CN117494460A - 一种生产线装备动作的可靠性评估分析方法 - Google Patents
一种生产线装备动作的可靠性评估分析方法 Download PDFInfo
- Publication number
- CN117494460A CN117494460A CN202311531493.7A CN202311531493A CN117494460A CN 117494460 A CN117494460 A CN 117494460A CN 202311531493 A CN202311531493 A CN 202311531493A CN 117494460 A CN117494460 A CN 117494460A
- Authority
- CN
- China
- Prior art keywords
- stage
- failure
- reliability
- fault tree
- fault
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000014509 gene expression Effects 0.000 claims description 4
- 230000000644 propagated effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 8
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于生产线装备动作可靠性分析领域,尤其涉及一种生产线装备动作的可靠性评估方法。本发明用过使用二元决策图进行故障树分析,分析装备动作以构建故障树,通过识别故障树中的共同故障部件和最小相邻分量,化简故障树并简化计算。将可靠性分析引入生产线装备动作可靠性评估,提供一种基于内部和外部共同因素分析的多阶段系统可靠性的建模方法,分析装备每个部件出现故障时对装备动作的跨阶段失效累加情况,并推导出相应概率函数。建立了一种算法化简故障树并建立二元决策图模型,并通过对生产线装备动作故障的内部和外部共同因素分析进行阶段代数运算,评估装备动作可靠性。
Description
技术领域
本发明适用于生产线装备动作可靠性分析领域,尤其涉及一种生产线装备动作的可靠性评估方法。
背景技术
对于生产线而言,大多属于多阶段系统。由于生产线管理难度较大且各个加工流程之间环环相扣,生产线装备动作一旦出现问题,在制品将无法完成加工,导致整线产能受到影响,甚至造成较大的经济损失。因此,在生产线中,需要从各个环节入手,加强对生产线可靠性影响因素的判断,减少生产线装备故障带来的影响。
现有技术的缺点包括:(1)现有的可靠性分析主要聚焦于系统工作部件及结构关系,通常忽略了由于工作部件故障带来的装备动作失效;(2)故障树分析方法作为可靠性分析中一种重要的分析方法,在传统运用中基本上都是基于最小割集的,该方法通过自上而下或者自下而上的逐层分析,得到系统的最小割集,最终获得系统的失效概率。这种方法的缺点在于:求解故障树最小割集的过程会存在NP(Nondeterministic Polynomial)问题,不仅计算繁琐,而且在计算过程中很容易发生空间爆炸问题,无法继续进行后续的分析,从而难以在计算机上实现,不适用于机械制造中大型复杂系统的分析。
因此,亟需一种新的生产线装备动作的可靠性评估方法解决上述问题。
发明内容
本发明提供一种生产线装备动作的可靠性评估分析方法,旨在解决现有技术中对生产线可靠性评估困难的问题。
所述可靠性评估分析方法包括以下步骤:
S1、通过分析生产线装备每一阶段的动作建立多阶段的故障树模型,并通过分析导致装备动作故障的失效事件对每一阶段的所述故障树模型进行扩展,得到扩展故障树模型;
S2、对所述扩展故障树模型进行化简,移除所述扩展故障树模型中的共同故障组件,并通过预设排序规则对化简后的所述扩展故障树模型进行排序,得到简化故障树模型;
S3、根据所述简化故障树模型通过预设规则生成单阶段二元决策图模型;
S4、对所述单阶段二元决策图模型进行逻辑或操作和阶段代数处理,得到多阶段二元决策图模型;
S5、根据所述多阶段二元决策图模型进行动作可靠性评估,得到评估结果。
优选的,步骤S2中,所述预设排序规则为:
当某一所述共同故障组件的故障导致在最后一个阶段的装备动作任务失败时,赋予该所述共同故障组件最高的优先级;
将最小相邻的所述共同故障组件在排序时保持在一起;
重复的所述共同故障组件将获得低排序优先级,重复的次数越多,优先级就越低。
优选的,步骤S3中,所述预设规则如下:
其中,G和F表示子故障树相对应的两个逻辑表达式,Gi和Fi分别是G和F的子表达式,符号表示逻辑运算,索引表示布尔变量在输入列表中的顺序。
优选的,步骤S1中,所述失效事件包括内部共因故障事件和外部共因故障事件。
优选的,所述评估结果包括内部共因故障事件的发生概率和外部共因故障事件的发生概率。
优选的,所述内部共因故障事件的发生概率满足以下关系式:
Pr{ej(h)}=wj(h)=qj(h)εj(h)
其中,Pr{ej(h)}表示所述内部共因故障事件的发生概率,wj(h)表示元素j在内部共因故障情况下在第h阶段引起的传播失效概率,ej(h)表示元素j在内部共因故障情况下导致在第h阶段中传播的事件,εj(h)为传播失效的概率,qj(h)表示不可靠度。
优选的,所述外部共因故障事件的发生概率满足以下关系式:
其中,Pr{xj′(h)xj(h-1)}表示所述外部共因故障事件的发生概率,xj′(h)表示元素j在第h阶段失效,xj(h-1)表示元素j在第h-1阶段未失效,表示节点j在第h阶段的可靠度,qj(h)表示节点j第h阶段的可靠度。
与现有技术相比,本发明用过使用二元决策图进行故障树分析,提出一种面向生产线装备动作的可靠性评估分析方法,分析装备动作以构建故障树,通过识别故障树中的共同故障部件和最小相邻分量,化简故障树并简化计算。将可靠性分析引入生产线装备动作可靠性评估,提供一种基于内部和外部共同因素分析的多阶段系统可靠性的建模方法,分析装备每个部件出现故障时对装备动作的跨阶段失效累加情况,并推导出相应概率函数。建立了一种算法化简故障树并建立二元决策图模型,并通过对生产线装备动作故障的内部和外部共同因素分析进行阶段代数运算,评估装备动作可靠性。本发明提出的方法与现有技术的方法具有建模和计算过程简单、可靠性评估准确的优点,同时丰富了机械制造生产线装备动作可靠性的评估方法。
附图说明
下面结合附图详细说明本发明。通过结合以下附图所作的详细描述,本发明的上述或其他方面的内容将变得更清楚和更容易理解。附图中:
图1是本发明实施例提供的生产线装备动作的可靠性评估分析方法的流程框图;
图2是本发明实施例提供的生产装备动作的可靠性评估分析方法的故障树中的共同故障组件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参考图1和图2,本发明提供一种生产线装备动作的可靠性评估分析方法,所述可靠性评估分析方法包括以下步骤:
S1、通过分析生产线装备每一阶段的动作建立多阶段的故障树模型,并通过分析导致装备动作故障的失效事件对每一阶段的所述故障树模型进行扩展,得到扩展故障树模型;
在本发明实施例中,所述失效事件包括内部共因故障事件和外部共因故障事件。
在本发明实施例中,首先,分析系统功能结构,并确定功能相关关系,在此基础上分析部件对装备动作的影响,之后对装备各个动作阶段建立故障树模型。然后,分析导致装备动作失效事件,并划分为内部共因故障事件和外部共因故障事件。最后,使用逻辑或门来连接内部或外部共因故障事件和每个阶段故障树模型的受影响组件故障事件,扩展每个阶段的故障树模型以包含内部或外部共因故障事件。
S2、对所述扩展故障树模型进行化简,移除所述扩展故障树模型中的共同故障组件,并通过预设排序规则对化简后的所述扩展故障树模型进行排序,得到简化故障树模型;
在本发明实施例中,所述预设排序规则为:
当某一所述共同故障组件的故障导致在最后一个阶段的装备动作任务失败时,赋予该所述共同故障组件最高的优先级;
将最小相邻的所述共同故障组件在排序时保持在一起;将最小相邻组件在排序时保持在一起,可以使得最终的BDD(Binary decision diagram,二元决策图,是基于香农分解规则布尔表达式的有根、有向无环图)具有更多的共享节点,简化计算,如图2所示,M表示共同故障组件。
重复的所述共同故障组件将获得低排序优先级,重复的次数越多,优先级就越低。这里只计算一个组件分量在不同阶段的重复次数,同一阶段的重复次数可以忽略。
S3、根据所述简化故障树模型通过预设规则生成单阶段二元决策图模型;
在本发明实施例中,所述预设规则如下:
其中,G和F表示子故障树相对应的两个逻辑表达式,Gi和Fi分别是G和F的子表达式,符号表示逻辑运算,索引表示布尔变量在输入列表中的顺序。
S4、对所述单阶段二元决策图模型进行逻辑或操作和阶段代数处理,得到多阶段二元决策图模型;
在本发明实施例中,合并过程中使用的阶段代数如下表:
S5、根据所述多阶段二元决策图模型进行动作可靠性评估,得到评估结果。
在本发明实施例中,在多阶段二元决策图中,在h阶段的二元节点j的条件概率下的不可靠度和可靠度分别为:qj(h)=Pr{xj(h)=0∣xj(h-1)=1}和pj(h)=1-qj(h)
因此,节点j在H阶段的无条件的不可靠函数为:
同理,节点j在h阶段的无条件的可靠函数为:
对于内部共因故障,设εj(h)表示组件j在阶段h失效时从h阶段失效传播的条件概率。给定失效传播概率εj(h),则组件j单个失效的计算概率为:
vj(h)=qj(h)(1-εj(h))
对于外部共因故障,εj(h)表示外部故障因素在阶段h发生的概率。
因此,内部和外部共因故障的发生概率计算如下:
ej(h)为元素j在内部共因故障情况下导致阶段h中传播的事件,εj(h)为传播失效的概率,因此内部共因故障的发生概率为:
Pr{ej(h)}=wj(h)=qj(h)εj(h)
其中,Pr{ej(h)}表示所述内部共因故障事件的发生概率,wj(h)表示元素j在内部共因故障情况下在第h阶段引起的传播失效概率,ej(h)表示元素j在内部共因故障情况下导致在第h阶段中传播的事件,εj(h)为传播失效的概率,qj(h)表示不可靠度。
对于外部共因故障,若故障在阶段h发生,则意味着在阶段h-1装备动作是正常执行的。因此,外部共因故障的发生概率为:
其中,Pr{xj′(h)xj(h-1)}表示所述外部共因故障事件的发生概率,xj′(h)表示元素j在第h阶段失效,xj(h-1)表示元素j在第h-1阶段未失效,表示节点j在第h阶段的可靠度,qj(h)表示节点j第h阶段的可靠度。
因为多阶段二元决策图中所有的路径是不相交的,所以生产线系统的可靠性可以简单地计算为从根到汇聚节点‘0’地所有路径概率之和。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本发明的实施例进行了描述,所揭露的仅为本发明较佳实施例而已,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式用等同变化,均属于本发明的保护之内。
Claims (7)
1.一种生产线装备动作的可靠性评估分析方法,其特征在于,所述可靠性评估分析方法包括以下步骤:
S1、通过分析生产线装备每一阶段的动作建立多阶段的故障树模型,并通过分析导致装备动作故障的失效事件对每一阶段的所述故障树模型进行扩展,得到扩展故障树模型;
S2、对所述扩展故障树模型进行化简,移除所述扩展故障树模型中的共同故障组件,并通过预设排序规则对化简后的所述扩展故障树模型进行排序,得到简化故障树模型;
S3、根据所述简化故障树模型通过预设规则生成单阶段二元决策图模型;
S4、对所述单阶段二元决策图模型进行逻辑或操作和阶段代数处理,得到多阶段二元决策图模型;
S5、根据所述多阶段二元决策图模型进行动作可靠性评估,得到评估结果。
2.如权利要求1所述的生产线装备动作的可靠性评估分析方法,其特征在于,步骤S2中,所述预设排序规则为:
当某一所述共同故障组件的故障导致在最后一个阶段的装备动作任务失败时,赋予该所述共同故障组件最高的优先级;
将最小相邻的所述共同故障组件在排序时保持在一起;
重复的所述共同故障组件将获得低排序优先级,重复的次数越多,优先级就越低。
3.如权利要求1所述的生产线装备动作的可靠性评估分析方法,其特征在于,步骤S3中,所述预设规则如下:
其中,G和F表示子故障树相对应的两个逻辑表达式,Gi和Fi分别是G和F的子表达式,符号表示逻辑运算,索引表示布尔变量在输入列表中的顺序。
4.如权利要求1所述的生产线装备动作的可靠性评估分析方法,其特征在于,步骤S1中,所述失效事件包括内部共因故障事件和外部共因故障事件。
5.如权利要求4所述的生产线装备动作的可靠性评估分析方法,其特征在于,所述评估结果包括内部共因故障事件的发生概率和外部共因故障事件的发生概率。
6.如权利要求5所述的生产线装备动作的可靠性评估分析方法,其特征在于,所述内部共因故障事件的发生概率满足以下关系式:
Pr{ej(h)}=wj(h)=qj(h)εj(h)
其中,Pr{ej(h)}表示所述内部共因故障事件的发生概率,wj(h)表示元素j在内部共因故障情况下在第h阶段引起的传播失效概率,ej(h)表示元素j在内部共因故障情况下导致在第h阶段中传播的事件,εj(h)为传播失效的概率,qj(h)表示不可靠度。
7.如权利要求5所述的生产线装备动作的可靠性评估分析方法,其特征在于,所述外部共因故障事件的发生概率满足以下关系式:
其中,Pr{x′j(h)xj(h-1)}表示所述外部共因故障事件的发生概率,x′j(h)表示元素j在第h阶段失效,xj(h-1)表示元素j在第h-1阶段未失效,表示节点j在第h阶段的可靠度,gj(h)表示节点j第h阶段的可靠度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531493.7A CN117494460A (zh) | 2023-11-16 | 2023-11-16 | 一种生产线装备动作的可靠性评估分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531493.7A CN117494460A (zh) | 2023-11-16 | 2023-11-16 | 一种生产线装备动作的可靠性评估分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117494460A true CN117494460A (zh) | 2024-02-02 |
Family
ID=89681132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531493.7A Pending CN117494460A (zh) | 2023-11-16 | 2023-11-16 | 一种生产线装备动作的可靠性评估分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117494460A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110137703A1 (en) * | 2004-12-21 | 2011-06-09 | University Of Virginia Patent Foundation | Method and system for dynamic probabilistic risk assessment |
CN110658308A (zh) * | 2019-10-12 | 2020-01-07 | 重庆科技学院 | 考虑共因失效的烟气在线监测系统安全可靠性评价方法 |
-
2023
- 2023-11-16 CN CN202311531493.7A patent/CN117494460A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110137703A1 (en) * | 2004-12-21 | 2011-06-09 | University Of Virginia Patent Foundation | Method and system for dynamic probabilistic risk assessment |
CN110658308A (zh) * | 2019-10-12 | 2020-01-07 | 重庆科技学院 | 考虑共因失效的烟气在线监测系统安全可靠性评价方法 |
Non-Patent Citations (3)
Title |
---|
刘婷婷等: "考虑内部外部共因失效的SBS系统可靠性分析方法", 小型微型计算机系统, vol. 39, no. 8, 31 August 2018 (2018-08-31), pages 1652 - 1656 * |
古莹奎等: "基于BDD考虑共因失效的多阶段任务系统可靠性分析方法", 机械设计与研究, vol. 32, no. 2, 30 April 2017 (2017-04-30), pages 1 - 5 * |
王楠等: "一种多阶段任务系统的BDD排序新方法", 科学技术与工程, vol. 10, no. 17, 30 June 2010 (2010-06-30), pages 4217 - 4224 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7644053B2 (en) | System, method, and computer program product for combination of cognitive causal models with reasoning and text processing for knowledge driven decision support | |
US5014220A (en) | Reliability model generator | |
US20070011113A1 (en) | System and methods for assessing risk using hybrid causal logic | |
He et al. | Big data oriented root cause identification approach based on Axiomatic domain mapping and weighted association rule mining for product infant failure | |
TW201734869A (zh) | 集成電路設計系統及方法 | |
CN112182219A (zh) | 一种基于日志语义分析的在线服务异常检测方法 | |
Grastien et al. | Conflict-based diagnosis of discrete event systems: theory and practice | |
Levin et al. | The co-evolution of test maintenance and code maintenance through the lens of fine-grained semantic changes | |
US20210125090A1 (en) | Abductive inference device, abductive inference method, and computer-readable medium | |
CN114281590A (zh) | 一种故障树的自动生成方法 | |
Dallal et al. | On most permissive observers in dynamic sensor activation problems | |
Last et al. | Using data mining for automated software testing | |
Ovsiannikova et al. | Oeritte: User-friendly counterexample explanation for model checking | |
Remenyte-Prescott et al. | An enhanced component connection method for conversion of fault trees to binary decision diagrams | |
CN107562557B (zh) | 基于可满足模理论的故障树的验证、求解系统及其方法 | |
CN117494460A (zh) | 一种生产线装备动作的可靠性评估分析方法 | |
Alghanim et al. | Software defect density prediction using deep learning | |
Koh et al. | Machine learning-based sensitivity of steel frames with highly imbalanced and high-dimensional data | |
JPWO2012115007A1 (ja) | 故障の木解析システム、故障の木解析方法及びプログラム | |
Chivilikhin et al. | CSP-based inference of function block finite-state models from execution traces | |
BELL et al. | Model-based mutation testing using pushdown automata | |
Ananieva | Explaining Defects and Identifying Dependencies in Interrelated Feature Models | |
Bertoglio et al. | Explanatory monitoring of discrete-event systems | |
Staroswiecki | Observability and the design of fault tolerant estimation using structural analysis | |
Xu et al. | Minimal cut sequence generation for state/event fault trees |
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 |