Проблемы машиностроения и надежности машин, 2019, № 2, стр. 46-52
СРАВНИТЕЛЬНАЯ ЭФФЕКТИВНОСТЬ СТАТИСТИК УСЛОВНЫХ РАСПРЕДЕЛЕНИЙ ДЛЯ ОЦЕНКИ ПОКАЗАТЕЛЯ НАДЕЖНОСТИ ВЫСОКОНАДЕЖНЫХ НЕРЕМОНТИРУЕМЫХ ИЗДЕЛИЙ ОДНОКРАТНОГО ДЕЙСТВИЯ
Б. А. Белобрагин 1, Б. А. Авотынь 1, *, А. И. Устинкин 1
1 Акционерное общество “Научно-производственное объединение “СПЛАВ”
г. Тула, Россия
* E-mail: bavotyn@mail.ru
Поступила в редакцию 09.06.2017
Принята к публикации 24.12.2018
Аннотация
Научная направленность: оценка показателей надежности неремонтируемого образца однократного действия с вероятностью безотказной работы 0.94 и выше по малой статистической выборке. Приводится анализ способов объединения результатов безотказного испытания с априорной информацией, как первого шага систематизации исходной информации [1] в условиях недостаточной величины необходимой выборки, определенной, например, по [2]. Вопросы сравнения выборок с целью их объединения рассмотрены в [3].
Новизна полученных результатов определяется обобщением сравнительной эффективности статистик условных распределений в приложении к оценкам показателя надежности высоконадежных неремонтируемых изделий однократного действия.
Область применения полученных результатов: оценки надежности высоконадежного неремонтируемого образца однократного действия.
В [3] приведен анализ некоторых проблем привлечения априорной информации к оценкам величины показателя безотказности неремонтируемых образцов однократного действия. Настоящая статья продолжает тему и посвящена методам нахождения оценок в предположении, что объединение результатов испытаний допустимо. Диапазон оцениваемых величин показателя надежности составляет 0.94 и выше.
Часто оценка показателя надежности изделия, например, нижняя доверительная граница $\underline R $ показателя безотказности на базе биномиального распределения находится из уравнений Клоппера–Пирсона и в случае n безотказных испытаний чрезвычайно упрощается
где γ – доверительная вероятность оценки.Нетрудно определить потребный объем биномиальных испытаний для подтверждения, например, требований: $\underline R $ ≥ 0.97 при γ = 0.8. Число безотказных испытаний составит 54. Очевидна чрезмерная величина таких выборок. Уменьшить ее можно повышением эффективности метода оценки и привлечением априорной информации.
Повышение эффективности состоит в выработке допущений, при которых биномиальное распределение можно аппроксимировать распределением Пуассона и другими законами. Привлечение априорной информации базируется на формуле Бейеса и использовании фидуциального распределения. Сравнительный анализ Бейесовского подхода и фидуциального метода (условных распределений по [4]) приведен в [5]. Использование априорной информации позволяет сузить доверительный интервал и поднять значение оценки. Острая практическая необходимость в таких оценках породила множество их модификаций. Анализ эффективности некоторых из них представлен в [6], по результатам которого предлагается использовать, как наиболее эффективную для случая безотказных испытаний, точечную оценку $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} '$ апостериорного распределения, полученную с помощью метода моментов (точечная оценка определяется как математическое ожидание апостериорного биномиального распределения)
(1)
$\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} ' = \frac{{n + 1}}{{n + 2}} \times \frac{{1 - R_{Н }^{{n + 2}}}}{{1 - R_{Н }^{{n + 1}}}},$При отсутствии априорной информации (RH = 0) из формулы (1) получаем точечную оценку $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} $ опытного распределения
Показатель $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} '$ апостериорного распределения можно оценить с помощью зависимости, полученной на основе регрессионного метода [6, с. 312]
(3)
$\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} ' = \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} - \frac{{2{{R}_{H}}(2\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} - {{R}_{H}} - 1)}}{{{{R}_{H}}(4 - n) + n}},$Известна другая точечная оценка $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} $ с дисперсией D, рекомендуемая [7] для оценки вероятности безотказной работы при условии также безотказных испытаний
(4)
$\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = 1 - \frac{{0.5}}{{n + 2}},\quad D = \frac{{5n + 7}}{{4{{{(n + 2)}}^{2}}(n + 3)}}.$Существует еще точечная оценка показателя надежности объекта по результатам безотказных испытаний $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = \sqrt[n]{{0.5}}$.
Значения этих точечных оценок вероятности безотказной работы в зависимости от размера n опытной выборки представлены в табл. 1. Некоторые ячейки таблицы не заполнены, так как не дают дополнительной информации для анализа в рамках данной статьи.
Таблица 1.
n | Без априорной информации | С априорной информацией | |||||||
---|---|---|---|---|---|---|---|---|---|
$\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = \sqrt[n]{{0.5}}$ | $\begin{gathered} \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = \\ = 1 - \frac{{0.5}}{{n + 2}} \\ \end{gathered} $ | $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = \frac{{n + 1}}{{n + 2}}$ | $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} ' = \frac{{n + 1}}{{n + 2}} \times \frac{{1 - R_{Н }^{{n + 2}}}}{{1 - R_{Н }^{{n + 1}}}}$ | $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} ' = \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} - \frac{{2{{R}_{H}}(2\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} - {{R}_{H}} - 1)}}{{{{R}_{H}}(4 - n) + n}}$ | |||||
RН = 0.5 | RН = 0.7 | RН = 0.9 | RН = 0.5 | RН = 0.7 | RН = 0.9 | ||||
1 | 0.50 | 0.83 | 0.70 | 0.78 | 0.86 | 0.95 | 0.77 | 0.85 | 0.95 |
2 | 0.71 | 0.88 | 0.75 | 0.80 | 0.87 | 0.95 | 0.79 | 0.85 | 0.95 |
3 | 0.79 | 0.90 | 0.80 | 0.83 | 0.88 | 0.95 | 0.83 | 0.86 | 0.95 |
4 | 0.84 | 0.92 | 0.83 | 0.85 | 0.88 | 0.95 | 0.83 | 0.87 | 0.95 |
5 | 0.87 | 0.93 | 0.86 | 0.86 | 0.89 | 0.95 | 0.85 | 0.88 | 0.95 |
6 | 0.89 | 0.94 | 0.88 | 0.88 | 0.90 | 0.96 | 0.86 | 0.88 | 0.95 |
7 | 0.90 | 0.94 | 0.89 | 0.89 | 0.91 | 0.96 | 0.87 | 0.90 | 0.95 |
8 | 0.92 | 0.95 | 0.90 | 0.90 | 0.91 | 0.96 | 0.88 | 0.90 | 0.95 |
9 | 0.93 | 0.95 | 0.91 | 0.91 | 0.92 | 0.96 | 0.89 | 0.91 | 0.95 |
10 | 0.93 | 0.96 | 0.92 | 0.92 | 0.92 | 0.96 | 0.90 | 0.91 | 0.95 |
11 | 0.94 | 0.96 | 0.92 | 0.92 | 0.93 | 0.91 | 0.95 | ||
12 | 0.94 | 0.96 | 0.93 | 0.93 | 0.91 | 0.95 | |||
13 | 0.95 | 0.97 | 0.93 | 0.94 | 0.92 | ||||
14 | 0.95 | 0.97 | 0.94 | 0.94 | 0.92 | ||||
15 | 0.95 | 0.97 | 0.94 | 0.94 | 0.92 | ||||
16 | 0.97 | ||||||||
17 | 0.97 | ||||||||
18 | 0.98 | ||||||||
19 | 0.98 | ||||||||
20 | 0.97 | 0.98 | 0.95 | 0.95 | |||||
21 | 0.97 | 0.98 | 0.96 | ||||||
22 | 0.97 | 0.98 | 0.96 | 0.97 | |||||
23 | 0.98 | ||||||||
24 | 0.98 | ||||||||
25 | 0.98 | ||||||||
28 | 0.97 | 0.97 | |||||||
38 | 0.98 | 0.98 |
Перед анализом данных табл. 1 уместно процитировать хорошо сформулированное в [7, с. 352] замечание о том, что “зависимости, по которым рассчитаны величины показателей, представляют собой функции изменения вероятности безотказной работы в зависимости от числа проведенных испытаний. Сами значения показателей надежности зависят от конструкции изделия, внешних воздействий, принятой системы технического обслуживания и других факторов, но не от количества проведенных безотказных испытаний, по результатам которых не проводятся какие-либо доработки конструкции, а, следовательно, не происходит повышение надежности изделия. Эти зависимости могут применяться только в качестве одного из допущений и использоваться для приближенной оценки достаточности проведенного количества безотказных испытаний при принятии решения о достигнутом уровне точечной оценки вероятности безотказной работы”. В рамках такого подхода анализ данных табл. 1 показывает следующее:
1. Статистика $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = 1 - \frac{{0.5}}{{n + 2}}$ обеспечивает наибольшее значение точечной оценки при том же количестве опытов и позволяет подтверждать точечную оценку показателя вероятности безотказной работы, равную 0.9 – тремя безотказными опытами, а равную 0.96 – десятью (следует из сравнения двух подчеркнутых значений в третьем столбце).
2. Статистика $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = \frac{{n + 1}}{{n + 2}}$ при обработке четырех и более безотказных опытов обеспечивает меньшее значение точечной оценки, чем классическая $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = \sqrt[n]{{0.5}}$ при том же количестве опытов (следует из сравнения подчеркнутых строк второго и четвертого столбцов).
3. Эта же статистика при учете априорной информации в виде
Сравниваемые статистики, могут обладать свойством, опасным с точки зрения практических приложений: их использование приводит к смещению доверительного интервала относительно истинного значения R. В то же время [6]: “Смещение не обязательно должно играть большую роль, чем дисперсия. Что мы действительно требуем от оценки – это чтобы она была “близка” к истинному значению статистики”. Поэтому с учетом того, что требования к надежности высоконадежных образцов задают в виде нижней односторонней доверительной границы, проанализируем соответствующие оценки нижних границ доверительного интервала при γ = 0.8; представленные в табл. 2.
Таблица 2.
n | Без априорной информации | С априорной информацией | ||||||
---|---|---|---|---|---|---|---|---|
$\underline R = {{0.2}^{{\frac{1}{n}}}}$ | Для оценки $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = 1 - \frac{{0.5}}{{n + 2}}$ | Для оценки $1 - \gamma = \frac{1}{{{{C}_{0}}}}\int\limits_{1 - {{R}_{H}}}^{1 - \underline {R'} } {{{q}^{m}}{{e}^{{ - nq}}}dq} $ | $\underline {R'} = \frac{{\underline R (1 - {{R}_{н }})n + {\text{2}}{{R}_{н }}(1 + {{R}_{н }})}}{{{{R}_{н }}(4 - n) + n}}$ | |||||
RН = 0.5 | RН = 0.7 | RН = 0.9 | RН = 0.5 | RН = 0.7 | RН = 0.9 | |||
4 | 0.67 | 0.73 | 0.70 | 0.80 | 0.92 | 0.71 | 0.80 | 0.92 |
5 | 0.72 | 0.80 | 0.74 | 0.81 | 0.93 | 0.73 | 0.80 | 0.92 |
6 | 0.77 | 0.84 | 0.76 | 0.82 | 0.93 | 0.76 | 0.82 | 0.92 |
7 | 0.80 | 0.86 | 0.79 | 0.83 | 0.93 | 0.78 | 0.83 | 0.93 |
8 | 0.82 | 0.88 | 0.81 | 0.84 | 0.93 | 0.80 | 0.84 | 0.93 |
9 | 0.84 | 0.88 | 0.83 | 0.85 | 0.93 | 0.81 | 0.84 | 0.93 |
10 | 0.85 | 0.91 | 0.84 | 0.86 | 0.93 | 0.82 | 0.85 | 0.93 |
11 | 0.86 | 0.92 | 0.86 | 0.93 | 0.86 | 0.93 | ||
12 | 0.88 | 0.93 | 0.93 | 0.86 | 0.93 | |||
13 | 0.88 | 0.93 | 0.93 | 0.87 | 0.93 | |||
14 | 0.89 | 0.94 | 0.93 | 0.93 | ||||
15 | 0.90 | 0.94 | 0.94 | 0.94 | ||||
16 | 0.90 | 0.95 | 0.94 | 0.94 | ||||
17 | 0.91 | 0.95 | 0.94 | 0.94 | ||||
18 | 0.91 | 0.95 | 0.94 | 0.94 | ||||
19 | 0.92 | 0.96 | 0.94 | 0.94 | ||||
20 | 0.92 | 0.96 | 0.94 | 0.94 | ||||
21 | 0.93 | 0.96 | ||||||
22 | 0.93 | 0.96 | ||||||
23 | 0.93 | 0.96 | ||||||
24 | 0.94 | 0.97 | ||||||
25 | 0.94 | 0.97 |
Добавим в качестве тестируемых оценку Шора Я.Б., полученную методом максимального правдоподобия в комбинации с теоремой Бейеса, и в допущении, что апостериорное распределение описывается законом Пуассона. Нижняя граница $\underline R '$ апостериорного распределения ищется из неявного уравнения
(5)
$1 - \gamma = \frac{1}{{{{C}_{0}}}}\int\limits_{1 - {{R}_{H}}}^{1 - \underline {R'} } {{{q}^{m}}{{e}^{{ - nq}}}dq} ,$Учтем зависимость, полученную на базе (3) [6, с. 312]
В качестве базовой будем рассматривать стандартную, рекомендованную [8] как наилучшую одностороннюю интервальную оценку показателя надежности объекта по результатам безотказных испытаний
В табл. 2, как и в табл. 1 некоторые ячейки не заполнены. Сравнение показывает следующее:
1. Без учета априорной информации наиболее узкий доверительный интервал обеспечивает статистика $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = 1 - \frac{{0.5}}{{n + 2}}$ (следует из сравнения выделенных “жирно” значений во втором и третьем столбцах табл. 2).
2. Две оценки показателя надежности с учетом априорной информации дают одинаковый результат и позволяют значительно уточнить прогнозируемую величину (в сторону возрастания) при ограниченном числе опытов, когда сформулированы обоснованные предположения о количественном уровне надежности объекта (следует из сравнения значений оценок по строкам в столбцах с одинаковой RH).
3. Одновременно, рассмотрение способов учета априорной информации для случая высоконадежных образцов (по данным табл. 1 и 2) позволяет установить приоритет выбора способа на основании некоторых предварительных рассуждений (а и б):
а) Представленные в таблицах данные показывают два способа объединения опытной и априорной информации. Первый, когда известны результаты ранее проведенных испытаний с аналогичными изделиями по биномиальной схеме в условиях, идентичных условиям последующих испытаний. Количество опытов суммируют и используют в статистиках типа $\underline P = {{0.2}^{{\frac{1}{n}}}}$ (второй и третий столбцы табл. 2). Другой способ, когда на основе априорной информации формулируют определенные, обоснованные теоретически или экспериментально, предположения о количественном уровне надежности объекта. В результате усекается интервал поиска оценки (вместо [0, 1] – [RH; 1]).
б) Высоконадежные образцы предполагают отсутствие отказов при испытаниях ограниченной выборки таких изделий. Следовательно, представленные в таблицах RH = 0.5 и 0.7 могут образоваться лишь при безотказных испытаниях недостаточного для подтверждения заданной характеристики количества образцов (RH = 0.5 соответствует трем испытаниям, RH = 0.7 соответствует четырем или пяти испытаниям). В этом случае существует проблема выбора способа объединения “не полных” результатов испытаний. Например, в случае десяти безотказных опытов простое суммирование их количества с тремя предшествующими, обеспечившими априорную RH = 0.5, с последующей подстановкой в статистики (2) или (6) n = 13 дает величину нижней доверительной границы 0.88…0.93 по сравнению с 0.82…0.84 по второму способу объединения. Суммирование десяти опытов с четырьмя или пятью предшествующими аналогично дает 0.89…0.94 по сравнению с 0.85…0.86. Присоединение к проведенным опытам десяти безотказных предшествующих (что соответствует усечению доверительного интервала снизу до 0.9) дает 0.92…0.96 в сравнении с 0.94.
Таким образом, можно констатировать, что объединение результатов ограниченной выборки с априорной (также не достаточной) информацией способом сокращения интервала нахождения оценки надежности может быть не эффективным. Данный вывод согласуется с ([9], с. 393), где отмечается, что “…метод фидуциальных вероятностей становится более эффективным при увеличении числа отказов…”, т.е. не в рассматриваемом случае.
ВЫВОДЫ
1. При объединении опытной и априорной информации следует стремиться к суммированию числа безотказных опытов и использовать статистику $\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{R} = 1 - \frac{{0.5}}{{n + 2}}$.
2. Когда на основании экспериментальной априорной информации сформулированы предположения о количественном уровне надежности объекта и интервале поиска оценки (вместо [0, 1] – [RH; 1]), также следует стремиться преобразовать усеченный интервал в число безотказных априорных опытов.
Список литературы
Буров А.Е., Лепихин А.М., Москвичев В.В. Возможности расчетной оценки надежности металлокомпозитных баков высокого давления // Проблемы машиностроения и надежности машин. М.: 2015. № 4.
Садыхов Г.С., Бабаев И.А. Расчет необходимого количества объектов для проведения циклических испытаний на надежность // Проблемы машиностроения и надежности машин. М.: 2016. № 3. С. 56–63.
Денежкин Г.А., Белобрагин Б.А., Авотынь Б.А. Оценки показателя надежности неремонтируемого образца однократного действия по малым статистическим выборкам // Проблемы машиностроения и надежности машин. М.: 2017. № 2. С. 76–83.
Крамер Г. Математические методы статистики. М.: Мир, 1975. С. 218.
Кендалл М., Стьюарт А. Статистические выводы и связи. М.: Главная редакция физ.-мат. литературы изд-ва “Наука”, 1973. С. 192–218.
Милехин Ю.М., Берсон А.Ю., Кавицкая В.К., Еренбург Э.И. Надежность ракетных двигателей на твердом топливе: Монография. М.: МГУП, 2005. С. 317.
Животкевич И.Н., Смирнов А.П. Надежность технических изделий. М.: Олита, 2003. С. 236.
РД 50-476-84. Методические указания. Надежность в технике. Интервальная оценка надежности технического объекта по результатам испытаний составных частей. Общие положения. М.: Издательство стандартов, 1985. 54 с.
Надежность технических систем. Справочник. Под ред. проф. И.А. Ушакова. М.: Радио и связь, 1985. 606 с.
Дополнительные материалы отсутствуют.
Инструменты
Проблемы машиностроения и надежности машин