p align="left">Для всех t, принадлежащих i - интервалу времени: . Определение плотности распределения f(t) путем решения интегрального уравнения (1.5) связано с некоторыми трудностями, которые вызваны скачкообразным изменением параметра потока отказов. Один из возможных подходов к определению функции f(t) состоит в следующем. Найдем функцию f(t) в виде кусочно-постоянной функции если ak-1< t ?ak , k=1, 2, … , n; если t>an Здесь a0 = 0, an = T, f k - искомые величины, которые можно определить из условия выполнения уравнения (1.5) в среднем по интегральной метрике при ограничениях Вариант 3 Дано: · Два набора исходных данных об отказах элементов. · N - число элементов в каждом наборе. · Закон распределения времени до отказа в первом варианте. · Закон распределения времени между отказами во втором варианте. · Моменты отказа элементов. Определить: · Показатели надежности элемента, характеризующие время его работы до отказа (первый набор исходных данных): Т1, Р(t), Q(t), f(t), л(t). · Показатели надежности элемента, характеризующие время его работы между отказами (второй набор исходных данных): Т2, F(t), f(t), л(t). Решение получить в виде таблиц и графиков. При обработке данных вручную и на компьютере их следует разобрать 10 групп (классов). Подбор подходящего распределения необходимо установить для уровня значимости, равного 0,05. Обозначения: Нормальное распределение - Normal Distribution; Экспоненциальное распределение - Exponential Distribution; Гамма-распределение - Gamma Distribution; Равномерное распределение - Uniform Distribution; 1. Первый набор исходных данных На испытания поставлено N = 100 элементов. Моменты отказов элементов представлены в табл.1.2. Все элементы работают до своего отказа и после отказа не ремонтируются. Требуется определить статистические и теоретические показатели надежности элемента: T1, P(t), Q(t), f(t,), л(t). Таблица 1.2. Моменты отказов элементов, в часах |
221 | 370 | 84 | 97 | 196 | 475 | 426 | 151 | 72 | 133 | | 282 | 97 | 321 | 315 | 107 | 108 | 156 | 597 | 241 | 210 | | 107 | 37 | 176 | 197 | 182 | 467 | 146 | 97 | 244 | 54 | | 91 | 255 | 169 | 149 | 256 | 53 | 283 | 103 | 468 | 38 | | 369 | 305 | 209 | 227 | 276 | 351 | 244 | 216 | 382 | 430 | | 204 | 306 | 163 | 159 | 221 | 235 | 126 | 106 | 670 | 72 | | 80 | 466 | 93 | 60 | 123 | 706 | 112 | 236 | 298 | 49 | | 277 | 155 | 83 | 67 | 298 | 168 | 30 | 210 | 178 | 275 | | 86 | 161 | 397 | 508 | 334 | 252 | 582 | 24 | 427 | 139 | | 559 | 138 | 405 | 187 | 229 | 107 | 167 | 519 | 226 | 247 | | |
2. Второй набор исходных данных На испытаниях находится N = 10 элементов. В течение периода Т = 700 час регистрируются моменты времени отказов элементов (табл. 1.3). Предполагается, что отказавшие элементы заменяют идентичными по надежности элементами. Требуется определить показатели надежности элемента, характеризующие время его работы между соседними отказами: Т2, f(t), F(t), л(t). Обработка статистических данных предусматривает их группировку в 10 частичных интервалах (классах). Уровень значимости принять равным 0,05. Таблица 1.3. Моменты времени отказов элементов |
Номер элемента | Моменты отказа на периоде времени 600 часов | | 1 | 110; 211; 296; 408; 512; 584 | | 2 | 80; 167; 239; 336; 435; 523 | | 3 | 113; 206; 292; 370; 466; 588 | | 4 | 123; 211; 301; 397; 502 | | 5 | 79; 197; 296; 377; 457; 538 | | 6 | 132; 224; 302; 383; 486; 570 | | 7 | 86; 185; 312; 390; 471; 576 | | 8 | 106; 195; 265; 350; 431; 537 | | 9 | 83; 176; 253; 328; 407; 511; 595 | | 10 | 130; 232; 371; 442; 539 | | |
1.3.2 Последовательность выполнения работы с использованием программы StatGraphics Статистический графический пакет StatGraphics (Statistical Graphics System) предназначен для статистического анализа и обработки данных на персональном компьютере. Он является наиболее полной интегрированной статической и графической системой, объединяющей профессиональные методы обработки больших объемов данных, качественную графику и дружественный пользовательский интерфейс. StatGraphics позволяет выполнять статический анализ экспериментальных данных, полученных в результате исследования сложных стохастических (вероятностных) систем. Для определения показателей надежности для двух вариантов исходных данных необходимо выполнить последовательность действий: 1. Подготовка исходных данных к статистической обработке для двух наборов одновременно. С этой целью запускаем StatGraphics Plus, создадим две переменные (2 столбца) с именами narabotka1 и narabotka2, сохраним их в файле с именем OTKAZ. Для этого необходимо вызвать меню File и выбрать соответствующие пункты подменю Save\Save Data File или нажать комбинацию клавиш Shift+F12. В переменную (столбец) narabotka1 поместим первый набор исходных данных непосредственно из табл. 1.2. Для исходных данных, содержащихся в табл. 1.3, вычислим разности между последующими и предыдущими значениями моментов времени отказов каждого элемента, в результате чего получим набор чисел, приведенный в табл. 1.4. Таблица 1.4. Время между отказами элементов |
Номер элемента | Моменты отказа на периоде времени 700 часов | | 1 | 110; 101; 85; 112; 104; 72 | | 2 | 80; 87; 72; 97; 99; 88 | | 3 | 113; 93; 86; 78; 76; 92 | | 4 | 123; 88; 90; 96; 105 | | 5 | 79; 118; 99; 81; 80; 80 | | 6 | 132; 92; 78; 81; 103; 84 | | 7 | 86; 99; 127; 78; 81 105 | | 8 | 106; 89; 70; 85; 81; 106 | | 9 | 83; 93; 77; 75; 79; 104; 84 | | 10 | 130; 102; 139; 71; 97 | | |
Полученные разности из табл. 3 поместим в переменную (столбец) narabotka2. На экране компьютера получается следующая заставка: Длины переменных narabotkal и narabotka2 соответственно равны 100 и 65, что соответствует количеству чисел в табл. 1.2 и 1.4. 2. Определение статистических показателей для каждого набора данных, содержащихся в переменных OTKAZ.narabotka1 и OTKAZ.narabotka2. Нажатием кнопки StatWizard получим: Это приведет к расчету требуемых характеристики и выводу их на экран в следующем виде: |
| Narabotka1 | Narabotka2 | | Размер выборки | 100 | 59 | | Среднее значение | 231,6 | 93,2542 | | Стандартное отклонение | 150,74 | 16,3397 | | Минимум | 24,0 | 70,0 | | Максимум | 706,0 | 139,0 | | Размах | 682,0 | 69,0 | | |
Отсюда следует, что для первого набора исходных данных средняя наработка до первого отказа приближенно равна T1=362 часа, а для второго набора средняя наработка на отказ равна T2 = 95 часов. В первом случае распределение времени работы элемента между отказами явно отличается от экспоненциального, т. к. стандартное отклонение s1= 237 существенно отличается от средней наработки на отказ. Во втором случае стандартное отклонение s2 =91 достаточно близко к средней наработке до отказа, что свидетельствует о возможной близости распределения к экспоненциальному. Видим также, что для первого набора данных все реализации случайной наработки до отказа находятся в интервале [30; 997], и размах выборки равен 967 часов. Для второго набора данных все выборочные значения содержатся в интервале [2; 371] длиной 369 часов. Определение показателей надежности неремонтируемого элемента Нажатием кнопки Capability Analysis Заполним поля Data и USL. В Analysis Options контекстного меню выберем пункт Gamma получим гистограмму частот и выравнивающую ее функции плотности Гамма-распределения (рис. 1.5). Рис. 1.5. Подбор плотности распределения к гистограмме частот Значение Estimated Beyond Spec, равное 72,890636% указывает на уровень значимости для Гамма-распределения: 0,728906. Так как это значение больше требуемого 0,05, то Гамма-распределение согласуется с экспериментальными данными. Значения Shape и Scale необходимо будет запомнить, так как они потребуются нам в дальнейшем. В пункте меню Describe\Distributions\Probability Distributions построим графики требуемых показателей надежности в соответствии с рассчитанными ранее параметрами. Для переменной narabotka1 подберем Гамма-распределение. Выберем пункт Gamma. В окне Probability Distributions раскроем вспомогательное меню Graphical Options и отметим соответствующие пункты: Пункты вспомогательного меню означают следующее: Density function -- плотность распределения f(t); Cumulative d.f. -- функция распределения Q(t); Survivor function -- вероятность безотказной работы P(t); Log survivor function -- логарифм вероятности безотказной работы; Hazard function -- интенсивность отказов л(t). В результате выбора того или иного пункта меню получим графики, изображенные на рис. 1.6--1.8. В Analysis Options контекстного меню введем значение Shape и Scale. Рис. 1.6. Вероятность безотказной работы элемента P(t) Рис. 1.7. Вероятность отказа элемента Q(t) Рис. 1.8. Интенсивность отказов элемента л(t) Определение показателей надежности ремонтируемого элемента Нажатием кнопки Capability Analysis Заполним поля Data и USL. В Analysis Options контекстного меню выберем пункт Exponential, получим гистограмму частот и выравнивающую ее функции плотности экспоненциального распределения (рис. 1.5). Гистограмма по narabotka2 и соответствующая кривая экспоненциального распределения приведены на рис. 1.9. Значение Estimated Beyond Spec, равное 28,449182% указывает на уровень значимости для экспоненциального распределения: 0,284492, что больше заданного уровня значимости, равного 0,05. Следовательно, экспоненциальное распределение не противоречит опытным данным. Рис. 1.9. Подбор плотности распределения w(t) к гистограмме частот В пункте меню Describe\Distributions\Probability Distributions построим графики требуемых показателей надежности в соответствии с рассчитанными ранее параметрами. Для переменной narabotka2 подберем Экспоненциальное распределение. Выберем пункт Exponential. В окне Probability Distributions раскроем вспомогательное меню Graphical Options и отметим следующие пункты: Cumulative d.f. -- функция распределения Q(t); Hazard function -- интенсивность отказов л(t). В пункт Analysis Options контекстного меню введем следующие параметры экспоненциального распределения: среднее отклонение = 93,2542 На рис. 1.10. и 1.11 изображены графики функций распределения и интенсивности отказов соответственно. Средняя наработка на отказ равна T= 93,2542 час. Рис. 1.10. Функция распределения времени работы элемента между отказами F(t) Рис. 1.11. Интенсивность отказов элемента л(t) Обработка статистических данных Размах варьирования:
Количество интервалов размаха варьирования: Вопрос о выборе числа и ширины интервалов группировки приходится решать в каждом конкретном случае исходя из целей исследования, объема выборки и степени варьирования признака в выборке. Однако, приближенно число интервалов k можно оценить исходя только из объема выборки n. Делается это одним из следующих способов: 1) по формуле Стерджеса: 2) с помощью таблицы Выбор числа интервалов группировки |
Объем выборки, n | Число интервалов, k | | 25--40 | 5--6 | | 40--60 | 6--8 | | 60--100 | 7--10 | | 100--200 | 8--12 | | Больше 200 | 10--15 | | |
Разобьем размах варьирования на k интервалов: , где N-число элементов выборки. N=100. k округляется в сторону ближайшего меньшего целого числа. Длина интервала:
Количество отказов выборки, попавших в i-ый интервал(количество чисел, в данном интервале из таблицы 1): Не все интервалы удовлетворяют условию n>=5, следовательно, требуется объединение интервалов.
Плотность распределения наработки до отказа:
Интенсивность отказа в момент t:
Гистограммы: Плотность распределения наработки до отказа в i-ом интервале: Интенсивность отказа в i-ом интервале:
Страницы: 1, 2
|