книги из ГПНТБ / Стандартизация и качество машин учеб. пособие
.pdfЕсли по результатам испытания каждое событие характеризо вать не только фактом появления или непоявления события, но и некоторым числом, то приходим к понятию случайной величины. Следовательно, случайной величиной называется численная харак теристика некоторого случайного события. Например, случайными величинами будут: размер детали, срок службы конкретного трак тора до списания, количество бракованных изделий в выборке.
Случайные величины подразделяются на дискретные и непрерыв ные.
Д и с к р е т н ы м и называются случайные величины, принимаю щие конечное счетное число различных значений, которые мож но пронумеровать. Например, количество дефектных изделий в вы борке, число отказов.
Н е п р е р ы в н ы м и называются такие случайные величины, которые могут принимать любое значение в данном интервале чис ловой оси. Например, вес детали — непрерывная случайная вели чина, так как с какой бы точностью ни взвешивали ее, всегда мож но указать сколько угодно чисел, уточняющих предыдущее значе ние; если взвешивание произвели с точностью до грамма, то можно взвесить с точностью до десятых, сотых, тысячных долей грамма и т. д. К непрерывным относятся такие величины, как наработка до отказа, время ремонта, мощность двигателя и др.
В силу ограниченности измерительных средств в большинстве практических случаев непрерывные величины представляются в виде дискретных.
Случайные величины обычно обозначают через X, понимая под этим символом все значения, которые может принимать случайная величина. Следовательно, для полного определения случайной ве личины необходимо знать не только диапазон изменения ее значе ний, но и как часто эти значения встречаются в большой серии опы тов, т. е. необходимо знать закон ее распределения.
З а к о н о м р а с п р е д е л е н и я случайной величины X назы вается соотношение, устанавливающее связь между возможными значениями этой случайной величины и соответствующими вероят ностями их появления.
Закон распределения принято задавать функцией распреде ления случайной величины. Случайная величина задана, если из вестна ее функция распределения. Функцией распределения слу чайной величины X называется вероятность того, что случайная
величина примет значения меньше любого задаваемого |
действи |
тельного числа х : |
(20) |
F{x) = Р ( Х < х ) . |
Функция распределения случайной величины может быть задана в виде таблицы, графика или формулы.
Пример 3. При бросании игральной кости случайной величиной является чис ло, обозначенное на одной из шести ее граней. Эта случайная величина дискретна и может принимать следующие значения: 1, 2, 3, 4, 5, 6. Вероятность появления каждого из них одинакова и равна
30
Р <Х) = Т ■
Функция распределения этой величины может быть задана в виде таблицы:
Я ( Х < 1 ) = 0 ; |
Я ( Х < 5 ) = - |- ; |
Р ( Х < 2 ) = ~ |
Р ( Х < 6 ) = - | - ; |
Р ( Х < 3) = - р |
Р ( Х < 7)=1. |
Р ( Х < |
4) = у ; |
Графическое изображение этой функции |
|
в координатах *F(x)—X» показано |
на |
рис. 2, а. |
|
В теории надежности чаще встречаются непрерывные случайные величины и для их определения удобнее пользоваться не функ цией распределения случайной величины F(x), а функцией плотности распределения
вероятностей, представляющей собой пре дел отношения вероятности попадания слу
чайной |
величины |
X |
в |
интервал |
(х, х+Дх) |
к длине |
этого |
интервала Дх, |
|
когда он стремится к нулю: |
|
|
/ ( x ) = l i m |
_ Р ( « < * < * + **) = |
дх_>о |
Лх |
|
ilF (х) |
|
(21) |
|
dx |
Для рассматриваемого примера, где вероятность появления каждого значения X
была одинакова, график функции плотности распределения вероятностей будет изобра жаться горизонтальной линией, проведенной
на высоте /( х ) = —- на участке от х=1 до
6
х = 7 (рис. 2,6).
1 2 3 4 5 В х
Б
Рис. 2. Функции распределения:
а — вероятностей дискретной случайной величины; б — плотности распределения вероятностей
Площадь фигуры, очерченной кривой f(x), всегда равна единице
(в данном примере F = — (1—1) = 1, так как она выражает вероят-
6
ность полной суммы событий.
Теория вероятностей предлагает целый ряд различных функций распределения дискретных и непрерывных случайных величин, ис пользуемых для решения различных практических задач.
Экспериментальное построение кривой распределения очень трудоемко (необходимо выполнить большое количество опытов), а иногда практически и невозможно. Поэтому была найдена возмож ность задавать закон распределения через некоторые характеристи-
31
ческие величины, называемые п а р а м е т р а м и р а с п р е д е л е - м и я. Если известен тип закона распределения и найдены его пара метры, этого достаточно для полного определения случайной вели чины.
Важнейшими параметрами распределения являются математи
ческое ожидание и дисперсия. |
дискретной случайной |
|
М а т е м а т и ч е с к о е о ж и д а н и е |
||
величины X, |
принимающей значения Хг с вероятностью pi |
|
(t'= 1, 2, 3, . . . , |
п) , определяется формулой |
|
MX — Б .гiPi.
1= 1
В предыдущем примере
М Х = — (1 + 2 + 3 + 4 + 5 + 6) = 3,5.
6
Математическое ожидание непрерывной случайной величины определяется уравнением
+ 00
и. = J xf(x)dx.
—00
Следует обратить внимание на следующее: математическое ожи дание имеет ту же размерность, что и случайная величина, и что математическое ожидание постоянной величины равно этой постоян ной величине.
Д и с п е р с и я |
дискретной случайной величины X определяется |
|
уравнением |
|
|
D X = |
Е (хг— MX)2/?г= ( 2 xfpt) - (MX)2. |
|
|
/= 1 |
1= 1 |
В примере с игральной костью
D X = — (1 + 4 4 -9 + 16 + 25 + 36) — 3,53 = 2,916.
6
Дисперсия непрерывной случайной величины определяется урав нением
D = j (х — jл)2/ (x) dx = |
j' x2f (х) dx — [х2. |
—00 |
—00 |
Дисперсия постоянной величины равна нулю.
Очень часто наряду с дисперсией используется еще одна харак теристика распределения — с р е д н е е к в а д р а т и ч е с к о е от
к л о н е н и е , |
определяемое, как корень квадратный (положи |
тельный) из |
дисперсии сг=ф£>. Для нашего примера о=У2,916 = |
= 1,71. |
|
Как отмечалось, результаты каждого конкретного вида испы таний могут быть описаны одним из предложенных законов распре деления. Наибольшее распространение в решении задач надежности
32
машин и контроля качества нашли следующие законы распределе ния: для дискретных случайных величин — биномиальное, распреде ление Пуассона, гипергеометрическое распределение; для непрерыв ных случайных величин — нормальное, экспоненциальное и распре деление Вейбулла. Подробные сведения о законах распределения можно найти в специальной литературе.
Мы ограничимся рассмотрением уравнений функции распре деления случайной величины, функции распределения плотности ве роятностей и параметров функции распределения в принятых обо значениях.
При б и н о м и а л ь н о м |
р а с п р е д е л е н и и функция рас |
пределения случайной величины т имеет вид |
|
Р т, п |
-------- ----------p m q ' |
|
т \ (п — т )\ |
где п — количество выполненных испытании;
т— случайная величина, равная количеству наступлений случайного события А;
р= —----частость события А\
п
q= 1—р — частость появления противоположного события.
Параметры |
биномиального закона распределения |
М (т) = пр |
D(m) = npq. |
Этот закон применим, например, при |
выборочном |
контроле качества, если после измерения деталь кладется обратно в бункер.
При р а с п р е д е л е н и и П у а с с о н а функция распределе ния имеет вид
(22)
где а = пр\ е= 2,71828 — основание натурального логарифма.
Математическое ожидание и дисперсия в этом случае равны и
определяются просто |
(23) |
М (т) -- D (т) - а. |
|
Этот закон распределения прост для вычислений, |
применяется |
в тех же случаях, что и биномиальный, при условии, что р ^0,1 . Г и п е р г е о м е т р и ч е с к о е р а с п р е д е л е н и е
Ч н Ч У —АГ |
(24) |
4v |
|
Г п |
|
где С ^ — число сочетаний из М по /п; |
|
N \\п — полное количество изделий в партии и выборке; |
|
Мя т — количество годных изделий в партии и выборке.
М(т) -- пр,
D (пг) = npq (l — |
) • |
(25) |
3 —1819 |
за |
Этот закон распределения применяется при статистическом конт роле качества и справедлив в тех случаях, когда проконтролиро ванные изделия изымаются из выборки.
Закон н о р м а л ь н о г о р а с п р е д е л е н и я непрерывных случайных величин получил широкое распространение, поэтому его следует рассмотреть несколько подробнее.
Непрерывная случайная величина х, принимающая значения на вещественной оси от — оо до + оо, имеет нормальное распределе ние, если ее плотность вероятностей описывается уравнением
/( * ) = |
(26) |
о к |
2-с |
■где аир, — параметры распределения.
Функция распределения вероятностей в этом случае имеет вид
F(x) = -----^ |
.С _ (.Г—|Х)3 |
|
||
( е |
dx. |
(27) |
||
с |
2я |
-оо |
|
|
Графическое изображение функции f{x) — кривая нормального |
||||
■распределения или кривая |
Гаусса — представлено на рис. 3. |
|||
Свойства кривой нормального распределения: |
соответствует |
|||
максимальное значение плотности |
вероятностей |
|||
.значению х = р и равно |
|
|
|
|
/ ( • * ) т а х = |
о у |
____: |
|
|
|
|
2к |
|
Рис. 3. Функция нормального распределе ния (кривая Гаусса)
функция f(x) симметрична |
относительно х = \х и при х-»-±оо |
асимптотически приближается |
к оси абсцисс; |
34
точки перегиба функции f{x), определяемые путем взятия второй производной, соответствуют значениям
*1 = ja— |
х 2 = р. + о; |
если принять ц=0; а=1, получим нормированное нормальное распределение, у которого плотность вероятности и функция рас пределения выражаются формулами:
|
(28) |
Ф (х) = j ср (х) dx. |
(29) |
Значения функций ср(х) и Ф(х) протабулированы |
и сведеньг |
в справочные таблицы; 99,73% всей площади под кривой нормального распределения'
лежит в интервале значений от р.—Зет до р + Зсг, что означает следу ющее: вероятность того, что случайная величина х меньше чем' на За отличается от своего математического ожидания ц, состав ляет 0,9973, т. е. почти равна единице. При нормальном законе рас пределения хорошо виден физический смысл параметров функции распределения. Так, математическое ожидание здесь характеризует такое значение случайной величины, появление которого наиболее вероятно. Среднее квадратическое отклонение характеризует сте пень разброса отдельных значений случайной величины х. Чем боль ше а, тем больше область возможных значений х, тем шире рас ходятся ветви кривой Гаусса, как показано на рис. 4.
Рис. 4. Зависимость вида функции плотности вероятностей нор мального закона распределения от величины среднего квадратич ного отклонения (сп < егд < а3)
Э к с п о н е н ц и а л ь н о е р а с п р е д е л е н и е часто |
приме |
няется в теории надежности и описывается такой функцией |
|
/(.t) = Xe- u , |
(30) |
3 ’ |
ЗБ. |
где X — постоянный коэффициент (в некоторых |
случаях — функ |
|
ция). |
|
|
Функция распределения выражается уравнением |
|
|
F(x) = J f ( x ) d x = 1 — e-Xr. |
^ |
(31) |
—00 |
|
|
Математическое ожидание и среднее квадратическое отклонение |
||
выражаются так |
|
|
Н- = ° = - у - ‘ |
|
(32) |
Функция плотности распределения показана на рис. 5.
Рис. 5. Функция экспонен |
Рис. 6. Функция плотности распре |
циального распределения |
деления Вейбулла |
Функция плотности и функция |
р а с п р е д е л е н и я |
В е й б у л - |
||||||
л а записываются так: |
|
|
|
|
|
|
|
|
/ |
г , . |
т |
х |
т — i |
— — |
(33) |
||
(х) = — |
|
е |
-ч>; |
|||||
|
|
|
*0 |
|
|
|
|
|
|
F (х) — 1 |
— е |
•'» . |
(34) |
||||
Параметры функции плотностей определяются из уравнений: |
||||||||
|
Н‘= Г (1 |
|
1 \ уШ..т„• |
|
||||
|
|
т |
ло |
» |
|
|||
|
|
|
|
|
|
|||
= * ? ] / : |
Г |
! + |
■ |
|
Г(1 -I- — |
|
||
|
|
|
|
|
т |
|
36
где т и х0 — коэффициенты, определяющие вид кривой распреде ления плотностей (рис. 6);
Г — символическое обозначение гамма-функции. Распределению Вейбулла подчиняются пределы упругости, пре
делы прочности и пределы выносливости сталей и других материа лов, усталостная прочность подшипников качения, зубчатых колес
имногие другие параметры, характеризующие сложные процессы. Приближенные значения («оценки») параметров функции рас
пределения вычисляются по данным эксперимента с привлечением
методов |
м а т е м а т и ч е с к о й |
с т а т и с т и к и |
в |
виде |
среднего |
||
значения |
(х) |
и эмпирического среднего квадратического |
отклоне |
||||
ния (s): |
|
П |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
2 |
х, |
|
|
|
|
|
|
х — —— ~ F. |
|
|
(35) |
||
|
|
|
П |
|
|
|
|
|
|
|
|
*7 « з, |
|
|
(36) |
где Xi — опытные значения случайной величины. |
|
|
|||||
Пример 4. |
В результате испытания 20 |
подшипников |
А305 |
на долговечность |
|||
получены следующие значения их ресурсов |
(табл. 1). |
|
Таблица 1 |
||||
|
|
|
|
|
|
||
jV> подшипников |
Ресурс х , г |
|
№ подшипников |
|
Ресурс .г, г |
||
1 |
|
202 |
|
11 |
|
|
410 |
2 |
|
215 |
|
12 |
|
|
1205 |
3 |
|
501 |
|
13 |
|
|
778 |
4 |
|
806 |
|
14 |
|
|
|
5 |
|
947 |
|
15 |
|
|
1109 |
6 |
|
642 |
|
16 |
|
|
853 |
7 |
|
368 |
|
17 |
|
|
704 |
8 |
|
315 |
|
18 |
|
|
1269 |
9 |
|
582 |
|
19 |
|
|
1020 |
10 |
|
1109 |
|
20 |
|
|
2108 |
По этим данным требуется определить среднее значение ресурса и среднее квадратическое отклонение.
Используя формулы (35), (36), находим
х = -^~ (202 + 215 + 501 + . . . + 1020 + 2108)= 754 ч;
(2022 + 2152+ . . . + 2 1 0 8 2 ) - 7542= 462 ч.
/5-
Так как в рассматриваемом примере объем выборки равен только 20, то ве личины х, s будут отличаться от своих теоретических значений ц и а и равны им
только приближенно: .v»(x; s«cr.
37
Чем больше объем выборки, тем меньше относительная ошибка в замене ц и о их опытными значениями х и s.
Методы математической статистики позволяют _также оценить
абсолютные и относительные ошибки в вычислении х, s, вычислить их допустимые пределы, определить по опытным данным закон рас пределения случайной величины и решить целый ряд других задач. Изложение этих методов дано в популярной форме в работах [6; 7].
§ 5. НАДЕЖНОСТЬ ТЕХНИЧЕСКИХ СИСТЕМ
Показатели надежности, образующие вторую группу технико экономических показателей качества, являются важнейшими пока зателями качества изделий машиностроения. В отличие от всех дру гих показателей качества показатели надежности тесно связаны с фактором времени и характеризуют способность изделия выпол нять заданные функции в рассматриваемый момент или в пределах заданного отрезка времени.
С и с т е м о й в теории надежности называется совокупность действующих элементов, полностью обеспечивающая выполнение определенных практических задач. Системой является, например, автоматическая линия, станок, трактор, электронная вычислитель ная машина.
Под э л е м е н т о м понимается часть системы, не имеющая са мостоятельного эксплуатационного назначения, но выполняющая в ней определенные функции. Для практического использования его необходимо соединить с другими элементами в определенную си стему. К элементам относятся детали машин, крепежные изделия, режущий инструмент, радиолампы и т. д. В некоторых случаях для упрощения целесообразно рассматривать отдельные узлы, блоки и части сложных систем как элементы.
В процессе эксплуатации каждое изделие может находиться в различных состояниях: рабочем и законсервированном, состоянии работы и покоя, в работоспособном и неработоспособном, исправ ном и неисправном и т. д. Теория надежности рассматривает сле дующие состояния изделия.
И с п р а в н о с т ь — состояние изделия, при котором оно соот ветствует всем требованиям технической документации.
Н е и с п р а в н о с т ь — состояние изделия, при котором оно не соответствует хотя бы одному из требований технической документации.-
Р а б о т о с п о с о б н о с т ь — состояние изделия, при котором оно способно выполнять заданные функции с параметрами, уста новленными требованиями технической документации.
Отличие между понятиями «исправность» и «работоспособность» состоит в том, что изделие может быть неисправно, но работоспособ но. Однако неработоспособное изделие никогда не может быть
38
исправным. Например, царапина на кузове автомобиля не нарушает его работоспособности, но свидетельствует о неисправном состоя нии. В то же время, если в автомобиле не работает тормозное устройство, то такое изделие неработоспособно и неисправно.
О т к а з — событие, заключающееся в нарушении работоспособ ности. Признаки (критерии) отказов рекомендуется оговаривать в технической документации на изделия данного типа. В изделиях отказы могут проявляться в виде поломок, потери точности, износа, заклинивания, сбоя, снижения к. п. д. и других отступлений от тре бований технической документации.
Все отказы подразделяются на два больших класса: постепенные и внезапные.
П о с т е п е н н ы м о т к а з о м называется выход параметров изделия за границы допуска, обусловленный постепенным ухудше нием этих параметров в процессе эксплуатации или хранения. По степенные отказы вызываются накоплением износовых, коррозион ных и других видов разрушений. Время наступления постепенного отказа можно прогнозировать. К числу постепенных отказов отно сятся отказы, характеризуемые потерей точности станка, снижением
к. п. д. двигателя, |
недопустимой величиной зазора в сопряжении. |
В н е з а п н ы м |
о т к а з о м называется такой выход элемента |
изделия из строя, который не мог быть предсказан по изменению ве личины параметров во времени. Внезапные отказы обусловлены в основном дефектами конструкции, технологии, нарушением нормаль ных условий и режимов эксплуатации. К числу внезапных отказов могут относиться, например, отказы, обусловленные поломкой дета ли при случайной перегрузке, проколом шины автомобиля, перего ранием элемента электрической цепи.
Н а д е ж н о с т ь — свойство изделия выполнять заданные функции, сохраняя свои эксплуатационные показатели в заданных пределах в течение требуемого промежутка времени или требуемой наработки.
Под наработкой понимается продолжительность работы изделия
вединицах времени или объем выполненной им работы, измеряемый
вкилометрах, гектарах, циклах и других принятых единицах изме рения. Различают «наработку до первого отказа», «наработку между отказами», «суточную наработку» и другие виды нара ботки.
Надежность изделий — сложное свойство, |
которое характери |
|
зуется безотказностью, |
ремонтопригодностью, |
сохраняемостью и |
долговечностью. |
— свойство изделия сохранять работоспо |
|
Б е з о т к а з н о с т ь |
собность в течение заданной наработки без вынужденных переры вов. Это свойство особенно важно для неремонтируемых изделий и изделий, отказы которых приводят к большим экономическим по терям или угрожают безопасности человека: гидротурбины, косми ческие корабли, радио- и электролампы, строительные конструкции и другие изделия и элементы.
29