CN117634142A - 基于改进重要度和复杂度的任务可靠性模型指标分配方法 - Google Patents
基于改进重要度和复杂度的任务可靠性模型指标分配方法 Download PDFInfo
- Publication number
- CN117634142A CN117634142A CN202311377580.1A CN202311377580A CN117634142A CN 117634142 A CN117634142 A CN 117634142A CN 202311377580 A CN202311377580 A CN 202311377580A CN 117634142 A CN117634142 A CN 117634142A
- Authority
- CN
- China
- Prior art keywords
- reliability
- score
- importance
- calculating
- task
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 150000001875 compounds Chemical class 0.000 claims abstract description 5
- 239000002131 composite material Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012356 Product development Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于改进重要度和复杂度的任务可靠性模型指标分配方法，包括：步骤1，建立系统的任务可靠性模型，收集系统相关信息；步骤2，如果系统没有历史失效数据，使用考虑重要度和复合因素的方法进行可靠性指标的分配，计算系统各组成设备的可靠性指标分配值；步骤3，如果系统有历史失效数据信息，使用考虑重要度和历史失效数据的方法进行可靠性指标的分配，计算系统各组成设备的可靠性指标分配值；步骤4，计算在特定时间下系统的可靠度。本发明根据信息获取类别的不同，采用不同的方法进行可靠性指标分配，分配因素考虑的更加全面，分配后的指标可以灵活调整，充分考虑历史失效数据，使得分配结果更加符合实际情况。
Description
技术领域
本发明属于可靠性分配方法领域，尤其涉及基于改进重要度和复杂度的任务可靠性模型指标分配方法。
背景技术
随着正向设计理念在装备研发中的深入应用，指标分配的指导性意义越来越明显。可靠性指标分配将使用方提出的，在产品研制任务书或合同中规定的总体可靠性指标，从整体到局部，逐步分解，分配到各系统、分系统及设备。目的是使各级设计人员明确其可靠性设计要求，根据要求估计所需的人力、时间和资源，并研究实现这些要求的可能性和技术方法。可靠性分配主要是在方案阶段及初步设计阶段进行，是产品研制初期不可或缺的一部分，与可靠性预计工作结合，是一个反复迭代的过程，及时准确的可靠性分配结果，可以帮助设计师在产品设计时树立参考的可靠性目标，防止在产品设计过程中出现“欠缺”和“过度”设计。
对于无约束的可靠性分配方法，基本可靠性系统可以采用等分配法、相似产品法、评分分配法等，任务可靠性系统常用的分配方法是考虑重要度和复杂度分配法，此法需要获取系统的故障统计数据和组成部件的数量信息，其最大的优势是可以进行复杂任务可靠性模型的可靠性分配。
基于重要度和复杂度的任务可靠性模型分配，重要度的取值在0到1之间，所以能够很好地描述并联系统的冗余工作效果，但是只考虑产品的重要度和复杂度两种因素，利用的信息不够全面，考虑的分配因素太少，分配结果误差较大，尤其是在对分配结果进行技术调整时，因为重要度是从历史故障信息中获得，几乎是无法改变的参数，复杂度由部件的组成数量来确定，可以改动的范围有限，所以无法灵活的调整分配结果。另外，基于重要度和复杂度的任务可靠性指标分配没有考虑产品部件的历史失效率这一重要信息，改进产品的历史失效率是已知的情况下，进行可靠性分配应该优先考虑历史失效率这一重要因素作为参考依据，才能反映分配结果的准确性。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供基于改进重要度和复杂度的任务可靠性模型指标分配方法，针对老方法的两个重要缺陷，一方面引入更多的因素，使分配因素的影响考虑的更加全面，分配后的指标可以灵活调整，另一方面充分考虑历史失效数据，使得分配结果更能反映真实可靠性水平。
本发明方法包括以下步骤：
步骤1，根据系统定义和任务剖面，建立系统的任务可靠性模型，任务可靠性模型一般是串并混联模型，由框图代表设备，使用折线将框图连接在一起，包含串联和并联关系组合的单元，然后，收集系统相关信息，包括系统的技术材料、历史故障信息和历史失效数据；
步骤2，如果系统没有历史失效数据，则使用考虑重要度和复合因素的方法进行可靠性指标的分配，计算系统各组成设备的可靠性指标分配值；
步骤3，如果系统有历史失效数据信息，则使用考虑重要度和历史失效数据的方法进行可靠性指标的分配，计算系统各组成设备的可靠性指标分配值；
步骤4，根据设备设计师的反馈结果对可靠性指标值进行调整，根据最终分配结果列出系统级可靠度函数，计算在特定时间下系统的可靠度，必须要大于指标要求。
步骤2具体包括：
步骤2-1，在获取系统组成设备的相关信息后，通过故障信息计算重要度的取值；
步骤2-2，在获取系统组成设备的历史信息后，通过故障次数信息计算重要度的取值，复合因素的权重为Ci，复合因素选取复杂程度、使用环境、技术水平、工作时间四个因素；
步骤2-3，考虑重要度和复合因素的方法进行可靠性指标的分配，计算第i个设备的平均故障间隔时间θi。
步骤2-1包括：重要度ωkj用来表示设备的故障对整个系统故障的影响，计算公式为：
ωkj＝Nk/rkj
其中，rkj为第k个子系统第j个设备的故障次数，Nk为k个子系统的故障引起整个系统故障的次数。
步骤2-1中，当第j个设备在系统中的地位极为重要时，重要度ωkj的取值为[0,1]，它的可靠程度将对系统产生100％的影响，即ωkj＝1，如果系统的任务可靠性模型由串并联模型组成，包含有冗余的设备，则每个设备的重要度取值为0≤ωkj≤1。
步骤2-2中，评分值的含义如下所示：
复杂程度Ki1：第i单元结构越简单、元器件数量越少评分越低，最低评分为1分，反之复杂程度高、元器件数量多评分越高，最高评分为10分；
使用环境Ki2：第i单元使用环境越优良，评分越低，最低评分为1分，使用环境越恶劣评分越高，最高评分为10分；
技术水平Ki3：第i单元技术水平越成熟，越有把握保证高可靠性，评分越低，最低评分为1分，技术水平越不成熟评分越高，最高评分为10分；
工作时间Ki4：第i单元在整个任务期工作时间很少，工作时间越短，评分越低，最低评分为1分，在整个任务期间工作时间很长，评分越高，最高评分为10分；
复合因素的权重Ci，计算公式如下：
步骤2-3中，采用如下公式计算第i个设备的平均故障间隔时间θi：
其中，R* s为系统的可靠度指标要求值，e是自然常数，ωi是第i个设备的重要度，ti是第i个设备工作时间。
步骤3包括：
步骤3-1，在获取系统组成设备的历史信息后，通过故障信息计算重要度ωi；
步骤3-2，考虑历史失效数据的相似产品法的原理是：新系统与老系统非常相似，根据老系统中各设备的失效率，按新系统的可靠性指标要求，给新系统的各单元分配失效率，计算失效率分配权重Qi；
步骤3-3，考虑重要度和历史失效率的方法进行可靠性指标的分配，计算第i个设备的平均故障间隔时间θi。
步骤3-2中，采用如下公式计算失效率分配权重Qi：
式中，λi是老系统第i个设备失效率，λs是老系统的系统故障率。
步骤3-3中，采用如下公式计算第i个设备的平均故障间隔时间θi：
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述基于改进重要度和复杂度的任务可靠性模型指标分配方法。
有益效果：本发明根据信息获取类别的不同，采用不同的方法进行可靠性指标分配，分配因素考虑的更加全面，分配后的指标可以灵活调整，而且可以充分考虑历史失效数据，使得分配结果更加符合实际情况。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是基于改进重要度和复杂度的任务可靠性指标分配工作流程。
图2是实施例1任务可靠性模型。
图3是实施例2任务可靠性模型。
具体实施方式
实施例1：某系统是个复杂任务系统，由7个设备组成，设备为新研产品，已知系统的可靠性指标Rs为0.95(任务时间为10h)，计算分配到各个设备的分配值。如图1所示，可靠性指标分配流程分为以下步骤：
S1：根据系统定义和任务剖面，建立系统的任务可靠性模型，如图2所示；
S2：在信息收集过程中，发现无法获得设备的历史失效率，故使用基于重要度和复合因子的可靠性指标分配方法，对重要度和复合因子分别计算评估，最终分配结果如下表1所示：
表1
S3：如果某个设备的分配值θi过高，实际设备无法达到此值，则需要对分配值适当调整，此时可以调整的因素有复杂程度、使用环境、技术水平、工作时间，选择任一因素的评分进行调整均可，操作可选择因素更多。
S4：根据最终分配结果和任务可靠性模型列出系统级可靠度函数：
Rs(t)＝R1*(1-(1-R2)*(1-R3))*(1-(1-R4R5)*(1-R6))*R7
其中Ri是第i个设备的可靠度函数，Rs(t)是系统级可靠度函数，表示t时刻的系统的可靠度。
如果设备失效率服从指数分布，在t＝10h时系统可靠度Rs(10)为：
Rs(10)＝0.982
分配后的可靠性指标预估值为0.982，大于指标要求值0.95，分配结果合理，满足系统可靠性要求。
实施例2：某系统是个复杂任务系统，由旧系统进行技术改进，共有7个设备组成，已知系统的可靠性指标Rs为0.95(任务时间为10h)，计算分配到各个设备的分配值。如图1所示，可靠性指标分配流程分为以下步骤：
S1：根据系统定义和任务剖面，建立系统的任务可靠性模型，如图3所示；
S2：在信息收集过程中，可以获得设备的历史失效率，故选择使用基于重要度和失效率的可靠性指标分配方法，根据收集的历史数据对重要度和失效率权重分别计算评估，最终分配结果如下表2所示：
表2
S3：根据最终分配结果和任务可靠性模型列出系统级可靠度函数。
Rs(t)＝R1*(1-(1-R2)*(1-R3))*(1-(1-R4)(1-R5)(1-R6))*R7
其中Ri是设备的可靠度函数，Rs(t)是系统可靠度函数，表示t时刻的系统的可靠度。
如果设备失效率服从指数分布，在t＝10h时系统可靠度为：
Rs(10)＝0.981
分配后的可靠性指标预估值为0.981，大于指标要求值0.95，根据重要度和设备失效率进行分配，分配结果准确、合理，满足系统可靠性要求。
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的基于改进重要度和复杂度的任务可靠性模型指标分配方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机，MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了基于改进重要度和复杂度的任务可靠性模型指标分配方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.基于改进重要度和复杂度的任务可靠性模型指标分配方法，其特征在于，包括以下步骤：
步骤1，根据系统定义和任务剖面，建立系统的任务可靠性模型，然后，收集系统相关信息，包括系统的技术材料、历史故障信息和历史失效数据；
步骤2，如果系统没有历史失效数据，则使用考虑重要度和复合因素的方法进行可靠性指标的分配，计算系统各组成设备的可靠性指标分配值；
步骤3，如果系统有历史失效数据信息，则使用考虑重要度和历史失效数据的方法进行可靠性指标的分配，计算系统各组成设备的可靠性指标分配值；
步骤4，根据设备设计师的反馈结果对可靠性指标值进行调整，根据最终分配结果列出系统级可靠度函数，计算在特定时间下系统的可靠度，必须要大于指标要求。
2.根据权利要求1所述的方法，其特征在于，步骤2具体包括：
步骤2-1，在获取系统组成设备的相关信息后，通过故障信息计算重要度的取值；
步骤2-2，在获取系统组成设备的历史信息后，通过故障次数信息计算重要度的取值，复合因素的权重为Ci，复合因素选取复杂程度、使用环境、技术水平、工作时间四个因素；
步骤2-3，考虑重要度和复合因素的方法进行可靠性指标的分配，计算第i个设备的平均故障间隔时间θi。
3.根据权利要求2所述的方法，其特征在于，步骤2-1包括：重要度ωkj用来表示设备的故障对整个系统故障的影响，计算公式为：
ωkj＝Nk/rkj
其中，rkj为第k个子系统第j个设备的故障次数，Nk为k个子系统的故障引起整个系统故障的次数。
4.根据权利要求3所述的方法，其特征在于，步骤2-1中，当第j个设备在系统中的地位极为重要时，重要度ωkj的取值为[0,1]，它的可靠程度将对系统产生100％的影响，即ωkj＝1，如果系统的任务可靠性模型由串并联模型组成，包含有冗余的设备，则每个设备的重要度取值为0≤ωkj≤1。
5.根据权利要求4所述的方法，其特征在于，步骤2-2中，评分值的含义如下所示：
复杂程度Ki1：第i单元结构越简单、元器件数量越少评分越低，最低评分为1分，反之复杂程度高、元器件数量多评分越高，最高评分为10分；
使用环境Ki2：第i单元使用环境越优良，评分越低，最低评分为1分，使用环境越恶劣评分越高，最高评分为10分；
技术水平Ki3：第i单元技术水平越成熟，越有把握保证高可靠性，评分越低，最低评分为1分，技术水平越不成熟评分越高，最高评分为10分；
工作时间Ki4：第i单元在整个任务期工作时间很少，工作时间越短，评分越低，最低评分为1分，在整个任务期间工作时间很长，评分越高，最高评分为10分；
复合因素的权重Ci，计算公式如下：
6.根据权利要求5所述的方法，其特征在于，步骤2-3中，采用如下公式计算第i个设备的平均故障间隔时间θi：
其中，R* s为系统的可靠度指标要求值，e是自然常数，ωi是第i个设备的重要度，ti是第i个设备工作时间。
7.根据权利要求6所述的方法，其特征在于，步骤3包括：
步骤3-1，在获取系统组成设备的历史信息后，通过故障信息计算重要度ωi；
步骤3-2，考虑历史失效数据的相似产品法的原理是：新系统与老系统非常相似，根据老系统中各设备的失效率，按新系统的可靠性指标要求，给新系统的各单元分配失效率，计算失效率分配权重Qi；
步骤3-3，考虑重要度和历史失效率的方法进行可靠性指标的分配，计算第i个设备的平均故障间隔时间θi。
8.根据权利要求7所述的方法，其特征在于，步骤3-2中，采用如下公式计算失效率分配权重Qi：
式中，λi是老系统第i个设备失效率，λs是老系统的系统故障率。
9.根据权利要求8所述的方法，其特征在于，步骤3-3中，采用如下公式计算第i个设备的平均故障间隔时间θi：
10.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现如权利要求1至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311377580.1A CN117634142A (zh) | 2023-10-23 | 2023-10-23 | 基于改进重要度和复杂度的任务可靠性模型指标分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311377580.1A CN117634142A (zh) | 2023-10-23 | 2023-10-23 | 基于改进重要度和复杂度的任务可靠性模型指标分配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117634142A true CN117634142A (zh) | 2024-03-01 |
Family
ID=90036124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311377580.1A Pending CN117634142A (zh) | 2023-10-23 | 2023-10-23 | 基于改进重要度和复杂度的任务可靠性模型指标分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117634142A (zh) |
-
2023
- 2023-10-23 CN CN202311377580.1A patent/CN117634142A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106339779B (zh) | 一种配电网中分布式电源配置方案评价方法 | |
| CN107395430A (zh) | 一种云平台动态风险访问控制方法 | |
| CN109003000A (zh) | 一种主动配电网的电能质量综合评估方法 | |
| CN103514368B (zh) | 一种采用聚类技术的实时与阶段理论线损快速估算方法 | |
| CN101339619B (zh) | 用于模式分类的动态特征选择方法 | |
| CN113487243A (zh) | 一种城市配电网性能综合评价方法及装置 | |
| CN116976747B (zh) | 一种液晶显示器的密封剂生产管理方法及系统 | |
| CN111177892A (zh) | 一种分布式仿真系统 | |
| CN111898842A (zh) | 一种基于模糊熵权的黑启动方案评估方法 | |
| US20040139035A1 (en) | System and method for integration of value-added product costs | |
| CN117634142A (zh) | 基于改进重要度和复杂度的任务可靠性模型指标分配方法 | |
| CN113377696A (zh) | 一种基于计算机设备的总线数据处理方法 | |
| CN112288593A (zh) | 一种电网应急体系的评估数据处理方法、装置和介质 | |
| CN109936134B (zh) | 一种热稳定输电通道功率极限区间快速识别方法及设备 | |
| CN106970779A (zh) | 一种面向内存计算的流式平衡图划分方法 | |
| CN107092700A (zh) | 一种基于大数据量下批量导入数据的方法及装置 | |
| CN101996246B (zh) | 即时索引方法及系统 | |
| CN115660425A (zh) | 风偏闪络风险评价方法、系统、设备、可读存储介质 | |
| CN114331229A (zh) | 一种装备保障方案的综合权衡方法及系统 | |
| CN113836125A (zh) | 一种配电物联网边缘侧的配变数据清洗修复方法和系统 | |
| CN111144682A (zh) | 一种配电网运行效率主要影响因素挖掘方法 | |
| CN112116213A (zh) | 基于fahp的数控机床直线进给系统可靠性分配方法 | |
| CN111353673B (zh) | 一种用于区块链项目的评判系统 | |
| CN112653129B (zh) | 暂态功角稳定裕度估算方法、装置及系统 | |
| CN113779008B (zh) | 电力内网运行数据智能存储系统 |
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 |