CN114580842A - 交通工具的签派可靠度分析方法、装置和计算机设备 - Google Patents

交通工具的签派可靠度分析方法、装置和计算机设备 Download PDF

Info

Publication number
CN114580842A
CN114580842A CN202210084996.3A CN202210084996A CN114580842A CN 114580842 A CN114580842 A CN 114580842A CN 202210084996 A CN202210084996 A CN 202210084996A CN 114580842 A CN114580842 A CN 114580842A
Authority
CN
China
Prior art keywords
time
event
simulation
subsystem
sampling
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
Application number
CN202210084996.3A
Other languages
English (en)
Other versions
CN114580842B (zh
Inventor
张蕊
黄铎佳
蔡柳依婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Electronic Product Reliability and Environmental Testing Research Institute
Original Assignee
China Electronic Product Reliability and Environmental Testing Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Electronic Product Reliability and Environmental Testing Research Institute filed Critical China Electronic Product Reliability and Environmental Testing Research Institute
Priority to CN202210084996.3A priority Critical patent/CN114580842B/zh
Publication of CN114580842A publication Critical patent/CN114580842A/zh
Application granted granted Critical
Publication of CN114580842B publication Critical patent/CN114580842B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种交通工具的签派可靠度分析方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各子系统所包含的部件；获取交通工具的最低设备清单以及仿真过程中涉及的相关参数；基于最低设备清单以及初始化后的相关参数，基于子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，确定子系统的平均延误次数；根据平均延误次数以及其他相关参数，确定子系统的签派可靠度；根据子系统的签派可靠度，确定子系统所属系统的签派可靠度，并根据每个系统的签派可靠度，确定交通工具的签派可靠度。采用本方法能够提高交通工具签派可靠度分析的准确率。

Description

交通工具的签派可靠度分析方法、装置和计算机设备
技术领域
本申请涉及系统安全性分析技术领域，特别是涉及一种交通工具的签派可靠度分析方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
签派可靠度指没有延误(技术原因)或撤销航班(技术原因)而营运离站的百分数。对于飞机而言，它是影响民用飞机商业化的关键可靠性指标，也是飞机运营中的重要参数。如何合理地评估系统的签派可靠度和其对交通公司运营效益影响成为一个急需解决的问题。
目前，在民用飞机RMS(Reliability、Maintainability、Safety，可靠性、维修性、安全性)参数体系中，签派可靠度的分析可包括签派可靠度的功能失效分析以及签派中断率分析两部分内容，其中功能失效分析与系统安全性评估工作结合进行，均采用ARP4761(民用机载系统安全性评估流程)中建议的功能危险性评估-初步系统安全性评估评估方法，对失效状态的可靠性要求通过上述评估方法分配到整机级、系统以及设备级。签派中断率分析包括签派中断率分配和预计过程。
然而，目前的签派可靠度分析方法对交通工具中各类设备的签派影响路径分析不足，存在对交通工具的签派可靠度分析不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高交通工具签派可靠度分析准确率的签派可靠度分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种交通工具的签派可靠度分析方法。所述方法包括：
确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
在其中一个实施例中，所述确定由所述子系统中不同部件导致的平均延误次数，包括：
根据每次迭代仿真所得到的延误次数确定由所述子系统中不同部件导致的平均延误次数；
其中，每次的迭代仿真均通过以下步骤得到延误次数：
获取当次迭代仿真中的当前循环对应的排序序列，其中，所述当次迭代仿真中当前循环的初始的排序序列中包括有与所述子系统中各部件分别对应的抽样事件，且所述抽样事件按时间先后顺序进行排序，所述抽样事件包括失效抽样事件和修复抽样事件；
确定所述排序序列中的第一个抽样事件为目标事件；
确定所述目标事件所对应的排序时间是否达到所述仿真总时间；
若所述目标事件所对应的时间没有达到所述仿真总时间，则根据所述目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间；
根据所述新的事件时间确定新的抽样事件，基于所述新的抽样事件对所述排序序列进行更新，并将更新的排序序列作为当次迭代仿真中的下一次循环所对应的排序序列，返回所述确定所述排序序列中的第一个抽样事件为目标事件的步骤继续执行，直至目标事件所对应的时间达到所述仿真总时间时停止循环，得到当次迭代仿真所对应的延误次数。
在其中一个实施例中，所述方法还包括：
在当次迭代仿真中的当前循环的目标事件所对应的时间达到所述仿真总时间时，确定当次迭代仿真所对应的迭代次数是否满足预设的仿真次数条件，若满足，则结束仿真；
若不满足，则返回所述获取当次迭代仿真中的当前循环对应的排序序列的步骤继续执行，直至当次迭代仿真所对应的迭代次数满足预设的仿真次数条件时停止迭代，以得到各次迭代仿真分别对应的延误次数。
在其中一个实施例中，所述根据所述目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间，包括：
若所述目标事件属于失效事件，则确定所述目标事件对应的故障是否可检测；
若所述目标事件对应的故障可检测，则根据所述最低设备清单，确定所述目标事件对应的交通工具是否被允许签派；
若允许签派，则基于所述目标事件所对应的部件的历史修复时间，生成新的修复时间，并基于所述新的修复时间确定新的事件时间；
若不被允许签派，则更新当次迭代中的当前循环所对应的延误次数，基于所述目标事件所对应的部件的历史失效时间，生成新的失效时间，并基于所述新的失效时间确定新的事件时间。
在其中一个实施例中，所述根据所述目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间，包括：
若所述目标事件属于修复事件，则确定所述目标事件是否是计划性维修；
若所述目标事件是计划性维修，则修复目标事件所对应的子系统中的所有失效部件，并更新下一次计划维修时间；
若所述修复事件不是计划性维修，则修复目标事件对应的失效部件；
基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并将所述新的失效时间作为新的事件时间。
在其中一个实施例中，所述初始的排序序列通过以下步骤得到：
基于所述子系统中各部件的历史失效时间，拟合各部件发生失效事件的失效时间概率分布函数；
基于所述子系统中各部件的历史维修时间，拟合各部件发生修复事件的修复时间概率分布函数；
对各部件的所述失效时间概率分布函数和所述修复时间概率分布函数分别进行抽样，得到各部件的失效抽样时间和修复抽样时间；
将与所述失效抽样时间对应的失效抽样事件、以及与所述修复抽样时间对应的修复抽样事件，按照相应的抽样时间进行排序，得到初始的排序序列，其中，同一部件的修复抽样时间在进行排序时需要叠加同一部件的失效抽样时间后再进行排序。
第二方面，本申请还提供了一种交通工具的签派可靠度分析装置。所述装置包括：
确定模块，用于确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取模块，用于获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
仿真模块，用于基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
所述确定模块，还用于根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
所述确定模块，还用于根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其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以下步骤：
确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
上述交通工具的签派可靠度分析方法、装置、计算机设备、存储介质和计算机程序产品，首先确定交通工具中所包含的多个系统，以及每个系统各自所包括的子系统，并确定各个子系统所包含的部件，这样可以确定交通工具中的系统、子系统以及部件的所属关系。然后获取该交通工具的最低设备清单以及在仿真分析过程中涉及的相关参数，并将相关参数进行初始化，方便后续仿真过程中对相关参数的使用。然后基于最低设备清单、初始化后的相关参数以及子系统中各部件的历史失效时间和历史维修时间，对子系统中的不同部件进行多次迭代仿真处理，从而确定由子系统中不同部件导致的平均延误次数，这样，通过迭代仿真的方法可以全面的考虑到子系统中各个部件可能导致的延误次数。再根据得到的平均延误次数、以及初始化的相关参数中的平均航段行驶时间以及仿真总时间，确定子系统的签派可靠度，最后根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定交通工具的签派可靠度。这样，基于子系统中各部件的历史失效时间和历史维修时间，通过循环迭代的仿真方法，可以全面获取由子系统中不同部件导致的平均延误次数，进而确定子系统的签派可靠度，这样就能提高子系统签派可靠度分析的准确率，然后再基于各个子系统的签派可靠度，确定多个系统的签派可靠度，进而确定整个交通工具的签派可靠度，这样基于子系统签派可靠度分析的高准确率，就可以提高整个交通工具签派可靠度的分析准确率。
附图说明
图1为一个实施例中交通工具的签派可靠度分析方法的应用环境图；
图2为一个实施例中交通工具的签派可靠度分析方法的流程示意图；
图3为一个实施例中子系统的签派可靠度分析方法的流程示意图；
图4为一个实施例中交通工具的签派可靠度分析装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
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。
本申请实施例提供的交通工具的签派可靠度分析方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。本申请实施例所提供的交通工具的签派可靠度分析方法可通过终端102和服务器104单独执行实现，也可通过终端102和服务器104协同执行实现。本方案首先确定交通工具中所包括的系统，每个系统所包括的子系统。以及每个子系统中所包括的部件，然后获取交通工具的最低设备清单以及仿真过程中会涉及到的相关参数，并将相关参数进行数据初始化，然后基于最低设备清单以及初始化后的相关参数，以及子系统中各部件的历史失效时间和历史维修时间，对子系统中不同的部件进行多次迭代仿真处理，以确定子系统中不同部件导致的平均延误次数，之后根据得到的平均延误次数以及相关参数包括的初始化的平均航段行驶时间和仿真总时间，确定子系统的签派可靠度，再根据每个子系统的签派可靠度，确定子系统所在系统的签派可靠度，再根据各个系统的签派可靠度，确定整个交通工具的签派可靠度。其中，终端102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、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种交通工具的签派可靠度分析方法，以该方法应用于图1中的计算机设备(该计算机设备具体可以是图1中的终端或服务器)为例进行说明，包括以下步骤：
步骤S202，确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各子系统所包含的部件。
其中，交通工具可以是飞机，轮船，高铁等交通工具，系统可以是交通工具中部署的空调系统，自动控制系统等，这里均不做限制。
具体地，计算机设备首先确定本次仿真的交通工具，然后确定该交通工具所包含的多个系统，以及每个系统中所包括的多个子系统，并确定各个子系统中所包含的多个部件。
在其中一个实施例中，计算机设备确定的交通工具是飞机，飞机中包含多个系统，比如动力系统、飞行控制系统、通信系统、导航系统以及空调系统等，以动力系统为例，动力系统中又包含多个子系统，比如发动机子系统、燃油子系统、滑油子系统、散热子系统等，发动机子系统中又包含多个部件，比如汽缸、活塞、压气机、燃烧室、涡轮、轴和尾喷管等。
步骤S204，获取交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对相关参数进行数据初始化，其中，相关参数中包括平均航段行驶时间和仿真总时间。
其中，对于飞机而言，最低设备清单(Minimum Equipment List，MEL)可以是飞机按最低放行标准所规定的飞机放行时最低的、必备的和不可或缺的设备清单，最低设备清单可以由航空器营运人制定，对不同的飞机，根据具体的飞行任务和环境，制定不同的最低放行设备清单，当机上设备符合清单要求就可以继续飞行。仿真工具可以是Matlab或Python等编程工具，也可以是基于编程工具形成的可视化仿真软件，这里不做限制。
具体地，计算机设备获取交通工具的最低设备清单，以及该交通设备在仿真过程中涉及的相关参数，并对这些相关参数进行数据初始化。
在其中一个实施例中，计算机设备获取了某一民用飞机的最低设备清单，以及该民用飞机在签派可靠度仿真分析过程中涉及的相关参数，比如部件的可靠性维修性参数，包括：部件名称、失效与否、下一事件时间、失效率、拆换时间、维修期限、检测率、备件满足率以及后勤响应时间等，这些参数可以以结构体或者类的形式呈现在仿真软件中。相关参数还包括：计划性维修周期、客观条件(天气、跑道结冰)发生概率、平均航段飞行小时、仿真次数、宕机时间、延误次数、仿真总时间以及仿真次数等。计算机设备对相关参数进行数据初始化，比如仿真次数清零、宕机时间清零、延误次数清零、设置仿真总时间以及仿真次数等。
步骤S206，基于最低设备清单以及初始化后的相关参数，并基于子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由子系统中不同部件导致的平均延误次数。
其中，各部件的历史失效时间和历史维修时间，包括各个部件自身已发生过的失效时间数据和维修时间数据，以及与各个部件是同种类型的部件已发生过的失效时间数据和维修时间数据，这里不做限制。延误次数指交通工具未按预先规定时间出发的次数。
具体地，计算机设备基于获取的最低设备清单，以及初始化后的相关参数，并基于子系统中各个部件的历史失效时间数据，以及历史维修时间数据，在仿真工具中对子系统的各个部件进行多次迭代仿真处理，从而确定子系统中不同部件导致的平均延误次数。
在其中一个实施例中，若交通工具是一个飞机，计算机设备基于该飞机的最低设备清单、以及在仿真工具中初始化后的相关参数，并基于飞机子系统中各部件的历史失效时间和历史维修时间，比如飞机动力系统中发动机子系统的汽缸部件和涡轮部件等不同部件的历史失效时间和历史维修时间，对发动机子系统中的汽缸部件和涡轮部件等不同部件进行多次迭代仿真处理，确定由发动机子系统中汽缸部件和涡轮部件等不同的部件分别导致的延误次数，进而得到发动机子系统导致的平均延误次数。
步骤S208，根据平均延误次数、平均航段行驶时间以及仿真总时间，确定子系统的签派可靠度。
其中，平均航段行驶时间是交通工具在每个航段从出发至到达目的地的平均时间，仿真总时间根据工程师想要获取交通工具在多长时间段内的签派可靠度来确定，也可以理解为预先设置的一个行驶总时间。
具体地，计算机设备根据迭代仿真获取到的子系统的平均延误次数、交通工具的平均航段行驶时间、以及设置的仿真总时间，确定相应子系统的签派可靠度。
在其中一个实施例中，若交通工具为飞机，计算机设备根据迭代仿真获取到的飞机的某一个子系统A的平均延误次数为N，计算机设备在相关参数初始化时设置的交通工具的平均航段行驶时间为t，仿真总时间为T，当t<<T时，可以认为飞机的实际飞行次数为T/t，那么，子系统A的签派可靠度DR可通过以下公式进行计算：
Figure BDA0003487290460000091
步骤S210，根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定交通工具的签派可靠度。
具体地，计算机设备按照子系统---系统的所属关系，根据多个子系统分别迭代仿真得到的各个子系统的签派可靠度，确定所属系统的签派可靠度，再按照系统---交通工具的所属关系，根据各个系统的签派可靠度，确定交通工具的签派可靠度。
在其中一个实施例中，如前实施例所述，交通工具为飞机，飞机中的子系统A的签派可靠度为DR，且子系统A所属的系统S1中包括n个子系统，假设各个子系统相互独立，定义第i个(0≤i≤n)子系统的签派可靠度为DRi，那么，系统S1中的签派可靠度
Figure BDA0003487290460000092
的计算公式为：
Figure BDA0003487290460000093
在其中一个实施例中，如前实施例所述，飞机中系统S1的签派可靠度为
Figure BDA0003487290460000094
飞机中共包括系统的总数为m，假设各系统相互独立，定义第j个(0≤j≤m)系统的签派可靠度为
Figure BDA0003487290460000095
那么，这个飞机的整机签派可靠度DRa的计算公式为：
Figure BDA0003487290460000101
上述交通工具的签派可靠度分析方法中，首先确定交通工具中所包含的多个系统，以及每个系统各自所包括的子系统，并确定各个子系统所包含的部件，这样可以确定交通工具中的系统、子系统以及部件的所属关系。然后获取该交通工具的最低设备清单以及在仿真分析过程中涉及的相关参数，并将相关参数进行初始化，方便后续仿真过程中对相关参数的使用。然后基于最低设备清单、初始化后的相关参数以及子系统中各部件的历史失效时间和历史维修时间，对子系统中的不同部件进行多次迭代仿真处理，从而确定由子系统中不同部件导致的平均延误次数，这样，通过迭代仿真的方法可以全面的考虑到子系统中各个部件可能导致的延误次数。再根据得到的平均延误次数、以及初始化的相关参数中的平均航段行驶时间以及仿真总时间，确定子系统的签派可靠度，最后根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定交通工具的签派可靠度。这样，基于子系统中各部件的历史失效时间和历史维修时间，通过循环迭代的仿真方法，可以全面获取由子系统中不同部件导致的平均延误次数，进而确定子系统的签派可靠度，这样就能提高子系统签派可靠度分析的准确率，然后再基于各个子系统的签派可靠度，确定多个系统的签派可靠度，进而确定整个交通工具的签派可靠度，这样基于子系统签派可靠度分析的高准确率，就可以提高整个交通工具签派可靠度的分析准确率。
在一个实施例中，确定由子系统中不同部件导致的平均延误次数，包括：根据每次迭代仿真所得到的延误次数确定由子系统中不同部件导致的平均延误次数；其中，每次的迭代仿真均通过以下步骤得到延误次数：获取当次迭代仿真中的当前循环对应的排序序列，其中，当次迭代仿真中当前循环的初始的排序序列中包括有与子系统中各部件分别对应的抽样事件，且抽样事件按时间先后顺序进行排序，抽样事件包括失效抽样事件和修复抽样事件；确定排序序列中的第一个抽样事件为目标事件；确定目标事件所对应的排序时间是否达到仿真总时间；若目标事件所对应的时间没有达到仿真总时间，则根据目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间；根据新的事件时间确定新的抽样事件，基于新的抽样事件对排序序列进行更新，并将更新的排序序列作为当次迭代仿真中的下一次循环所对应的排序序列，返回确定排序序列中的第一个抽样事件为目标事件的步骤继续执行，直至目标事件所对应的时间达到仿真总时间时停止循环，得到当次迭代仿真所对应的延误次数。
其中，在排序序列中，每一个部件的修复抽样事件与失效抽样事件具有一定的对应关系，即修复抽样事件一定是排列在同一部件的失效抽样事件之后的，因为修复抽样事件是对同一部件的失效抽样事件所对应的失效功能进行修复。事件类型包括失效事件和修复事件，失效抽样事件对应的事件类型是失效事件，修复抽样事件对应的事件类型是修复事件。延误预测是根据目标事件所述的事件类型，以及最低设备清单，预测目标事件是否会导致交通工具的延误。
具体地，计算机设备对迭代仿真涉及的相关参数进行初始化之后，获取子系统中当次迭代仿真中的当前循环对应的各部件的失效抽样事件和修复抽样事件，并对各部件的失效抽样事件和修复抽样事件按照发生的时间的先后顺序进行排序，得到排序列表，计算机设备将排序序列中的第一个抽样事件作为目标事件，判断目标事件所对应的排序时间是否达到了相关参数初始化时设置的仿真总时间，若没有达到，根据目标事件所属的事件类型，预测目标事件是否会导致交通工具延误，若会导致延误，则记录此次延误，从而得到当前循环对应的延误次数，并抽样生成新的事件时间。计算机设备根据新的事件时间确定新的抽样事件，并根据新的事件时间将新的抽样事件加入到当次迭代仿真中的当前循环对应的排序序列中，对当前循环的排序序列进行更新，并将更新的排序序列作为当次迭代仿真中的下一次循环所对应的排序序列。然后继续返回到确定排序序列中的第一个抽样事件为目标事件的步骤继续执行，直至确定的目标事件所对应的时间达到初始化设置的仿真总时间时，停止循环，得到当次迭代仿真所对应的延误次数，根据当次迭代仿真所对应的延误次数，可以确定由子系统中不同部件导致的平均延误次数。
在其中一个实施例中，计算机设备获取子系统不同部件在当次迭代仿真中的当前循环对应的排序序列，排序序列中包括有与子系统中各部件分别对应的抽样事件，抽样事件包括失效抽样事件和修复抽样事件，各抽样事件按事件发生的时间先后顺序进行排序，比如，子系统B中包含有B1、B2、B3三个部件，部件B1对应有B1失效抽样事件和B1修复抽样事件，部件B2对应有B2失效抽样事件和B2修复抽样事件，部件B3对应有B3失效抽样事件和B3修复抽样事件，计算机设备根据各个部件的失效抽样事件与修复抽样事件的对应关系，以及各个部件的失效抽样事件与修复抽样事件分别对应的时间将各个部件的抽样事件进行排序，得到子系统不同部件在当次迭代仿真中的当前循环对应的排序序列，比如当前循环的排序序列X1为：部件B1的失效抽样事件---部件B2的失效抽样事件---部件B1的修复抽样事件---部件B3的失效抽样事件---部件B2的修复抽样事件---部件B2的修复抽样事件。计算机设备确定排序序列中的第一个抽样事件为目标事件，比如在上述排序序列X1中，部件B1的失效抽样事件就是目标事件，部件B1的失效抽样事件对应的时间为t1，将t1与相关参数初始化时设置的仿真总时间T进行对比，若t1＜T，则根据目标事件——部件B1的失效抽样事件所属的事件类型——失效事件，进行延误预测，得到当前循环所对应的延误次数，同时生成新的事件时间，比如新的事件时间是t1新，计算机设备根据新的事件时间t1新确定新的抽样事件，那么新的抽样事件就是部件B1的失效抽样事件(对应的事件时间是t1新)，只是这个新的抽样事件所对应的时间t1新与目标事件所对应的时间t1可以不一样。
在其中一个实施例中，如前实施例所述，基于新的抽样事件及其对应的时间t1新，计算机设备将新的抽样事件与排序序列X1中除目标事件之外的其他事件重新按照时间的先后顺序进行排序，得到更新的排序序列X2，比如，根据上述实施例中的排序序列X1，按照时间的先后顺序(新的抽样事件对应的事件时间是t1新，部件B3的失效抽样事件对应的事件时间是tB3失，部件B2的修复抽样事件对应的事件时间是tB2修)，因为tB3失＜t1新＜tB2修，所以新的抽样事件将排列在部件B3的失效抽样事件与部件B2的修复抽样事件之间，那么，更新的排序序列X2为：部件B2的失效抽样事件---部件B1的修复抽样事件---部件B3的失效抽样事件---部件B1的失效抽样事件(新的抽样事件)---部件B2的修复抽样事件-部件B2的修复抽样事件。计算机设备再将更新的排序序列X2作为当次迭代仿真中的下一次循环所对应的排序序列，然后重新确定排序序列X2中的第一个抽样事件——部件B2的失效抽样事件为目标事件，继续返回执行与目标事件相关的步骤，直到最新确定的目标事件所对应的时间达到仿真总时间时停止循环，可以得到当次迭代仿真所对应的延误次数。
在其中一个实施例中，若目标事件所对应的排序时间达到仿真总时间，则停止循环，得到当次迭代仿真所对应的延误次数，该延误次数统计了当次迭代仿真的每一次循环中可能导致的延误次数。
在上述实施例中，通过迭代循环仿真的方法，在仿真总时间内，对同一子系统内不同部件的失效抽样事件和修复抽样事件进行多次循环仿真，并预测每一次仿真是否会导致交通工具的延误，同时记录延误次数，最后得到当次迭代仿真在仿真总时间内，子系统中不同部件导致的延误次数，这样，通过循环仿真的方式，多次仿真预测不同部件的抽样事件对延误的影响，可以无遗漏的统计每一个抽样事件导致的延误次数，从而更精确的获取到子系统导致的延误次数的数据，为子系统的签派可靠度的精确计算奠定基础。
在一个实施例中，方法还包括：在当次迭代仿真中的当前循环的目标事件所对应的时间达到仿真总时间时，确定当次迭代仿真所对应的迭代次数是否满足预设的仿真次数条件，若满足，则结束仿真；若不满足，则返回获取当次迭代仿真中的当前循环对应的排序序列的步骤继续执行，直至当次迭代仿真所对应的迭代次数满足预设的仿真次数条件时停止迭代，以得到各次迭代仿真分别对应的延误次数。
其中，预设的仿真次数条件可以是迭代次数大于预设的仿真次数，预设的仿真次数是工程师根据需要通过计算机设备在相关参数初始化时进行设置的，预设的仿真次数可以是100万次或1000万次等，这里不做限制。
具体地，在当次迭代仿真中的当前循环的目标事件所对应的时间达到仿真总时间时，计算机设备确定当次迭代仿真所对应的迭代次数是否满足预设的仿真次数条件，如果满足，则结束迭代仿真流程，如果不满足，则开始新一次的迭代仿真，新一次的迭代仿真仍然从获取当次迭代中的当前循环对应的排序序列的步骤开始向下执行，直至当次迭代仿真所对应的迭代次数满足相关参数初始化时预设的仿真次数条件时停止，每次迭代仿真均能够得到一个延误次数的数据，最后得到与预设的仿真次数相等个数的延误次数的数据。
在其中一个实施例中，相关参数中的仿真总时间初始化为T，预设的仿真次数条件是迭代次数大于预设的仿真次数，预设的仿真次数初始化为M。若当次迭代仿真中的当前循环的目标事件所对应的时间为t2，且t2＞T时，计算机设备确定当次迭代仿真所对应的迭代次数，比如当次迭代仿真所对应的迭代次数为m1，计算机设备确定m1与M的关系，若m1＞M，则结束迭代仿真流程，若m1≤M，则计算机设备继续执行获取当次迭代仿真(第m1次)中的当次循环对应的排序序列的步骤，直到当次迭代仿真所对应的迭代次数大于M时停止迭代，且每一次迭代仿真都会得到一个对应的延误次数的数据，比如，迭代次数为m1时，得到的延误次数是Y1，迭代次数为m2时，得到的延误次数是Y2，等等。
在其中一个实施例中，一个子系统每进行一次迭代仿真，就会得到一个与此次迭代仿真对应的延误次数的数据，若预设的仿真次数初始化为M，那么，就会得到M个延误次数的数据，比如每次迭代仿真的延误次数数据分别为Y1，Y2，…，Ym，则子系统中不同部件导致的平均延误次数可以通过公式(Y1+Y2+…+Ym)/M进行计算。
在上述实施例中，在仿真总时间内，通过多次循环仿真的方法，可以确定子系统不同部件的不同抽样事件在仿真总时间内可能导致的延误次数，再通过迭代仿真的仿真，获取与预设的仿真次数相等的延误次数数据，这样，通过多次迭代仿真，并且每一次迭代仿真里嵌套循环的方法，获取多个延误次数数据，避免了单次迭代仿真或循环仿真可能出现的偶然性，提高了每个子系统延误次数数据获取的精度。
在一个实施例中，根据目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间，包括：若目标事件属于失效事件，则确定目标事件对应的故障是否可检测；若目标事件对应的故障可检测，则根据最低设备清单，确定目标事件对应的交通工具是否被允许签派；若允许签派，则基于目标事件所对应的部件的历史修复时间，生成新的修复时间，并基于新的修复时间确定新的事件时间；若不被允许签派，则更新当次迭代中的当前循环所对应的延误次数，基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并基于新的失效时间确定新的事件时间。
其中，发生失效事件的部件，根据部件失效的情况，该失效部件可能需要更换，也可能需要修复。故障是否可检测指的是检测故障的设备是否能够检测出已发生的故障。签派是指交通工具是否被允许放行并投入当次使用。失效时间是指部件从投入使用到出现故障的中间这段正常工作的时间，修复时间是指部件出现故障到故障修复的中间这段不能正常工作的时间。
具体地，若目标事件属于失效事件，计算机设备确定目标事件对应的故障是否能够被检验设备检测出来，若目标事件对应的故障可检测，那么，计算机设备根据获取的交通工具的最低设备清单中关于该故障的签派策略，确定此目标事件是否会影响相应交通工具的签派。若此目标事件不影响相应交通工具的签派，则根据此目标事件所对应的部件的历史修复时间，生成一个新的修复时间，并基于新的修复时间确定新的事件时间，历史修复时间可从计算机设备获取的相关参数中得到。若此目标事件影响相应交通工具的签派，表示此目标事件会导致相应交通工具出现延误，则计算机设备更新当次迭代中的当前循环所对应的延误次数，并基于此目标事件所对应的部件的历史失效时间，生成一个新的失效时间，并基于新的失效时间确定新的事件时间，历史失效时间可从计算机设备获取的相关参数中得到。
在其中一个实施例中，交通工具是飞机，该飞机的最低设备清单中规定了不同部件出现不同抽样事件时相应的签派策略，包括：若对飞行安全有着重大影响的部件出现失效，则不允许签派；若最低设备清单内无约束的部件出现失效，则设定好该部件的修复期限，允许签派；若最低设备清单内相互约束的部件出现失效，查询相互约束的部件的失效状态，若达到限制条件，不允许签派，若没达到限制条件，设定好修复期限，允许签派，比如限制条件可以是若相互约束的两个部件都出现失效，则不允许签派，若相互约束的两个部件的其中一个部件出现失效，则设定好修复期限，允许签派；若最低设备清单内与客观条件相约束的设部件出现失效，则查询限制条件中的客观条件(比如天气、跑道结冰等)是否出现，若限制条件中的客观条件出现，则不允许签派，若限制条件中的客观条件未出现，则设定好修复期限，允许签派。
在其中一个实施例中，如前实施例所述，交通工具是飞机，且该飞机当前循环的目标事件是部件B1的失效抽样事件，且部件B1的失效抽样事件对应的时间是t1，该目标事件属于失效事件，且该目标事件能够被检测设备检测出来。计算机设备查询已获取的该飞机的最低设备清单，根据最低设备清单中的签派策略，得知部件B1的失效抽样事件不影响该飞机的签派，飞机不会出现延误，那么，计算机设备从获取到的相关参数中，查询部件B1的历史维修时间的数据(也就是在过去的时间里，关于部件B1以及与部件B1是同类部件的所有的维修时间数据)，基于部件B1的历史维修时间的数据，拟合部件B1的修复时间概率分布函数，并使用抽样方法对部件B1的修复时间概率分布函数进行抽样，抽样方法可以是蒙特拉洛抽样法，从而得到当前循环中新的修复时间，比如为t1修，那么基于得到的新的修复时间t1修可以确定新的事件时间为t1+t1修，新的事件时间对应的新的抽样事件为部件B1的失效抽样事件(与当前循环中的目标事件的区别在于两者各自对应的时间不一样)。
在其中一个实施例中，如前实施例所述，交通工具是飞机，且该飞机当前循环的目标事件是部件B1的失效抽样事件，且部件B1的失效抽样事件对应的时间是t1，该目标事件属于失效事件，且该目标事件能够被检测设备检测出来。计算机设备查询已获取的该飞机的最低设备清单，根据最低设备清单中的签派策略，得知部件B1的失效抽样事件影响该飞机的签派，飞机会出现延误，那么，更新当次迭代中的当前循环所对应的延误次数(可以在当次迭代已有的延误次数的基础上增加一次延误次数)，并且，计算机设备查询部件B1是否有备件，若没有，则生成后勤响应时间(后勤响应时间可以是工作人员从其他地方协调并运送部件B1的备件的时间)和部件B1和部件B1备件的拆换时间，若有，则只生成部件B1和部件B1备件的拆换时间，将部件B1换成部件B1的备件后，计算机设备从获取到的相关参数中，查询部件B1的历史失效时间的数据(也就是在过去的时间里，关于部件B1以及与部件B1是同类部件的所有的失效时间数据)，基于部件B1的历史失效时间的数据，拟合部件B1的失效时间概率分布函数，并使用抽样方法对部件B1的失效时间概率分布函数进行抽样，抽样方法可以是蒙特拉洛抽样法，从而得到当前循环中新的失效时间，比如为t1失，那么基于得到的新的失效时间t1失可以确定新的事件时间为t1+t1失，新的事件时间对应的新的抽样事件为部件B1的失效抽样事件(与当前循环中的目标事件的区别在于两者各自对应的时间不一样)。其中，将部件B1换成部件B1的备件后，还可以统计有备件和没有备件两种情况分别对应的延误时间，有备件时，延误时间为拆换时间，没有备件时，延误时间为和拆换时间的和，得到的延误时间可以用于给工程师做记录或参考。
在其中一个实施例中，如前实施例所述，生成后勤响应时间或者拆换时间的方法可以是：计算机设备从获取到的相关参数中，查询部件B1以及与部件B1是同类部件的此前所有的后勤响应时间或者拆换时间的数据，并基于所有的后勤响应时间或者拆换时间的数据，对应拟合出后勤响应时间概率分布函数或者拆换时间概率分布函数，并使用抽样方法对得到的部件B1的后勤响应时间概率分布函数或者拆换时间概率分布函数进行抽样，抽样方法可以是蒙特拉洛抽样法，从而生成当前循环中部件B1对应的后勤响应时间或拆换时间。
在其中一个实施例中，如前实施例所述，交通工具是飞机，且该飞机当前循环的目标事件是部件B1的失效抽样事件，且部件B1的失效抽样事件对应的时间是t1，该目标事件属于失效事件，但该目标事件不能够被检测设备检测出来。因为目标事件不能够被检测设备检测出来，所以也不会导致飞机延误，这种情况下，不需要计算签派延误次数和延误时间，计算机设备只需要生成新的失效时间，并基于新的失效时间确定新的事件时间，新的失效时间的生成方法也可以使用蒙特拉洛抽样法，具体可以参考前述实施例。
在上述实施例中，当目标事件属于失效事件时，根据目标事件的故障是否可检测、可检测的故障是否允许签派，以及不允许签派时是否有备件等多种情况对目标事件是否会导致交通工具的延误进行了全面详细的分析，从而使得到的当次迭代中的当前循环所对应的延误次数更加接近真实情况，并且根据每种情况的分析结果，生成对应的新的事件时间，为当次迭代中的下一次循环做准备。
在一个实施例中，根据目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间，包括：若目标事件属于修复事件，则确定目标事件是否是计划性维修；若目标事件是计划性维修，则修复目标事件所对应的子系统中的所有失效部件，并更新下一次计划维修时间；若修复事件不是计划性维修，则修复目标事件对应的失效部件；基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并将新的失效时间作为新的事件时间。
其中，计划性维修是指不占用交通工具正常使用时间的维修。
具体地，计算机设备确定目标事件的所述类型，若目标事件属于修复事件，则计算机设备根据最低设备清单确定目标事件是否是计划性维修。若目标事件是计划性维修，则计算机设备根据最低设备清单中的记载，执行修复目标事件所对应的子系统中的所有失效部件的步骤，并更新下一次计划维修时间，然后基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并将新的失效时间作为新的事件时间。若修复事件不是计划性维修，则计算机设备执行修复目标事件对应的失效部件的步骤，然后基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并将新的失效时间作为新的事件时间。
在其中一个实施例中，若交通工具是飞机，飞机的最低设备清单中记录有相关部件的维修策略以及修复期限等数据，并且对不同的修复事件都有其是否会影响交通工具签派的规定。比如，当属于最低设备清单内的设备达到修复期限时进行的修复，不计算延误次数与延误时间，这是因为在实际运营中，最低设备清单内的设备故障可以在一定期限内维修，而航空公司往往可以选择在飞机不运营时进行维修，不占用飞机日常运营时间，从而不影响飞机签派可靠度；对于计划内维修的部件，不计算延误次数与延误时间，这是因为在实际运营中，计划性维修属于航空公司计划内事件，不会在这一阶段安排飞机进行运营，从而不影响签派可靠度；对于属于最低设备清单内的设备到达修复期限后的拆换维修，不计算延误次数与延误时间，这是因为在实际运营中，依靠最低设备清单进行故障保留的设备有足够的时间进行备件调配等，其维修时间一般也安排在飞机无飞行计划时，从而不影响签派可靠度。
在其中一个实施例中，如前实施例所述，交通工具是飞机，且该飞机当前循环的目标事件是部件B2的修复抽样事件，且部件B2的修复抽样事件对应的时间是t2，该目标事件属于修复事件，且根据最低设备清单中的记载，该目标事件是计划性维修，那么，根据最低设备清单中的记载，计算机设备执行将目标事件所对应的子系统中的所有失效部件均进行相应的修复的步骤，并且计算机设备根据相关参数中的维修期限等数据，更新相关参数中的下一次计划维修时间。然后计算机设备从获取到的相关参数中，查询部件B2的历史失效时间的数据(也就是在过去的时间里，关于部件B2以及与部件B2是同类部件的所有的失效时间数据)，基于部件B2的历史失效时间的数据，拟合部件B2的失效时间概率分布函数，并使用抽样方法对部件B2的失效时间概率分布函数进行抽样，抽样方法可以是蒙特拉洛抽样法，从而得到当前循环中新的失效时间，比如为t2失，那么基于得到的新的失效时间t2失可以确定新的事件时间为t2+t2失，新的事件时间对应的新的抽样事件为部件B2的修复抽样事件(与当前循环中的目标事件的区别在于两者各自对应的时间不一样)。
在其中一个实施例中，如前实施例所述，交通工具是飞机，且该飞机当前循环的目标事件是部件B2的修复抽样事件，且部件B2的修复抽样事件对应的时间是t2，该目标事件属于修复事件，且根据最低设备清单中的记载，该目标事件不是计划性维修，那么，计算机设备执行修复目标事件对应的失效部件的步骤，失效部件的修复方法也可以参考最低设备清单，然后计算机设备根据部件B2的历史失效时间的数据，使用蒙特卡洛抽样的方法，生成当前循环中新的失效时间t2失，基于得到的新的失效时间t2失可以确定新的事件时间为t2+t2失。
在上述实施例中，当目标事件属于修复事件时，根据目标事件是否是计划性维修对目标事件是否会导致交通工具的延误进行了预测，并且根据不同情况的分析步骤，生成对应的新的失效时间，为当次迭代中的下一次循环做准备。
在一个实施例中，初始的排序序列通过以下步骤得到：基于子系统中各部件的历史失效时间，拟合各部件发生失效事件的失效时间概率分布函数；基于子系统中各部件的历史维修时间，拟合各部件发生修复事件的修复时间概率分布函数；对各部件的失效时间概率分布函数和修复时间概率分布函数分别进行抽样，得到各部件的失效抽样时间和修复抽样时间；将与失效抽样时间对应的失效抽样事件、以及与修复抽样时间对应的修复抽样事件，按照相应的抽样时间进行排序，得到初始的排序序列，其中，同一部件的修复抽样时间在进行排序时需要叠加同一部件的失效抽样时间后再进行排序。
其中，初始的排序序列是指每次迭代开始时第一次循环的排序序列。不同部件的失效时间概率分布函数和修复时间概率分布函数可以是正态分布函数，也可以是指数分布函数，这里不做限制。对失效时间概率分布函数和修复时间概率分布函数进行抽样的方法可以是蒙特卡洛抽样法，这里不做限制。
具体地，计算机设备使用函数拟合方法，基于交通工具子系统中各部件的历史失效时间，拟合各部件发生失效事件的失效时间概率分布函数，并基于子系统中各部件的历史维修时间，拟合各部件发生修复事件的修复时间概率分布函数。然后使用抽样方法，对各部件的失效时间概率分布函数和修复时间概率分布函数分别进行抽样，得到各部件对应的失效抽样时间和修复抽样时间。然后根据各部件对应的失效抽样时间和修复抽样时间，基于同一部件的修复抽样事件一定发生在同一部件的失效抽样事件之后的原则，将与失效抽样时间对应的失效抽样事件、以及与修复抽样时间对应的修复抽样事件，按照相应的抽样时间进行排序，得到初始的排序序列。
在其中一个实施例中，某飞机的子系统C中包含有C1、C2、C3三个部件，计算机设备根据相关参数中C1、C2、C3三个部件的历史失效时间的数据，分别拟合出C1、C2、C3三个部件发生失效事件的失效时间概率分布函数，再根据相关参数中C1、C2、C3三个部件的历史维修时间的数据，分别拟合出C1、C2、C3三个部件发生修复事件的修复时间概率分布函数。计算机设备使用蒙特卡洛抽样法，对C1、C2、C3三个部件的失效时间概率分布函数分别进行抽样，得到C1、C2、C3三个部件的失效抽样时间，分别为tc1失、tc2失、tc3失；计算机设备再使用蒙特卡洛抽样法，对C1、C2、C3三个部件的修复时间概率分布函数分别进行抽样，得到C1、C2、C3三个部件的修复抽样时间，分别为tc1修、tc21修、tc31修，然后根据C1、C2、C3三个部件的失效抽样时间和修复抽样时间，对C1、C2、C3三个部件相应的失效抽样事件和修复抽样事件进行排序，并且同一部件的修复抽样时间在进行初始的排序时需要叠加同一部件的失效抽样时间后再进行排序，比如，tc1失为100个小时，tc2失为150个小时，tc3失为200个小时，tc1修为80个小时，tc2修为70个小时，tc3修为50个小时，那么，在进行抽样事件排序时，tc1修、tc21修、tc31修对应的抽样事件需要分别叠加对应的tc1失、tc2失、tc3失再进行排序，得到的初始的排序序列应该为：部件C1的失效抽样事件(tc1失：100小时)---部件C2的失效抽样事件(tc2失：150小时)---部件C1的修复抽样事件(tc1失+tc1修：100+80小时)---部件C3的失效抽样事件(tc3失：200小时)---部件C2的修复抽样事件(tc2失+tc2修：150+70小时)---部件C3的修复抽样事件(tc3失+tc3修：200+50小时)。
在上述实施例中，通过使用抽样方法对大量的各部件发生不同抽样事件对应的时间数据进行抽样，可以避免不同抽样事件发生时间的偶然性，并且，结合实际情况，将同一部件的修复抽样事件排列在失效抽样事件之后，使得在仿真总时间内发生的抽样事件更加贴近真实情况，减小了仿真结果与实际结果的误差，为提高交通工具签派可靠度的分析准确率奠定基础。
在其中一个实施例中，交通工具为飞机，计算机设备确定了飞机中包括的多个系统、每个系统中包含的子系统以及每个子系统中包含的部件，并获取了飞机的最低设备清单以及仿真过程中的相关参数。计算机设备首先选取其中的一个子系统，根据图3所示的流程步骤，仿真获取该子系统的签派可靠度。首先对相关参数进行初始化，包括预设的仿真次数要求、仿真总时间以及平均航段行驶时间，然后开始执行该子系统的迭代仿真工作，首先判断当前的迭代仿真次数是否达到预设的仿真次数要求，若没有达到，则根据该子系统中不同部件的历史失效时间和历史维修时间数据，通过拟合时间概率分布函数的方法，抽样并生成不同部件对应抽样事件(失效抽样事件和修复抽样事件)的时间，根据不同部件对应抽样事件的时间，对不同部件的不同抽样事件进行排序，得到排序序列，然后将排序序列中的第一个抽样事件作为目标事件，确定该目标事件所对应的排序时间是否达到仿真总时间，若没有达到，则根据该目标事件所属的事件类型，执行相应的操作。若该目标事件属于失效事件，则判断该目标事件对应的故障是否能够被检测设备检测到，若该故障不能够被检测，则可以使用抽样方法，根据相应部件的历史失效时间数据生成新的失效时间，基于新的失效时间确定新的事件时间，并将新的事件时间对应的新的事件重新排列在当前循环的排序序列中，形成下一次循环的排序序列，若该故障能够被检测，则根据最低设备清单中记载的签派策略，判断该故障下的飞机是否允许签派；若该故障下的飞机允许签派，则可以使用抽样方法，根据相应部件的历史维修时间数据生成新的修复时间，基于新的修复时间确定新的事件时间，并将新的事件时间对应的新的事件重新排列在当前循环的排序序列中，形成下一次循环的排序序列，若该故障下的飞机不允许签派，则将当次迭代仿真中的当前循环的延误次数加1，并判断该故障对应的部件是否有备件；若该故障对应的部件有备件，则可以根据最低设备清单中的记载或者根据该部件(或同类部件)的历史拆换时间数据，使用抽样的方法生成该部件的拆换时间，若该故障对应的部件没有备件，则可以根据最低设备清单中的记载或者根据该部件(或同类部件)的历史后勤响应时间数据，使用抽样的方法生成该部件的后勤响应时间，然后再根据最低设备清单中的记载或者根据该部件(或同类部件)的历史拆换时间数据，使用抽样的方法生成该部件的拆换时间，最后统计是否有备件时分别对应的延误时间，然后再可以使用抽样方法，根据相应部件的历史失效时间数据生成新的失效时间，基于新的失效时间确定新的事件时间，并将新的事件时间对应的新的事件重新排列在当前循环的排序序列中，形成下一次循环的排序序列。若该目标事件属于修复事件，则判断该目标事件是否是计划性维修，若目标事件是计划性维修，则可以根据最低设备清单中的记载，修复目标事件所对应的子系统中的所有失效部件，并更新下一次计划维修时间，然后使用抽样方法，根据相应部件的历史失效时间数据生成新的失效时间，基于新的失效时间确定新的事件时间，并将新的事件时间对应的新的事件重新排列在当前循环的排序序列中，形成下一次循环的排序序列；若修复事件不是计划性维修，则可以根据最低设备清单中的记载，修复目标事件对应的失效部件，然后使用抽样方法，根据相应部件的历史失效时间数据生成新的失效时间，基于新的失效时间确定新的事件时间，并将新的事件时间对应的新的事件重新排列在当前循环的排序序列中，形成下一次循环的排序序列。
继续参考图3所示的流程图，当当次迭代中的当前循环的目标事件所对应的时间达到所述仿真总时间时，将当前迭代仿真的次数加1，返回开始迭代仿真的步骤重新执行，直到当次迭代仿真所对应的迭代次数满足预设的仿真次数条件时停止迭代，结束仿真。统计每次迭代仿真获得的延误次数的数据，将所有延误次数的数据相加，再除以预设的仿真次数，得到子系统的平均延误次数，计算机设备再根据仿真总时间和平均航段行驶时间，计算飞机的计划飞行次数，最后根据子系统签派可靠度的计算公式获取该子系统的签派可靠度。
在其中一个实施例中，根据各个子系统的签派可靠度，使用系统签派可靠度的计算公式获取该子系统所属系统的签派可靠度，再根据计算得到的各个系统签派可靠度，使用整个交通工具签派可靠度的计算公式获取该系统所属交通工具的签派可靠度。
在上述实施例中，通过迭代仿真和循环仿真的方法，对交通工具子系统中各部件的历史失效时间以及历史维修时间进行抽样和排序，并根据当下最低设备清单中的维修策略、以及备件保障情况来判断子系统的延误状态，进而得到子系统的签派可靠度，从而推导出系统的签派可靠度，以及整个交通工具的签派可靠度。这种仿真方法可以应用于交通工具中的不同子系统签派可靠度的获取中，并且本案的仿真方法通过不同的执行分支考虑到了多种签派策略以及维修策略，可以准确且有效的计算出各个子系统的签派可靠度，进而提高整个交通工具签派可靠度的分析准确率。
应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的交通工具的签派可靠度分析方法的交通工具的签派可靠度分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个交通工具的签派可靠度分析装置实施例中的具体限定可以参见上文中对于交通工具的签派可靠度分析方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种交通工具的签派可靠度分析装置，包括：确定模块401、获取模块402和仿真模块403，其中：
确定模块401，用于确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各子系统所包含的部件。
获取模块402，用于获取交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对相关参数进行数据初始化，其中，相关参数中包括平均航段行驶时间和仿真总时间。
仿真模块403，用于基于最低设备清单以及初始化后的相关参数，并基于子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由子系统中不同部件导致的平均延误次数。
确定模块401，还用于根据平均延误次数、平均航段行驶时间以及仿真总时间，确定子系统的签派可靠度。
确定模块401，还用于根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定交通工具的签派可靠度。
在一个实施例中，仿真模块403，还用于根据每次迭代仿真所得到的延误次数确定由子系统中不同部件导致的平均延误次数；其中，每次的迭代仿真均通过以下步骤得到延误次数：获取当次迭代仿真中的当前循环对应的排序序列，其中，当次迭代仿真中当前循环的初始的排序序列中包括有与子系统中各部件分别对应的抽样事件，且抽样事件按时间先后顺序进行排序，抽样事件包括失效抽样事件和修复抽样事件；确定排序序列中的第一个抽样事件为目标事件；确定目标事件所对应的排序时间是否达到仿真总时间；若目标事件所对应的时间没有达到仿真总时间，则根据目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间；根据新的事件时间确定新的抽样事件，基于新的抽样事件对排序序列进行更新，并将更新的排序序列作为当次迭代仿真中的下一次循环所对应的排序序列，返回确定排序序列中的第一个抽样事件为目标事件的步骤继续执行，直至目标事件所对应的时间达到仿真总时间时停止循环，得到当次迭代仿真所对应的延误次数。
在一个实施例中，仿真模块403，还用于在当次迭代仿真中的当前循环的目标事件所对应的时间达到仿真总时间时，确定当次迭代仿真所对应的迭代次数是否满足预设的仿真次数条件，若满足，则结束仿真；若不满足，则返回获取当次迭代仿真中的当前循环对应的排序序列的步骤继续执行，直至当次迭代仿真所对应的迭代次数满足预设的仿真次数条件时停止迭代，以得到各次迭代仿真分别对应的延误次数。
在一个实施例中，仿真模块403，还用于若目标事件属于失效事件，则确定目标事件对应的故障是否可检测；若目标事件对应的故障可检测，则根据最低设备清单，确定目标事件对应的交通工具是否被允许签派；若允许签派，则基于目标事件所对应的部件的历史修复时间，生成新的修复时间，并基于新的修复时间确定新的事件时间；若不被允许签派，则更新当次迭代中的当前循环所对应的延误次数，基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并基于新的失效时间确定新的事件时间。
在一个实施例中，仿真模块403，还用于若目标事件属于修复事件，则确定目标事件是否是计划性维修；若目标事件是计划性维修，则修复目标事件所对应的子系统中的所有失效部件，并更新下一次计划维修时间；若修复事件不是计划性维修，则修复目标事件对应的失效部件；基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并将新的失效时间作为新的事件时间。
在一个实施例中，仿真模块403，还用于基于子系统中各部件的历史失效时间，拟合各部件发生失效事件的失效时间概率分布函数；基于子系统中各部件的历史维修时间，拟合各部件发生修复事件的修复时间概率分布函数；对各部件的失效时间概率分布函数和修复时间概率分布函数分别进行抽样，得到各部件的失效抽样时间和修复抽样时间；将与失效抽样时间对应的失效抽样事件、以及与修复抽样时间对应的修复抽样事件，按照相应的抽样时间进行排序，得到初始的排序序列，其中，同一部件的修复抽样时间在进行排序时需要叠加同一部件的失效抽样时间后再进行排序。
上述交通工具的签派可靠度分析装置，首先确定交通工具中所包含的多个系统，以及每个系统各自所包括的子系统，并确定各个子系统所包含的部件，这样可以确定交通工具中的系统、子系统以及部件的所属关系。然后获取该交通工具的最低设备清单以及在仿真分析过程中涉及的相关参数，并将相关参数进行初始化，方便后续仿真过程中对相关参数的使用。然后基于最低设备清单、初始化后的相关参数以及子系统中各部件的历史失效时间和历史维修时间，对子系统中的不同部件进行多次迭代仿真处理，从而确定由子系统中不同部件导致的平均延误次数，这样，通过迭代仿真的方法可以全面的考虑到子系统中各个部件可能导致的延误次数。再根据得到的平均延误次数、以及初始化的相关参数中的平均航段行驶时间以及仿真总时间，确定子系统的签派可靠度，最后根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定交通工具的签派可靠度。这样，基于子系统中各部件的历史失效时间和历史维修时间，通过循环迭代的仿真方法，可以全面获取由子系统中不同部件导致的平均延误次数，进而确定子系统的签派可靠度，这样就能提高子系统签派可靠度分析的准确率，然后再基于各个子系统的签派可靠度，确定多个系统的签派可靠度，进而确定整个交通工具的签派可靠度，这样基于子系统签派可靠度分析的高准确率，就可以提高整个交通工具签派可靠度的分析准确率。
上述交通工具的签派可靠度分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储仿真过程中涉及的相关参数及其初始化数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交通工具的签派可靠度分析方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种交通工具的签派可靠度分析方法，其特征在于，所述方法包括：
确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
2.根据权利要求1所述的方法，其特征在于，所述确定由所述子系统中不同部件导致的平均延误次数，包括：
根据每次迭代仿真所得到的延误次数确定由所述子系统中不同部件导致的平均延误次数；
其中，每次的迭代仿真均通过以下步骤得到延误次数：
获取当次迭代仿真中的当前循环对应的排序序列，其中，所述当次迭代仿真中当前循环的初始的排序序列中包括有与所述子系统中各部件分别对应的抽样事件，且所述抽样事件按时间先后顺序进行排序，所述抽样事件包括失效抽样事件和修复抽样事件；
确定所述排序序列中的第一个抽样事件为目标事件；
确定所述目标事件所对应的排序时间是否达到所述仿真总时间；
若所述目标事件所对应的时间没有达到所述仿真总时间，则根据所述目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间；
根据所述新的事件时间确定新的抽样事件，基于所述新的抽样事件对所述排序序列进行更新，并将更新的排序序列作为当次迭代仿真中的下一次循环所对应的排序序列，返回所述确定所述排序序列中的第一个抽样事件为目标事件的步骤继续执行，直至目标事件所对应的时间达到所述仿真总时间时停止循环，得到当次迭代仿真所对应的延误次数。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在当次迭代仿真中的当前循环的目标事件所对应的时间达到所述仿真总时间时，确定当次迭代仿真所对应的迭代次数是否满足预设的仿真次数条件，若满足，则结束仿真；
若不满足，则返回所述获取当次迭代仿真中的当前循环对应的排序序列的步骤继续执行，直至当次迭代仿真所对应的迭代次数满足预设的仿真次数条件时停止迭代，以得到各次迭代仿真分别对应的延误次数。
4.根据权利要求2所述的方法，其特征在于，所述根据所述目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间，包括：
若所述目标事件属于失效事件，则确定所述目标事件对应的故障是否可检测；
若所述目标事件对应的故障可检测，则根据所述最低设备清单，确定所述目标事件对应的交通工具是否被允许签派；
若允许签派，则基于所述目标事件所对应的部件的历史修复时间，生成新的修复时间，并基于所述新的修复时间确定新的事件时间；
若不被允许签派，则更新当次迭代中的当前循环所对应的延误次数，基于所述目标事件所对应的部件的历史失效时间，生成新的失效时间，并基于所述新的失效时间确定新的事件时间。
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标事件所属的事件类型，进行延误预测，得到延误次数，并生成新的事件时间，包括：
若所述目标事件属于修复事件，则确定所述目标事件是否是计划性维修；
若所述目标事件是计划性维修，则修复目标事件所对应的子系统中的所有失效部件，并更新下一次计划维修时间；
若所述修复事件不是计划性维修，则修复目标事件对应的失效部件；
基于目标事件所对应的部件的历史失效时间，生成新的失效时间，并将所述新的失效时间作为新的事件时间。
6.根据权利要求2所述的方法，其特征在于，所述初始的排序序列通过以下步骤得到：
基于所述子系统中各部件的历史失效时间，拟合各部件发生失效事件的失效时间概率分布函数；
基于所述子系统中各部件的历史维修时间，拟合各部件发生修复事件的修复时间概率分布函数；
对各部件的所述失效时间概率分布函数和所述修复时间概率分布函数分别进行抽样，得到各部件的失效抽样时间和修复抽样时间；
将与所述失效抽样时间对应的失效抽样事件、以及与所述修复抽样时间对应的修复抽样事件，按照相应的抽样时间进行排序，得到初始的排序序列，其中，同一部件的修复抽样时间在进行排序时需要叠加同一部件的失效抽样时间后再进行排序。
7.一种交通工具的签派可靠度分析装置，其特征在于，所述装置包括：
确定模块，用于确定交通工具中的多个系统，以及每个系统各自所包括的子系统，确定各所述子系统所包含的部件；
获取模块，用于获取所述交通工具的最低设备清单，以及仿真过程中涉及的相关参数，并对所述相关参数进行数据初始化，其中，所述相关参数中包括平均航段行驶时间和仿真总时间；
仿真模块，用于基于所述最低设备清单以及初始化后的相关参数，并基于所述子系统中各部件的历史失效时间和历史维修时间，进行多次迭代仿真处理，以确定由所述子系统中不同部件导致的平均延误次数；
所述确定模块，还用于根据所述平均延误次数、所述平均航段行驶时间以及所述仿真总时间，确定所述子系统的签派可靠度；
所述确定模块，还用于根据每个系统各自所包括的子系统的签派可靠度，确定每个系统的签派可靠度，并根据多个系统的签派可靠度，确定所述交通工具的签派可靠度。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210084996.3A 2022-01-25 2022-01-25 交通工具的签派可靠度分析方法、装置和计算机设备 Active CN114580842B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210084996.3A CN114580842B (zh) 2022-01-25 2022-01-25 交通工具的签派可靠度分析方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210084996.3A CN114580842B (zh) 2022-01-25 2022-01-25 交通工具的签派可靠度分析方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN114580842A true CN114580842A (zh) 2022-06-03
CN114580842B CN114580842B (zh) 2022-12-09

Family

ID=81768849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210084996.3A Active CN114580842B (zh) 2022-01-25 2022-01-25 交通工具的签派可靠度分析方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN114580842B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130274992A1 (en) * 2012-04-12 2013-10-17 Airbus Method, devices and program for computer-aided preventive diagnostics of an aircraft system, using critical event charts
CN104361169A (zh) * 2014-11-12 2015-02-18 武汉科技大学 一种基于分解法建模的可靠性监测方法
US20170060792A1 (en) * 2015-09-01 2017-03-02 The Boeing Company Platform Management System, Apparatus, and Method
CN106815013A (zh) * 2016-12-15 2017-06-09 北京航天测控技术有限公司 一种双向交互的民用客机健康管理地面支持系统架构
CN109375241A (zh) * 2018-12-11 2019-02-22 中国民航大学 北斗raim可用性预测系统及预测方法
CN110704215A (zh) * 2019-08-16 2020-01-17 南京航空航天大学 一种机载冗余系统带多重故障运行的时间间隔计算方法
CN111191324A (zh) * 2019-12-24 2020-05-22 中国航空工业集团公司西安飞机设计研究所 一种考虑限制条件的签派可靠度预计方法及装置
CN111814257A (zh) * 2020-07-20 2020-10-23 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）） 民用飞机的运营可靠度分析方法、系统及电子设备
CN113962309A (zh) * 2021-10-25 2022-01-21 中国船舶工业综合技术经济研究院 一种无人船可靠性测试与评价方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130274992A1 (en) * 2012-04-12 2013-10-17 Airbus Method, devices and program for computer-aided preventive diagnostics of an aircraft system, using critical event charts
CN104361169A (zh) * 2014-11-12 2015-02-18 武汉科技大学 一种基于分解法建模的可靠性监测方法
US20170060792A1 (en) * 2015-09-01 2017-03-02 The Boeing Company Platform Management System, Apparatus, and Method
CN106815013A (zh) * 2016-12-15 2017-06-09 北京航天测控技术有限公司 一种双向交互的民用客机健康管理地面支持系统架构
CN109375241A (zh) * 2018-12-11 2019-02-22 中国民航大学 北斗raim可用性预测系统及预测方法
CN110704215A (zh) * 2019-08-16 2020-01-17 南京航空航天大学 一种机载冗余系统带多重故障运行的时间间隔计算方法
CN111191324A (zh) * 2019-12-24 2020-05-22 中国航空工业集团公司西安飞机设计研究所 一种考虑限制条件的签派可靠度预计方法及装置
CN111814257A (zh) * 2020-07-20 2020-10-23 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）） 民用飞机的运营可靠度分析方法、系统及电子设备
CN113962309A (zh) * 2021-10-25 2022-01-21 中国船舶工业综合技术经济研究院 一种无人船可靠性测试与评价方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WEN ZHAN等: "Redefinition of dispatch reliability along with dispatch modeling and simulation", 《2016 ANNUAL RELIABILITY AND MAINTAINABILITY SYMPOSIUM (RAMS)》 *
汪震宇: "面向签派可靠度的MMEL制定技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 *
蔡蔚荣: "民用飞机可靠性指标预计方法研究", 《科技视界》 *
陈洁: "基于PMMEL的民机飞控系统签派可靠度计算", 《第六届民用飞机航电国际论坛论文集中国航空学会会议论文集》 *

Also Published As

Publication number Publication date
CN114580842B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
US8887008B2 (en) Maintenance planning and failure prediction from data observed within a time window
US8019504B2 (en) Aircraft maintenance analysis tool
US9002722B2 (en) Lifecycle obsolescence forecasting tool
US8209300B2 (en) Online tracking of life-limited parts
US20140278713A1 (en) Asset forecasting in asset intensive enterprises
US20160110933A1 (en) Generating Cumulative Wear-Based Indicators for Vehicular Components
TWI731146B (zh) 飛機故障處理系統和方法及電腦設備
SINGH et al. Probabilistic assessment of two-unit parallel system with correlated lifetime under inspection using regenerative point technique
US20190107815A1 (en) Data architecture and improved model object interfaces for supporting integration of multiple disparate databases useable to model availability of a fleet of vehicles
Wang et al. A framework of discrete-event simulation modeling for prognostics and health management (PHM) in airline industry
US10317870B1 (en) Manufacturing controller for aircraft
WO2021113360A1 (en) Efficient fault prevention and repair in complex systems
CN116324638A (zh) 预防性维护和使用寿命分析工具
Kowalski et al. Analysis of transportation system with the use of Petri nets
CN114580842B (zh) 交通工具的签派可靠度分析方法、装置和计算机设备
Revetria et al. A generalized simulation framework to manage logistics systems: a case study in waste management and environmental protection
Magott et al. Analysis of possibilities of timing dependencies modelling–example of logistic support system
CN112308344A (zh) 一种未离港航班订座值预测方法、装置及电子设备
Yun et al. Metaheuristic-based inspection policy for a one-shot system with two types of units
Liu et al. Optimal inspection intervals for multi-one-shot systems
Magott et al. Logistic system modeling using fault trees with time dependencies–Example of tram network
Harrison et al. Optimisation of Maintenance Operations Involving Three Integrated Departments at a Local Oil Company in Trinidad
Rolim et al. Discrete-event simulation for performance evaluation of maintenance operations in a bus garage
Fricks et al. Availability modeling of energy management systems
Triki et al. Approximation neighborhood evaluation for the design of the logistics support of complex engineering systems

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