ЛОГИКО-ВЕРОЯТНОСТНЫЕ МОДЕЛИ МАТЕМАТИЧЕСКОГО ОЖИДАНИЯ ПРОЦЕССА РОСТА НАДЕЖНОСТИ ЛЕТАТЕЛЬНОГО АППАРАТА
Для построения моделей могут быть использованы те или иные логические соображения, позволяющие связать вероятности наступления отдельных событий, составляющих процесс. Такие модели принято называть логико-вероятностными.
Простейший пример построения логико-вероятностных моделей приведен в работе [60]. Предполагают, что изделие включает известное число k блоков; вероятность отказа /-го блока равна q,= = 1 — pi, причем каждый блок может иметь лишь одну причину отказа, отказы блоков принимают независимыми и отказ любого из них приводит к отказу изделия; после появления отказа і-го блока его причину устраняют с вероятностью gi. При этих условиях вероятность того, что отказ /-го блока не будет устранен после / испытаний, можно представить в виде
Qi=l-(l-Pi)giY=(l-Qigiy, (5.31)
а вероятность безотказной работы изделия после / испытаний определяется выражением
Pj= П П-<?А) = гі [І-^П-адіУ]. (5.32)
г=і i-i
При gi=g=const и <7i=<7=const на основании (5.32)
P,=[i-Q(i-qgyr-
При qg<g. 1 можно принять
(1 — qgy^e-w. (5.34)
Подставляя выражение (5.34) в (5.33), получим
Принимая qeriBi<С 1, получим
Pjtzz 1 —kqe-4£j. (5.35)
Нетрудно заметить, что (1 — kq) — вероятность успеха в первом испытании (начальная надежность). Обозначив 1—kq=P0 и
qg=Э, в соответствии с выражением (5.35J получим двухпарамет
рическую экспоненциальную модель, совпадающую с выражением (5.22),
(1 —Яо)е-эЛ (5.36)
На этом простом примере можно сразу же убедиться в преимуществе логико-вероятностного подхода к построению модели, так как при его применении четко формулируют допущения, которые можно проанализировать с учетом реальных условий отработки Л А. Так, остаются проблематичными допущения об известном числе блоков* в каждом из которых имеется одна причина отказа, об устранении этой причины с постоянной для всех блоков вероятностью только после отказа и сразу же после его наступления и т. д. Однако в такой модели эти допущения сделаны явно, что дает предмет для размышлений и анализа.
Основное допущение, приводящее к модели (5.36), можно сформулировать иначе, рассматривая изделие, имеющее не k блоков, а k причин (источников) отказов. Такие модели использовались в ряде работ, однако, как и в первом варианте, трудно найти условия, при которых заранее известны причины отказа. Использование такой модели после проявления всех источников отказов, т. е. после отработки изделия, нецелесообразно (см. § 5.4).
Построение модели (5.36) было проведено в общем-то эвристически, т. е. на основе ряда догадок или предположений получена окончательная зависимость, которую затем предлагают, так же как и статистические модели, апробировать опытными данными. Однако для разработки логико-вероятностных моделей можно использовать определенную теоретическую базу.
В последние пятнадцать лет сформировалась теория стохастических моделей обучаемости, позволяющая количественно оценивать результаты обучения в принципе любых биологических объектов, включая и человека, при тех или иных воздействиях среды и экспериментатора.
Идеи н математический аппарат теории стохастических моделей об;.’ :■, к плодотворными для решения задачи моде
лирования процесса изменения надежности сложных технических устройств, в том числе ЛА. В теории обучаемости часто возникает задача количественной оценки закрепления какой-либо реакции животного при многократном повторении опытов, в ходе которых желаемое поведение стимулируется. Так, например, группу крыс пускают по Т-образному лабиринту, из которого можно выйти налево и направо. Если в левой ветви лабиринта животные получают корм, то постепенно, от опыта к опыту, все большее число крыс будет выбирать левое направление. Возникает задача отыскания аналитических зависимостей, которые бы характеризовали обучаемость, например возрастание вероятности поворота животным в лабиринте налево.
В формализованном виде такой процесс обучения весьма напоминает ход испытаний ЛА, который за счет доработок как бы — «учится» высокой надежности. В основополагающей работе [10] дано несколько характерных схем процесса обучения; некоторые из них пригодны для решения нашей задачи. Рассмотрим их подробнее, попутно трансформируя термины и обозначения так, чтобы они отвечали условиям опытной обработки ЛА. Начнем с того, что сформулируем некоторые, на первый взгляд, очевидные свойства случайного процесса изменения надежности ЛА в ходе испытаний.
1. Установление предполагаемых причин отказов и их устранение доработкой в принципе возможно как после успешного испытания, так и после отказа.
2. Надежность изделия может изменяться только за счет доработок, причем каждая доработка увеличивает, уменьшает или оставляет неизменной надежность, так как причины отказов и меры их устранения устанавливаются недостоверно.
В доказательство справедливости первого свойства заметим, что большой объем опытной информации позволяет зафиксировать ряд отклонений в работе изделия, хотя формально отказ и не произошел. Кроме того, не всегда целесообразно или возможно проводить доработку сразу же после испытания, закончившегося отказом (например, очередной образец уже поступил на стенд, подготовлен к эксперименту и его доработка невозможна).
Процесс отработки является рекуррентным, поэтому имеет смысл выделить из него произвольное /-е звено, включающее в себя исход испытания (успех или отказ), следствие (проведение или отсутствие доработки). Такое деление можно рассматривать как логическую основу процесса. Указанным событиям соответствуют определенные вероятности: Р, — успеха в /-м испытании; лі — проведения доработки после успеха; зг2 — проведения доработки после отказа. После любого испытания могут быть два несовместных следствия: проведение или отсутствие доработки, поэтому вероятность отсутствия доработки после успеха равна (1— ли), а после отказа—(1—зх2)- Соответственно и приращения надежности за счет доработок после успеха &Рц или после отказа A/V; в общем случае неодинаковы. Схема рассмотренного процесса представлена в табл. 5.1.
На рис. 5.2 показана структура ветвящегося процесса отработки ЛА на j-м шаге.
Рассмотрим подробнее зависимости изменения надежности изделия после доработки, так как именно они во многом определяют окончательный вид модели. В соответствии со вторым свойством процесса
ДРї} ^ 0; ДР2] 0. (5.37)
Наиболее удачными выражениями для приращений надежности являются линейные конструкции, в которых учитывают возможность как повышения, так и снижения достигнутой надежности, а также тот факт, что с ростом надежности ее повышение становится более трудным. Эти линейные операторы в общем виде можно представить следующим образом:
д Рц=Яу (1 — РІ-Ї)—bXjPj-1; (5.38)
Д Р 2 j== &ij (1 Рj—і) b]Pj—і» (5.39)
где aij, a2j — коэффициенты, характеризующие уменьшение оставшейся после (/— 1)-го испытания вероятности отказа (1 —Р]-) за счет /-й доработки; Ьц, b2j — коэффициенты, характеризующие сни — жение’достигнутой надежности Р,- за счет j-я доработки.
Таким образом, выражения (5.38) и (5.39) предполагают в общем сл_ • і. іе де юі. результата доработки на две части: эффектив-
ную (первые члены) и негативную (вторые члены). Такие модели наглядны, просты и имеют ясное логическое обоснование. В принципе вместо этих выражений можно было бы записать и целый ряд других конструкций. Заметим, что эти линейные зависимости приводят к нелинейному изменению функции Pj, так как по мере увеличения Pj даже при постоянных значениях коэффициентов а^, a2j, Ьij, b2j приращения АР существенно уменьшаются. Из дальнейшего изложения станет ясно, что оперирование и с линейными конструкциями (5.38), (5.39) достаточно сложно, поэтому для практически реализуемых моделей нецелесообразно использовать какие-либо нелинейные зависимости.
Поскольку не наложили еще никаких ограничений на коэффициенты aij, Oij, bij, b2j, то рассмотренная схема изменения надежности сложного изделия в ходе его испытаний весьма полная. По сути, логика ветвящегося процесса, представленная табл. 5.1 и рис. 5.2, а также выражения (5.38) и (5.39) составляют искомую модель роста надежности, поэтому целесообразно проанализировать ее в общем виде, не внося каких-либо допущений.
В предыдущем параграфе указывалось, что процесс изменения надежности является случайным. Полученная выше модель отражает случайный ветвящийся процесс, реализации которого в соответствии с рис. 5.2 можно характеризовать определенными вероятностями. Другими словами, в каждом сечении такого процесса существует конечное, хотя, может быть, и очень большое, число точек, в которые может прийти процесс из заданного начального положения. При этом каждой точке отвечает определенная вероятность попадания в нее реализации, т. е. для каждого сечения существует распределение вероятностей.
Сейчас имеет смысл вернуться к важному положению, которое было высказано в § 5.2. Речь идет о том, что при отработке ЛА в каждом испытании участвует, как правило, один образец. Это приводит к тому, что изменение надежности ЛА в ходе отработки отражается одной реализацией случайного ветвящегося процесса, которую необходимо описать. В таком случае существенно различают задачи определения модели, отражающей реализацию процесса и его математическое ожидание. Если отработка проведена и нужно оценить ее ход, то необходимо использовать модель, которая хорошо отражала бы имевшую место реализацию Pj процесса, а если нужно прогнозировать ход процесса, то удобнее всего использовать модель его математического ожидания М[Р&
Таким образом, уже общий анализ полученных выше зависимостей позволяет найти существенные различия в требованиях к моделям, используемых для статистического оценивания и прогнозирования изменения надежности.
Далее остановимся на разработке моделей, которые могут быть применены для прогнозирования роста надежности, а в следующем параграфе получим модель, описывающую реализацию исследуемого процесса.
Рассмотрим подробнее модель, представленную табл, 5.1 и за
висимостями (5.38), (5.39). Ее определяют начальная надежность Р0, представляющая собой исходную точку процесса, параметры яь яг, а также величины ац, a2j, &ід Ьц. Таким образом, если не сделать каких-либо упрощений, то для описания изменения надежности в ходе п испытаний нужно будет знать (4/г + З) параметра.
При ИСПОЛЬЗОВаНИИ ПОДОбНЫХ МОДелеЙ СЧИТаЮТ, ЧТО ВеЛИЧИНЫ fi;,v °2j, bij, &2з не изменяются в ходе данного процесса. Для условий отработки ЛА это означает, что остается постоянной эффективность устранения причин отказов, определяемая опытом и квалификацией персонала, а также возможностями применяемого оборудования и аппаратуры. Допущение
a1j—(ii, a2j=ci2, bij==b1 b2j—b2 (5.40)
позволяет упростить операторы (5.38) и (5.39):
Д/,у=«1(1 — Р}~i) — W-i=«i — fl — а,) Рнь J ф
Д/32у = й2 ( 1 — Ру—l) b2P1 = &2 (1 Иг) Pj—ь I
гдеа!=1—«j — Ь{, а2=1—а2—Ь2.
у Несмотря на допущение (5.40), приращения надежности зависят от номера испытания, так как в них входят значения Pj-. Следует, однако, заметить, что в ходе отработки изделий в начальный период вскрывают, как правило, большее количество причин отказов, а на заключительном этапе доработки проводятся реже. Этот факт можно было бы учесть при переменности коэффициентов ci, cl% b, Ь2 или п, я2, но в этом случае не удается получить явное выражение для математического ожидания процесса.
С учетом операторов изменения надежности (5.41) после ряда громоздких преобразований, которые, к счастью, проделаны в книге [10], можно записать формулу математического ожидания вероятности успеха в (/+1)-м испытании
Щрі+і]=02Л-{аі — <h+<h)M[Pj-{- (ах — a2)M*[Pj], (5.42)
где М[Р} — математическое ожидание процесса Pj в сечении /
С1^ —- Jt — ^2^2»
aj=l — яД1 — сц); a2—1—я2(1—а2).
Из выражения (5.42) видно, что имеем дело с рекуррентной нелинейной зависимостью или разностным квадратным уравнением, которое_элементарно не решается. Уравнение можно упростить, приняв ai = a2, т. е. считая, что
яДІ —аі)=я2(1 —а2). ‘ (5.43)
В этом случае разностное уравнение (5.42) становится линейным:
Известно, что разностное уравнение вида Xn+l — Pi-^n ~|~(1 Pl)l*l
имеет точное решение:
л„=Рі — (Р!—JCo)Pi, (5.46)
где х0 — начальное значение величины х.
Введя обозначения
Р=а,—а2+а2; (5.47)
р=а2/(1 — а! + а2 —а2); (5.48)
нетрудно привести уравнение (5.44) к виду (5.45):
Ж[Р/+і]=рЩР,.]+(1-р)р. (5.49)
В соответствии с (5.46) решение уравнения (5.49) записывают
следующим образом:
M[P.] = fx-(,x-P0)^ (5.50)
где Ро — начальная надежность, постоянное значение которой совпадает с ее математическим ожиданием.
Разностное линейное уравнение (5.49) можно свести к приближенному дифференциальному уравнению, которое легко решить. Действительно, вычитая из левой и правой частей (5.49) величину М [Pj] и деля обе части на приращение А/= 1, получим
дм [Я,]/ДУ=м [Pf+l] — м [Я,-]= — (1 — Р) М [Яу]+(1 — Р) р. (5.51)
Переходя в (5.51) к пределу при Д/->0, получим искомое дифференциальное уравнение
|
Дифференциальное уравнение (5.52) и начальное условие (5.53) с точностью до обозначений совпадают с уравнением (5.54) и условием (5.56), поэтому в соответствии с (5.58) искомое решение имеет вид
М [Я,-] s V — (Р — Р0) e-O-W. (5.59)
Из выражения (5.59) следует, что величина р, является предельной надежностью, т. е. р,=Рсо, так как при /->оо получим lim(M[Pj]) =р. С учетом (5.47) и (5.48) можно записать, что
1_-Р=а2/р=а2/Ясо, (5.60)
тогда решение (5.59) принимает вид
-—3
М [Р} ^ Ре—(Рос — Р0) е Р“ . (5.61)
Заметим, что переход от точного решевия (5.50) разностного уравнения (5.44) к решению (5.59) приближенного дифференциального уравнения соответствует замене величины |33’ экспонентой ехр(— (1 — {$)/]. Следовательно, приближенное решение обладает достаточной точностью при |3, близких к единице. В задачах расчета функций надежности ЛА обычно имеем
0,8 <р< 1, (5.62)
что приводит к ошибке, меньшей 3%, при замене точного решения (5.50) приближенным (5.59).
Таким образом, идея замены разностного уравнения (5.44) дифференциальным (5.52) оказалась целесообразной. В связи с этим имеет смысл, не делая сильного допущения (5.43) о равенстве параметров си и аг, попытаться преобразовать разностное нелинейное уравнение (5.42) в дифференциальное и решить его.
Вычитая из левой и правой частей уравнения (5.42) величину М[Р}], деля обе части на А/ = 1 и переходя к пределу при А/->-0, получим искомое дифференциальное уравнение:
—(1 — ах—а2— о,2)М [P^]-j-
+(«1 —а2)Ж2[Р.]+а2. (5.63)
Это уравнение при начальном условии (5.53) имеет решение [10]: М [ЯЛ ^ -| ^ Се— , (5.64)
2(0]—а2) 2(0] — а2) 1 — СеР-7
где — а2+а2; р= V{ 1 — Р)2 — 4az(al~а2);
С=[2 (а, — а2) Р()—(1 — Р)—р]/[2 (cij — а2) Р0— (1 ■— Р) — f — р];
Oj= 1 — Л] (I — О]); а2= 1 — я2(1 — а2);
о1 = л1о!: а_ — тх2а2 а^І— ал — Ь{, а2=1—а2 — Ь2.
Таким образом, выражение (5.64) является искомой аналитической, но приближенной моделью процесса, в которую входят семь параметров: Р0, аи а2, Ьи Ь2, ях, зт2 или Р0, Щ, а2, сц, а2, ях, я2. В пределе при у—>-00 отношение (1 +CePj)/(l — С’ер5) стремится к единице, поэтому предельную надежность, к которой сходится процесс, определяют зависимостью
PcoS(l—Р—p)/[2(aj —а2)]. (5.65)
Заметим, что из формулы (5.64) непосредственно не может быть получено решение (5.61) как частный случай при ai = a2, так как при этом знаменатели (5.64) и (5.65) обращаются в нуль.
Точность решения (5.64) оценить трудно, так как неизвестно строгое решение разностного уравнения (5.42). Приведенные выше рассуждения о малой ошибке, возникающей при замене линейного разностного уравнения (5.44) дифференциальным (5.52) в случае, когда р близко к единице, строго говоря, являются лишь аналогией, а не доказательством.
Механизм процесса внесения доработок, представленный табл. 5.1, естественно, является не единственно возможным, хотя и достаточно общим. Можно рассмотреть и другие условия отработки ЛА, при которых исход испытания полностью, достоверно определяет проведение той или иной доработки. Схема такого процесса может быть представлена в табл. 5.2.
Таблица 5.2
Исходы J-го испытания |
Вероятности исходов |
Сле. істпия |
Вероятности следствий |
Вероятности успеха в (/+1)-м испытании |
Axj (успех) |
Pi |
ом (доработка) |
Р] |
Pj+APu |
A2j (отказ) |
X-Pj |
Phj (доработка) |
1 — Pi |
Pj+hP%i |
Будем полагать, что приращения надежности за счет доработок, так же как и в предыдущей модели, определяются линейными конструкциями (5.41), т. е.
APiy=a! — (1— aJPj-й ДР 2]=а2 (1 аг) Ру—ь
СЕ| — 1 ci‘ [ b х, а2 — 1 52.
Поскольку тот или иной вид доработки следует достоверно после определенного исхода испытаний, то вероятности Лі и я2, входя — .щие в (5.42), равны единице, т. е.
„ ^[Ру+і] = а2 + («1-«2-|-а2)Л’Ц/37Н-(аі-а2)Л/2[/57]- і5’67)
Уравнение (5.67) с точностью до обозначений совпадает с (5.42), поэтому, преобразуя его к дифференциальному виду, можно
1С0
2 (at — а2) 2 (аі — а2) і _ С0е?°і
где а2+о2; P0=’V/С1 —Ро)2—— а2);
С0=[2 (Oi — а2) Р0 — (1 — Ро) — РоМ 2 («! — а2) Я0— (1 — Ро) + Pol;
Gj— 1— ах — Ь,; а2=1— а2— Ь2.
Таким образом, модель процесса, при котором доработки достоверно определяются исходом испытания, содержит пять параметров: Ро, «і, 0.2, Ь,. Ь2 или Р0, аь а2, аь а2. Предельную надежность в этом случае определяют зависимостью, аналогичной (5.65),
Рсо~(1 — Ро Р0)/[2(Gj — а^]. ^ (5.69)
Рассмотрим другие частные случаи процесса отработки ЛА, которые приводят к упрощениям общей модели (5.64). Для начала еще раз вернемся к допущению (5.43), которое было введено формально для исключения нелинейного члена в (5.42). Условие (5.43) выполняется, например, при яі=я2=я; ai=«2=G. Так как «1=1 — «і — и а2=1— а2 —&2, то для выполнения ai = a2 можно считать, что а = а2=а b = b2=b. Таким образом, условие ai = a2 может быть выполнено при
— ЭХ2 ■’ •" зх»
— CL<1 — CLy
bl = b2=b.
В этом случае доработка, одинаково изменяющая надежность изделия на величину
д Pj=a (1 — Pj-1) — bPj-X=a—{ 1 — a) Pj-, (5.71)
проводится с равной вероятностью я как после успеха, так и после отказа. Модель такого процесса представлена в табл. 5.3.
Таблица 5.3
G—1218 1С1 |
Для рассмотренного процесса математическое ожидание, как было показано выше, точно определяется выражением (5.50):
(5.72)
При условиях (5.70) упрощаются обозначения (5.47) и (5.48):
Р= 1 — я (1 — а)— 1 — п{а-{-Ь) р=/5сс==а/(1 — a)=aj{a—b).
(5.74)
где а—па.
Выражение (5.74) включает четыре параметра: Р0, я, а или Ро, я, а, Ь. Для случая, когда доработки не ухудшают надежность изделия, т. е. при Ь=0, в соответствии с (5.73) предельная надежность равна единице. В этом случае модель (5.74) содержит три параметра Р0, а, я и имеет вид
і — (і—я0)(і — «у.
Нетрудно заметить, что величины я и а, в силу того что в формулах (5.74) и (5.75) они представлены произведением, можно рассматривать как один параметр. Приближенное выражение для математического ожидания, найденное решением дифференциального уравнения, в соответствии с (5.61) имеет вид
и при Рсо= 1 (&=0)
M[Pj^ 1-(1-Я0)е-«Л
Таким образом, для случая, когда доработки, одинаково изменяющие надежность изделия, следуют с равной вероятностью после любого исхода испытания, имеем двух — или трехпараметрические модели изменения математического ожидания, описываемые точными выражениями (5.74), (5.75) или приближенными, но тоже достаточно точными при малых значениях параметра а формулами (5.76), (5.77).
Выше говорили о том, что точность модели (5.64) и (5.68) трудно проверить, так как неизвестно строгое решение уравнения (5.42). Для одного частного случая модели (5.68), когда доработки достоверно следуют после успешных испытаний и достоверно отсутствуют после отказов, т. е. при яі=0; яг=0; аі = а; а2=0; аі=а и а2=
=0, удается найти формулы для верхней Мв и нижней Мн границ математического ожидания (10]:
где Рсо=а/{а—Ь).
В соответствии с принятыми условиями, отвечающими такому процессу отработки, модель (5.68) существенно упрощается, так как после преобразований
Л1[Ру1«0,бРвоГ 1 + . (5.80)
L П + (Рто-Ро)е-“^ J
Расчеты показывают, что в данном частном случае модель (5.80) практически совпадает с верхней границей математического ожидания (5.78). На рис. 5.3 показаны графики нижней и верхней границ математического ожидания, вычисленные по формулам (5.78) и (5.79) при яі = 1,
Яг —0, Роо = 0,98; я=0,1; Ро—0,1 и 0,4. Из рисунка видно, что границы при низкой начальной надежности расходятся существенно, однако общий характер роста надежности достаточно хорошо отражает специфику процесса. Действительно, при малой начальной надежности в первых испытаниях мало успехов, что приводит и к малому числу доработок; лишь с увеличением надежности рост ее ускоряется, так как доработки следуют чаще (кривая имеет перегиб в точке /, где М [Pj]=
= 0,5Роо). Если начальная надежность достаточно велика, то участок «вялого» роста надежности до величины 0,5РТО мал.
Для случая, когда доработки проводят только после отказов, т. е. когда jti=0; яг=1; ai=0; а.2=а ai = l; аг=а, можно найти нижнюю границу математического ожидания:
1-Го,
—р— а1
-Д, Г-Рс-(Яос-Яо)е 00 <М[/М — (5.81)
О’ 163
Нетрудно заметить, что формулы (5.76), (5.79), (5.81) отличаются лишь показателями степени. Так, если доработки равновероятны после любого исхода, то перед множителем aj/Poo стоит величина вероятности доработки л; если доработки следуют достоверно после успеха, то роль этой вероятности играет начальная надежность Р0; наконец, в том случае, когда надежность изменяется достоверно только после отказа, появляется величина начальной вероятности отказа 1—/V Вероятность я отражает внесение доработок в ходе всего процесса, а в формулы (5.79), (5.81) входят только начальные вероятности доработок.
На рис. 5.4 приведены графики нижних границ математического ожидания для случая доработок только после успешных испытаний, т. е. при ЗХІ = 1, 3X2 = 0 (сплошные ли
нии), или только после отказов, Т. Є. при Я1=0, Я2=1
(пунктирные). Кривые рассчитаны при а=0,1; Рсс = 0,98; Ро=0,] 0,4; 0,5. Из рис. 5.4 видно, что в случае малой начальной надежности резко растет кривая, отвечающая проведению доработок только после отказа. По мере приближения Р0 к величине 0,5 обе кривые меньше расходятся, а при Ро= =0,5 — совпадают, так как частота проведения доработок становится одинаковой. Заметим также, что с увеличением начальной надежности падает конечное значение функции, отвечающей проведению доработок только после отказа. Это объясняется тем, что в процессе отработки возникает меньше отказов, которые при принятой модели ведут к увеличению надежности.
Аналогией таких процессов является обучение человека на собственных ошибках или на закреплении положительных реакций. Если человек имеет слабые навыки выполнения какой-либо работы и может их приобрести, развить только в результате удачного ее выполнения, то обучение пойдет очень медленно. Если же обучение будет состоять только в анализе сделанных ошибок и развитии на этой основе нужных навыков, то при малых начальных знаниях процесс обучения будет протекать быстрее (при этом предполагается одинаковая эффективность обучения за одну удачную или неудачную попытку).
На рис. 5.5 представлены графики функций надежности, вычисленные при условиях, представленных в табл. 5.4.
Из графиков видно, что при малой начальной надежности быст-
рее растут кривые с высоким значением зхг, причем за счет большей величины лі эффективнее идет процесс, описываемый моделью (5.74). При большем значении Ро эти различия сглаживаются, однако на рост надежности преобладающе действует величина м:о,] вероятности ЗГь
Для рассмотренных выше основных моделей роста надежности важной характеристикой является не только математическое ожидание, но и дисперсия о2 [Pj определяющая рассеяние реализаций Р-3 в сечении j. К сожалению, для рассмотренных моделей не удается получить конечные выражения дисперсий через постоянные параметры. Однако, моделируя на ЭЦВМ процессы изменения надежности, можно в каждом сечении j найти значения реализаций Рf п вычислить оценку дисперсии:
(5.82)
где I — число моделируемых реализаций процесса; Pjr — значение надежности в сечении j при r-й пробе. ________________________________ _______________ Таблица 5.4.
|
1G5
ше формул. При достаточно большом числе проб можно для контроля определять и оценку математического ожидания процесса:
і
ЩР}]=^РІГ. (5.83)
Суть моделирования процесса изменения надежности для конкретности можно пояснить на примере модели (5.64) и соответствующей ей табл. 5.1, полагая, что приращение надежности в результате доработки как после успеха, так и после отказа одинаково, т. е.
Ь. Ри=кРц=кР,=а — { — a) Pj^.
По заданной вероятности Р0 моделируют случайный исход испытания (событие А) методом, рассмотренным в гл. I. Если получен успех, то с вероятностью яі, а если был отказ, то с вероятностью яг моделируется событие О (следствие). При получении события Оц или 02і (доработка) надежность увеличивается от значения Р0 на величину АРі = а— (1 — а)Ро — Если получены события С>12 или О22 (нет доработки), то надежность не изменяется. В соответствии с новой вероятностью Рі = Рс+АРі или Р = Р0 цикл повторяется. Если исход испытания определяет факт доработки [см. (5.68)], то цикл упрощается, так как нет необходимости моделировать случайное событие О.
Результаты моделирования роста надежности показывают, что процесс сначала расходится от начальной точки Р0, но по мере увеличения числа испытаний j достаточно быстро стягивается к математическому ожиданию. Это связано с тем, что процесс не может выйти из полосы (Р0, Рсо), а математическое ожидание M[Pj] асимптотически стремится К Предельной надежности Рос, являющейся граничной точкой, в которую сходятся все реализации. Из сказанного выше ясно, что дисперсия процесса существенно зависит от значений Р0 и Рос. Поскольку величина Рх в реальных условиях всегда близка к единице, что свидетельствует о возможности путем отработки обеспечить требуемую высокую надежность изделия, то практически существенна зависимость дисперсии от начальной надежности. На рис. 5.6 показано характерное изменение среднего квадратического отклонения a[Pj] процесса при различных значениях Р0, полученное для модели (5.77). Из графика видно, что при
/^3= 304-70 разбросы реализаций процесса от математического ожидания малы. Это позволяет иногда использовать полученные выше формулы не только как модели математического ожидания, но и в качестве моделей реализации процесса на участках, где число испытаний велико.