- •ОСНОВЫ НАДЕЖНОСИ ИНФОРМАЦИОННЫХ СИСТЕМ
- •Оглавление
- •Глава 1. Основные понятия и определения теории надежности
- •1.1 Понятие надежности. Термины и определения
- •1.2 Надежность как свойство ТУ. Понятие состояния и события. Определение понятия отказа
- •1.3. Классификация отказов ТУ
- •1.4. Факторы, влияющие на снижения надежности ТУ
- •1.5 Факторы, определяющие надежность информационных систем
- •1.6 Влияние человека-оператора на функционирование информационных систем
- •Вопросы для самоконтроля
- •2.1. Составляющие надежности
- •2.2. Простейший поток отказов
- •2.3. Вероятность безотказной работы и вероятность отказов
- •2.4. Интенсивность отказов
- •2.5. Среднее время безотказной работы
- •2.6. Аналитические зависимости между основными показателями надежности
- •2.7. Долговечность
- •Вопросы для самоконтроля
- •Глава 3. Надежность программного обеспечения
- •3.1. Основные понятия
- •3.2. Основные причины отказов программного обеспечения
- •3.3. Основные показатели надежности программного обеспечения
- •3.3.1. Модель с дискретно-понижающей частотой появления ошибок ПО
- •3.3.2. Модель с дискретным увеличением времени наработки на отказ
- •3.3.3. Экспоненциальная модель надежности ПО
- •Вопросы для самоконтроля
- •4.1. Характеристики надежности на различных этапах эксплуатации
- •4.2. Надежность в период износа и старения
- •4.3. Надежность технических устройств в период хранения
- •4.4. Характеристики надежности информационной системы при хранении информации
- •Вопросы для самоконтроля
- •Глава 5. Элементы теории восстановления
- •5.1 Основные понятия и определения теории восстановления
- •5.2. Коэффициенты отказов
- •5.3. Комплексные показатели надежности
- •5.4. Аналитические зависимости между показателями надежности восстанавливаемых технических устройств
- •5.5. Полная вероятность выполнения заданных функций
- •Вопросы для самоконтроля
- •Глава 6. Структурные схемы надежности
- •6.1. Структурные схемы надежности с последовательным соединением элементов
- •6.2. Структурные схемы надежности с параллельным соединением элементов
- •6.3. Структурные схемы надежности со смешанным соединением элементов
- •6.4. Сложная произвольная структура
- •6.5. Расчет надежности по внезапным отказам
- •6.5.1. Покаскадный метод расчета надежности
- •6.5.2. Поэлементный метод расчета надежности
- •6.6. Расчет надежности по постепенным отказам
- •Вопросы для самоконтроля
- •Глава 8. Испытания на надежность
- •8.1. Временные характеристики, применяющиеся при статистических исследованиях надежности
- •8.2. Экспериментальное определение характеристик надежности
- •8.3. Ускоренные испытания на надежность
- •8.4. Метод статистического моделирования надежности
- •8.5. Прогнозирование надежности
- •Вопросы для самоконтроля
- •Библиографический список
p(nф ≤ n) и mn , можно найти величину количества устройств выбороч-
ной совокупности
Nв = mn . mλ t
Пример 5.1. Необходимо провести испытание на надежность новых генераторов посто- янного тока. Согласно условиям, испытание производится в течение 100 часов. Пред- полагается, что в течение этого времени произошло более трех отказов с досто- верностью p(nф ³ n)=0,95.Ориентировочное значение математического ожидания ин- тенсивности отказов выбираем из справочных таблиц для аналогичных генераторов по-
стоянного тока λ =3 10 −4 . Математическое ожидание количества отказов находим по
графику рис. 23 nm = 6 . Размер выборки генераторов для испытания определяем по
формуле
|
Nв = |
6 |
−4 |
=200 шт. |
|
100×3×10 |
|||
|
|
|
|
|
ln nm |
|
|
|
|
5 |
10 |
|
|
|
2 |
|
6 |
|
|
1 |
|
|
|
|
|
5 |
|
|
|
0,5 |
|
4 |
|
|
|
3 |
|
|
|
0,2 |
|
2 |
|
n=1 |
|
|
|
||
|
|
|
|
|
0,1 |
|
|
|
|
0,0001 0,005 0,05 0,1 0,2 0,3 0,9 0,95 0,999 ln p(nф ³n)
Рис.23. Вспомогательный график для определения размера выборки
при испытании на надежность
8.3. Ускоренные испытания на надежность
Ускоренные испытания ТУ на надежность проводятся в рабочем ре-
жиме с повышенными нагрузками и представляют собой разновидность метода физического моделирования.
126
Для экспоненциального закона вероятность безотказной работы равна
− t
p(t) = e T .
Если безразмерные коэффициенты модели и реального процесса рав- ны, то в этом случае метод физического моделирования для опыта приме- ним. В данном случае
tу = t =τ ,
Tу T
где tу и Tу – временные характеристики надежности при ускоренных
испытаниях. Отсюда
t = T tу , Tу
где T = k – коэффициент подобия.
Tу
Аналогично можно написать
p(t) = p(tу ).
Коэффициент подобия выражает собой величину соответствия време- ни работы ТУ в условиях нормальной эксплуатации одному часу ускорен- ных испытаний.
Для любых элементов ТУ вероятность безотказной работы является функцией комплексной нагрузки Z и времени работы t :
p =ψ (Z,t).
Комплексная нагрузка включает в себя различные частные нагрузки, влияющие на величину интенсивности отказов, например, для информационных систем:
Z = ϕ (U,Q,t0,V ,K),
127
где U – качество электропитания информационной системы;
Q и t0 – влажность и температура окружающей среды соответственно;
V – объем перерабатываемой информации и другие нагрузки.
Комплексная нагрузка может быть выражена в виде безразмерного коэффициента ξ . Тогда выражение для вероятности безотказной работы
можно записать в виде
p=ψ1(ξ,t)
ианалогично для ускоренных испытаний:
pу =ψ1(ξу ,tу ) ,
где ξ = ξ у , t = tу , p = pу .
Эти равенства и служат критерием соответствия параметров при ус- коренных испытаниях и в реальных условиях эксплуатации.
Чем больше коэффициент подобия, тем больше сокращается срок проведения испытаний, однако надо учитывать, что при достаточно боль-
ших значениях коэффициента подобия может быть нарушено соответствие между вероятностями p и pу .
Для экспоненциального закона распределения оценка среднего време-
ни безотказной работы при ускоренных испытаниях равно
Tу = Nt1у ,
где t1у – время появления первого отказа при ускоренных испытаниях;
N – количество однотипных ТУ или элементов, поставленных на ус- коренные испытания. Очевидно, что чем больше число N , тем достовер-
нее станет величина Tу .
128
Из выражения коэффициента подобия k и среднего времени безот-
казной работы при ускоренных испытаниях Tу определяется среднее вре-
мя безотказной работы для реальных условий:
T = kTу = kNt1у .
Если определить некоторое заданное время работы испытуемого ТУ как tз и минимальное допустимое время безотказной работы Tmin для это-
го случая, то время ускоренных испытаний может быть определено из со-
отношения
tу = tkз = TNmink .
Количество ТУ, необходимое для проведения ускоренных испытаний на надежность с учетом желаемой точности эксперимента, может быть оценено на основании следующего выражения:
N = lg[1− Q(tу )] , lg p(ty )
так как статистическая вероятность отказа, полученная при ускоренных испытаниях N ТУ, определяется по формуле
Q *(tу ) =1−[ p *(tу )]N ,
где p *(tу ) – статистическая вероятность безотказной работы одного испытываемого ТУ.
8.4. Метод статистического моделирования надежности
Метод статистического моделирования надежности основан на так на- зываемом методе Монте-Карло. Суть метода Монте-Карло состоит в ис-
пользовании данных предыдущего опыта для оценки возможных ситуаций в будущем. Принципиальная особенность метода состоит в том, что влия- ние различных случайных факторов в процессе опыта учитывается не рас-
129
четным, а игровым способом. В качестве универсального механизма слу- чайного выбора используется совокупность случайных чисел, равномерно распределенных в интервале (0 – 1), которые вырабатываются датчиком случайных чисел. Случайные числа используются для получения дискрет- ного ряда случайных переменных, имитирующих результаты, которые можно было бы ожидать в соответствии с вероятностным распределением, полученным на основании предыдущего опыта.
Метод Монте-Карло можно проиллюстрировать на довольно простом примере. Пусть под наблюдением находится некоторое количество про- стых ТУ. Каждые 100 часов число отказов этих устройств соответствует распределению, приведенному в таблице 4.
|
|
Таблица 4 |
|
|
|
Число отказов |
Вероятность |
Кумулятивная вероятность |
|
|
|
26 |
0,105 |
0,105 |
34 |
0,175 |
0,28 |
31 |
0,15 |
0,43 |
29 |
0,145 |
0,575 |
24 |
0,125 |
0,7 |
28 |
0,14 |
0,84 |
33 |
0,16 |
1,00 |
|
|
|
По этой таблице строим график распределения кумулятивной вероят- ности (график закона распределения) случайной величины – число отказов ТУ (рис. 24).
Пусть в дальнейшем необходимо получить предполагаемое число от- казов для шести аналогичных периодов времени. Для этого запускается
ранее описанный датчик случайных чисел и фиксируются шесть первых полученных значений. Пусть это будут значения: 0,1; 0,22; 0,37; 0,17; 0,56; 0,87. Полученные случайные числа можно рассматривать как вероятности.
130
1,0
0,8
0,6
0,4
0,2
0
26 |
34 |
31 |
29 |
24 |
28 |
33 |
Рис. 24. Распределение кумулятивных вероятностей
Они сравниваются с законом распределения вероятностей числа отка- зов, изображенным на рисунке, а результаты заносятся в таблицу.
|
|
Таблица 5 |
|
|
|
Период времени |
Случайное число (вероятность) |
Предполагаемое число |
|
|
отказов |
1 |
0,1 |
Менее 26 |
2 |
0,22 |
26 |
3 |
0,37 |
34 |
4 |
0,17 |
26 |
5 |
0,56 |
31 |
6 |
0,87 |
28 |
|
|
|
Для увеличения достоверности эксперимента рекомендуется взять еще несколько таких выборок. Так как используемые случайные числа распределены равномерно, то каждое из значений исследуемой величины (в примере – число отказов) будет в процессе эксперимента появляться с такой же относительной частотой, что и при реальных условиях эксплуа- тации или при натурном эксперименте подобного рода. При этом иссле- дуемая величина приобретает случайный характер. Следовательно, при применении такого метода получаются результаты, типичные для факти- ческого поведения исследуемой системы (в нашем случае – закон распре-
131
деления числа отказов, полученных на основании ранее проведенных на- блюдений).
Если мы располагаем совокупностью распределенных случайных ве-
личин yi (i = 1, 2, K, n) в интервале (0 – 1), то каждой из них соответст-
вует определенное для данного вида функции F(x) = y число x i , значе-
ние которого находится обратным преобразованием (то есть то значение аргумента x , для которого F(x) = yi ).
Отсюда следует, что процесс получения последовательности случай-
ных чисел x i с заданным законом распределения F(x) сводится к реше-
нию относительно x i уравнения
∞
F(x) = ò f (x) dx = y .
−∞
Например, если требуется реализовать случайную величину t , рас- пределенную по экспоненциальному закону с известным значением λ :
F (x) = 1− e−λ t ,
то на основании ранее приведенных соображений получим
1− e−λ t = q .
Тогда, очевидно,
t i = − λ1 ln(1− qi ),
где qi – последовательность случайных чисел, распределенных в интерва-
ле (0 – 1), вырабатываемых датчиком случайных чисел.
Результаты моделирования представляют собой статистические сред- ние значения величин, фиксируемые в качестве искомых параметров:
132
m* 1 N x ,
x = N iå=1 i
где xi – численное значение искомого параметра в i -ой реализации;
N– число реализаций алгоритма.
Всоответствии с известными предельными теоремами теории вероят- ностей среднее значение стремится к действительному ожиданию случай- ной величины при неограниченном возрастании числа испытаний.
На практике число испытаний ограничено. В силу этого значение ис- комого параметра в известной степени будет случайным, то есть вместо точного будет получено его приближенное значение, или оценка, имеющее лишь ограниченную точность. Абсолютная величина максимального от- клонения определяется следующим образом:
ε= tασ m ,
где tα = 2Ф−1(α) представляет собой количество величин среднеквад-
ратических отклонений σ m для нормального закона распределения, кото-
рую нужно отложить вправо и влево от центра рассеивания, чтобы вероят-
ность попадания на полученный интервал была равна α . Значения tα та-
булированы, Ф−1(α ) – функция, обратная функции Лапласа. Это означает,
что каждому значению аргумента α соответствует определенная величина функции Лапласа, равная tα .
Применение современных ЭВМ позволяет осуществить исследование самых разнообразных систем и при этом имитировать реальные условия эксплуатации. В этом случае большое значение имеет разработка стан- дартных программ и алгоритмов для решения типовых задач надежности. Основой для разработки программ может быть методика, приведенная ни- же.
133
Основной характеристикой, необходимой для проведения расчетов,
является вероятность пребывания системы в определенном состоянии
Pi (t) для заданного интервала времени τ , при котором она способна нор-
мально функционировать. В сложных ТУ таких состояний может быть большое количество. Для определения конкретных состояний на учет бе- рутся все элементы устройства, каждый из которых может находиться в одном из двух состояний: исправном или неисправном.
В результате предварительного анализа процесса функционирования устанавливается число рассматриваемых состояний, при которых ТУ спо- собно функционировать, при этом маловероятные ситуации обычно ис- ключаются.
Методика решение задачи оценки надежности методом статистиче- ского моделирования системы сводится к следующему: заданный интервал времени τ разбивается на равные промежутки
t = τk
и для каждого t определяется состояние каждого элемента системы в со-
ответствии с принятыми законами распределения времени безотказной ра- боты. Эта информация используется для определения рабочих состояний ТУ, соответствующих некоторому рассматриваемому промежутку времени t . Все состояния системы нумеруются в порядке убывания показателей надежности. Затем фиксируется состояние с наименьшим номером, то есть
выбирается состояние системы с наилучшей по надежности комбинацией исправных элементов.
Аналогично этот процесс повторяется для следующего промежутка времени и так далее. Многократное повторение этого процесса для каждо- го t позволяет получить оценку для вероятности исправного j -го со-
стояния p j (t) в момент времени t , принадлежащему τ .
134