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.

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.

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.

Материалы практических занятий № 6 и 7.

Прогнозирование надежности.

Прогнозирование надежности. Прогнозирование надежности с учетом предварительной информации. Использование косвенных признаков прогнозирования отказов. Индивидуальное прогнозирование надежности. Индивидуальное прогнозирование надежности по методу распознавания образов (Порядок проведения испытаний. Порядок обучения распознающей функции. Порядок проведения прогнозирования качества изделия. Пример метода индивидуального прогнозирования качества изделия.).

ПЗ.6-7.1. Прогнозирование надежности.

В соответствии с действующими ГОСТами в технические задания на проектируемые изделия (объекты) записываются требования экспериментального подтверждения заданного уровня надежности с учетом действующих нагрузок.

Для высоконадежных объектов (например, космической техники) это требование является чрезмерно жестким (в смысле необходимости испытания большого числа однотипных объектов) и не всегда практически осуществимым. В самом деле, для того, чтобы подтвердить вероятность безотказной работы Р = 0,999 с 95%-й доверительной вероятностью следует осуществить 2996 успешных испытаний. Если же хотя бы одно испытание будет неудачным, то число потребных испытаний еще более возрастет. К этому следует добавить и очень большую продолжительность испытаний, так как многие объекты должны сочетать высокий уровень надежности с большой наработкой (ресурсом). Отсюда вытекает важное требование : при оценке надежности необходимо учитывать всю накопленную предварительную информацию о надежности технических объектов.

Прогнозирование надежности и отказов – это предсказание ожидаемых показателей надежности и вероятности возникновения отказов в будущем на основании информации полученной в прошлом, либо на основании косвенных прогнозирующих признаков.

Расчет надежности на этапе проектирования изделий носит черты такого прогнозирования, поскольку делается попытка предвидеть будущее состояние изделия, которое еще находится на стадии разработки.

Некоторые испытания, рассмотренные выше, содержат элементы прогнозирования надежности партии изделий по надежности их выборки, например, по графику испытаний . Эти способы прогнозирования основаны на изучении статистических закономерностей отказов.

Но возможно прогнозирование надежности и отказов на основе изучения факторов обуславливающих возникновение отказов. В этом случае, наряду со статистическими закономерностями рассматриваются также и физико-химические факторы, влияющие на надежность, что усложняет ее анализ, но позволяет сократить его продолжительность и делает его более информативным.

ПЗ.6-7.2. Прогнозирование надежности с учетом предварительной информации.

При оценке надежности необходимо учитывать всю накопленную предварительную информацию о надежности технических объектов. Например , важно расчетную информацию, полученную на стадии эскизного проектирования, в дальнейшем сочетать с результатами испытаний объекта. Кроме того, сами испытания тоже весьма разнообразны и проводятся на разных этапах создания объекта и на различных уровнях его сборки (элементы, блоки, узлы, подсистемы, системы). Учет информации, характеризующей изменение надежности в процессе совершенствования объекта, позволяет значительно уменьшить количество испытаний необходимых для экспериментального подтверждения достигнутого уровня надежности.

В процессе создания технических объектов проводятся испытания. На основании анализа результатов этих испытаний в конструкцию вносятся изменения, направленные на совершенствование их характеристик. Поэтому важно оценить, насколько эффективными оказались эти мероприятия и действительно ли после внесения изменений показатели надежности объекта улучшились. Такой анализ можно выполнить, используя методы математической статистики и математические модели изменения надежности.

Если вероятность некоторого события в единичном опыте равна р и при n независимых опытах это событие (отказ) произошло m раз, то доверительные границы для p находят следующим образом:

Случай 1. Пусть m ¹ 0 , тогда:

(ПЗ.6-7.2.)

где коэффициенты R 1 и R 2 берутся из соответствующих статистических таблиц.

Случай 2 . Пусть m=0 , тогда р н =0, а верхняя граница равна

. (ПЗ.6-7.3.)

Расчет R 0 производится по уравнению

(ПЗ.6-7.4.)

Односторонние доверительные вероятности g 1 и g 2 связаны с двухсторонней доверительной вероятностью γ * известной зависимостью

(ПЗ.6-7.5.)

Стендовые, наземные испытания дают основную информацию о надежности объекта. На основании результатов таких испытаний определяют показатели надежности . Если техническое изделие представляет собою сложную систему, причем надежность некоторых элементов определена экспериментально, а некоторых расчетные путем, то для прогнозирования надежности сложной системы применяют метод эквивалентных частностей .

При летных испытаниях получают дополнительную информацию о надежности объекта и эта информация должна использоваться для уточнения и корректировки полученных при стендовых испытаниях показателей надежности. Пусть необходимо уточнить нижнюю границу вероятности безотказной работы объекта, который прошел стендовые наземные испытания и летные испытания и при этом m=0.