潘 駿 靳方建 陳文華 王 孟 許銳敏 朱旭洋
浙江理工大學(xué)浙江省機電產(chǎn)品可靠性技術(shù)研究重點實驗室,杭州,310018
產(chǎn)品在設(shè)計初期,都存在某些設(shè)計缺陷,可靠性與性能參數(shù)都不能立刻達(dá)到所規(guī)定指標(biāo)的要求,必須經(jīng)過反復(fù)試驗-分析-改進-再試驗的過程,來提高產(chǎn)品的可靠性,即進行可靠性增長試驗[1]。試驗過程中,產(chǎn)品的質(zhì)量缺陷得到暴露,且被有效地糾正,使產(chǎn)品的可靠性得到增長??煽啃栽鲩L試驗過程中,產(chǎn)品在各個時刻的失效數(shù)據(jù)來源于變化的母體,需要通過建立產(chǎn)品的可靠性增長模型[2-4]來反映產(chǎn)品可靠性的增長規(guī)律。
1972年,Crow[5]提出了 AMSAA(army materiel systems analysis activity)模型,并系統(tǒng)地解決了AMSAA模型的統(tǒng)計推斷問題[6-7],但是該模型僅適用于單臺或多臺產(chǎn)品異步糾正的情況[1]。對于多臺產(chǎn)品同步糾正的問題,美軍標(biāo)(美國軍用標(biāo)準(zhǔn))MIL-HDBK-189和國軍標(biāo)(中國軍用標(biāo)準(zhǔn))GJB/Z77將多臺產(chǎn)品的試驗時間進行簡單的累加,折合到單臺產(chǎn)品上,采用單臺AMSAA模型來處理失效數(shù)據(jù)。文獻(xiàn)[8-9]在假設(shè)同型產(chǎn)品之間失效相互獨立的前提下提出了AMSAA-BISE(AMSAA-Beijing institute of structure and environment)模型,但是,其推導(dǎo)過程及公式與多臺產(chǎn)品異步糾正時的AMSAA模型相同。美軍標(biāo)/國軍標(biāo)和AMSAA-BISE兩種方法的預(yù)測結(jié)果往往高于產(chǎn)品的實際可靠性水平[10-11]。
在多臺同型產(chǎn)品同步糾正可靠性增長試驗過程中,一個產(chǎn)品出現(xiàn)失效,將對所有產(chǎn)品進行糾正,若糾正有效,則該失效在所有參試樣品中只發(fā)生一次。這相當(dāng)于在針對某一失效的可靠性壽命試驗中,只出現(xiàn)一次產(chǎn)品失效。本文擬根據(jù)多臺同型產(chǎn)品同步糾正可靠性增長試驗的上述特點,提出一個新方法,即先采用多層Bayes方法估計產(chǎn)品失效的概率,結(jié)合加權(quán)最小二乘估計法,求得各個失效的發(fā)生時刻期望值,再用其替代單臺AMSAA模型中的失效時間來評估產(chǎn)品可靠性增長試驗結(jié)果。同時,通過對美軍標(biāo)/國軍標(biāo)的統(tǒng)計方法、AMSAA-BISE模型和本文所提出的方法進行蒙特卡羅模擬比較,來驗證所提出的統(tǒng)計分析方法的有效性。
假定有s臺同型產(chǎn)品進行同步投試、同步糾正可靠性增長試驗,所有失效均需作糾正性修復(fù),且對每個失效所采取的糾正措施均有效,糾正完成后,所有產(chǎn)品繼續(xù)進行試驗。當(dāng)s臺產(chǎn)品總失效次數(shù)達(dá)到n次時,則所有產(chǎn)品同時停止試驗,觀測到的失效時刻為0<t1<t2<…<tn。
美軍標(biāo) MIL-HDBK-781[12]在4.3.2條中規(guī)定,必須采用單臺AMSAA模型來評估多臺產(chǎn)品同步糾正時的可靠性增長結(jié)果:通過綜合多臺產(chǎn)品的失效數(shù)據(jù),在一個累積的試驗時間基準(zhǔn)上,將多臺產(chǎn)品當(dāng)作一個單獨的產(chǎn)品,使用單臺AMSAA模型來分析失效數(shù)據(jù)。如果可以根據(jù)失效數(shù)據(jù)求出各次失效的發(fā)生時刻期望值[1,13],就可根據(jù)單臺AMSAA模型來對產(chǎn)品的可靠性增長結(jié)果進行評估。
為估計各次失效的發(fā)生時刻期望值,現(xiàn)對可靠性增長試驗特征進行分析。在多臺產(chǎn)品同步糾正可靠性增長試驗過程中,投入s臺產(chǎn)品進行定數(shù)截尾的壽命試驗,由于當(dāng)發(fā)生第m(m=1,2,…,n)次失效時,會對所有產(chǎn)品進行糾正,可認(rèn)為只出現(xiàn)一次失效。若把前m-1次失效時間看成是第m次失效的無失效觀測時間,則試驗可敘述為:針對第m次失效,對s臺同型產(chǎn)品進行壽命試驗,當(dāng)有一個產(chǎn)品失效時試驗截止,則有0=t0<t1<t2<…<tm,那么,第i次失效的失效數(shù)據(jù)模型可記為(s,ri,ti)(i=1,2,…,m),其中ri為時刻ti時的產(chǎn)品失效個數(shù)。當(dāng)i≤m-1時,ri=0;當(dāng)i=m時,ri=1。
綜上所述,可獲得如下信息:
(1)t0=0時,產(chǎn)品失效概率P0=0。
(2)由于0=t0<t1<t2<…<tm,記Pi=P(t<ti),則有P1≤P2≤ … ≤Pm。
對于第m次失效,假設(shè)其失效時間服從分布參數(shù)為λm的指數(shù)分布,基于多層Bayes方法,計算出分布參數(shù)和失效時刻期望值,進而替代單臺AMSAA模型中的失效時間,最終確定模型參數(shù),并對試驗結(jié)果進行估計。
采用Bayes估計首先需要確定先驗分布,若試驗進行到ti時刻無產(chǎn)品失效,則有理由判定試樣在(0,ti)內(nèi)的可靠度很高,即失效概率Pi的先驗分布的密度函數(shù)應(yīng)是關(guān)于Pi的單調(diào)遞減函數(shù)。由于0≤Pi≤1,而不完全β分布B(θL,θU,u,v)要求其變量x滿足0≤x≤1,且其密度函數(shù)為[13-14]
在選取參數(shù)u≤1和v>1的情況下,可保證概率密度函數(shù)f(x;θL,θU,u,v)是關(guān)于x 的單調(diào)遞減函數(shù)。通過改變x 的變化區(qū)間(θL,θU),可使之滿足各種試驗情況,所以可以選定失效概率Pi的先驗分布為不完全β分布B(θL,θU,u,v)。
根據(jù)Bayes估計的穩(wěn)定性[15],概率密度函數(shù)尾部越密的先驗分布會造成Bayes估計的穩(wěn)健性越差。結(jié)合文獻(xiàn)[14]中關(guān)于不完全β分布的密度函數(shù)的討論,在v一定且u≤1時,隨著u取值的減小,密度函數(shù)曲線尾部越來越細(xì)密,由此可確定u=1。確定v的具體取值比較困難,但根據(jù)不完全β分布的密度函數(shù)的性質(zhì),在u=1的情況下,v取值越大,密度函數(shù)曲線尾部越細(xì)密。可利用多層先驗分布的知識,給定一個取值上限C,認(rèn)為參數(shù)v服從區(qū)間[1,C]上的均勻分布,即
其中,常數(shù)C一般取3~7為宜[13]。
由于θL、θU分別為失效概率Pi取值區(qū)間的下限和上限,所以取θU=1合理。為保證Pi的估計值滿足模型條件應(yīng)滿足
綜上所述,失效概率Pi的先驗分布可具體確定為
由于產(chǎn)品在tm時刻發(fā)生失效,現(xiàn)可分兩種情況來確定θL的取值并估計失效概率Pi。
在時刻ti內(nèi)有s個產(chǎn)品進行試驗,有ri=0個失效,則其似然函數(shù)為L(0,Pi)= (1-Pi)s。于是在平方損失函數(shù)下,以式(2)為先驗分布的Pi的Bayes估計為
(2)當(dāng)i=m時,由于產(chǎn)品在tm時刻發(fā)生失效,且失效現(xiàn)象的發(fā)生在一定程度上具有隨機性,為了不丟失在tm時刻一個產(chǎn)品已經(jīng)失效且其他時間區(qū)間內(nèi)產(chǎn)品均未出現(xiàn)失效的信息,根據(jù)中位秩,初步假定tm時刻的失效概率
是合理的,于是可取θL=P′。由不完全β分布B(P′,1,1,v)得到Pm的先驗分布為
此函數(shù)顯然是關(guān)于Pm單調(diào)遞減的,是可以作為Pm的先驗分布的。由于在時刻tm內(nèi)s個產(chǎn)品進行試驗,有rm=1個失效,則其似然函數(shù)為
于是在平方損失函數(shù)下,以式(4)為先驗分布的Pm的Bayes估計為
假定產(chǎn)品的第m次失效的發(fā)生時刻tm服從指數(shù)分布,其分布函數(shù)為
式中,δmi為用ln(1-^Pi)代替ln(1-Pi)所引起的誤差。
采用加權(quán)最小二乘估計法,在
的意義下,求得參數(shù)λm的估計值為
式中,ωi為權(quán)系數(shù)。
則產(chǎn)品第m次失效的發(fā)生時刻tm的期望值Tm為
根據(jù)多臺同型產(chǎn)品同步糾正可靠性增長試驗數(shù)據(jù),對于第m次失效,由式(7)和式(8)可求得產(chǎn)品失效發(fā)生時刻tm的期望值Tm:
為利用單臺AMSAA模型[1]進行可靠性增長結(jié)果的評估,可將期望失效時刻Tm看作單臺產(chǎn)品投入可靠性增長試驗時的觀測失效時間,即對單臺產(chǎn)品進行失效截尾可靠性增長試驗,產(chǎn)品在該試驗中相繼故障時刻為
則單臺AMSAA模型參數(shù)a、b的無偏估計為[1]
則Tn時刻產(chǎn)品的平均故障間隔時間(mean time between failures,MTBF),即多臺同型產(chǎn)品同步糾正可靠性增長試驗截止時刻tn時產(chǎn)品的MTBF值θ的無偏估計為
為驗證所提出的統(tǒng)計分析方法的可行性和統(tǒng)計結(jié)果的準(zhǔn)確性,現(xiàn)利用MATLAB7.0軟件進行仿真分析。Crow在AMSAA模型中假定,可靠性增長的過程中,產(chǎn)品失效是按照非齊次泊松過程發(fā)生的,即失效次數(shù)服從參數(shù)為a、b的非齊次泊松過程。利用非齊次泊松過程的性質(zhì)[16]和仿真理論,設(shè)定試驗投入樣本數(shù)為s,產(chǎn)生的失效個數(shù)為n,非齊次泊松過程參數(shù)為a、b,則仿真模型[10]可按以下步驟建立:
(1)模擬單臺產(chǎn)品的失效時間序列。根據(jù)非齊次泊松過程的性質(zhì),首先應(yīng)用計算機產(chǎn)生n個在(0,1)區(qū)間上均勻分布的隨機數(shù)Ri(i=1,2,…,n),對其作變換Ni=-lnRi,產(chǎn)生指數(shù)Ni;根據(jù)泊松過程的性質(zhì),Si=Si-1+Ni為齊次泊松過程時間序列,對齊次泊松過程的發(fā)生時間作變換Ti= (Si/a)(1/b),則Ti為滿足參數(shù)為a、b的非齊次泊松過程的單臺產(chǎn)品失效時間序列。
(2)模擬多臺產(chǎn)品同步投試、同步糾正的失效時間序列。對于樣本數(shù)為s的可靠性增長試驗,對步驟(1)進行s次獨立的模擬,產(chǎn)生s組失效時間序列。根據(jù)同步糾正理論,觀測到的失效時間為多臺產(chǎn)品每個對應(yīng)失效的最早發(fā)生時間。對獲得的s組相同長度的模擬時間序列,取對應(yīng)次序的數(shù)據(jù)最小值作為同步糾正時間,即得到多臺同型產(chǎn)品同步糾正的失效時間。
(3)模型參數(shù)評估和MTBF計算。對模擬產(chǎn)生的多臺同型產(chǎn)品同步糾正的失效時間,利用本文提出的數(shù)據(jù)處理方法進行評估,獲得可靠性增長試驗后的參數(shù)和可靠性水平。為了便于比較和分析數(shù)據(jù)處理結(jié)果,利用美軍標(biāo)/國軍標(biāo)的處理方法和AMSAA-BISE模型對模擬數(shù)據(jù)進行處理。模擬數(shù)據(jù)的理論結(jié)果可利用多臺產(chǎn)品產(chǎn)生n個失效所需的試驗時間和非齊次泊松過程參數(shù)進行計算得到。
(4)對上述三步進行10 000循環(huán)模擬,分別獲得三種數(shù)據(jù)處理方法處理結(jié)果的平均值與理論模擬結(jié)果的平均值,并進行結(jié)果比較和分析。
為驗證所提出的統(tǒng)計方法的精確性,現(xiàn)以模型參數(shù)的估計精度為衡量指標(biāo)。根據(jù)非齊次泊松過程的性質(zhì),只有當(dāng)0<b<1時,產(chǎn)品可靠性才處于增長過程之中。這里,任意假定模型參數(shù)取值:a=0.5,b=0.5,n=7,C =5。根據(jù)上述分析和模型進行仿真模擬,各種方法對仿真數(shù)據(jù)的計算結(jié)果如表1所示。
表1 仿真計算結(jié)果
通過對比分析仿真估計結(jié)果可得:由于試驗樣本量增加時,所有樣品的試驗時間總和會隨之增大,則在產(chǎn)生的故障數(shù)不變的情況下,試驗總時間長的產(chǎn)品的壽命值較大,所以理論模擬結(jié)果隨樣品量的增加而變大。由于美軍標(biāo)/國軍標(biāo)中是將多臺產(chǎn)品的試驗時間進行簡單累加來作為單臺產(chǎn)品的試驗時間,所以,其評估方法估計的結(jié)果大于理論模擬結(jié)果;AMSAA-BISE模型假設(shè)同型產(chǎn)品之間失效相互獨立,沒有考慮失效的相關(guān)性,且其推導(dǎo)過程及公式與多臺產(chǎn)品異步糾正時的AMSAA模型相同,所以其估計結(jié)果也大于理論模擬結(jié)果。本文所提出方法的計算結(jié)果與理論模擬結(jié)果接近,且誤差隨樣品量的變化不大,能夠較好地估計可靠性增長結(jié)果,反映真實的試驗情況。
本文根據(jù)多臺產(chǎn)品同步糾正可靠性增長試驗均為單一產(chǎn)品失效的特點,提出了基于單一產(chǎn)品失效數(shù)據(jù)的同步糾正可靠性增長試驗數(shù)據(jù)統(tǒng)計分析方法。給出了失效的可靠性分布參數(shù)和特征值的計算方法,更好地反映了試驗各個階段的實際情況;基于各個發(fā)生失效的時間期望值,利用單臺可靠性增長AMSAA模型來進行可靠性增長結(jié)果評估,使評估結(jié)果更好地反映出可靠性增長后的產(chǎn)品可靠性水平。蒙特卡羅模擬分析的結(jié)果表明,與現(xiàn)有方法相比,本文所提出方法的分析計算結(jié)果較接近于理論值,能較好地估計可靠性增長結(jié)果,反映真實的可靠性增長過程。另外,本文在推導(dǎo)過程中假設(shè)產(chǎn)品失效服從指數(shù)分布,對于失效服從其他分布類型的產(chǎn)品,亦可采用類似的分析方法進行統(tǒng)計分析,從而為不同失效分布類型的產(chǎn)品進行多臺產(chǎn)品同步糾正可靠性增長試驗提供了統(tǒng)計分析方法和思路,可解決多臺產(chǎn)品同步糾正可靠性增長試驗數(shù)據(jù)的處理問題。
[1]梅文華.可靠性增長試驗[M].北京:國防工業(yè)出版社,2003.
[2]Weiss H K.Estimation of Reliability Growth in a Complex System with a Poisson-type Failure[J].Operations Research,1956,4:532-545.
[3]Duane J T.Technical Information Series Report DF62MD300[R].Erie,PA1:General Electric Co.,DCM & G Dept,1962.
[4]Virene E P.Reliability Growth and Its Upper Limit[C]//1968Proceedings Annual of Symposium on Reliability.Boston,Massachusetts,1968:265-270.
[5]Crow L H.Estimation Procedures for the Duane Model,ADA019372 [R].Philadelphia:SIMA,1972.
[6]Crow L H.Reliability Analysis for Complex,Repairable Systems,ADA020296[R].Philadelphia:SIMA,1975.
[7]Crow L H.Confidence Interval Procedures for Reliability Growth Analysis,ADA044788[R].Philadelphia:SIMA,1977.
[8]周源泉,翁朝曦.可靠性增長[M].北京:科學(xué)出版社,1992.
[9]Zhou Yuanquan,Weng Zhaoxi.AMSAA-BISE Model[C]//The 3rd Japan-China Symposium on Statistics.Tokyo,Japan,1989:179-182.
[10]喻天翔,宋筆鋒,崔衛(wèi)民.多臺同型系統(tǒng)的可靠性增長模型分析研究[J].機械強度,2009,31(4):598-603.Yu Tianxiang,Song Bifeng,Cui Weimin,et al.Research on Reliability Growth Models for Multi-Systems Development Testing[J].Journal of Mechanical Strength,2009,31(4):598-603.
[11]梅文華,楊先義.對GJB/Z77多臺同型產(chǎn)品增長模型的分析[J].航空學(xué)報,1999,20(1):65-68.Mei Wenhua,Yang Yixian.Comments on Reliability Growth Models in GJB/Z77for Multi-Systems Development[J].Acta Aeronautica et Astronautica Sinica,1999,20(1):65-68.
[12]MIL-HDBK-781Reliability Test Methods,Plans and Environments for Engineering Development,Qualification and Production[S].1987.
[13]陳文華,崔杰,樊曉燕,等.單失效數(shù)據(jù)的可靠性統(tǒng)計分析[J].機械工程學(xué)報,2003,39(9):44-48.Chen Wenhua,Cui Jie,F(xiàn)an Xiaoyan,et al.Reliability Statistical Analysis of Data only One Failure[J].Chinese Journal of Mechnical Engineering,2003,39(9):44-48.
[14]戴樹森,費鶴良,王玲玲,等.可靠性試驗及其統(tǒng)計分析[M].北京:國防工業(yè)出版社,1989.
[15]Berger J Q.statistical Decision Theory and Bayesian Analysis[M].New York:Springer Verlag,1985.
[16]葉爾驊.非齊次Poisson過程的若干新性質(zhì)[J].南京航空學(xué)院學(xué)報,1991,23(4):99-107.Ye Erhua.Some New Properties of Nonhomogeneous Poisson Process[J].Journal of Nanjing University of Aeronautics & Astronautics,1991,23(4):99-107.