- •Help Описание Введение
- •Инструментальные средства Общие сведения
- •Панели инструментов
- •Создание пользовательских меню и панелей инструментов
- •Окно представления документа
- •Окно проводника проекта
- •Окно свойств
- •Мастера выполнения расчетов
- •Расчет значимостей минимальных аварийных сочетаний
- •Расчет вероятностей возникновения событий дерева отказов
- •Расчет значимостей исходных событий дерева отказов
- •Теоретическая информация Что такое дерево отказов
- •Типы событий дерева отказов
- •Законы распределения вероятностей исходных событий
- •Определение минимальных аварийных сочетаний
- •Значимости
- •Примеры использования
- •Технические требования к аппаратному обеспечению
- •Служба поддержки
- •Регистрация
Законы распределения вероятностей исходных событий
В данной реализации программного продукта распределение вероятностей исходных событий характеризуется следующими теоретическими законами:
Экспоненциальный
Экспоненциальное распределение часто используют при анализе данных, зависящих от времени, когда частота появления событий не изменяется.
Распределение случайной величины x называется экспоненциальным, если плотность вероятности имеет вид
и при условии, что л=const и x≥0.
Если x - наработка до отказа, то величина л называется интенсивностью отказов.
График плотности распределения f(x) (см. рис. 1) представляет собой спадающую экспоненту, у которой при f(x) = л, а при x→∞ f(x)→0.
Рис. 1. Графики плотности вероятности f(x), функции F(x) и вероятности безотказной работы P(x)
Функция распределения находится по уравнению:
Если x - наработка до отказа, то F(x) - это вероятность отказа до момента x.
Чем больше x, тем больше вероятность отказа. График функции распределения F(x) представляет собой нарастающую экспоненту, у которой при x = 0 F(0) = 0, а при x→∞ F(∞)→1.
Вероятность безотказной работы до момента x
График функции безотказной работы P(x) представляет собой спадающую экспоненту, у которой при x = 0 P(0) = 1, а при x→∞ Р(∞)→0.
Нормальный
Нормальное распределение (или распределение Гаусса) является наиболее известным двухпараметрическим распределением. Все нормальные распределения симметричны. Двумя параметрами этого распределения являются M и у т. е. его среднее значение и стандартное отклонение.
Нормальные распределения часто используют для описания характеристик оборудования, которое имеет возрастающую со временем частоту отказов и занимает особое место в теории вероятностей и в теории надежности.
Нормальным распределением называется распределение вероятности непрерывной случайной величины, которая может принимать как отрицательные, так и положительные значения во всем диапазоне возможных значений от -∞ до +∞.
Плотность вероятности имеет вид:
где у - положительная величина, М - любая положительная, отрицательная или нуль.
Кривая плотности (см. рис. 2) симметрична относительно центра, так как (х - М)2, и достигает максимума при х = М.
Рис. 2. Графики плотности вероятности нормального распределения у1<у2; М1=М2=М
Значит, математическое ожидание – это среднее значение случайной величины, а у – среднеквадратическое отклонение, определяет величину рассеивания вокруг центра распределения.
Функция распределения находится по уравнению:
Вероятность безотказной работы до момента x
Логарифм-нормальный
Логарифмически-нормальное распределение подобно нормальному распределению, за исключением того, что вместо самих величин принимают нормально распределенные логарифмы значений случайной переменной. Таким образом, все значения положительные, распределения сдвинуты вправо, а степень смещения зависит от у.
Логарифмически-нормальные распределения часто встречаются при обработке данных усталостных испытаний, данных по обслуживанию и ремонту (по срокам ремонта), а также по отказам и ремонтам химико-технологического оборудования.
Графики плотности вероятности этого распределения приведены на рис. 3.
Рис 3. График плотности вероятности логнормального распределения:
1 – для у1, 2 – для у2
Вейбулла
Это распределение непрерывной случайной величины, которая может принимать только положительные значения с плотностью вероятности:
функция распределения:
и вероятность безотказной работы:
x - величина переменная. Постоянные параметры б и в носят название: б - параметр формы и в - параметр масштаба. В экспоненциальном распределении параметр л - один, здесь - два. Значит, это распределение более сложное. Оно служит для расчетов долговечности технических объектов, для описания распределения сроков службы различных элементов машин. Оно хорошо описывает отказы механических систем в начальный период эксплуатации и отказы из-за хрупких и усталостных разрушений. У шарикоподшипников наработка до отказа подчиняется этому распределению с показателем б = 1,4. У электронных ламп - б = 1,4 - 1,6.
При б = 1 получим экспоненциальное распределение.
Параметры распределения б и в можно найти по формулам:
Графики f(x) распределения Вейбулла при различных значениях параметра б приведены на рис. 4.
Рис. 4. Графики плотности распределения Вейбулла
Равномерный
Это распределение непрерывной случайной величины, которая может принимать только положительные значения.
Функция распределения имеет следующий вид:
Произвольный (вероятность жестко указывается пользователем)
В данном случае вероятность жестко указывается в формуле и в итоге мы получаем следующие формулы. Для определения плотности вероятности:
Функция распределения имеет следующий вид:
И вероятность безотказной работы: