ВОССТАНОВЛЕНИИ
Использование управляемой цепи Маркова в качестве модели для аппроксимации поведения обобщенного параметра АС порождает необходимость исследования-проблемы неполного восстановления. Сущность этой проблемы состоит :в том, что наличие различных состояний и использование правил вида (3.3) означает возможность изменить текущее состояние параметра до одного из промежуточных между 1 и F состояний, которые отличаются по безотказности.
Неполное восстановление объясняется действием факторов, которые условно можно разделить на две группы. К 1-й группе отнесем факторы, связанные с естественным старением элементов АС. Результатом воздействия этих факторов является изменение характеристик случайного процесса, описывающего поведение обобщенного параметра во времени. Учет таких факторов в формулировке задачи оптимального управления техническим состоянием АС сводится только к заданию новых значений для элементов матрицы вероятностей переходов без изменения структуры целевой — функции и системы ограничений. Вторая группа факторов включает в себя компоненты, определяющие вид решений о проведении восстановительных работ и возможность их осуществления.
Введем для описания результатов применения правил вида (3.3) характеристику, которую назовем функцией качества восстановления (ФКВ). Физически ФКВ представляет собой распределение результатов восстановления по состояниям аппроксимирующей цепи Маркова. Характер ФКВ зависит от конструктивных особенностей восстанавливаемых АС, операций, используемых в процессе восстановления (замена функционального элемента, настройка, регулировка, необходимость применения пайки или сварочных работ и т. п.), квалификации инженерно-технического состава, качества применяемой контрольно-измерительной аппаратуры, условий проведения восстановительных работ и т. п. В частности, в работе [21] показано, что между временем, отводимым на
регулировку радиоаппаратуры, и формой ФК. В существует явная зависимость. Качественно эта зависимость сводится к следующему. При отсутствии ограничений на продолжительность настройки параметра с двухсторонним допуском распределение результатов регулировок имеет колоколообразный вид с центром, соответствующим номинальному значению. По мере того как время, отводимое на регулировки, сокращается, это распределение переходит в равномерное, а затем и в бимодальное, причем в последнем случае моды примыкают к границам области работоспособности.
Все эти факторы в конечном итоге ограничивают область возможных решений. Учтем эти ограничения в формулировке задачи по отысканию оптимальных моментов проведения восстановительных работ.
Из (3.7) следует, что хгк представляют собой условную вероятность принять решение dis и в соответствии с этим решением изменить i-e состояние параметра на состояние s. Будем рассматривать неполное восстановление, как невозможность (или ограниченную возможность) осуществить переход в состояние 5 = 1 из любого состояния i=2, 3,. .., F. Формализованно это условие может быть записано в следующем виде:
F
^xn^w, 0<да<Л. (3.36)!
1=2
Нетрудно заметить, что если такое ограничение существует не только для состояния s—1, но и для некоторой области S, включающей несколько состояний, то (3.36) примет вид:
(3.37)
ses 1=1 і А — s
Если область S состоит из нескольких подобластей Sj таких,
т т
что U Sj—S, П Sj=0, то условие (3.37) может быть представ-
1=і /=і
лено в виде условий, каждое из которых определяет ограниченную возможность (или невозможность) перевода в состояния, относящиеся к соответствующей подобласти Sy.
(2 2
I s6St і фа
…………………………………………………………………. (3.38)
т
22 Xis •< Wm, причем 2 Wj-^W. sesm іфа 7 = 1
Окончательно задача определения оптимального правила проведения восстановительных работ с учетом ограничений на допустимые решения сводится к выбору переменных Xis, минимизирующих (3.6) при ограничениях (3.5), (3.38). Введение ограничений
Рис. 3.2. Зависимость нормированных удельных затрат х от степени ограничения на решения w:
а)—при вариации отношения затрат q и S=Si 1—q= (0,4—1); 2—р=0,2; 3—р=0.09; 4—р=0,05; •б)—при различных размерах области 5 и 0,2^q^1: 1—2—S=S2; 3—S=«S3 вида (3.38) по аналогии с ограничением (3.29) может привести к увеличению средних удельных ‘затрат, рандомизации решений и изменению значения упреждающего допуска.
Пример 4. Опишем результаты решения задачи линейного программирования с учетом дополнительных ограничений (3.37) при исходных данных примера § 3.1. Чтобы оценить влияние ограничений (3.37) на вид получающихся решений и другие характеристики, рассмотрим результаты расчетов величины у (рис. 3.2) для трех вариантов области S:
S1={s = l}; S2= {я-=1,2}; S3= {s = 1,2, 3}.
Из рис. ‘3.2, а видно, что введение ограничений на допустимые решения ‘приводит к возрастанию средних удельных затрат. Так, при g = 0,2-^l такое увеличение составляет примерно 6%; при малых g (0,05—0,09) влияние ограничений (3.37) проявляется более резко. Например, при w = 0,014-0,0001 уменьшение величины у составляет 5—10%, что существенно меньше потенциально возможного сокращения средних удельных затрат (см. табл. 3.1).
Введение более жестких ограничений на допустимые решения (увеличение области S) приводит к ухудшению характеристик готовности (рис. 3.2,6). Так, при увеличении области S с Si до S3 значение у возрастает на 6—12%, что объясняется большим числом ремонтных работ.
Матрица решений с учетом ограничения (3.37) при g = 0,09, S = Sf и w — 0,1 имеет‘вид:
(3. 39) 0,213 0,787
V
Сравнение матриц (3.17) и (3.39) показывает, что введение ограничений <(3.37) приводит к изменению упреждающего допуска І* и рандомизации элементов матрицы решений. Представление о характере изменения упреждающего допуска можно получить на основании анализа результатов, полученных при решении задачи с учетом ограничений (3.37) при S=S, и р=|0,<0Э. При w=
= 1 —0,4 значение і* сохраняется прежним и равно 4. Введение 0,2’увеличивает упреждающий допуск до /* = 6.
Оценим влияние ограничений вида (3.37) на характеристики безотказности (табл. 3.6), где
ц = TFF(w)[TFF(w = 1,0).
Из таблицы видно, что с введением ограничений на допустимые решения: характеристики безотказности ухудшаются. При фиксированных значениях g по мере увеличения области S среднее время между отказами убывает. Для g=l и 0,2 значения среднего времени между отказами для одних и тех же областей S практически везде совпадают. Однако при g = 0,2 введение ограничений сильнее сказывается на характеристиках безотказности, так как потенциально возможно получить большее значение среднего времени между отказами.
Т а б л и ц а 3.6
|
Практически важной является ситуация, когда при организации эксплуатации АС необходимо учесть как неполное восстановление вследствие ограничений на допустимые решения, так и обеспечить вероятность отказа к очередному моменту контроля не выше заданной. Математически такая задача сводится к задаче линейного программирования по минимизации целевой функции выбранного вида (в том числе и учитывающей достоверность контроля) при ограничениях (3.5), (3.29), (3.38). Следует заметить, что в такой постановке задача не всегда имеет решение. Это объясняется тем, что при совместном использовании ограничений (3.29) и (3.38) общая система ограничений может быть противоречивой. Существование решений такой задачи определяется на основе теоремы Кро — некера-Капелли, в соответствии с которой необходимым и достаточным условием непротиворечивости системы линейных уравнений (ограничений) является равенство рангов матрицы, составленной из коэффициентов при переменных Xis и расширенной’ матрицы. Если ранг расширенной матрицы больше ранга исходной матрицы, то система ограничений противоречива, и задача линейного программирования решения не имеет. Это означает, что величины v, w или обе вместе выбраны малыми.
Решение может существовать при больших значениях с и ». При увеличении w необходимы организационно-технические мероприятия, направленные на улучшение условий труда инженерно — технического состава, повышение его эффективности и т. п. Решение задачи при большем значении v означает, что допускается больший риск появления неблагоприятных событий, связанных с
отказом АС. Если это недопустимо, то возможность обеспечить функционирование АС с заданным значением v заключается в улучшении ее характеристик надежности вообще си, в частности, в уменьшении значений элементов qiF матрицы Q (например, путем доработок).
При совместном учете указанных ограничений по-прежнему возможны увеличение средних удельных затрат, рандомизация элементов матрицы решений и изменение упреждающего допуска.
3.4. ТОЧНОСТЬ ОПРЕДЕЛЕНИЯ УПРЕЖДАЮЩЕГО ДОПУСКА
Эксплуатация АС при введении упреждающего допуска позволяет получить ряд преимуществ по сравнению с эксплуатацией до отказа. Однако выигрыш в средних удельных затратах или в безотказности существенно зависит от значения упреждающего допуска, что предъявляет повышенные требования к точности его определения. Поэтому крайне важно иметь уверенность в том, что метод определения упреждающего допуска, основанный на решении задачи линейного программирования, позволяет точно вычислить его значение.
Иными словами, возникает задача оценки достоверности решения задачи линейного программирования.
Методология проверки правильности решения заключается в полу чем и п решения той же задачи другим методом, принципиально отличающимся от первого. Применительно к задаче линейного программирования выберем в качестве контрольного метод статистического моделирования. Выбор этого метода обусловлен простотой его реализации, наглядностью и легкостью интерпретации промежуточных и конечных результатов, а также возможностью их получения с любой наперед заданной точностью, хотя последнее свойство метода связано с увеличением объема расчетов.
Поясним подробнее принцип определения упреждающего допу — • ска. Основная цель заключается в том, что для заданного случайного процесса необходимо определить такое значение і*, при котором достигается минимум средних удельных затрат при длительной эксплуатации (строго, при /-»-оо).
Рассмотрим процесс эксплуатации АС, восстановление которой производится только при отказе (£* = Г). Пусть Т —- суммарное время наработки, в течение которого было произведено п(Т) восстановлений, причем каждое восстановление требует Тр чел-ч. Тогда оценка средних удельных затрат gr(F) =n(T)TvT~l. Введем теперь некоторый допуск i<F, при достижении которого будем производить предупредительные работы со средними затратами ГП<ГР. Очевидно, что за время наработки Т будет выполнено какое-то число восстановлений после отказа П(Т) <п(Г) и некоторое количество восстановлений типа предупредительных работ н2(Г). Для этого случая оценку средних удельных затрат можно вычислить по формуле
8т (1)= К (Т) Гр+щ (Г) Тв] Т~ (3.40)
Ясно, что при изменении значения і будут меняться. величины Пі(Т) И П2(Т), а следовательно, и значение gT(і). Тогда изменяя Ї и фиксируя количество П(Т) и п2(Т), на основе выражения (3.40) можно получить зависимость gr (г). Кривая этой зависимости имеет единственный минимум по і, который может размещаться как внутри, так и на границе диапазона его изменения, т. е. на границе области работоспособности. Выбирая из полученной совокупности величин gr^) минимальную, найдем соответствующий ей упреждающий допуск t*, который и будет оптимальным по выбранному критерию.
Для удобства расчетов оценка величины gr(i) осуществлялась не для абсолютных значений Тп и Тр, а для нормированной величины Q —Гп/Д,, Ocq-cI. Возможность такого подхода была показана при анализе выражения для средних удельных затрат в § 3.1 (см. выражение (3.15) и комментарий к нему). Искомое значение средних удельных затрат g(t’) = limgr (г)и для его вычисления тре-
Г-*-О0
буется бесконечное время моделирования. При практических расчетах величина Т выбирается из условия, чтобы две. соседние оценки ghT и g(fe+i)T не отличались более, чем на заранее заданную малую величину 6>0, т. е. |gfcT(i) —g(h+i)r,(i) |<б, где k=l, 2.. . Однако при таком ‘подходе есть одна особенность: оценка ghT (і) является случайной величиной, а для того чтобы эта величина была статистически устойчивой, необходимо ее усреднить по множеству. С этой целью при каждом к= 1, 2… определяют такие средние значения, чтобы модуль их разности не превышал е>0. При вы-
N+1
волнении этого условия величина (A’ — j — 1)1 ^ (/) выбирается в
s-l
качестве оценки для ghT (і), которая в дальнейшем используется при принятии решения об окончании моделирования и вычисления (величины gl (0-
Рассмотрим взаимодействие блоков алгоритма (рис. 3.3), обеспечивающего решение этой задачи. Оператором 1 вводятся следующие исходные данные: матрица значений вероятностей переходов Q, значения точности вычислений б и е, нормированные затраты g. Оператор 2 моделирует цепь Маркова [37]. В операторе 3 осуществляется сравнение текущего состояния цепи Маркова с выбранным значением упреждающего допуска і или с границей отказа F. В зависимости от полученного результата сравнения фиксируется либо ремонт, либо предупредительное восстановление и производится раздельное накопление их числа с помощью операторов 4 и 5. Оператор 6 суммирует числа шагов моделирования, что эквивалентно — накоплению значения наработки. При достижении текущей наработки значения Т вычисляются общие затраты за этот период (оператор 7) и удельные затраты (оператор 8). Далее осуществляется контроль точности (оператор 9) сначала по величине є, а затем по величине б. Если заданные точности не достигнуты, то процесс моделирования повторяется, при этом изменяется вначале количество реализации при каждом Т, а затем величина k. При выполне
но
j<i
пии требований по точности оператор 10 фиксирует вычисленное значение g(i), оператор 11 изменяет значение і, и процесс повторяется до тех пор, пока нс будут исчерпаны все заданные значения I. В полученном наборе {g (i), 1= 1, 2,…, F) отыскивается значение
g*(/)=min{g(/)}, (3.41)
которое и определит упреждающий допуск I*. Для сокращения объема вычислений вариация уровня і может осуществляться так, чтобы начальное значение было равно F. Это позволяет, проводя анализ полученных значений g(i) (оператор 12), останавливать
Таблица 3.7
|
моделирование тогда, когда первый раз будет получено минимальное значение g{i), что определяется по факту, когда очередное значение g(£+ I) >g (i) ■ Приведем результаты оценки значений средних удельных затрат (табл. 3.7) для параметра, описываемого матрицей (3.16).
Анализ таблицы на основе (3.41) позволяет определить минимальное значение средних удельных затрат (см. подчеркнутые значения) и соответствующие им оптимальные упреждающие допуски. Сравнение значений i’*(q), полученных методом статистического моделирования и на основе решения задачи линейного программирования (см. табл. 3.1), показывает их идентичность, что доказывает достоверность результатов, полученных в результате применения алгоритма (3.8), (3.9).
Глава IV