CN113642198A - 一种基于可靠性增长的独立运载系统设备可靠性评估方法 - Google Patents
一种基于可靠性增长的独立运载系统设备可靠性评估方法 Download PDFInfo
- Publication number
- CN113642198A CN113642198A CN202111206813.2A CN202111206813A CN113642198A CN 113642198 A CN113642198 A CN 113642198A CN 202111206813 A CN202111206813 A CN 202111206813A CN 113642198 A CN113642198 A CN 113642198A
- Authority
- CN
- China
- Prior art keywords
- reliability
- evaluation
- failure
- equipment
- model
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本发明涉及独立运载系统设备可靠性评估技术领域,更具体的是涉及基于可靠性增长的独立运载系统设备可靠性评估方法技术领域。
背景技术
独立运载系统,简称独立运载系统,属于国际航空运输协会定义的第二类DCV系统,是机场行李托盘处理系统中的一类。
设备可靠性建模现在已经有较为丰富的理论和研究成果,包括应用在功能结构简单产品上的串并联模型,以及应用在功能结构关系复杂产品上的竞争模型、混合模型、可靠性网络模型等等;可靠性建模的基础也从寿命数据扩展到非寿命数据。而从20世纪50年代起,美国就开始了可靠性增长的研究,1956年第一个可靠性增长模型被提出。随着研究的深入和发展,Duane模型和AMSAA模型得到了国际多个标准的采纳,作为可靠性研制和增长试验的评估模型,并给出了相应的应用指导。
目前针对物流设备或者机场独立运载系统设备的可靠性研究不足,已有研究对于机场物流系统或者独立运载系统系统的可靠性进行探讨,但是大多偏重于包含可靠性的多指标综合评估或者旅客的用户体验评估进行讨论,没有针对机场的使用需求提炼可靠性需求并建立可靠性模型;同时,可靠性建模的研究成果多来自于产品的功能结构关系研究、可靠性鉴定或可靠性验收,在类似独立运载系统设备的民用设备的研发过程中,可靠性建模和评估与实际研发工作结合不够紧密,往往是脱节的;另外可靠性增长在国内民用工程领域的应用仍然不够广泛,在公开专利中极少见到基于此方面的成果。CN105737881A给出了一种电子设备的加速可靠性增长试验方法,不过该方法只讨论了可靠性增长的加速试验,并未涉及研发过程的指导,适用设备也不是独立运载系统设备这类民用机械设备。
FMEA是得到广泛应用的可靠性分析和维修性分析工具,通过分析产品所有可能的故障模式,确定每个故障模式对系统或者人员安全、任务成功、系统性能、维修性要求等的潜在影响,并按照影响的严重程度及其发生概率对故障模式加以分类,识别薄弱和关键环节、管控风险,为制定改进措施提供依据,消除或降低这些影响。将FMEA结合可靠性建模及可靠性增长,促进研发工作的成功开展,具有广阔的工程应用前景。
发明内容
本发明的目的在于:提升可靠性评估在独立运载系统设备评估应用的适用性和可靠性。为了解决上述技术问题,本发明提供一种基于可靠性增长的独立运载系统设备可靠性评估方法。
本发明为了实现上述目的具体采用以下技术方案:
一种基于可靠性增长的独立运载系统设备可靠性评估方法,采用FMEA,FMEA记载的内容包括设备的部件名称、失效影响、失效模式、严重度、失效原因、优先级、是否发生过以及控制措施、探测度和发生度,其特征在于,包括以下步骤:
步骤S1:开启一个新的评估阶段,通过FMEA选取优先级最高的多个潜在失效模式,选取的失效模式数量为M;
步骤S2:利用步骤S1中选取的潜在失效模式通过可靠性建模进行多次可靠性评估
获取设备总体的可靠性评估结果,可靠性评估结果用于对设备进行优化并更新FMEA,可靠
性评估的次数为K,每两次相邻可靠性评估的时间间隔均为 ;
步骤S3:利用步骤S2中获取的可靠性评估结果获取本评估阶段的可靠性增长中间参数;
步骤S4:再至少重复步骤S1-S3两次,每重复一次得到一个可靠性增长中间参数,得到多个可靠性增长中间参数,选取最后三个可靠性增长中间参数输入建立好的可靠性增长模型得到可靠性增长评估结果。
优选地,所述步骤S1中选取的潜在失效模式的数量M不超过4个。
优选地,所述步骤S2中,通过可靠性建模获取可靠性评估结果的具体步骤包括:
步骤S21:提取每个失效模式下的反应可靠状态的对应部件的部件参数;根据所述每个失效模式下反映设备可靠状态的对应的部件的参数计算对应部件的可靠度和/或部件的故障概率密度;
步骤S22:结合每个失效模式下反映设备可靠状态的对应的部件的参数对设备进行可靠性建模并计算设备总体的可靠度。
优选地,所述步骤S22中所述结合每个失效模式下反映设备可靠状态的对应的部件的参数对设备进行可靠性建模的模型类型为串联模型或并联模型或竞争模型:
若采用竞争模型将总体故障概率密度转化为设备总体的可靠度。
优选地,所述将总体故障概率密度转化为设备总体的可靠度的方法为:
优选地,所述步骤S3中,所述本评估阶段的可靠性增长中间参数的计算方法为:
优选地,所述步骤S4中建立的所述可靠性增长模型采用Gompertz模型,Gompertz模型为:
优选地,所述参数a、b和c的计算方法为:
本发明的有益效果如下:
本发明结合多种可靠性工具,对独立运载系统设备的研发过程中确保设备的可靠性提供了具体的方法和指导,实现了可靠性分析在独立运载系统设备上的有效、流程的应用;利用可靠性增长的Gompertz模型,对研发过程中的设计优化和改进进行阶段性的定义和描述,确认持续优化的有效性;利用FMEA以及可靠性建模和评估,能够评估独立运载系统优化前后的可靠性,验证优化措施的有效;该方法给出了必要的数学模型和计算方法,避免了过于繁琐复杂的数学建模工作,既有理论的支撑,也有利于工程实施。
附图说明
图1是本发明的流程示意图;
图2是实施例1的可靠性增长曲线。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,本实施例提供一种基于可靠性增长的独立运载系统设备可靠性评估方法,采用FMEA,FMEA记载的内容包括设备的部件名称、失效影响、失效模式、严重度、失效原因、优先级、是否发生过以及控制措施、探测度和发生度,包括以下步骤:
步骤S1:开启一个新的评估阶段,通过FMEA选取优先级最高的多个潜在失效模式,选取的失效模式数量为M;
步骤S2:利用步骤S1中选取的潜在失效模式通过可靠性建模进行多次可靠性评估
获取设备总体的可靠性评估结果,可靠性评估结果用于对设备进行优化并更新FMEA,可靠
性评估的次数为K,每两次相邻可靠性评估的时间间隔均为 ;
步骤S3:利用步骤S2中获取的可靠性评估结果获取本评估阶段的可靠性增长中间参数;
步骤S4:再至少重复步骤S1-S3两次,每重复一次得到一个可靠性增长中间参数,得到多个可靠性增长中间参数,选取最后三个可靠性增长中间参数输入建立好的可靠性增长模型得到可靠性增长评估结果。
方案中采用的FMEA是常用的可靠性分析和安全风险评估方法,通过分析独立运载系统设备每一个潜在故障模式,确定其对设备产生的影响,从而识别设备中的薄弱环节和关键项目、管控风险等,为制定设计变更或者控制措施提供依据。通过FMEA,可以分析独立运载系统设备的失效模式,并按照FMEA的分析流程,选出行动优先级高的失效模式。基于这些失效模式,提取相关的参数,进行可靠性建模;同时研发应针对这些失效模式进行设计变更或者制定控制措施,然后开展相应的试验,使用可靠性模型和建立可靠性增长模型验证设计变更和控制措施的有效性。
其中,所述步骤S1中所述优先级最高的潜在失效模式的数量M优选为不超过4个,所述步骤S2中,所述每个失效模式下反映设备可靠状态的参数包括造成该失效模式的部件的可靠度和/或部件的故障概率密度。
作为优选的可实施方案,所述步骤S2中,通过可靠性建模获取可靠性评估结果的具体步骤包括:
步骤S21:提取每个失效模式下的反应可靠状态的对应部件的部件参数;根据所述每个失效模式下反映设备可靠状态的对应的部件的参数计算对应部件的可靠度和/或部件的故障概率密度;
步骤S22:结合每个失效模式下反映设备可靠状态的对应的部件的参数对设备进行可靠性建模并计算设备总体的可靠度。
进一步地,步骤S22中所述结合每个失效模式下反映设备可靠状态的对应的部件的参数对设备进行可靠性建模的模型类型为串联模型或并联模型或竞争模型:
特别说明的是,若采用竞争模型将总体故障概率密度转化为设备总体的可靠度,所述将总体故障概率密度转化为设备总体的可靠度的方法为:
下面结合具体案例说明设备的可靠性建模方法及总体的可靠度计算方法:
在本实施例中,步骤S1中M的数量为3,所述步骤S22中,三个失效模式分别为故障1、故障2和故障3,记为、和,三种失效模式下在时间t的可靠度分别记为、和,三种失效模式互相独立,每个失效模式由一个部件影响,首先对每个失效模式下反映设备可靠状态的对应的部件的可靠度进行计算,在这里采用串联模型,因此本实施例的设备综合的可靠性建模为:
在本实施例中,每个失效模式有1-2个参数影响对应部件的可靠度,其中,参数1和参数2与相关,发生在部件1上;参数3与相关,发生在部件2上;参数4、参数5、参数6与相关,发生在部件3上;参数1至参数6分别记为。
其中,以故障1为例,设定一个评估阶段的评估总时长为100,故障1的发生与参数1和参数2造成的相应部件的退化相关,属于寿命类故障,而且只要两个参数其中一个达到阈值相应部件即失效,参数1的数据通过试验测量得到,初值经统计服从正态分布,退化速度经退化试验数据拟合的退化模型评估为0.014/h,退化时数值不断升高,阈值为75,当高于该阈值时发生失效;参数2通过退化试验测量得到,初值经统计服从,退化速度经退化试验数据拟合的退化模型评估为0.02/h,退化时数值不断降低,阈值为3,当低于该阈值时发生失效。确定故障1对应的部件的可靠度为:
最后说明故障3,故障3的发生与参数4、参数5和参数6偏离要求范围相关,属于早期类故障,因此评估其可靠性时不考虑时间t;参数之间相互独立;各个参数数据由同一时刻测量多个样品得到。经统计,参数4服从,要求范围为(48,52);参数5服从,要求范围为(74,78);参数6服从,要求范围为(88.2,91.8)。确定故障3对应的部件的可靠度为:
该模型为多元正态分布模型,由于参数相互独立,因此可以简化计算,计算结果为0.8851。
综上所述,本实施例中设备的综合的可靠性建模计算结果为:
得到该评估结果以后,根据故障模式以及相关参数的情况,参考FMEA中的部件名称、失效影响、失效模式、失效原因以及控制措施进行针对性地改进和设置控制措施。改进后,参数1和参数2的退化速度降低,参数3对应的寿命延长,参数4、参数5和参数6的标准差缩小。改进后等待下一次的评估阶段。若此时累积的评估阶段数量达到了三次,则可以开始根据之前的评估结果进行可靠性增长建模。
进一步地,所述步骤S3中,所述本评估阶段的可靠性增长中间参数的计算方法为:
在本实施例中,所述步骤S4中建立的所述可靠性增长模型采用Gompertz模型,Gompertz模型为:
优选地,所述参数a、b和c的计算方法为:
下面举例说明可靠性增长建模的计算方法:
首先获取可靠性中间参数,在连续三个评估阶段中,每个评估阶段进行三次评估,第一个评估阶段中,三次评估得到的总体可靠度分别为0.91、0.9和0.88,计算可得可靠性增长中间参数为-0.3275;第二个评估阶段中,三次评估得到的总体可靠度分别为0.95、0.94和0.95,计算可得可靠性增长中间参数为-0.1645;第三个评估阶段中,三次评估得到的总体可靠度分别为0.98、0.97和0.96,计算可得可靠性增长中间参数为-0.0915;
结合前面示例计算的三个可靠性增长参数,代入计算,可靠性增长模型的结果为:
根据该计算结果,可以得到可靠性增长曲线如图2所示,其中实线表示的根据计算结果展示的可靠性增长曲线,虚线表示的理论下的可靠性增长曲线。
通过可靠性建模和可靠性增长建模,能准确反映出根据可靠性评估结果对设备进行优化后的优化质量,优化手段根据评估结果参照FMEA表内的内容得出,在优化后将新的参数更新到FMEA内,FMEA为领域内惯用,可根据需求设置FMEA的表格内的内容。
Claims (8)
1.一种基于可靠性增长的独立运载系统设备可靠性评估方法,采用FMEA,FMEA记载的内容包括设备的部件名称、失效影响、失效模式、严重度、失效原因、优先级、是否发生过以及控制措施、探测度和发生度,其特征在于,包括以下步骤:
步骤S1:开启一个新的评估阶段,通过FMEA选取优先级最高的多个潜在失效模式,选取的失效模式数量为M;
步骤S2:利用步骤S1中选取的潜在失效模式通过可靠性建模进行多次可靠性评估获取设备总体的可靠性评估结果,可靠性评估结果用于对设备进行优化并更新FMEA,可靠性评估的次数为K,每两次相邻可靠性评估的时间间隔均为 ;
步骤S3:利用步骤S2中获取的可靠性评估结果获取本评估阶段的可靠性增长中间参数;
步骤S4:再至少重复步骤S1-S3两次,每重复一次得到一个可靠性增长中间参数,得到多个可靠性增长中间参数,选取最后三个可靠性增长中间参数输入建立好的可靠性增长模型得到可靠性增长评估结果。
2.根据权利要求1所述的一种基于可靠性增长的独立运载系统设备可靠性评估方法,其特征在于,所述步骤S1中选取的潜在失效模式的数量M不超过4个。
3.根据权利要求1所述的一种基于可靠性增长的独立运载系统设备可靠性评估方法,其特征在于,所述步骤S2中,通过可靠性建模获取可靠性评估结果的具体步骤包括:
步骤S21:提取每个失效模式下的反应可靠状态的对应部件的部件参数;根据所述每个失效模式下反映设备可靠状态的对应的部件的参数计算对应部件的可靠度和/或部件的故障概率密度;
步骤S22:结合每个失效模式下反映设备可靠状态的对应的部件的参数对设备进行可靠性建模并计算设备总体的可靠度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111206813.2A CN113642198B (zh) | 2021-10-18 | 2021-10-18 | 一种基于可靠性增长的独立运载系统设备可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111206813.2A CN113642198B (zh) | 2021-10-18 | 2021-10-18 | 一种基于可靠性增长的独立运载系统设备可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642198A true CN113642198A (zh) | 2021-11-12 |
CN113642198B CN113642198B (zh) | 2022-01-11 |
Family
ID=78427136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111206813.2A Active CN113642198B (zh) | 2021-10-18 | 2021-10-18 | 一种基于可靠性增长的独立运载系统设备可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642198B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473400A (zh) * | 2013-08-27 | 2013-12-25 | 北京航空航天大学 | 基于层次依赖建模的软件fmea方法 |
CN103744778A (zh) * | 2013-12-29 | 2014-04-23 | 哈尔滨工业大学 | 基于移动点的isq-fdefce软件可靠性增长模型 |
CN103744779A (zh) * | 2013-12-29 | 2014-04-23 | 哈尔滨工业大学 | 基于移动点的fsq-rwd软件可靠性增长模型及该模型的修正模型 |
CN103761183A (zh) * | 2013-12-29 | 2014-04-30 | 哈尔滨工业大学 | 考虑fde和fce的基于isq的软件可靠性增长模型的建立方法 |
US20200088628A1 (en) * | 2017-05-25 | 2020-03-19 | Huawei Technologies Co., Ltd. | Dustproof Test Device and Dustproof Test Method |
CN112241595A (zh) * | 2020-10-23 | 2021-01-19 | 西京学院 | 基于逻辑回归的机载电源可靠性增长性能退化分析方法 |
-
2021
- 2021-10-18 CN CN202111206813.2A patent/CN113642198B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473400A (zh) * | 2013-08-27 | 2013-12-25 | 北京航空航天大学 | 基于层次依赖建模的软件fmea方法 |
CN103744778A (zh) * | 2013-12-29 | 2014-04-23 | 哈尔滨工业大学 | 基于移动点的isq-fdefce软件可靠性增长模型 |
CN103744779A (zh) * | 2013-12-29 | 2014-04-23 | 哈尔滨工业大学 | 基于移动点的fsq-rwd软件可靠性增长模型及该模型的修正模型 |
CN103761183A (zh) * | 2013-12-29 | 2014-04-30 | 哈尔滨工业大学 | 考虑fde和fce的基于isq的软件可靠性增长模型的建立方法 |
US20200088628A1 (en) * | 2017-05-25 | 2020-03-19 | Huawei Technologies Co., Ltd. | Dustproof Test Device and Dustproof Test Method |
CN112241595A (zh) * | 2020-10-23 | 2021-01-19 | 西京学院 | 基于逻辑回归的机载电源可靠性增长性能退化分析方法 |
Non-Patent Citations (3)
Title |
---|
刘超: ""开展预防性维修提升设备可靠性"", 《设备管理与维修》 * |
张露凝 等: ""面向可靠性增长的产品数据管理"", 《中国管理信息化》 * |
李盼盼: ""智能温度变送器软件的可靠性分析"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113642198B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101984730B1 (ko) | 서버 장애 자동 예측 시스템 및 자동 예측 방법 | |
US11645191B2 (en) | Review process for evaluating changes to target code for a software-based product | |
CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
CN105116870B (zh) | 空调机组的故障分析方法、装置和系统 | |
CN108345670B (zh) | 一种用于95598电力工单的服务热点发现方法 | |
CN106708738B (zh) | 一种软件测试缺陷预测方法及系统 | |
EP3998558A1 (en) | Failure part specification support system | |
CN110633905A (zh) | 智能车云平台可靠性计算方法 | |
CN116862081B (zh) | 一种污染治理设备运维方法及系统 | |
CN114880312B (zh) | 一种可柔性设置的应用系统业务数据稽核方法 | |
CN109145319A (zh) | 基于深度神经网络的关键设备切削刀具剩余寿命预测方法 | |
CN115204260A (zh) | 预测模型的训练、预测方法、装置、电子设备及存储介质 | |
CN113642198B (zh) | 一种基于可靠性增长的独立运载系统设备可靠性评估方法 | |
CN116452154B (zh) | 一种适用于通信运营商的项目管理系统 | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN115438190B (zh) | 一种配电网故障辅助决策知识抽取方法及系统 | |
CN110766248A (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 | |
CN115392710A (zh) | 一种基于数据过滤的风电机组运行决策方法及系统 | |
CN114186644A (zh) | 一种基于优化随机森林的缺陷报告严重程度预测方法 | |
CN109743203B (zh) | 一种基于量化信息流的分布式服务安全组合系统及方法 | |
CN113807704A (zh) | 一种城市轨道交通数据的智能算法平台构建方法 | |
CN110703183A (zh) | 一种智能电能表故障数据分析方法及系统 | |
CN104731955A (zh) | 风电机组油液监测诊断标准建立及智能诊断方法及系统 | |
CN111858225A (zh) | 延时预测方法、装置、设备及计算机存储介质 | |
CN112989606B (zh) | 数据算法模型检验方法、系统及计算机存储介质 |
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 |