Прогнозирование показателей надежности бортовой аппаратуры космических аппаратов при воздействии ионизирующих излучений низкой интенсивности. Методы прогнозирования Методы прогнозирования надежности

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

1. Методы прогнозирования

2. Схема прогноза параметрической надежности машины

3. Применение метода Монте-Карло для прогнозирования надежности

4. Возможности метода статистического моделирования

5. Оценка экстремальных ситуаций

Список использованной литературы

1. Методы прогнозирования

За последние годы прогнозирование поведения сложных систем развилось в самостоятельную науку, которая использует разнообразные методы и средства.

Прогнозирование отличается от расчета системы тем, что решается вероятностная задача, в которой поведение сложной системы в будущем определяется лишь с той или иной степенью достоверности и оценивается вероятность ее нахождения в определенном состоянии при различных условиях эксплуатации. Применительно к надежности задача прогнозирования сводится в основном к предсказанию вероятности безотказной работы изделия Р(t) в зависимости от возможных режимов работы и условий эксплуатации. Качество прогноза в большой степени зависит от источника информации о надежности отдельных элементов и о процессах потери ими работоспособности. Для прогнозирования в общем случае применяются разнообразные методы с использованием моделирования, аналитических расчетов, статистической информации, экспертных оценок, метода аналогий, теоретико-информационного и логического анализа и др.

Обычно прогнозирование, связанное с применением математического аппарата (элементы численного анализа и теории случайных функций), называется аналитическим. Специфика прогнозирования надежности заключается в том, что при оценке вероятности безотказной работы Р (t) эту функцию в общем случае нельзя экстраполировать. Если она определена на каком-то участке, то за его пределами ничего о функции Р (t) сказать нельзя. Поэтому основным методом для прогнозирования надежности сложных систем является оценка изменения его выходных параметров во времени при различных входных данных, на основании чего можно сделать вывод о показателях надежности при различных возможных ситуациях и методах эксплуатации данного изделия.

Нами будет рассмотрен тот случай прогнозирования параметрической надежности машины, когда известна структура формирования области работоспособности, но параметры, определяющие эту область, зависят от большого числа факторов и имеют рассеивание.

Рис. 1 Область прогнозирования надежности

2. Схема прогноза параметрической надежности машины

Рис. 2 Схема потери машиной работоспособности при заданной длительности непрерывной работы

Опираясь на общую схему потери машиной работоспособности (рис.2), можно представить три основных задачи по прогнозированию надежности (рис.1).

1.Прогнозируется поведение всей генеральной совокупности данных машин, т. е. учитывается как вариация исходных характеристик машины, так и возможных условий ее эксплуатации (область).

2.Прогнозируется поведение конкретного образца машины, т. е. начальные параметры машины становятся неслучайными величинами, а режимы и условия эксплуатации машины могут изменяться в определенном диапазоне. В этом случае область состояний сужается (область) и становится подмножеством множества.

3.Прогнозируется поведение данной машины в определенных условиях эксплуатации при постоянных режимах работы. В этом случае необходимо выявить реализацию случайного процесса, которая соответствует заданным условиям работы.

Таким образом, если в первых двух случаях необходимо предсказать возможную область существования выходных параметров и оценить вероятность их нахождения в каждой зоне данной области, то в третьем случае отсутствует неопределенность в условиях работы изделия, и прогноз связан лишь с выявлением тех закономерностей, которые описывают процесс изменения выходного параметра во времени.

Рис. 3 Процесс старения как случайная функция

Как известно (рис. 3), протекание случайного процесса может идти с большей или меньшей степенью «перемешивания» реализаций. Следует отметить, что если прогноз касается совокупности изделий, то степень перемешивания не влияет на оценку области существования параметров, так как выявляется не поведение данного изделия, а вероятность выхода за допустимые границы любого экземпляра из данной совокупности.

Если же прогнозируется поведение данного экземпляра изделия в пределах области, то следует оценить возможную скорость изменения процесса потери работоспособности в ближайший период времени, т. е. использовать корреляционную функцию.

Точность прогнозирования зависит от ряда факторов. Во-первых, от того, насколько принятая схема потери машиной работоспособности отражает объективную действительность. Во-вторых, насколько достоверны сведения о режимах и условиях предполагаемой работы изделия, а также о его начальных параметрах.

Наконец, на правильность прогноза решающее влияние оказывает достоверность информации о закономерностях изменения выходных параметров изделия в процессе эксплуатации, т. е. о случайных функциях X 1 (t); ...; Хn, (t). Информация о надежности изделия (понимая под этим оценку упомянутых функций Xi (t) или данные по надежности элементов изделия) может быть получена из разных источников. Прогнозирование может вестись на стадии проектирования (имеются ТУ на изделие, конструктивные данные о машине и ее элементах, известны возможные условия эксплуатации). При наличии опытного образца изделия (можно получить начальные характеристики машины, оценить запас надежности) и при эксплуатации (имеется информация о потере работоспособности изделий при различных условиях эксплуатации). При прогнозировании надежности изделия на стадии проектирования имеется наибольшая неопределенность (энтропия) в оценке возможных состояний изделия. Однако методический подход к решению этой задачи остается общим.

В рассматриваемом случае он заключается в использовании в качестве основы для оценки вероятности безотказной работы изделия соответствующих моделей отказов и состоит из следующих этапов.

1.Определение начальных параметров изделия (а о; а), как функции технологического процесса изготовления машины. Это связано с изменениями в пределах допуска размеров деталей, свойств материалов, качества сборки и других показателей. Значения начальных параметров могут зависеть также от режимов работы машины.

2.Установление предельно допустимых значений выходных параметров.

3.Оценка расчетным путем изменения выходных параметров в течение межналадочного периода То (в, н, с, а с) с учетом аналогичных характеристик у прототипа путем испытания при наличии опытного образца или путем учета установленных стандартом нормативов на параметры машины.

4.Оценка влияния процессов старения () на выходные параметры изделия на основании физических закономерностей отказов с учетом их стохастической природы.

5.Оценка спектров режимов работы (нагрузок, скоростей и условий эксплуатации), которые отражают возможные условия эксплуатации и определяют рассеивание скоростей изменения выходных параметров (х).

6.Расчет вероятности безотказной работы машины по каждому из параметров в функции времени.

7.При получении информации об эксплуатации изделия, для которого был сделан прогноз, производится сравнение действительных и расчетных данных и анализ причин их расхождения.

В зависимости от поставленной задачи должны быть выявлены области и (или) оценена реализация (рис. 1), т. е. получены законы распределения f (Т) или f (Т), или соответственно P (Т) или Р (Т), отражающие диапазоны рассеивания сроков службы для всей генеральной совокупности (D /) или для данной машины (D //). Если условия эксплуатации для данного образца жестко заданы, прогнозируется срок службы (наработка до отказа) Т.

3. Применение метода Монте-Карло для прогнозирования надежности

Рассмотренные в гл. 3 модели отказов являются формализованным описанием процесса потери машиной работоспособности и дают возможность установить функциональные связи между показателями надежности и исходными параметрами.

Статистическая природа этих закономерностей проявляется в том, что аргументы полученных функций являются случайными и зависят от большого числа факторов. Поэтому и нельзя точно предсказать поведение системы, а можно лишь определить вероятность того или иного ее состояния.

Для прогнозирования поведения сложной системы с успехом может применяться метод статистического моделирования (статистических испытаний), который получил название метода Монте-Карло (184).

Основная идея этого метода заключается в многократном расчете параметров по некоторой формализованной схеме, являющейся математическим описанием данного процесса (в нашем случае -- процесса потери работоспособности).

При этом для случайных параметров, входящих в формулы, перебираются наиболее вероятные их значения в соответствии с законами распределения.

Таким образом, каждое статистическое «испытание» заключается в выявлении одной из реализаций случайного процесса, так как подставляя, хотя и случайным образом, выбранные, но зафиксированные аргументы, получаем детерминированную зависимость, которая описывает данный процесс при принятых условиях. Многократно повторяя испытания по данной схеме (что практически возможно в сложных случаях лишь с применением ЭВМ), получим большое число реализаций случайного процесса, которое позволит оценить ход этого процесса и его основные параметры.

Рассмотрим упрощенную блок-схему алгоритма для расчета на ЭВМ надежности изделия, потеря работоспособности которого может быть описана схемой на рис. 4 и уравнением

Рис.4 Схема формирования постепенного отказа данного изделия

Пусть изменение выходного параметра X зависит от износа U одного из элементов изделия, т. е. X = F (U), где F -- известная функция, зависящая от конструктивной схемы изделия. Примем, что износ связан с удельным давлением р и скоростью скольжения трущейся пары v степенной зависимостью U=kp m 1 v m 2 t, где коэффициенты m1 и m2 известны (например, из испытания материалов пары). Коэффициент k оценивает износостойкость материалов и условия работы сопряжения (смазка, засоренность поверхностей).

Данное изделие может попасть в различные условия эксплуатации и работать при разных режимах. Для того чтобы предсказать ход процесса потери изделием работоспособности, надо знать вероятностную характеристику тех условий, в которых будет эксплуатироваться изделие. Такими характеристиками могут быть законы распределения нагрузок f (Р), скоростей f (v) и условий эксплуатации f (k). Заметим, что эти закономерности оценивают те условия, в которых будет находиться изделие и поэтому могут быть получены независимо от его конструкции с использованием статистики по работе аналогичных машин или по требованиям к будущим изделиям. Например, спектры нагрузок и скоростей при различных условиях работы транспортных машин, необходимые режимы резания при обработке данного типажа деталей на металлорежущих станках, нагрузки на узлы горнодобывающих машин при разработке различных пород и т. п. могут быть заранее определены в виде гистограмм или законов распределения.

Алгоритм для оценки надежности методом Монте-Карло (рис. 5) состоит из программы одного случайного испытания, по которой определяется конкретное значение скорости изменения параметра х. Данное испытание повторяется N раз (где N должно быть достаточно большим для получения достоверных статистических данных, например N? 50), и по результатам этих испытаний оценивается математическое ожидание ср и среднеквадратическое отклонение х случайного процесса, т. е. данные, необходимые для определения Р (t). Последовательность расчета (статистического испытания) следующая. После ввода необходимых данных (оператор /) производится выбор конкретных для данного испытания значений р, v и k (оператор 2). Для этого имеются подпрограммы, в которые заложены гистограммы или законы распределения, характеризующие данные значения или определяющие их величины. Например, вместо давлений на поверхности трения р может быть задан закон распределения внешних нагрузок Р, действующих на узел. В этом случае в подпрограмме по выбранному значению Р рассчитывается

р = F (Р),в простейшем случае,

где S -- поверхность трения.

Для выбора конкретного значения каждого из параметров с учетом их законов распределения применяется генератор случайных чисел, при помощи которого разыгрывается (выбирается) данное случайное число. Обычно генератор построен так, что выдает равномерно распределенные числа, которые с помощью стандартных подпрограмм могут быть преобразованы так, что их плотность распределения будет соответствовать данному закону. Например, для нормального закона распределения вырабатываются случайные числа г для математического ожидания М (z) = О и среднеквадратического отклонения z = 1. В подпрограмме для каждого случая применяется формула разыгрывания, которая учитывает характеристики заложенного распределения. Так, если р распределено по нормальному закону с параметрами р ср и р, то формула разыгрывания будет р= р ср + р z, где z получено с помощью генераторов случайных чисел. Возможно создание подпрограмм для разыгрывания случайных значений параметров при задании их распределения при помощи гистограмм. После получения случайных значений для каждого опыта рассчитывается скорость процесса повреждения (оператор 3) и по ней скорость процесса изменения параметра х (оператор 4). Данная процедура повторяется N раз и каждое полученное значение х засылается во внешнюю память машины. После накопления необходимого количества статистических данных, т. е. при n = N, производится определение ср и х (операторы 6 и 7), после чего возможен как расчет вероятности безотказной работы Р (Т) (оператор 8), так и построение гистограммы распределения х (или наработок до отказа Ti) и выдача на печать всех необходимых данных.

4. Возможности метод а статистического моделирования

Рассмотренный случай является простейшим, но иллюстрирует общий методический подход к решению данной задачи.

В более сложном случае, например при использовании модели отказа с учетом рассеивания начальных параметров (рис. 6), в программу закладываются сведения о законах распределения исходных характеристик машины.

По нормальному закону, а такие положительные величины, как погрешность эксцентриситета вала -- по закону Максвелла и т. п.

Рассмотренный на рис. 5 пример характерен также тем, что скорость процесса здесь постоянна х = const, и каждая реализация случайной функции характеризуется одним конкретным значением х.

Рис.6 Схема формирования отказа при рассеивании начальных параметров изделия.

Например, погрешности изготовления деталей обычно распределяются в пределах допуска.

по нормальному закону, а

такие положительные величины, как погрешность эксцентриситета вала -- по закону Максвелла и т. п.

Рассмотренный на рис. 5 пример характерен также тем, что скорость процесса здесь постоянна х = const, и каждая реализация случайной функции характеризуется одним конкретным значением х. Поэтому моделирование случайной функции здесь сведено к моделированию случайной величины.

Если рассматривать нелинейную задачу, когда скорость процесса изменяется во времени (t), то каждое испытание даст реализацию случайной функции. Для дальнейших действий каждую реализацию можно представить в виде чисел в данных сечениях t 1 ;t 2 …t n , охватывающих исследуемый диапазон работоспособности изделия.

Часто случайную функцию удобно представить в виде ее канонического разложения

В этом случае случайными будут коэффициенты при неслучайных функциях

Выработка реализаций случайной функции на ЭВЦМ упрощается в случае ее стационарности.

Еще более сложные случаи могут иметь место, если существует связь между смежными значениями случайных параметров. Тогда необходимо учитывать коэффициент корреляции между смежными членами или даже несколькими соседними членами (множественная корреляционная связь). Такой случай также может быть решен методом Монте-Карло, но требуется моделирование корреляционной функции.

Следует также отметить, что данный метод применим и для закономерностей, характеризующих процесс в виде неявных функций, а также при описании процесса не обязательно в виде математических формул. Прогнозирование надежности методом Монте-Карло позволяет вскрыть статистическую природу процесса потери изделием работоспособности и оценить удельный вес влияния отдельных факторов. Например, для рассмотренной задачи можно сделать расчет, насколько повысится вероятность безотказной работы, если проведен ряд мероприятий по уменьшению давлений в зоне трения (изменена конструкция узла), уменьшено значение коэффициента k (применен новый материал), сужен диапазон режимов работы машины [изменены параметры законов f (Р) и f (v)].

Специфика применения метода статистического моделирования для расчета надежности заключается в том, что если обычно при статистическом моделировании сложных систем искомыми величинами являются средние значения характеристик, то здесь нас интересует область крайних реализаций (значений близких к max), так как именно они определяют значения Р (Т) .

Поэтому для оценки надежности ответственных изделий важное значение приобретает исследование аварийных и экстремальных ситуаций, когда выявляются реализации процесса с наибольшей скоростью изменения выходных параметров х max.

5. Оценка экстремальных ситуаций

При прогнозировании надежности особое значение приобретает выявление крайней границы области состояний изделия, так как именно она определяет его близость к отказу. Эта граница формируется за счет реализаций, которые имеют наибольшие значения скорости процесса х. Хотя вероятность их появления мала (она соответствует вероятности отказа), их роль в оценке надежности изделия является основной. Такие реализации будем называть экстремальными. Они могут быть двух типов: собственно экстремальные, как следствие наиболее неблагоприятного сочетания внешних факторов, но находящихся в допустимых пределах, и аварийные, которые связаны с нарушением условий эксплуатации или проявлением нарушений ТУ при изготовлении изделия.

Экстремальная реализация IV на рис. 1 может быть выявлена как результат наиболее неблагоприятного сочетания факторов, влияющих на скорость изменения параметров 7л Часто это предельные режимы, при которых существенно возрастают динамические нагрузки. Если для простых систем формулирование экстремальных условий, как правило, не вызывает трудностей (это наибольшие нагрузки, скорости, температуры), то для сложных систем необходимо провести исследования по выявлению такого сочетания параметров, которое приведет к х max Действительно, например, повышение скорости механизма для одних элементов может привести к повышению их работоспособности (переход к жидкостному трению в подшипнике скольжения, лучшая циркуляция охлаждающей жидкости, выход механизма из резонансной зоны и т. п.), а для других -- к ухудшению условий их работы (рост динамических нагрузок, повышение тепловыделения и т. п.). Поэтому суммарное воздействие на механизм будет наибольшим лишь при определенных режимах его работы. Если требуется выявить наихудшее начальное состояние изделия, то также необходимо решить задачу о наиболее неблагоприятном распределении допусков (ТУ) на элементы и оценить вероятность этой ситуации (например, нахождение для всех деталей размеров на границах полей допусков маловероятно).

Кроме того, при оценке надежности изделия с учетом всех его основных параметров X 1 , Х 2 , ..., Х n режимы по-разному отразятся на их изменении, что исключает возможность предопределения заранее наихудшего их сочетания. Все это свидетельствует о том, что выявление экстремальных ситуаций также является задачей статистического исследования, которое может быть проведено с применением метода Монте-Карло. Однако разыгрывание должно вестись в области, соответствующей малой вероятности отказа, но при допустимых значениях входных параметров (значений случайных аргументов).

Аварийные ситуации связаны с двумя основными причинами. Во-первых, это возрастание внешних нагрузок и воздействий за пределами установленными ТУ при попадании машины в недопустимые условия эксплуатации. Для отдельных узлов и элементов машины такое положение может возникнуть из-за повреждения соседних малоответственных деталей, что повлияет на работу данного узла. Например, повышенный износ неответственного соединения не влияет сам по себе на работоспособность этой пары, но продукты износа засоряют смазку и выводят из строя другие сопряжения. Повышенное тепловыделение может привести к недопустимым деформациям соседних элементов.

Во-вторых, возникновение аварийных ситуаций связано с нарушением ТУ на изготовление и сборку изделий. Производственные дефекты могут проявиться неожиданно и привести к отказу изделия.

Если вероятность появления экстремальных ситуаций можно оценить, то возникновение аварийного состояния предсказать трудно, а в большинстве случаев практически невозможно. Обычно удается составить перечень типичных аварийных ситуаций, доказать, что вероятность их возникновения чрезвычайно мала (если это не так, надо изменять конструкцию) и, главное, оценить возможные последствия каждой ситуации. Оценка характера последствий и времени, необходимого для ликвидации возникшей ситуации, определяет степень опасности данной аварийной ситуации.

Таким образом, прогноз области возможных состояний изделия и его показателей надежности для высокоответственных объектов дополняется анализом аварийных и экстремальных ситуаций с оценкой их последствий.

В заключение следует отметить, что разработка методов прогнозирования надежности машин даст огромный экономический эффект, так как, во-первых, сократятся затраты времени и средств на испытание опытных образцов, во-вторых, будет иметь место более рациональное использование потенциальной долговечности изделия за счет правильного построения системы ремонта и эксплуатации, в-третьих, еще на стадии проектирования будет возможен выбор оптимального с точки зрения надежности конструктивного решения.

Список использованной литературы :

1. Проников А.С. Надежность машин Москва «Машиностроение» 1978 г

2. Бусленко Н.П. Моделирование сложных систем М.; «Наука» 1969 г.

3. Елизаветин М.А. Повышение надежности машин М.; «Машиностроение» 1973г.

Подобные документы

Описание конструкции компрессора газотурбинного двигателя. Расчет вероятности безотказной работы лопатки и диска рабочего колеса входной ступени дозвукового осевого компрессора. Расчет надежности лопатки компрессора при повторно-статических нагружениях.

курсовая работа , добавлен 18.03.2012


Построение эмпирической вероятности безотказной работы. Определение параметров распределения итерационным методом. Рассмотрение количественных характеристик каждого фактора в отдельности. Определение средней наработки до первого отказа устройства.

отчет по практике , добавлен 13.12.2017


Краткое описание конструкции двигателя. Нормирование уровня надежности лопатки турбины. Определение среднего времени безотказной работы. Расчет надежности турбины при повторно-статических нагружениях и надежности деталей с учетом длительной прочности.

курсовая работа , добавлен 18.03.2012


Назначение, классификация и обоснование выбора горной машины в зависимости от условий работы. Статический расчет технологических параметров работы машины. Устройство, принцип работы, эксплуатация механического оборудования и привода. Механизм подъема.

курсовая работа , добавлен 08.11.2011


Требования, предъявляемые к надежности изделия. Анализ надежности дублированных систем. Вероятность безотказной работы по заданному критерию. Распределение отказов по времени. Основы расчета резьбовых и болтовых соединений при постоянной нагрузке.

контрольная работа , добавлен 09.11.2011


Государственные стандарты по проблеме надежности энергетических объектов при эксплуатации. Изменение интенсивности отказов при увеличении наработки объекта. Вероятность безотказной работы. Показатели долговечности и модель гамма-процентного ресурса.

презентация , добавлен 15.04.2014


Понятия теории надежности. Вероятность безотказной работы. Показатели частоты отказов. Методы повышения надежности техники. Случаи возникновения отказов, сохранность работоспособности оборудования. Критерии и количественные характеристики его оценки.

курсовая работа , добавлен 28.04.2014


Анализ изменения вероятности безотказной работы системы от времени наработки. Понятие процентной наработки технической системы, особенности обеспечения ее увеличения за счет повышения надежности элементов и структурного резервирования элементов системы.

контрольная работа , добавлен 16.04.2010


Показатели надежности систем. Классификация отказов комплекса технических средств. Вероятность восстановления их работоспособного состояния. Анализ условий работы автоматических систем. Методы повышения их надежности при проектировании и эксплуатации.

реферат , добавлен 02.04.2015


Структурная схема надежности технической системы. График изменения вероятности безотказной работы системы от времени наработки до уровня 0,1-0,2. 2. Определение Y-процентной наработки технической системы.

В жизни любого объекта, как некоторого изделия всегда можно выделить два этапа: производство и эксплуатация данного объекта. Бывает так же этап хранения этого объекта.

Для любого объекта на каждом этапе его жизни задаются определенные технические требования. Желательно, чтобы объект всегда соответствовал этим требованиям. Однако в объекте могут возникнуть неисправности, нарушающие указанное соответствие прибора. Тогда задача состоит в том, чтобы создать на этапе производства или восстановить нарушенную неисправность (которая может появиться на этапах эксплуатации или хранения) в соответствии с заданными техническими требованиями прилагаемыми объекту.

Решение этой задачи невозможно без эпизодического или непрерывного диагноза состояния объекта. Состояние объекта определяется его надежностью. Надежность: это свойство объекта выполняемых заданных функций сохранения, во время значений и установленных эксплуатационных показателей в заданных режимах и условиях использования, технического обслуживания, ремонта и т.д.

Исправное состояние: это состояние, при котором прибор соответствует всем требованиям устнормативной – технической документации.

Неисправное состояние: это состояние, при котором прибор, объект не соответствует хотя бы одному из требований нормативно – технической документации.

Работоспособное состояние: это состояние объекта, при котором он способен выполнять заданные функции, сохраняя значения заданных нормативов в пределах установленных документацией.

Неработоспособное состояние: это состояние, при котором значения хотя бы одного заданного параметра не соответствуют нормативно – технической документации.

Понятие повреждение заключается в нарушении исправного состояния изделия при сохранении его работоспособности. Для любого изделия существуют понятия: дефект, неисправность, отказ, сбой и ошибка.

Дефект: это отклонение от параметров изделия относительно заданных в нормативно – технической документации.

Неисправность: форматированное представление факта проявления дефекта на входах и выходах изделия.

Отказ: дефекты, связанные с необратимыми нарушениями характеристик изделия, приводящим к нарушению его работоспособного состояния.

Сбой: дефект, заключающийся в том, что в результате временного изменения параметров изделия в течение некоторого периода времени оно будет функционировать непрерывно. Причем его работоспособность восстанавливается самонаправленно. Помехи, воздействующие на работоспособность.

Ошибки: (для дискретной техники) называют неправильное значение сигналов на внешних входах изделия, вызванное неисправностями, переходными процессами или помехами, воздействующими на изделие.

Число дефектов, неисправностей, отказов, сбоев, одновременно присутствующих в изделии называют кратностью.

Кратность ошибок определена не только кратностью неисправности, из-за которой она возникла, но и структурной схемой изделия, т.к. в результате имеющихся разветвлений в схеме однократная неисправность может вызвать многократную ошибку в последовательных цепях.

Безотказность: свойство изделия, в котором он непрерывно сохраняет работоспособность в течение некоторого времени.

Ремонтопригодность: свойство изделия, заключающееся в приспособленности к предупреждению и обнаружению причин возникновения его отказов, повреждений и устранения их путем ремонта и технического обслуживания.

Показатели безотказности:

1) Вероятность безотказной работы P(t) – это вероятность того, что в заданном интервале времени t в изделии не возникает отказа.

0£ P(t) £1; P(o) = 1; P(¥) = 0;

Функция P(t) является монотонно убывающей функцией, т.е. в процессе эксплуатации и хранения надежность только убывает. Для определения P(t) используется следующая статическая оценка:

где N – число изделий, поставленных на испытание (эксплуатацию).

N 0 – число изделий, отказавших в течении времени t.

2) Вероятность бессбойной работы Р сб (t) – это вероятность того, что в заданном интервале времени t будет отсутствовать сбой в изделии.

Р сб (t) = 1- Q сб (t); где - Q сб (t) функция распределения сбоев в течение времени t.

Для определения стабильности оценки мы имеем формулу:

где N – число изделий поступивших на эксплуатацию.

N 0 – число изделий, в которых произошел сбой в течение времени t.

3) Интенсивность отказа l(t) – это условная плотность вероятности возникновения отказа не восстанавливаемого объекта, определенного рассмотренного момента времени, при условии, что до этого момента отказ не возник.

Для определенно l(t) используется следующая статистическая оценка:

где n(Dt) – число отказавших изделий в интервал времени (Dt).

N ср (Dt) – ссреднее число исправных изделий в интервал времени (Dt).

;

4) Средняя наработка до отказа (среднее время безотказной работы) Т – это математическое ожидание наработки до первого отказа определяется так:

Эти показатели рассчитаны на изделие, которое не подлежит восстановлению.

Показатели ремонтопригодности:

1) Вероятность восстановления s(t) – это вероятность того, что отказавшее изделие будет восстановлено в течение времени t.

где n в – число изделий время восстановления которых было < (меньше) заданного времени t. N ов – число изделий оставшихся на восстановлении.

2) Интенсивность восстановленного М(t) – условная плотность распространения времени восстановления для момента времени t при условии, что до этого момента восстановление изделия не произошло.

где n в (Dt) – число восстановленных изделий за время Dt. N в.ср (Dt) – среднее число изделий которые, не были восстановлены в течение времени Dt.

3) Среднее время восстановления Т в – это натуральная величина ожидания восстановления.

4) Коэффициент готовности К г (t) – это вероятность того, что изделие работоспособно в произвольный момент времени t.

Стационарный режим: t ® ¥.

Стационарная оценка: ;

где t pi i – ый интервал времени исправной работы изделия.

t bi – интервал времени восстановления изделия.

n – число отказов изделия.

Коэффициент оперативной готовности К опер. (t, t) – работоспособна в произвольный момент времени t.

5) Коэффициент оперативной готовности К опер. (t, t) – это вероятность того, что аппаратура будет работоспособна в произвольный момент времени t. и безотказно проработает заданное время r.

К опер. (t, t) = К г (t) · Р(t)

Для определения К опер. имеется статистическая оценка:

ПРОГНОЗИРОВАНИЕ НАДЕЖНОСТИ НЕФТЕПРОМЫСЛОВОГО ОБОРУДОВАНИЯ ПРИ ПРОЕКТИРОВАНИИ

Проектирование любой сложной технической системы, в том числе нефтепромыслового оборудования, - первый и основной этап, на котором закладывается определенный уровень его надежности. Поэтому на различ­ных стадиях проектирования сложных систем (техническое предложение, эскизный проект, технический проект) возникает необходимость прогно­зировать ожидаемую надежность этих систем с целью количественной оценки показателей надежности проектируемого варианта изделия и со­поставления прогнозируемых показателей с требуемыми значениями. Прогнозирование особенно важно на ранних стадиях проектирования, когда необходимо сравнить по надежности различные варианты структур­ных схем разрабатываемой системы и ее узлов, что дает возможность своевременно осуществить меры по повышению надежности.

Основным принципом прогнозирования надежности изделий при проектировании должен быть системный подход, позволяющий учитывать особенности конструкции, возможности производства и условия эксплуа­тации.

Исходная информация для прогнозирования надежности изделий включает:

конструкторскую документацию на различных стадиях разработки изделия (техническое предложение, эскизный проект, технический проект и рабочие чертежи); данные об изделиях-аналогах, включающие статистические сведения об их надежности в эксплуатации; данные об испытаниях, включающие сведения о нагруженное™ деталей и сборочных единиц; сведения об условиях эксплуатации.

При прогнозировании надежности современные нефтепромысловые машины и механизмы рассматриваются как сложные системы, состоящие из большого числа деталей и сборочных единиц, которые определенным образом функционально связаны между собой и образуют так называе­мую иерархическую структурную схему - графическое изображение из­делия в виде совокупности его сборочных единиц и деталей, связанных между собой в порядке соподчинения по уровням. На первом уровне рас­сматриваются конструктивно-завершенные и имеющие самостоятельное функциональное назначение сборочные единицы, на последующих уров­нях - элементарные и неделимые единицы и т.д.

На основании структурных схем строятся математические модели, по которым прогнозируется надежность в зависимости от уровня безот­казности каждой детали и сборочной единицы. Различают:

минимальную структуру - укрупненную схему изделия, включающую сборочные единицы первого уровня и связи, отображающие его функцио­нальное назначение;

избыточную структуру - схему изделия, в минимальную структуру которой введены обеспечивающие или резервные подсистемы.

Таким образом, при прогнозировании надежности изделия в целом его структурную схему следует представлять в виде иерархической системы деталь - сборочная единица - изделие с выделением минималь­ной и избыточной структур.

Конкретный тип обеспечивающих подсистем вводят по результатам анализа связей в структуре системы и протекающих физических процес­сов, определяющих их надежность. В отличие от резервных подсистем обеспечивающие подсистемы вводят не с целью замещения отказавших основных подсистем, а для обеспечения благоприятных условий их функ­ционирования.

На первом этапе проводят оценку надежности минимальной структуры исследуемой системы. Вероятность безотказной работы Р (() минималь­ной структуры, состоящей из последовательно соединенных подсистем, выражают зависимостью Р (0= П Р-(1).

В зависимости от точности исходных данных и принятых допущений проводят ориентировочное и окончательное прогнозирование надежности сложных систем.

Ориентировочное прогнозирование показателей надежности проекти­руемых изделий проводят на стадиях разработки технического предложе­ния и эскизного проекта с использованием экспертных и экстраполяционных методов, а также опытно-статистических методов прогнозирования по изделиям-аналогам. При ориентировочных расчетах в основном оценивается ожидаемая безотказность проектируемой системы. Результа­ты ориентировочного прогнозирования безотказности позволяют опреде­лить рациональный состав системы по номенклатуре сборочных единиц, деталей и наметить пути повышения безотказности на стадии эскизного проектирования. Ориентировочное прогнозирование безотказности слож­ных систем основано на ряде допущений, которые в некоторых случаях идеализируют функционирование проектируемой сложной системы. Объясняется это тем, что для применения более точных методов часто не хватает исходных данных.

Окончательное прогнозирование показателей надежности проектируе­мых изделий проводят на стадии разработки технического проекта с использованием расчетного метода и метода исследовательских испыта­ний. При выборе метода прогнозирования надежности следует отдавать предпочтение расчетному методу, который наиболее полно учитывает формирующие надежность факторы: физическую природу отказов, пре­дельные состояния деталей, кинематические и динамические характерис­тики конструкции, внешние воздействия и др.

По результатам ориентировочных и окончательных расчетов делается прогноз о надежности проектируемой системы. Если полученные значения показателей надежности не соответствуют требуемым, делается вывод об их обеспечении за счет рассмотрения других вариантов изделия и при­менения схемных методов повышения надежности, в том числе резерви­рования. В случае применения резервирования проводится расчет надеж­ности резервированной системы, на основании которого окончательно выбирается метод резервирования и число резервных подсистем.

При прогнозировании надежности сложных технических систем целе­сообразно придерживаться определенной последовательности.

1. Проводится классификация деталей и сборочных единиц по принци­пу ответственности. К деталям и сборочным единицам, отказы которых опасны для жизни людей, устанавливаются более высокие требования безотказности.

2. Формулируются понятия отказа деталей и сборочных единиц проек­тируемой системы. При этом существен выбор числа деталей и сборочных единиц, влияющих на надежность системы. Необходимо учитывать только те детали и сборочные единицы, отказ которых приводит к полной или частичной утрате работоспособности системы.

3. Выбирается метод прогнозирования надежности в зависимости от этапа проектирования системы, точности исходных данных и принятых допущений.

4. Составляется иерархическая структурная схема изделия, включаю­щая основные функциональные детали и сборочные единицы, в том числе детали и сборочные единицы силовых и кинематических цепей, располо­женные по уровням в порядке их подчиненности, и отражающаясвязи между ними.

5. Рассматриваются все детали и сборочные единицы, начиная с верхне­го уровня структурной схемы и кончая нижним, с подразделением их на следующие группы:

а) детали и сборочные единицы, показатели которых следует опреде­лять расчетными методами;

б) детали и сборочные единицы с заданными показателями надежности, включая назначенные параметры потока отказов;

в) детали и сборочные единицы, показатели надежности которых следует определять опытно-статистическими методами или методами испытаний.

6. Для деталей и сборочных единиц, надежность которых определяют расчетными методами:

Определяют спектры нагрузок и другие особенности эксплуатации, для чего составляют функциональные модели изделия и его сборочных единиц, которые, например, могут быть представлены матрицей состоя­ний;

Составляют модели физических процессов, приводящих к отказам, и устанавливают критерии отказов и предельных состояний (разрушение от кратковременных перегрузок, наступление предельного износа и др.);

Классифицируют их на группы по критериям отказов и выбирают для каждой группы соответствующие методы расчета;

Проводят детерминированные расчеты (на прочность, долговечность и т.п.) при наиболее неблагоприятном сочетании факторов и условий эксплуатации, если при этом предельные состояния не достигаются, то соответствующую деталь или сборочную единицу при прогнозировании надежности Изделия не учитывают и исключают из структурной схемы; в противном случае проводят расчет вероятностными методами и определяют численные значения показателей надежности (методические указания по прогнозированию надежности изделий, сборочных единиц и деталей расчетным методом приведены в ГОСТ 27.301-83 "Надежность в технике. Прогнозирование надежности изделий при проектировании. Общие требования").

7. Строятся при необходимости графики зависимости показателей надежности от времени, на основании которых сравниваются надежности отдельных деталей или сборочных единиц, а также различных вариантов структурных схем системы.

8. На основании проведенного прогнозирования надежности делается вывод о пригодности системы для применения по назначению. Если расчетная надежность окажется ниже заданной, разрабатываются мероприятия, направленные на повышение надежности рассчитываемой системы.

Прогнозирование надежности технического объекта – это научное направление, изучающее методы предсказания технического состояния объекта при воздействии на него заданных факторов.

Прогнозирование применяется для определения остаточного ресурса систем, их технического состояния, числа ремонтов и технических обслуживаний, расхода запасных частей и решения других задач в области надежности.

Прогнозирование показателей надежности может производиться по разнообразным параметрам (например, по усталостной прочности, динамике процесса изнашивания, по виброакустическим параметрам, содержанию элементов износа в масле, по стоимости и трудовым затратам и т.д.).

Современные методы прогнозирования подразделяют на три основные группы.

1. Методы экспертных оценок, сущность которых сводится к обобщению, статистической обработке и анализу мнений специалистов. Последние обосновывают свою точку зрения, используя информацию об аналогичных объектах и анализируя состояние конкретных объектов.

2. Методы моделирования, базирующиеся на основных положениях теории подобия. Эти методы заключаются в формировании модели объекта исследования, проведении экспериментальных исследований модели и в пересчете полученных значений с модели на натуральный объект. Например, путем проведения ускоренных испытаний сначала определяют долговечность изделия в форсированных (жестких) условиях эксплуатации, а затем с помощью соответствующих формул и графиков определяется долговечность в реальных условиях эксплуатации.

3. Статистические методы, из которых наибольшее применение находит метод экстраполяции. В его основе лежат закономерности изменения прогнозируемых параметров во времени. Для описания этих закономерностей подбирают по возможности простую аналитическую функцию с минимальным числом переменных.

Так, путем статистической обработки определяют параметр, который служит диагностическим признаком технического состояния двигателя, например, прорыв картерных газов или расход масла. По этому параметру прогнозируется остаточный ресурс. При этом следует учитывать, что действительный ресурс может колебаться вокруг полученной величины.

Основными причинами неточного прогнозирования являются недостаточная полнота, достоверность и однородность информации (однородной называется информация об одинаковых изделиях, эксплуатируемых в одинаковых условиях), низкая квалификация прогнозиста.

Эффективность прогнозирования устанавливают по изменению показателя надежности в результате внедрения рекомендованных средств ее повышения.

Надежность изделия закладывается в период конструкторской проработки его элементов с учетом анализа вероятных отказов и причин их возникновения (метод FMEA), а также в процессе отработки опытных образцов до начала серийного изготовления изделий. Отработка опытных образцов новых изделий направлена на выявление конструкторских дефектов. При этом изготовление опытных образцов производится, как правило, не по серийной технологии, а чаще всего методами индивидуальной подгонки узлов и деталей на основе маршрутных технологий.

В процессе серийного производства изделий происходит отработка качества технологических процессов. В лучшем случае, при идеальном контроле изготовленной продукции, товарные изделия не имеют технологических дефектов, и их надежность целиком определяется качеством конструкторской документации. В то же время практика показывает, что качество технологических процессов влияет на надежность изделий в виде явных (не обнаруженных контролем) и скрытых (связанных со сложностью отбраковки) дефектов или отклонений от конструкторской документации.

Уровень качества процесса изготовления г-й детали К л „ можно определить по относительному количеству дефектных деталей и деф на партию Лф фактически изготовленной по этому техпроцессу продукции

Тот же уровень качества К л „ можно определить и по экономическим показателям процесса. Допустим, что за определенный промежуток времени (например, за смену) на данном участке необходимо изготовить Л^ тов товарных деталей для комплектования какой-то сборочной единицы. Расчетная (плановая) стоимость изготовления товарных деталей Qp ac определится по формуле

где С 1Ж - расчетная (плановая) себестоимость изготовления одной детали.

Если при контроле партии изготовленных ЛГ ф деталей окажется и деф дефектных деталей, то для комплектования партии из N T0B товарных деталей придется изготовить еще такое же количество товарных деталей, которое было забраковано при контроле. Очевидно, что фактическая стоимость партии товарных деталей будет больше

расчетной стоимости партии на стоимость изготовления дефектных деталей. Тогда уровень качества процесса изготовления можно определить по формуле

где С ф - фактическая себестоимость изготовления одной детали.

Вполне возможно, что время изготовления детали увеличено за счет несоблюдения технологической дисциплины, что также приводит к удорожанию изготовленной продукции. Нас для решения поставленной задачи интересуют затраты, связанные с качеством исполнения технологического процесса, а не нарушения технологической дисциплины.

Одной из важнейших задач выпуска конкурентоспособной продукции является снижение себестоимости ее изготовления. Поэтому важно оценить, на каком этапе изготовления изделия (узла, агрегата) затраты на обеспечение его качества превышают запланированные нормативы.

Формула (2.14), как и формула (2.15), может быть использована не только для оценки качества процесса изготовления деталей, но также при выполнении любой другой технологической операции, в том числе сборочной. В последнем случае для оценки уровня качества сборочной операции K dt можно использовать следующее соотношение:

где С с6ф - соответственно расчетная (плановая) и фактическая себестоимости сборочной операции.

Оценим качество изготовления сборочной единицы на уровне комплекта. Если известны нормативные показатели по операциям сборки, то, воспользовавшись формулой (2.16), получим для уровня качества сборки комплекта К кш следующее соотношение:

где С кшрж, С кш ф - соответственно расчетная (плановая) и фактическая себестоимости сборки комплекта.

Формула (2.17) имеет отношение только к качеству процесса сборки комплекта из деталей, но не является оценкой уровня качества изготовления комплекта в целом. Для этого необходимо учесть уровень качества изготовления всех входящих в комплект деталей. Если в комплект входят только две детали с разным уровнем качества изготовления деталей К л „, то качество изготовления комплекта составит

где К жтср - средний уровень качества изготовления деталей.

Если комплекты состоят из разного количества разных видов деталей, то необходимо определить приведенный уровень качества изготовления деталей К детпр, входящих в комплект. При этом

На примере несложного комплекта выведем формулу для расчета приведенного уровня качества изготовления деталей, входящих в комплект. Пусть комплект состоит из двух видов деталей, при этом имеем первого вида т, К 1дегср, а второго вида т 2 деталей со средним уровнем качества процесса К 2жгср. Тогда

Решаем уравнение (2.21) относительно К л „ щг

Из формулы (2.21) видно, что если уровни качества процесса изготовления всех деталей одинаковы, то приведенный уровень качества изготовления деталей равен уровню качества процесса изготовления любой детали, входящей в комплект.

Аналогично рассчитываются уровни качества процесса изготовления других сборочных единиц, в том числе узлов (агрегатов). Уровень качества изготовления изделия К па, состоящего из узлов, составит

где К у:а „ (> - приведенный уровень качества изготовления узлов;

Кшд.сб - уровень качества процесса сборки изделия.

На практике при сборке изделия достаточно часто встречаются почти все элементы изделия более низкого уровня (узел, подузел, комплект, базовая деталь). Покажем, как в этом случае определяется приведенный уровень качества изготовления узла К г „„ г. Допустим, что изделие состоит из двух разных узлов (в количестве соответственно d { и d 2) и одной базовой детали. Составляем уравнение по аналогии с уравнением (2.20)

Решая уравнение, получим

Из уравнения (2.24) видно, что качество процесса изготовления деталей влияет на качество процесса изготовления изделия тем больше, чем на более высоком уровне сборки применяется эта деталь. Это означает, что на качество изготовления и контроля базовых деталей необходимо обращать особое внимание.

Если на каждом этапе (деталь, комплект, подузел, узел) производства качество изготовления элементов изделия одинаковое, то уравнение (2.22) можно переписать в следующем виде:

Если отдельные элементы изделия поставляются по кооперации, то уровень качества процесса их изготовления при расчете качества изготовления изделия следует принимать за единицу, так как истинное значение уровня их качества неизвестно. При налаженных с поставщиками комплектующих деловых связях можно провести совместную работу по оценке качества изготовления этих комплектующих.

Прогнозирование надежности изделий в процессе эксплуатации возможно при определении коэффициентов связи а между уровнем качества изготовления г-го узла К у и вероятностью безотказной работы этого же узла P(t ) в процессе эксплуатации по результатам рекламаций на товарные изделия. В этом случае прогнозируемая вероятность безотказной работы нового изделия Р кзл по результатам оценки уровня качества изготовления узлов (агрегатов) изделия имеет вид

где п - количество основных узлов (агрегатов) изделия, влияющих на его безотказную работу.

Очевидно, что при анализе значений коэффициентов связи а можно выявить наиболее слабые (опасные) места (узлы) или скрытые дефекты изделия, на которые в первую очередь необходимо обратить внимание при разработке заводской программы повышения качества продукции.

Согласно работе "прогноз определяется как вероятностное научно обоснованное суждение о перспективах, возможных состояниях того или иного явления в будущем и (или) об альтернативных путях и сроках их осуществления".

По оценкам отечественных и зарубежных специалистов в настоящее время насчитывается более 150 методов прогнозирования, но число основных методов, повторяющихся в различных вариациях, во много раз меньше. Считают, что указанные методы базируются на двух крайних подходах: эвристическом и математическом.

Применительно к механическим системам, в частности, к автомобилям, методы прогнозирования при оценке показателей надежности начали применяться сравнительно недавно. Так, для нормирования пробегов новых конструкций L H рекомендована зависимость

где L C , σ c - средние значение и квадратическое отклонение ресурса серийной машины в эксплуатации.

Если увязать L c с календарным временем Т, то приходим практически к временному ряду L (или L H) в функции от Т.

В работе дана методика прогнозирования ресурсов агрегатов с использованием временных рядов и приведены конкретные примеры прогноза ресурсов двигателей. Применительно к автомобильному транспорту разработаны методы прогнозирования и управления технической эксплуатацией и надежность автомобилей . В частности, в работе рассмотрена система непрерывного прогноза оценки удельного уровня трудоемкости технического обслуживания и текущего ремонта, учитывающая связь краткосрочного, среднесрочного и долгосрочного прогнозов; даны конкретные примеры прогнозов указанных величин для грузовых автомобилей, автобусов и легковых автомобилей; рассмотрены основные аспекты принятия решений в условиях риска и неопределенности, основанные на байесовском подходе, теории игр и статистических решений.

Широкое распространение методы прогнозирования получили при оценке остаточного ресурса . В общем случае речь идет об аппроксимации индивидуальной реализации, связанной, например, с износом (или накопленным повреждением) аналитической зависимостью, параметры которой определяются по результатам диагностирования на предпрогнозном периоде с последующей экстраполяцией на интервале упреждения (прогноза) до достижения предельного состояния.

В ряде работ рассматриваются вопросы, связанные с прогнозированием (расчетом) параметров нагрузочных режимов агрегатов и деталей, необходимых для оценки статической прочности и усталостной долговечности при проектировании . Как правило, предлагаемые методы основываются на обобщении экспериментальных данных по нагрузочным режимам машин-аналогов или моделировании с использованием ЭВМ, но не предусматривают введения временного тренда. Поэтому прогноз осуществляется с помощью подстановки в расчетные зависимости конструктивных параметров проектируемой машины.

Теоретические и прикладные разработки в области прогнозирования надежности механических систем достаточно подробно освещены в ряде работ [...]. Порядок прогнозирования при использовании расчетных методов в общем случае предусматривает представление структуры изделия в виде иерархической системы "деталь - сборочная единица-изделие"; определение спектров нагрузок; формирование моделей физических нагрузок, приводящих к отказу; установление критериев отказов и предельных состояний; определение численных значений показателей надежности; оценку достоверности прогноза; корректирование показателей надежности с использованием результатов прогноза. Однако применение вышеизложенных положений для конкретных прогнозов затруднительно и это связано не только со спецификой изделий различных отраслей машиностроения, но и с недостаточной изученностью и неоднозначностью трактовки таких понятий, как классификация объекта прогноза, многовариантность и синтез прогнозов, процедуры принятия решений на основе прогнозной (априорной) информации и др. Поэтому целесообразно подробнее остановится на вопросах расчета показателей надежности механических систем при проектировании с точки зрения теории прогнозирования.

Под методологией прогнозирования понимается область знаний о методах, способах и системах прогнозирования . В соответствии с упомянутой работой и приведенной в ней терминологией под методом прогнозирования будем понимать способ исследования объекта прогнозирования, направленный на разработку прогноза, под методикой - совокупность одного или нескольких методов, наконец, под системой прогнозирования - упорядоченную совокупность методик и средств их реализации.

Теория прогнозирования включает в себя анализ объекта прогнозирования, в частности классификацию; методы прогнозирования, подразделяющиеся на формализованные (математические) и интуитивные (экспертные); системы прогнозирования, в том числе непрерывного, при котором за счет обратной связи осуществляется корректировка прогнозов в процессе функционирования объекта.

В соответствии с работами объекты прогнозирования классифицируются:

по природе (научно-технические, технико-экономические и т. д.);

по масштабности - в зависимости от числа значащих переменных, входящих в описание объекта, различают сублокальные (1-3 переменных), локальные (4-14), субглобальные (15-35), глобальные (36-100) и суперглобальные (свыше 100 переменных);

по сложности - в зависимости от степени взаимосвязанности переменных подразделяют на сверхпростые (отсутствие взаимосвязи), простые (наличие парных взаимосвязей), сложные (наличие взаимосвязи и взаимовлияния) и сверхсложные (необходимость учета взаимосвязи);

по степени детерминированности (детерминированные" стохастические и смешанные);

по характеру развития во времени регулярной составляющей процесса (тренда) - дискретные, апериодические и периодические;

по информационной обеспеченности периода ретроспекции - рассматривают объекты с полным количественным обеспечением, с неполным количественным обеспечением, с наличием качественной информации (и частично количественной), с полным отсутствием ретроспективной информации.

Прогнозирование показателей надежности механических систем, на наш взгляд, следует рассматривать в узком и широком смысле.

В узком смысле прогнозирование включает определение показателей надежности как характеристик, развернутых во времени; считается, что основные исходные данные - вид конструкции, материалы и технология изготовления деталей, нагрузочные режимы, условия эксплуатации, периодичности и объемы ТО и ремонтов, цены на детали и др. - заданы. Другими словами, прогнозирование в узком смысле производится после проверочного расчета. Помимо этого, накоплены определенные статистические данные о ресурсах деталей и агрегатов, т. е. предполагается, что имеется ретроспективная информация, которая может быть использована для экстраполяции, адаптации вероятностно-статистических моделей и т. п. Очевидно, в этом случае методы прогнозирования показателей надежности включают как основные или верифицируемые варианты различные виды расчетов показателей надежности при проектировании, основанные на физических моделях отказов.

В широком смысле прогнозирование подразумевает, что исходные данные для получения оценок надежности определяются с использованием опережающих методов прогнозирования (патентный, публикациониый и др.). Например, на основе опережающих методов прогнозируются параметры кривой износа, с помощью которой прогнозируются показатели надежности. Следовательно, в широком смысле прогнозирование показателей надежности разбивается на два этапа: первый - прогноз исходных данных; второй - собственно прогноз показателей надежности.

Трудность оценки надежности возрастает многократно при создании новых конструкций, материалов и т. д., по которым отсутствует количественная информация. Поскольку при получении информации о результатах различных испытаний происходит уточнение исходных данных, ресурсов и т. п., то прогнозирование может быть осуществлено только в виде непрерывной прогнозирующей системы.

В предложенной книге основное внимание уделено разработке методологии прогнозирования показателей надежности в узком смысле.

Рассмотрим объект прогноза - показатели надежности (ПН) деталей и агрегатов автомобиля - с точки зрения рассмотренной выше классификации. Очевидно, по природе ПН следует отнести к классу научно-технических прогнозов, включающих наряду с новыми видами техники, новыми материалами и прогноз технических характеристик. Для оценки масштабности и сложности объекта прогнозирования составим табл. 1.7, в которую включим основные показатели надежности (см. табл. 1.3) и модели расчета, рассмотренные в п. 1.2. Несмотря на условный характер классификации, из табл. 1.7 видно, что по масштабности и сложности показатели надежности агрегатов и автомобиля следует отнести к глобальным (суперглобальным) и сложным (сверхсложным).

По степени детерминированности оценки ПН являются стохастическими, при этом следует обратить внимание, что при расчете показателей надежности элементов деталей, т. е. на низшем уровне, мы сталкиваемся с так называемой природной неопределенностью, когда невозможно дать точную оценку показателя, например среднего ресурса, из-за недостаточной изученности объекта.

По характеру развития ПН классифицировать трудно. Так, на уровне расчетных моделей на износ реализации его могут быть представлены апериодическими зависимостями, тогда как в расчетах на усталость нагрузочные режимы - это случайные не-стационарные процессы. В то же время, рассматривая ретроспективную нормативную информацию о ресурсах автомобилей до капитального ремонта, можно сказать, что в зависимости от времени выпуска (или существенной модернизации) назначаемый заводом ресурс изменяется дискретно.

Наконец объект прогнозирования с точки зрения информационной обеспеченности полностью отвечает введенному ранее понятию прогнозирования надежности механических систем в узком и широком смысле.

Таким образом, оценки показателей надежности деталей и агрегатов автомобиля соответствуют принципам классификации объектов прогнозирования.

Математические формализованные методы прогнозирования подразделяют на симплексные (простые), статистические и комбинированные. Основу симплексных методов составляют экстраполяции по временным рядам (метод наименьших квадратов, экспоненциального сглаживания и другие). Статистические методы включают корреляционный и регрессионный анализ, метод группового учета аргументов, факторный анализ. Под комбинированным методом подразумевается синтез вариантов прогнозов, выполненных о использованием математических и эвристических методов.

Следует обратить внимание на отличие прогнозных оценок при использовании общих методов прогнозирования и при оценке показателей надежности. Так, прогноз в общем случае представляется в виде точечной и интервальной оценок. При прогнозировании надежности, например, ресурса деталей его средняя величина совпадает с точечным прогнозом, но для перехода к другим показателям интервальной оценки недостаточно, т. к. необходимо знать плотность распределения ресурсов.

Учитывая, что при прогнозировании ПН на ранних стадиях проектирования нет возможности проведения экспериментов с целью раскрытия "природной" неопределенности, возможный путь решения сводится к разработке нескольких прогнозных методов с целью использования их в комбинированнном прогнозе. Поэтому указанные математические методы должны быть дополнены специальными методами и методиками, которые условно можно разделить на три группы.

Первая группа специальных методов, предназначенная для прогнозирования показателей надежности деталей, включает вероятностно-статистические модели (ВСМ), основанные на феноменологических явлениях и гипотезах (расчеты на износ, усталость прочность и т, д.). Однако, как показал анализ (см. п, 1.2.), применение этих моделей для прогнозирования ПН требует со-ответствующей систематизации и классификации, а также накопления и обобщения опыта прогнозных расчетов применительно к конкретным деталям с целью повышения их достоверности и точности.

Ко второй группе следует отнести методы, являющиеся обобщением экстраполяционных и статистических методов и отражающие специфику эксплуатационных отказов, в частности корреляционные уравнения долговечности (КУД) для деталей шасси автомобиля . Очевидно, отдельные разработки по КУД должны быть формализованы в виде соответствующей методики.

Третью группу специальных методов, предназначенных для прогнозирования показателей надежности сборочных единиц, агрегатов, изделия в целом, составляют структурно-функциональные модели (СФМ), которые в общем случае отражают взаимосвязь и взаимовлияния отдельных деталей на протекание разрушительных процессов, приводящих к отказам, предельные состояния сопряжений и т. д. В частном случае СФМ может быть построена с учетом показателей надежности деталей, спрогнозированных с помощью общих и специальных методов первой и второй группы. На основании этих прогнозов производится расчет (моделирование) показателей надежности восстанавливаемого объекта. Многовариантность и неопределенность прогноза определяются не только многовариантностью и неопределенностью исходных данных, но и стратегией ремонтов (замен), коррелируемостью отказов и т. д. Отсутствие общей методики прогнозирования ПН с помощью СФМ требует проведения соответствующих исследований.

Введение специальных методов увеличивает число вариантов прогноза ПН, что приводит к усложнению процедуры принятий решений на основе прогнозной информации. Редуцирования числа вариантов можно достигнуть с помощью комбинированного прогноза, методика которого, на наш взгляд, должна быть усовершенствована с учетом разработок, приведенных в , и конкретизирована применительно к ПН.

Дополним классификацию объектов прогноза по масштабности и сложности рассмотренными методами прогнозирования. Из табл. 1.6 видно, что специальные методы находят применение при оценке всех ПН и моделей отказов; использование комбинированных методов приводит к увеличению масштабности и сложности объекта прогноза, но это пока единственный путь повышения точности и достоверности оценок ПН при проектировании.

Заметим, что практическое применение общих и специальных методов прогнозирования становится возможным при наличии конкретных методик расчета, доведенных до соответствующих алгоритмов и программ, и информационной базы, включающей конструктивную документацию и банки данных по изделиям- аналогам о показателях надежности, условиях эксплуатации, испытаниях, нагрузочных режимах, износах, предельных состояниях и т. д. Для конкретных деталей или агрегатов автомобиля речь идет о формировании локальных информационных баз, обобщение которых позволит перейти к единой информационной базе отрасли.

На основе прогнозов ПН производится выбор оптимальных вариантов конструкции и оптимальной стратегии технического обслуживания и ремонта; разработка мероприятий по повышению надежности; уточнение параметров и режимов работы; планирование выпуска запасных частей, т. е. фактически осуществляется управление надежностью. Следовательно, прогнозная (априорная) информация должна использоваться для решений, связанных с управлением надежностью проектируемой конструкции.

Известно , что процесс принятия решений в общем виде характеризуется, во-первых, наличием одной или нескольких целей; во-вторых, разработкой альтернативных вариантов решений; в-третьих, выбором рационального (оптимального) решения, основанного на определенных критериях, с учетом факторов, ограничивающих возможности достижения цели. В зависимости от исходной информации различают задачи принятия решений в условиях определенности, риска и неопределенности. Для решения задач в условиях неопределенности используется теория статистических решений, которая подразделяется на два направления в зависимости от того имеется или отсутствует возможность проведения экспериментов в процессе принятия решений. Очевидно, разработка мероприятий по управлению надежностью на основе прогнозной информации является типичной задачей принятия решений в условиях неопределенности, зависящей от так называемых природных факторов, не известных или известных с недостаточной точностью в момент принятия решения и обусловленная их недостаточной изученностью.

Комплекс теоретических и прикладных вопросов, связанных с управлением надежностью при проектировании, является логическим продолжением и обобщением теории прогнозирования ПН и представляет, на наш взгляд, самостоятельную проблему. Поэтому, в данной работе целесообразно ограничиться рассмотрением некоторых вопросов управления надежностью, непосредственно относящихся к использованию прогнозной (априорной) информации о показателях надежности в процессе принятия решений.