可靠性数据分析的计算方法.docVIP

PROCEEDINGS,Annual RELIABILITY and MAINTAINABILITY Symposium（1996） 可靠性数据分析的计算方法 Gordon Johnston, SAS Institute Inc., Cary 关键词：寿命数据分析 加速试验 修复数据分析 软件工具 摘要结论 许多从事组件和系统可靠度研究的专业人员并没有意识到，通过廉价的台式电脑的普及使用，很多用于可靠度分析的功能强大的统计工具已经用于实践中。软件的计算功能还可以将复杂的计算统计和图形技术应用于可靠度分析问题。这大大的便利了工业统计学家和可靠性工程师，他们可以将这些灵活精确的方法应用于在可靠度分析时所遇到的许多不同类型的数据。 在本文中，我们在SAS@系统中将一些最有用的统计数据和图形技术应用到例子的当中，这些例子主要包涵了寿命数据，加速试验数据，以及可修复系统中的数据。随着越来越多的人意识到创新性软件在可靠性数据分析中解决问题的需要，毫无疑问，计算密集型技术在可靠性数据分析中的应用的趋势将会继续扩大。 1.介绍 本文探讨了人们在可靠性数据分析普遍遇到的三个方面： 寿命数据分析 试验加速数据分析 可修复系统数据的分析 在上述各领域，图形和分析的统计方法已被开发用于探索性数据分析，可靠性预测，并用于比较不同的设计系统，供应商等的可靠性性能。 为了体现将现代统计方法用于结合使用高分辨率图形的使用价值，在下面的章节中图形和统计方法将被应用于含有上述三个方面的可靠性数据的例子中。 2.寿命数据分析 概率统计图的寿命数据分析中使用的最常见的图形工具之一。Weibull图是最常见的使用可靠性的概率图的类型，但是当Weibull概率分布并不符合实际数据的时候，类似于对数正态分布和指数分布这一类的概率图在寿命数据分析中也能够起到帮助。 在许多情况下，可用的数据不仅包含故障时间，但也包含在分析时没有发生故障的单位的运行时间。在某些情况下，只能够知道两次故障发生之间的时间间隔。例如，在测试大量的电子元件时，如果记录每一个发生故障的元件的故障时间，那么这可能不经济。相反，在固定的时间间隔内检查这些电子元件，并在每个时间间隔内记录下故障的数量。概率图，可以构建右删失，间隔删失这两种不完整数据的类型，在这两种类型中所有的元件都有相同的检测时间间隔。 通常，这些概率图都是通过计算绘制位置来构造，并且将它们绘制在专业的可靠度论文上。这是一项繁琐而耗时的过程。Hazard图含有类似的信息和更容易绘制，但手工绘制这些图仍然是耗时的。利用计算机程序绘制概率图可以更快速，更精准。而且它也更容易与不同的概率分布和模型，从而提高结果的准确性。 Nelson在下文给出了柴油发动机风扇装置出现故障的例子。在观测的70个风扇单元中，在进行数据分析时有12个发生了故障。其他的能够正常工作，分析的目的是为了预测在8000个小时的保修期内故障的发生率。图1显示了风扇数据的Weibull概率分布图。 上图所标示的点代表一个风扇的寿命数据的概率分布函数的估计值。由于图像是呈Weibull分布，所以当所标示的点大致呈直线分布的时候，那么Weibull概率分布就能与观测数据大致吻合。在这种情况下，Weibull分布比较适用。顶端的点代表没有发生故障的风扇的检查时间和运行时间在图中的位置。 图1发动机风扇数据的Weibull概率分布图 确定了Weibull概率分布与数据完全拟合之后，下一步就是进行分布参数的估计。许多统计学家和工程师更倾向于用最大似然法来估计参数。最大似然法涉及数似然函数的最大化。 这是一个计算密集型程序，并且在没有计算机程序时难以执行，除非在某些特殊情况下。这个软件还可进行分布参数、可靠度函数以及分布百分比的最大似然估计。 最大似然方法有以下几个优点： 1.它提供了具有良好的统计特性的客观估计值（参考文献1） 2.它提供常见性的错误，这有利于评估参数估计和相关的概率分布百分比和可靠性函数估计的精确性。 3.它适用于任何数据类型的组合。 4.它适用于任何概率分布 对于发动机风扇的数据，最大似然Weibull的规模和形状参数估计如图1的插图所示。实直线代表拟合的Weibull分布，实曲线代表拟合的Weibull分布的95%置信区间。由于分析的目的是预测未来在8000小时的保修期内会失效的部件的概率，所以在8000小时的时间范围内绘制了一条参考线。这使得预测在8000小时内发生失效的概率更容易在Y轴上读取约25%。相同的信息可以用表格的形式表达，但是通过拟合线将用于报告或演示的所需的信息和结果表示在图上是显示数据的一种简便方法。 3.加速寿命试验模型 产品在设计的温度，荷载，电压，或其他应力的水平上操作时，可能有很长的寿命。加速试验主要是对产品进行过度加载，让产品快速产生故