CN115480546B - 基于不确定性理论的多业务系统可用性评估方法 - Google Patents
基于不确定性理论的多业务系统可用性评估方法 Download PDFInfo
- Publication number
- CN115480546B CN115480546B CN202211171853.2A CN202211171853A CN115480546B CN 115480546 B CN115480546 B CN 115480546B CN 202211171853 A CN202211171853 A CN 202211171853A CN 115480546 B CN115480546 B CN 115480546B
- Authority
- CN
- China
- Prior art keywords
- service
- availability
- control module
- central control
- equipment
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 152
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000008439 repair process Effects 0.000 claims abstract description 22
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims description 25
- 238000010168 coupling process Methods 0.000 claims description 25
- 238000005859 coupling reaction Methods 0.000 claims description 25
- SOBMVBSSEJZEBX-UHFFFAOYSA-N 2-[2,2-bis(2-octadecanoyloxyethoxymethyl)butoxy]ethyl octadecanoate Chemical compound CCCCCCCCCCCCCCCCCC(=O)OCCOCC(CC)(COCCOC(=O)CCCCCCCCCCCCCCCCC)COCCOC(=O)CCCCCCCCCCCCCCCCC SOBMVBSSEJZEBX-UHFFFAOYSA-N 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 10
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 239000013589 supplement Substances 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 11
- 238000005315 distribution function Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明涉及可用性评估技术领域，尤其涉及一种基于不确定性理论的多业务系统可用性评估方法,包括：中控模块根据系统特征，确定系统业务向量Tx，确定i业务涉及的支持设备矩阵LIPQ，输入设备故障及其功能故障模式的故障率，确定Ti业务无故障条件下的最大可用性AiR0，根据不确定性理论对Ti业务的可靠度Ri(t)进行计算，使用蒙特卡罗法对失败的p设备q模式的故障时间进行确定，根据备件和修复条件计算p设备q模式故障状态下系统的可用性ARF并多次循环，取可用性ARF均值；当所述中控模块完成对于故障状态下的系统可用性计算时，根据Ai＝Ri(t)AR0+(1‑Ri(t))ARF公式计算Ti业务的可用性，最终，综合多业务计算系统的总体可用性。本发明实现了多业务系统可用性评估的计算。
Description
技术领域
本发明涉及可用性评估领域，尤其涉及一种基于不确定性理论的多业务与系统可用性评估方法。
背景技术
在工业化和系统集成发展迅速的情况下，一旦多业务系统中的设备漏洞被攻击者利用，将会对工业企业造成经济、商誉等各方面的损害。因此，对网络协同制造平台的安全风险进行评估是保障信息系统和设备安全的重要环节。
现有技术在针对多业务系统可用性评估方法方面存在精准性不足和可操作性不足的问题。
中国专利公开号：CN101741609A。公开了一种业务支撑系统可用性的评估方法及系统，以解决现有技术中评估业务支撑系统可用性效率低、较繁琐的问题。本发明方法包括以下步骤：采集所述业务支撑系统中各业务子系统的评估单元的运行数据；根据采集到的运行数据，对各评估单元的可用性进行评估；根据各业务子系统的评估单元的可用性评估结果，对相应业务子系统的可用性进行评估；根据各业务子系统的可用性评估结果，对所述业务支撑系统的可用性进行评估。由此可见，所述业务支撑系统可用性的评估方法及系统存在以下问题：该方法仅使用实际情况作为参考，无法对设备运行过程中出现的不同情况进行模拟，导致无法针对设备的无故障时间进行全方位的模拟，导致针对设备可用性的评估精度降低，同时导致该方法的实用性变差。
发明内容
为此，本发明提供一种基于不确定性理论的多业务系统可用性评估方法，用以克服现有技术中多业务系统可用性评估的精准性和实用性不足的问题。
为实现上述目的，本发明提供一种基于不确定性理论的多业务系统可用性评估方法,包括：
步骤S1,中控模块根据系统的功能确定系统的多项业务，进而确定系统业务向量TX，同时，根据每项业务的实际使用时间占比确定第i业务Ti使用时间占比,以作为将各个子业务综合为总体可用性的依据，设定i＝1，2，3...，n，其中n为自然数，删除对于使用时间占比为0的业务,并优化系统业务向量TX；中控模块输入执行i业务时p设备q功能故障模式的故障率以计算可靠度函数Ripq(t)；
步骤S2,当所述中控模块完成对于系统业务向量的确定时，中控模块依次根据p设备q功能与Ti业务是否相关确定矩阵LIPQ中的元素，此处的是否相关判定一是根据p设备q功能是否与Ti业务存在显性的逻辑关系；二是根据发生故障的历史数据判断p设备q功能是否和业务Ti是否存在隐蔽耦合关系以对矩阵LIPQ进行补充；
步骤S3,当所述中控模块完成LIPQ确定时，中控模块根据涉及的设备确定Ti业务的无故障平均使用时间MTU和设备完成Ti业务的无故障平均保障时间MTTS，建立业务可用性计算模型1，并根据业务可用性计算模型1对Ti业务无故障条件下的最大可用性AIR0进行计算；其中，MTTS包括周期性工作保障时间和日常性工作保障时间，业务可用性计算模型1的计算公式为：
步骤S4,所述中控模块针对所述p设备q功能故障，根据不确定性理论对Ti业务的可靠度Ri(t)进行计算，中控模块在计算前将所述Ti业务的所有必须设备及其q功能基于业务路径和串并联关系建成由若干设备串并联而成的链式模型，在链式模型建成后，中控模块根据系统的串联或并联选用对应的计算公式对Ti业务的可靠度Ri(t)进行计算，
对于串联系统，设定其含义为取矩阵LIPQ中的最小值；
对于并联系统，设定其含义为取矩阵LIPQ中的最大值；
其中，i表示第i业务，p表示完成第i业务的设备的编号，q表示p设备的特定功能编号，当p设备的q功能丧失时，p设备出现q功能故障；
步骤S5,当所述中控模块完成对于所述Ti业务的可靠度计算时，中控模块使用蒙特卡罗法对失败的p设备的q模式的具体故障时间点进行确定，该处的失败的p设备的q模式在串联里是可靠度最小值对应的设备，并联里是可靠度最大值对应的设备；
步骤S6,当所述中控模块完成对于失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间建立业务可用性计算模型2，并基于业务可用性计算模型2对设备存在备件情况下的业务可用性进行计算，当中控模块判定p设备不存在备件时，中控模块根据p设备可抢修情况下的抢修时间，建立业务可用性计算模型3，并基于业务可用性计算模型3对p设备可抢修情况下的业务可用性进行计算，若p设备不可抢修则判定该种情况下系统的可用性为0，中控模块多次循环判定过程以求得针对p设备故障情况下的可用性均值AIRF；
步骤S7,当所述中控模块完成对于故障状态下的可用性均值AIRF计算和无故障状态下的业务可用性AIR0计算时，中控模块计算所述Ti业务的可用性Ai，设定Ai＝(1-Ri(t))AIRF+Ri(t)AIR0；当所述中控模块在完成对各业务的可用性的计算时，中控模块使用加权求平均值的方式计算p设备的系统可用性A，设定A＝(B1×A1+B2×A2+B3×A3+...+Bn×An)/n，对于Bi，设定i＝1，2，3，...，n，其为第i业务Ti的使用时间占比。
进一步地，在所述步骤S2中，当所述中控模块根据所述p设备q功能是否和所述Ti业务相关以对所述矩阵LIPQ的元素进行确定时，
若出现p设备q功能故障时Ti业务可以正常完成，所述中控模块判定p设备q功能和Ti业务不相关，不将该p设备q功能纳入矩阵中；
若出现p设备q功能故障时Ti业务无法完成，所述中控模块判定p设备q功能和Ti业务相关，并将该p设备q功能作为参数纳入矩阵LIPQ中。
进一步地，当所述中控模块完成对于矩阵LIPQ的元素的确定时，中控模块根据p设备与Ti业务是否存在显性逻辑关系，对Ti业务与矩阵LIPQ是否存在相关性进行判定，显性逻辑关系包括p设备与Ti业务在能量上的供给关系、信息上的信号业务流程关系、信号逻辑关系以及安装上的安装支撑关系，
若不存在显性逻辑关系，所述中控模块判定所述Ti业务与所述矩阵LIPQ不存在相关性；
若存在至少一个显性逻辑关系，所述中控模块判定所述Ti业务与所述矩阵LIPQ存在相关性。
进一步地，当所述中控模块完成对于所述Ti业务与所述矩阵LIPQ的相关性的判定时，中控模块根据发生故障的历史数据对p设备和Ti业务是否存在隐蔽耦合关系进行判定，并在判定p设备和Ti业务存在隐蔽耦合关系的情况下对所述矩阵LIPQ中的元素进行补充，
若发生故障的历史数据中的所述p设备与所述Ti业务不存在显性逻辑关系但p设备q功能故障发生导致Ti业务故障，所述中控模块判定p设备和Ti业务之间存在潜在隐蔽耦合关系，并将p设备及与q功能对应的故障模式作为参数补充至LIPQ矩阵；
若发生故障的历史数据中的所述p设备与所述Ti业务不存在显性逻辑关系且p设备q功能故障发生不会导致Ti业务故障，所述中控模块判定p设备和Ti业务之间不存在潜在隐蔽耦合关系，不对所述LIPQ矩阵中的参数进行补充。
进一步地，在所述步骤S3中，所述中控模块根据所述p设备的Ti业务的无故障平均使用时间MTU和设备完成Ti业务的无故障平均保障时间MTTS对p设备无故障条件下的Ti业务可用性进行确定，设定p设备无故障条件下针对Ti业务的最大可用性AR0的计算公式为：AR0＝MTU/MTTS+MTU,其中，MTTS，p设备无故障状态下满足基本使用所需的平均保障时间，设定MTTS＝Tp+TD，其中，Tp为p设备的实际周期性保障时间、TD为p设备的实际日常性保障时间。
进一步地，在所述步骤S4中，当所述中控模块完成对于所述p设备无故障条件下的Ti业务可用性的确定时，中控模块根据p设备执行Ti任务的次数Ni和执行Ni次Ti任务中出现q功能故障的次数NFipq对函数Pipq(T＞t)进行确定，设定Pipq(T＞t)＝NFipq/Ni。
进一步地，当所述中控模块完成对于所述函数Pipq(T＞t)的确定时，中控模块根据所述函数Pipq(T＞t)对可靠度函数Ripq(t)进行确定，设定Ripq(t)＝Pipq(T＞t)，其中，t为p设备执行Ti任务的持续时间、T为p设备持续执行Ti任务直至出现q功能故障的时间。
进一步地，当所述中控模块完成对于业务的可靠度计算以及基于蒙特卡罗法对失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间和p设备不存在备件情况下的抢修时间对建立业务可用性计算模型2或建立业务可用性计算模型3进行判定并基于业务可用性计算模型2和业务可用性计算模型3对p设备q故障情况下的系统可用性进行N次仿真计算并求出均值，
若设备存在备件，所述中控模块判定对p设备进行更换、统计更换所需时间并建立针对p设备q故障状态下的业务可用性计算模型2；
若设备不存在备件，所述中控模块判定不建立针对p设备q故障状态下的业务可用性计算模型2并根据p设备是否能够抢修判定是否建立业务可用性计算模型3；
若p设备可抢修，所述中控模块对p设备进行修复、统计修复所需时间并建立针对p设备q故障状态下的业务可用性计算模型3；若p设备不可抢修，所述中控模块判定所述系统针对所述Ti业务的可用性为0。
进一步地，当所述中控模块完成对于所述系统针对所述Ti业务的可用性计算模型的确定时，中控模块根据p设备备件更换时间或p设备更换时间对系统可用性计算模型的计算公式进行确定，其中，所述业务可用性计算模型2的计算公式为：ARF’＝MTU/(MTTS+MTU+MTTT)，所述业务可用性计算模型3的计算公式为：ARF”＝MTU/(MTTS+MTU+MTTTS)，其中，MTTT为最短备件更换时间，MTTTS为最短设备修复时间。
进一步地，当所述中控模块完成针对所述系统的可用性计算模型的建立以及N次仿真计算求出所述可用性均值时，中控模块根据所述可用性计算模型1、可用性计算模型2以及可用性计算模型3对所述Ti业务的可用性进行计算，
若设备存在备件，所述中控模块判定该情况下的系统针对Ti业务的可用性计算公式为Ai＝(1-Ri(t))ARF’+Ri(t)AR0；
若设备不存在备件且可抢修，所述中控模块判定该种情况下的系统针对Ti业务的可用性计算公式为Ai＝(1-Ri(t))ARF”+Ri(t)AR0。
与现有技术相比，本发明的有益效果在于，本发明通过设置系统业务向量、无故障平均使用时间、无故障平均准备时间以及不确定性理论，可以根据不确定性理论对业务的可靠度进行更为精准的计算，实现了基于不确定性理论对于多业务系统可用性的精准计算，提高了多业务系统可用性评估方法的精准性，实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过p设备q功能是否和完成Ti业务相关对矩阵的元素进行确定，提高了对于矩阵元素的精准确定，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过设备与业务是否存在信号逻辑关系对业务与矩阵是否存在相关性进行判定，实现了对于业务矩阵的精准确定，提高了对于系统可用性计算精准度，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过故障条件下设备和业务是否存在隐蔽耦合关系对矩阵LIPQ进行补充，提高了对于矩阵确定的准确性以及矩阵元素的涉及范围，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法根据平均使用时间和无故障平均保障时间对设备无故障条件下的业务可用性进行确定，可以对无故障条件下的业务可用性进行精准的确定，提高了业务可用性确定的准确度和可实用性，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过根据执行任务的次数和执行任务中出现的设备功能故障次数对设备以及功能故障对应的累计故障分布函数进行确定，提高了可靠度的计算准确性，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过对可靠度函数的确定，可以实现基于故障持续时间的精准利用基础上的可靠度计算，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法根据执行业务所涉及的设备是否存在备件对是否建立系统故障状态下的可用性计算模型2进行判定，提高了对于不同情况下的可用性计算的精准度，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过设置备件更换时间和设备修复时间，可以确定系统可用性计算模型的计算公式，提高了系统可用性计算的精准度和实用性，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
进一步地，本发明所述方法通过根据建立的所述计算模型对Ti业务的可用性进行计算，提高了多业务系统可用性判定的准确度，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
附图说明
图1为本发明实施例所述基于不确定性理论的多业务系统可用性评估方法的流程图；
图2为本发明实施例所述基于不确定性理论的多业务系统可用性评估方法的逻辑框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
实施例1
请参阅图1和图2所示，其为本发明实施例所述基于不确定性理论的多业务系统可用性评估方法的流程图和逻辑框图。本发明实施例所述基于不确定性理论的多业务系统可用性评估方法包括：
步骤S1,中控模块根据系统的功能确定系统的多项业务，进而确定系统业务向量TX，同时，根据每项业务的实际使用时间占比确定第i业务Ti使用时间占比,以作为将各个子业务综合为总体可用性的依据，设定i＝1，2，3...，n，其中n为自然数，删除对于使用时间占比为0的业务,并优化系统业务向量TX；中控模块输入执行i业务时p设备q功能故障模式的故障率以计算可靠度函数Ripq(t)；
步骤S2,当所述中控模块完成对于系统业务向量的确定时，中控模块依次根据p设备q功能与Ti业务相关确定矩阵LIPQ中的元素，此处的是否相关判定一是根据p设备q功能是否与Ti业务是否存在显性的逻辑关系；二是根据发生故障的历史数据判断p设备q功能是否和业务Ti是否存在隐蔽耦合关系以对矩阵LIPQ进行补充；
步骤S3,当所述中控模块完成LIPQ确定时，中控模块根据涉及的设备确定Ti业务的无故障平均使用时间MTU和设备完成Ti业务的无故障平均保障时间MTTS，建立业务可用性计算模型1，并根据业务可用性计算模型1对Ti业务无故障条件下的最大可用性AIR0进行计算；其中，MTTS包括周期性工作保障时间和日常性工作保障时间，业务可用性计算模型1的计算公式为：
步骤S4,所述中控模块针对所述p设备q功能故障，根据不确定性理论对Ti业务的可靠度Ri(t)进行计算，中控模块在计算前将所述Ti业务的所有必须设备及其q功能基于业务路径和串并联关系建成由若干设备串并联而成的链式模型，在链式模型建成后，中控模块根据系统的串联或并联选用对应的计算公式对Ti业务的可靠度Ri(t)进行计算，
对于串联系统，设定其含义为取矩阵LIPQ中的最小值；
对于并联系统，设定其含义为取矩阵LIPQ中的最大值；
其中，i表示第i业务，p表示完成第i业务的设备的编号，q表示p设备的特定功能编号，当p设备的q功能丧失时，p设备出现q功能故障；
步骤S5,当所述中控模块完成对于所述Ti业务的可靠度计算时，中控模块使用蒙特卡罗法对失败的p设备的q模式的具体故障时间点进行确定，该处的失败的p设备的q模式在串联里是可靠度最小值对应的设备，并联里是可靠度最大值对应的设备；
步骤S6,当所述中控模块完成对于失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间建立业务可用性计算模型2，并基于业务可用性计算模型2对设备存在备件情况下的业务可用性进行计算，当中控模块判定p设备不存在备件时，中控模块根据p设备可抢修情况下的抢修时间，建立业务可用性计算模型3，并基于业务可用性计算模型3对p设备可抢修情况下的业务可用性进行计算，若p设备不可抢修则判定该种情况下系统的可用性为0，中控模块多次循环判定过程以求得针对p设备故障情况下的可用性均值AIRF；
步骤S7,当所述中控模块完成对于故障状态下的可用性均值AIRF计算和无故障状态下的业务可用性AIR0计算时，中控模块计算所述Ti业务的可用性Ai，设定Ai＝(1-Ri(t))AIRF+Ri(t)AIR0；当所述中控模块在完成对各业务的可用性的计算时，中控模块使用加权求平均值的方式计算p设备的系统可用性A，设定A＝(B1×A1+B2×A2+B3×A3+...+Bn×An)/n，对于Bi，设定i＝1，2，3，...，n，其为第i业务Ti的使用时间占比。
本发明通过设置系统业务向量、无故障平均使用时间、无故障平均准备时间以及不确定性理论，可以根据不确定性理论对业务的可靠度进行更为精准的计算，实现了基于不确定性理论对于多业务系统可用性的精准计算，提高了多业务系统可用性评估方法的精准性，实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，在所述步骤S2中，当所述中控模块根据所述p设备q功能是否和所述Ti业务相关以对所述矩阵LIPQ的元素进行确定时，
若出现p设备q功能故障时Ti业务可以正常完成，所述中控模块判定p设备q功能和Ti业务不相关，不将该p设备q功能纳入矩阵中；
若出现p设备q功能故障时Ti业务无法完成，所述中控模块判定p设备q功能和Ti业务相关，并将该p设备q功能作为参数纳入矩阵LIPQ中。
本发明所述方法通过p设备q功能是否和完成Ti业务相关对矩阵的元素进行确定，提高了对于矩阵元素的精准确定，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，当所述中控模块完成对于矩阵LIPQ的元素的确定时，中控模块根据p设备与Ti业务是否存在显性逻辑关系，对Ti业务与矩阵LIPQ是否存在相关性进行判定，显性逻辑关系包括p设备与Ti业务在能量上的供给关系、信息上的信号业务流程关系、信号逻辑关系以及安装上的安装支撑关系，
若不存在显性逻辑关系，所述中控模块判定所述Ti业务与所述矩阵LIPQ不存在相关性；
若存在至少一个显性逻辑关系，所述中控模块判定所述Ti业务与所述矩阵LIPQ存在相关性。
本发明所述方法通过设备与业务是否存在显性逻辑关系对业务与矩阵是否存在相关性进行判定，实现了对于业务矩阵的精准确定，提高了对于系统可用性计算精准度，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，当所述中控模块完成对于所述Ti业务与所述矩阵LIPQ的相关性的判定时，中控模块根据发生故障的历史数据对p设备和Ti业务是否存在隐蔽耦合关系进行判定，并在判定p设备和Ti业务存在隐蔽耦合关系的情况下对所述矩阵LIPQ中的元素进行补充，
若发生故障的历史数据中的所述p设备与所述Ti业务不存在显性逻辑关系但p设备q功能故障发生导致Ti业务故障，所述中控模块判定p设备和Ti业务之间存在潜在隐蔽耦合关系，并将p设备及与q功能对应的故障模式作为参数补充至LIPQ矩阵；
若发生故障的历史数据中的所述p设备与所述Ti业务不存在显性逻辑关系且p设备q功能故障发生不会导致Ti业务故障，所述中控模块判定p设备和Ti业务之间不存在潜在隐蔽耦合关系，不对所述LIPQ矩阵中的参数进行补充。
本发明所述方法通过故障条件下设备和业务是否存在隐蔽耦合关系对矩阵LIPQ进行补充，提高了对于矩阵确定的准确性以及矩阵元素的涉及范围，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，在所述步骤S3中，所述中控模块根据所述p设备的Ti业务的无故障平均使用时间MTU和设备完成Ti业务的无故障平均保障时间MTTS对p设备无故障条件下的Ti业务可用性进行确定，设定p设备无故障条件下针对Ti业务的最大可用性AR0的计算公式为：AR0＝MTU/MTTS+MTU,其中，MTTS，p设备无故障状态下满足基本使用所需的平均保障时间，设定MTTS＝Tp+TD，其中，Tp为p设备的实际周期性保障时间、TD为p设备的实际日常性保障时间。
本发明所述方法根据平均使用时间和无故障平均保障时间对设备无故障条件下的业务可用性进行确定，可以对无故障条件下的业务可用性进行精准的确定，提高了业务可用性确定的准确度和可实用性，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，在所述步骤S4中，当所述中控模块完成对于所述p设备无故障条件下的Ti业务可用性的确定时，中控模块根据p设备执行Ti任务的次数Ni和执行Ni次Ti任务中出现q功能故障的次数NFipq对函数Pipq(T＞t)进行确定，设定Pipq(T＞t)＝NFipq/Ni。
本发明所述方法通过根据执行任务的次数和执行任务中出现的设备功能故障次数对设备以及功能故障对应的累计故障分布函数进行确定，提高了可靠度的计算准确性，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，当所述中控模块完成对于所述函数Pipq(T＞t)的确定时，中控模块根据所述函数Pipq(T＞t)对可靠度函数Ripq(t)进行确定，设定Ripq(t)＝Pipq(T＞t)，其中，t为p设备执行Ti任务的持续时间、T为p设备持续执行Ti任务直至出现q功能故障的时间。
本发明所述方法通过对可靠度函数的确定，可以实现基于故障持续时间的精准利用基础上的可靠度计算，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，当所述中控模块完成对于业务的可靠度计算以及基于蒙特卡罗法对失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间和p设备不存在备件情况下的抢修时间对建立业务可用性计算模型2或建立业务可用性计算模型3进行判定并基于业务可用性计算模型2和业务可用性计算模型3对p设备q故障情况下的系统可用性进行N次仿真计算并求出均值，
若设备存在备件，所述中控模块判定对p设备进行更换、统计更换所需时间并建立针对p设备q故障状态下的业务可用性计算模型2；
若设备不存在备件，所述中控模块判定不建立针对p设备q故障状态下的业务可用性计算模型2并根据p设备是否能够抢修判定是否建立业务可用性计算模型3；
若p设备可抢修，所述中控模块对p设备进行修复、统计修复所需时间并建立针对p设备q故障状态下的业务可用性计算模型3；若p设备不可抢修，所述中控模块判定所述系统针对所述Ti业务的可用性为0。
本发明所述方法根据执行业务所涉及的设备是否存在备件对是否建立系统故障状态下的可用性计算模型2进行判定，提高了对于不同情况下的可用性计算的精准度，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，当所述中控模块完成对于所述系统针对所述Ti业务的可用性计算模型的确定时，中控模块根据p设备备件更换时间或p设备更换时间对系统可用性计算模型的计算公式进行确定，其中，所述业务可用性计算模型2的计算公式为：ARF’＝MTU/(MTTS+MTU+MTTT)，所述业务可用性计算模型3的计算公式为：ARF”＝MTU/(MTTS+MTU+MTTTS)，其中，MTTT为最短备件更换时间，MTTTS为最短设备修复时间。
本发明所述方法通过设置备件更换时间和设备修复时间，可以确定系统可用性计算模型的计算公式，提高了系统可用性计算的精准度和实用性，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，当所述中控模块完成针对所述系统的可用性计算模型的建立以及N次仿真计算求出所述可用性均值时，中控模块根据所述可用性计算模型1、可用性计算模型2以及可用性计算模型3对所述Ti业务的可用性进行计算，
若设备存在备件，所述中控模块判定该情况下的系统针对Ti业务的可用性计算公式为Ai＝(1-Ri(t))ARF’+Ri(t)AR0；
若设备不存在备件且可抢修，所述中控模块判定该种情况下的系统针对Ti业务的可用性计算公式为Ai＝(1-Ri(t))ARF”+Ri(t)AR0。
本发明所述方法通过根据建立的所述计算模型对Ti业务的可用性进行计算，提高了多业务系统可用性判定的准确度，进一步实现了多业务系统可用性评估的精准性和实用性的提高。
具体而言，在所述步骤S1中，确定系统能够提供的所有业务，将其记为向量TX，表示系统有X个业务，其Ti表示系统的第i业务。
具体而言，矩阵LIPQ元素为Lipq，其中，i表示第i业务，p表示完成i业务某设备的编号，q表示p设备的特定功能编号，q功能丧失对应p设备特定的故障模式。
具体而言，在所述步骤S3中，AR0是指设备无故障条件下的可用性，此时可用性主要取决于完成Ti业务的充填加挂等无故障平均保障时间。AR0可以用下式计算：
其中，MTU，为平均使用时间；MTTS，为无故障平均保障时间，是指在无故障状态下为满足基本使用必须的平均保障时间。
具体而言，在所述步骤S5中，计算Ti业务的可靠度Ri(t)的公式为：
对于串联系统，含义为取矩阵LIPQ中的最小值；
对于并联系统，含义为取矩阵LIPQ中的最大值。
具体而言，在所述步骤S7中，MTTT指的是最短抢修时间，所述最短抢修时间，可以是修复时间或更换时间，针对不同的设备，可能不同，但每一次对于固定的p设备q故障模式，时间是固定的。
具体而言，对于串联系统上的某故障及其故障模式，Ti业务则无法完成；如果并联系统上的某故障及其故障模式，可靠性则会下降。若某飞机本次任务是轰炸任务，那么电子战设备故障只会影响电子战功能，不影响轰炸任务。
具体而言，Lipq的确定需要考虑故障条件下潜在隐蔽的耦合关系，若设备X和Ti业务执行不相关，但是设备X故障出现了异常发热或电磁干扰影响到了执行Ti业务的设备Y，那么，设备X及其故障模式也应该计算进LIPQ矩阵。但这种潜在隐蔽的耦合关系不扩大到分析所有设备的所有故障模式。
具体而言，周期性保障工作，包括周期性进行的定检和相关检修更换等预防性保障工作；日常性保障工作，包括日常加油、清洗等工作。
实施例2
本实施例与实施例1实施例1不同的地方在于：在所述步骤S1中，在评估开始前，所述中控模块根据不同业务实际使用频率f对业务向量进行确定，中控模块设有预设业务使用频率f0，中控模块根据实际业务的使用频率与预设使用频率的对比结果对是否将该业务作为业务向量进行判定，
若f≤f0，所述中控模块判定业务实际使用频率低于允许范围并不将该业务纳入业务向量；
若f>f0，所述中控模块判定业务实际使用频率在允许范围内并直接将该业务纳入业务向量。
具体而言，在所述步骤S2中，当所述中控模块完成对于业务向量的确定时，中控模块对业务涉及的设备及其功能的集合进行确定，中控模块根据设备与业务的实际相关性程度以及设备对应的功能与业务相关性的程度对业务涉及的设备以及功能进行确定，中控模块设有预设设备与业务相关性评价参数Ea0以及预设设备功能与业务相关性评价参数Eb0，
若Ea<Ea0，所述中控模块判定该设备与业务的相关性程度不足并不将该设备及其功能纳入设备及其功能的集合；
若Ea≥Ea0且Eb≥Eb0，所述中控模块判定该设备与业务的相关性程度符合预设要求并将该设备以及功能纳入到设备及其功能的集合中；
若Ea≥Ea0且Eb<Eb0，所述中控模块判定该设备与业务的相关性程度符合要求、该设备对应的该项功能与业务的相关性程度不符合预设要求并不将该功能纳入设备及其功能的集合中。
具体而言，当所述中控模块完成对于设备及其功能矩阵元素的确定时，中控模块根据所述设备的不同的信号逻辑关系对Ti业务和Lipq的相关性进行判定，中控模块设有三种信号逻辑关系，包括能量上的电源供电供冷供能供给关系、信号业务流程关系和物理上安装支撑挂机关系，
当设备信号逻辑关系为能量上的电源供电供冷供能供给关系时，所述中控模块根据电源供电供冷供能关系对Ti业务和Lipq的相关性大小进行判定，其中，对于相关性优先级的顺序为，电源供电对应的相关性＞供能关系对应的相关性＞供冷关系对应的相关性；
当设备信号逻辑关系为信息上的信号业务流程关系时，所述中控模块根据信息上的信号业务流程的关系对所述相关性进行判定并将所述相关性记为X，
若信号业务流程是直接连接关系，所述中控模块判定所述相关性为X1；
若信号业务流程是间接连接关系，所述中控模块判定所述相关性为X2，设定X1＜X2；
当设备信号逻辑关系为物理上安装支撑挂机关系时，所述中控模块根据直接力和间接力对相关性进行判定，若安装支撑力为直接力，所述中控模块判定相关性为大，若安装支撑力为间接力，所述中控模块判定相关性为小。
具体而言，当所述中控模块完成Ti业务和Lipq的相关性判定时，中控模块根据故障条件下潜在隐蔽的耦合关系强弱程度B对于Lipq的影响因子进行调节，中控模块设有预设第一隐蔽耦合关系强弱程度B1、预设第二隐蔽耦合关系强弱程度B2、预设第一影响因子调节系数β1、预设第二影响因子调节系数β2以及预设Lipq影响因子F，其中，B1＜B2，1＜β1＜β2，
若B≤B1，所述中控模块判定实际耦合关系强弱程度符合预设要求并不对所述影响因子进行调节；
若B1＜B≤B2，所述中控模块判定实际耦合关系强弱程度不符合预设要求并使用β1对影响因子进行调节，调节后的影响因子记为F’，设定F’＝F×β1；
若B＞B2，所述中控模块判定实际耦合关系强弱程度不符合预设要求并使用β2对影响因子进行调节，调节后的影响因子记为F”，设定F”＝F×β2。
具体而言，当所述中控模块完成对于设备及其功能的集合的确定且发生p设备q功能故障时，中控模块根据故障发生的严重程度对系统可靠度是否降低和降低程度进行进一步判定，中控模块设有预设第一故障严重程度E1、预设第二故障严重程度E2、预设第一可靠度调节系数s1以及预设第二可靠度调节系数s2,其中，E1<E2，0<s1<s2<1，
若E≤E1，所述中控单元判定故障严重程度在允许范围内并不对系统可靠度进行调节；
若E1<E≤E2，所述中控单元判定故障严重程度超出允许范围并使用s1对系统可靠度进行调节，调节后的系统可靠度记为R1，设定R1＝R0×s1；
若E>E2，所述中控单元判定故障严重程度超出允许范围并使用s2对系统可靠度进行调节，调节后的系统可靠度记为R2，设定R2＝R0×s2。
具体而言，在所述步骤S3中，所述中控模块根据平均使用时间MTU和无故障平均保障时间MTTS对设备无故障条件下的Ti业务可用性进行确定，设定MTTS＝Tp+TD，其中，Tp为设备的实际周期性保障时间、TD为设备的实际日常性保障时间,设备无故障条件下Ti业务的最大可用性AR0的计算公式为：AR0＝MTU/MTTS+MTU,其中，MTU，为平均使用时间；MTTS，为无故障平均保障时间，是指在无故障状态下为满足基本使用必须的平均保障时间。
具体而言，在所述步骤S4中，当所述中控模块完成设备无故障条件下的Ti业务的可用性计算时，中控模块根据执行任务的次数Ni和执行任务中出现的设备功能故障次数NFipq对设备以及功能故障对应的累计故障分布函数Pipq(T＞t)和设备及其功能故障对应的可靠度函数Ripq(t)进行确定，设定Ripq(t)＝Pipq(T＞t)，其中，t为规定的时间，T为产品的故障时间，设定Pipq(T＞t)＝NFipq/Ni，其中，t为执行Ti任务的持续时间、T为设备持续执行Ti任务直至出现q功能故障的时间。
具体而言，当所述中控模块完成对于业务的可靠度计算以及基于蒙特卡罗法对失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间和p设备不存在备件情况下的抢修时间对建立业务可用性计算模型2或建立业务可用性计算模型3进行判定并基于业务可用性计算模型2和业务可用性计算模型3对p设备q故障情况下的系统可用性进行N次仿真计算并求出均值，
若设备存在备件，所述中控模块判定对该设备进行更换、统计更换所需时间并建立系统故障状态下的可用性计算模型2；
若设备不存在备件，所述中控模块判定不建立系统故障状态下的可用性计算模型2并根据设备是否可抢修对是否建立模型3进行判定；
若设备可抢修，所述中控模块判定对该设备进行修复、统计修复所需时间并建立系统故障状态下的可用性模型3；
若设备不可抢修，所述中控模块判定该业务的可用性为0。
具体而言，当所述中控模块完成对可靠性函数、无故障状态下的可用性计算以及故障状态下的可用性计算时，中控模根据实际计算得到的系统可用性与预设可用性的对比结果对是否需要对可靠性和可用性进行二次计算进行判定，中控模块设有预设第一系统可用性A01和预设第二系统可用性A02，其中A01＜A02，
若A≤A01，所述中控模块判定系统可用性不符合预设要求并不对可用性进行二次计算；
若A01＜A≤A02，所述中控模块判定系统可用性符合预设要求并对系统可靠性和可用性进行二次计算，若二次计算后的系统可靠性仍然符合预设要求则判定可用性评估完成；
若A＞A02，所述中控模块判定系统可用性评估完成。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (10)
1.一种基于不确定性理论的多业务系统可用性评估方法，其特征在于，包括：
步骤S1,中控模块根据系统的功能确定系统的多项业务，进而确定系统业务向量TX，同时，根据每项业务的实际使用时间占比确定第i业务Ti使用时间占比,以作为将各个子业务综合为总体可用性的依据，设定i＝1，2，3...，n，其中n为自然数，删除对于使用时间占比为0的业务,并优化系统业务向量TX；中控模块输入执行i业务时p设备q功能故障模式的故障率以计算可靠度函数Ripq(t)；
步骤S2,当所述中控模块完成对于系统业务向量的确定时，中控模块依次根据p设备q功能与Ti业务是否相关确定矩阵LIPQ中的元素，此处的是否相关判定一是根据p设备q功能是否与Ti业务存在显性的逻辑关系；二是根据发生故障的历史数据判断p设备q功能是否和业务Ti是否存在隐蔽耦合关系以对矩阵LIPQ进行补充；
步骤S3,当所述中控模块完成LIPQ确定时，中控模块根据涉及的设备确定Ti业务的无故障平均使用时间MTU和设备完成Ti业务的无故障平均保障时间MTTS，建立业务可用性计算模型1，并根据业务可用性计算模型1对Ti业务无故障条件下的最大可用性AIR0进行计算；其中，MTTS包括周期性工作保障时间和日常性工作保障时间，业务可用性计算模型1的计算公式为：
步骤S4,所述中控模块针对所述p设备q功能故障，根据不确定性理论对Ti业务的可靠度Ri(t)进行计算，中控模块在计算前将所述Ti业务的所有必须设备及其q功能基于业务路径和串并联关系建成由若干设备串并联而成的链式模型，在链式模型建成后，中控模块根据系统的串联或并联选用对应的计算公式对Ti业务的可靠度Ri(t)进行计算，
对于串联系统，设定其含义为取矩阵LIPQ中的最小值；
对于并联系统，设定其含义为取矩阵LIPQ中的最大值；
其中，i表示第i业务，p表示完成第i业务的设备的编号，q表示p设备的特定功能编号，当p设备的q功能丧失时，p设备出现q功能故障；
步骤S5,当所述中控模块完成对于所述Ti业务的可靠度计算时，中控模块使用蒙特卡罗法对失败的p设备的q模式的具体故障时间点进行确定，该处的失败的p设备的q模式在串联里是可靠度最小值对应的设备，并联里是可靠度最大值对应的设备；
步骤S6,当所述中控模块完成对于失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间建立业务可用性计算模型2，并基于业务可用性计算模型2对设备存在备件情况下的业务可用性进行计算，当中控模块判定p设备不存在备件时，中控模块根据p设备可抢修情况下的抢修时间，建立业务可用性计算模型3，并基于业务可用性计算模型3对p设备可抢修情况下的业务可用性进行计算，若p设备不可抢修则判定该种情况下系统的可用性为0，中控模块多次循环判定过程以求得针对p设备故障情况下的可用性均值AIRF；
步骤S7,当所述中控模块完成对于故障状态下的可用性均值AIRF计算和无故障状态下的业务可用性AIR0计算时，中控模块计算所述Ti业务的可用性Ai，设定Ai＝(1-Ri(t))AIRF+Ri(t)AIR0；当所述中控模块在完成对各业务的可用性的计算时，中控模块使用加权求平均值的方式计算p设备的系统可用性A，设定A＝(B1×A1+B2×A2+B3×A3+...+Bn×An)/n，对于Bi，设定i＝1，2，3，...，n，其为第i业务Ti的使用时间占比。
2.根据权利要求1所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，在所述步骤S2中，当所述中控模块根据所述p设备q功能是否和所述Ti业务相关以对所述矩阵LIPQ的元素进行确定时，
若出现p设备q功能故障时Ti业务可以正常完成，所述中控模块判定p设备q功能和Ti业务不相关，不将该p设备q功能纳入矩阵中；
若出现p设备q功能故障时Ti业务无法完成，所述中控模块判定p设备q功能和Ti业务相关，并将该p设备q功能作为参数纳入矩阵LIPQ中。
3.根据权利要求2所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，当所述中控模块完成对于矩阵LIPQ的元素的确定时，中控模块根据p设备与Ti业务是否存在显性逻辑关系，对Ti业务与矩阵LIPQ是否存在相关性进行判定，显性逻辑关系包括p设备与Ti业务在能量上的供给关系、信息上的信号业务流程关系、信号逻辑关系以及安装上的安装支撑关系，
若不存在显性逻辑关系，所述中控模块判定所述Ti业务与所述矩阵LIPQ不存在相关性；
若存在至少一个显性逻辑关系，所述中控模块判定所述Ti业务与所述矩阵LIPQ存在相关性。
4.根据权利要求3所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，当所述中控模块完成对于所述Ti业务与所述矩阵LIPQ的相关性的判定时，中控模块根据发生故障的历史数据对p设备和Ti业务是否存在隐蔽耦合关系进行判定，并在判定p设备和Ti业务存在隐蔽耦合关系的情况下对所述矩阵LIPQ中的元素进行补充，
若发生故障的历史数据中的所述p设备与所述Ti业务不存在显性逻辑关系，但p设备q功能故障发生导致Ti业务故障，所述中控模块判定p设备和Ti业务之间存在潜在隐蔽耦合关系，并将p设备及与q功能对应的故障模式作为参数补充至LIPQ矩阵；
若发生故障的历史数据中的所述p设备与所述Ti业务不存在显性逻辑关系且p设备q功能故障发生不会导致Ti业务故障，所述中控模块判定p设备和Ti业务之间不存在潜在隐蔽耦合关系，不对所述LIPQ矩阵中的参数进行补充。
5.根据权利要求4所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，在所述步骤S3中，所述中控模块根据所述p设备的Ti业务的无故障平均使用时间MTU和设备完成Ti业务的无故障平均保障时间MTTS对p设备无故障条件下的Ti业务可用性进行确定，设定p设备无故障条件下针对Ti业务的最大可用性AR0的计算公式为：AiR0＝MTU/MTTS+MTU,其中，MTTS，p设备无故障状态下满足基本使用所需的平均保障时间，设定MTTS＝Tp+TD，其中，Tp为p设备的实际周期性保障时间、TD为p设备的实际日常性保障时间。
6.根据权利要求5所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，在所述步骤S4中，当所述中控模块完成对于所述p设备无故障条件下的Ti业务可用性的确定时，中控模块根据p设备执行Ti任务的次数Ni和执行Ni次Ti任务中出现q功能故障的次数NFipq对函数Pipq(T＞t)进行确定，设定Pipq(T＞t)＝NFipq/Ni。
7.根据权利要求6所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，当所述中控模块完成对于所述函数Pipq(T＞t)的确定时，中控模块根据所述函数Pipq(T＞t)对可靠度函数Ripq(t)进行确定，设定Ripq(t)＝Pipq(T＞t)，其中，t为p设备执行Ti任务的持续时间、T为p设备持续执行Ti任务直至出现q功能故障的时间。
8.根据权利要求7所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，当所述中控模块完成对于业务的可靠度计算以及基于蒙特卡罗法对失败的p设备的q模式的具体故障时间点的确定时，中控模块根据p设备存在备件情况下的更换备件时间和p设备不存在备件情况下的抢修时间，对建立业务可用性计算模型2或建立业务可用性计算模型3进行判定，并基于业务可用性计算模型2和业务可用性计算模型3对p设备q故障情况下的系统可用性进行N次仿真计算并求出均值，
若设备存在备件，所述中控模块判定对p设备进行更换、统计更换所需时间并建立针对p设备q故障状态下的业务可用性计算模型2；
若设备不存在备件，所述中控模块判定不建立针对p设备q故障状态下的业务可用性计算模型2并根据p设备是否能够抢修判定是否建立业务可用性计算模型3；
若p设备可抢修，所述中控模块对p设备进行修复、统计修复所需时间并建立针对p设备q故障状态下的业务可用性计算模型3；若p设备不可抢修，所述中控模块判定所述系统针对所述Ti业务的可用性为0。
9.根据权利要求8所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，当所述中控模块完成对于所述系统针对所述Ti业务的可用性计算模型的确定时，中控模块根据p设备备件更换时间或p设备更换时间对业务可用性计算模型的计算公式进行确定，其中，所述业务可用性计算模型2的计算公式为：ARF’＝MTU/(MTTS+MTU+MTTT)，所述业务可用性计算模型3的计算公式为：ARF”＝MTU/(MTTS+MTU+MTTTS)，其中，MTTT为备件更换时间，MTTTS为设备修复时间。
10.根据权利要求9所述的基于不确定性理论的多业务系统可用性评估方法，其特征在于，当所述中控模块完成针对所述系统的可用性计算模型的建立以及N次仿真计算求出所述可用性均值时，中控模块根据所述可用性计算模型1、可用性计算模型2以及可用性计算模型3对所述Ti业务的可用性进行计算，
若设备存在备件，所述中控模块判定该情况下的系统针对Ti业务的可用性计算公式为Ai＝(1-Ri(t))ARF’+Ri(t)AR0；
若设备不存在备件且可抢修，所述中控模块判定该种情况下的系统针对Ti业务的可用性计算公式为Ai＝(1-Ri(t))ARF”+Ri(t)AR0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211171853.2A CN115480546B (zh) | 2022-09-26 | 2022-09-26 | 基于不确定性理论的多业务系统可用性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211171853.2A CN115480546B (zh) | 2022-09-26 | 2022-09-26 | 基于不确定性理论的多业务系统可用性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115480546A CN115480546A (zh) | 2022-12-16 |
| CN115480546B true CN115480546B (zh) | 2023-07-18 |
Family
ID=84393932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211171853.2A Active CN115480546B (zh) | 2022-09-26 | 2022-09-26 | 基于不确定性理论的多业务系统可用性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115480546B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007122639A (ja) * | 2005-10-31 | 2007-05-17 | Toshiba Corp | 情報システムの信頼性評価システム、信頼性評価方法及び信頼性評価プログラム |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060129367A1 (en) * | 2004-11-09 | 2006-06-15 | Duke University | Systems, methods, and computer program products for system online availability estimation |
| CN101741609A (zh) * | 2008-11-14 | 2010-06-16 | 中国移动通信集团广西有限公司 | 一种业务支撑系统可用性的评估方法及系统 |
| CN101789039B (zh) * | 2010-01-26 | 2013-01-09 | 华北电力大学 | 继电保护设备可用率和最优检修周期的计算方法 |
| CN106529306B (zh) * | 2016-11-16 | 2019-02-19 | 中国电子产品可靠性与环境试验研究所 | 系统安全性评估方法和装置 |
| CN106874200B (zh) * | 2017-02-14 | 2020-07-07 | 南京航空航天大学 | 基于aadl的嵌入式软件可靠性建模与评估方法 |
| CN110188457A (zh) * | 2019-05-28 | 2019-08-30 | 中国人民解放军空军工程大学航空机务士官学校 | 基于蒙特卡洛法的航空机务保障过程评估方法 |
| CN110619148A (zh) * | 2019-08-13 | 2019-12-27 | 上海机电工程研究所 | 基于区间灰数的装备adc效能评估方法 |
-
2022
- 2022-09-26 CN CN202211171853.2A patent/CN115480546B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007122639A (ja) * | 2005-10-31 | 2007-05-17 | Toshiba Corp | 情報システムの信頼性評価システム、信頼性評価方法及び信頼性評価プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115480546A (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105894133B (zh) | 一种风电机组部件维修及备品备件需求预测方法 | |
| CN106709651B (zh) | 一种基于风险理论的电力系统安全性评估系统 | |
| CN108445759B (zh) | 一种传感器饱和约束下网络化系统的随机故障检测方法 | |
| CN106226621B (zh) | 一种基于灰色关联分析的二次设备故障诊断和预警方法 | |
| EP3072200B1 (en) | Holistic optimization of distribution automation using survivability modeling to support storm hardening | |
| CN111507509A (zh) | 一种电力系统极端事件的风险评估方法 | |
| CN110472839A (zh) | 基于sa-pso-ahp的火电厂控制系统信息安全评估系统 | |
| Tootaghaj et al. | Controlling cascading failures in interdependent networks under incomplete knowledge | |
| CN109033507A (zh) | 一种考虑信息系统监视功能失效的电力系统可靠性评估方法 | |
| Peng et al. | Modeling of software fault detection and correction processes with fault dependency | |
| CN117094701A (zh) | 一种设备状态管理系统方法、系统及电子设备 | |
| CN115480546B (zh) | 基于不确定性理论的多业务系统可用性评估方法 | |
| CN117294657B (zh) | 一种流量治理方法和装置 | |
| Xu et al. | Reliability measurement for multistate manufacturing systems with failure interaction | |
| CN106960262B (zh) | 特高压直流线路预想故障有功备用容量评估方法和装置 | |
| CN112882875A (zh) | 故障诊断方法 | |
| CN111983488A (zh) | 一种电池管理系统及其电压信号处理方法 | |
| Ge et al. | Optimum maintenance policy with inspection by semi-Markov decision processes | |
| CN114910737A (zh) | 一种基于电力大数据节点故障诊断方法 | |
| Weng et al. | An optimal control-based cascading failure risk assessment method | |
| Rana et al. | Distributed attack-resilient grid state estimation algorithm using optimal filter and graph theory | |
| Zhang et al. | Sensitivity based Thevenin index for voltage stability assessment considering N-1 contingency | |
| Joshi et al. | Statistical methods for detection and mitigation of the effect of different types of cyber-attacks and parameter inconsistencies in a real world distribution system | |
| Ghosh et al. | Effectiveness of Network Centrality for Improving Distribution System Resilience by Hardening | |
| CN109474474A (zh) | 基于泊松分布故障模型的无线传感器网络故障检测系统 |
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 |