 2021-04-30 |
CN112733088B CN112733088B (zh) | 2021-06-18 |
Family
ID=75595993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110336960.5A Active CN112733088B (zh) | 2021-03-30 | 2021-03-30 | 基于专家信息的威布尔型产品可靠性验收方案设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733088B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897349A (zh) * | 2022-05-09 | 2022-08-12 | 中国人民解放军海军工程大学 | 一种成败型序贯抽样试验方案确定系统及方法 |
CN114971223A (zh) * | 2022-05-09 | 2022-08-30 | 中国人民解放军海军工程大学 | 一种指数寿命型序贯试验方法、系统、设备、介质及终端 |
CN115906544A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915779A (zh) * | 2015-06-15 | 2015-09-16 | 北京航空航天大学 | 基于贝叶斯网络的抽样试验设计方法 |
CN106443221A (zh) * | 2015-08-04 | 2017-02-22 | 北京电子工程总体研究所 | 一种用于电子产品的可靠性鉴定方法 |
CN107478455A (zh) * | 2017-09-01 | 2017-12-15 | 电子科技大学 | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 |
US20200232885A1 (en) * | 2018-08-28 | 2020-07-23 | Dalian University Of Technology | Reliability evaluation method for cnc machine tools based on bayes and fault tree |
US20200260697A1 (en) * | 2016-11-29 | 2020-08-20 | Crown Bioscience, Inc. (Taicang) | Methods of mouse clinical trial |
CN111881574A (zh) * | 2020-07-27 | 2020-11-03 | 华能新能源股份有限公司 | 一种基于分布函数优选的风电机组关键部件可靠性建模方法 |
CN112069732A (zh) * | 2020-09-03 | 2020-12-11 | 中国人民解放军陆军工程大学 | 一种火炮可靠性鉴定试验的综合评估方法 |
CN112307616A (zh) * | 2020-10-29 | 2021-02-02 | 北京航空航天大学 | 一种机电产品半试验寿命与可靠性仿真方法 |
CN112486790A (zh) * | 2020-12-04 | 2021-03-12 | 北京航空航天大学 | 一种基于多维分层准则的软件可靠性验收风险评估方法 |
-
2021
- 2021-03-30 CN CN202110336960.5A patent/CN112733088B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915779A (zh) * | 2015-06-15 | 2015-09-16 | 北京航空航天大学 | 基于贝叶斯网络的抽样试验设计方法 |
CN106443221A (zh) * | 2015-08-04 | 2017-02-22 | 北京电子工程总体研究所 | 一种用于电子产品的可靠性鉴定方法 |
US20200260697A1 (en) * | 2016-11-29 | 2020-08-20 | Crown Bioscience, Inc. (Taicang) | Methods of mouse clinical trial |
CN107478455A (zh) * | 2017-09-01 | 2017-12-15 | 电子科技大学 | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 |
US20200232885A1 (en) * | 2018-08-28 | 2020-07-23 | Dalian University Of Technology | Reliability evaluation method for cnc machine tools based on bayes and fault tree |
CN111881574A (zh) * | 2020-07-27 | 2020-11-03 | 华能新能源股份有限公司 | 一种基于分布函数优选的风电机组关键部件可靠性建模方法 |
CN112069732A (zh) * | 2020-09-03 | 2020-12-11 | 中国人民解放军陆军工程大学 | 一种火炮可靠性鉴定试验的综合评估方法 |
CN112307616A (zh) * | 2020-10-29 | 2021-02-02 | 北京航空航天大学 | 一种机电产品半试验寿命与可靠性仿真方法 |
CN112486790A (zh) * | 2020-12-04 | 2021-03-12 | 北京航空航天大学 | 一种基于多维分层准则的软件可靠性验收风险评估方法 |
Non-Patent Citations (2)
Title |
---|
贾祥等: "基于信息熵和Bayes理论的高可靠性产品可靠性评估", 《系统工程理论与实践》 * |
赵骞: "部件寿命服从威布尔分布时典型系统的寿命与剩余寿命估计", 《系统工程与电子技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897349A (zh) * | 2022-05-09 | 2022-08-12 | 中国人民解放军海军工程大学 | 一种成败型序贯抽样试验方案确定系统及方法 |
CN114971223A (zh) * | 2022-05-09 | 2022-08-30 | 中国人民解放军海军工程大学 | 一种指数寿命型序贯试验方法、系统、设备、介质及终端 |
CN114897349B (zh) * | 2022-05-09 | 2023-09-05 | 中国人民解放军海军工程大学 | 一种成败型序贯抽样试验方案确定系统及方法 |
CN114971223B (zh) * | 2022-05-09 | 2023-10-24 | 中国人民解放军海军工程大学 | 一种指数寿命型序贯试验方法、系统、设备、介质及终端 |
CN115906544A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
CN115906544B (zh) * | 2023-03-09 | 2023-05-05 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112733088B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112733088B (zh) | 基于专家信息的威布尔型产品可靠性验收方案设计方法 | |
CN108139446B (zh) | 用于预测电池测试结果的电池测试系统 | |
CN107478455B (zh) | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 | |
EP3678072A1 (en) | Model integration method and device | |
CN108959745B (zh) | 产品性能变化及寿命高置信度小样本统计推断和确认方法 | |
CN102436529B (zh) | 基于Weibull分布的MOS晶体管可靠性统计模型的建模方法 | |
CN111080477A (zh) | 一种家庭电力负荷预测方法及系统 | |
CN115906544B (zh) | 基于可靠性增长过程的可靠性鉴定试验方法 | |
CN106485036B (zh) | 基于生存模型对资产证券化资产池进行评级的方法 | |
CN107657121B (zh) | 基于腐蚀级别评定的飞机结构性能预测处理方法及系统 | |
CN114139931A (zh) | 企业数据评估方法、装置、计算机设备及存储介质 | |
CN114358193A (zh) | 基于油色谱的变压器状态诊断方法、终端及存储介质 | |
CN113589159A (zh) | 一种用于铁路信号继电器多维度特征参数相关性分析方法 | |
CN112883590B (zh) | 系统可靠性验证试验方案确定方法 | |
CN114970046A (zh) | 一种谐波减速器产品可靠性试验方案确定方法和装置 | |
CN113157583B (zh) | 一种测试方法、装置及设备 | |
CN113219358A (zh) | 电池包健康状态计算方法、系统及电子设备 | |
CN111210105B (zh) | 连续工作性能验证、装置、计算机设备和存储介质 | |
CN106528401B (zh) | 基于冗余结构的控制系统的拒动测试方法和装置 | |
CN111340349A (zh) | 产品可靠性评估方法、装置、计算机设备和存储介质 | |
Miao et al. | An innovative Bayesian sequential censored sampling inspection method and application to test design | |
Phillips | Statistical methods for reliability data analysis | |
CN115204717B (zh) | 安全等级划分方法、装置、设备及可读存储介质 | |
CN109284320A (zh) | 大数据平台上的自动回归诊断方法 | |
CN114386525B (zh) | 一种评估标准的自适应调整方法、装置、设备和存储介质 |
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 |