نمودار بلوکی قابلیت اطمینان
- معرفیشده توسط
- Ebeling, C. E.
- سال
- 2010
- نوع
- Reliability analysis technique
- خانواده
- Reliability Engineering
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
نمودار بلوکی قابلیت اطمینان (RBD) نمایشی بصری از معماری یک سیستم است که نحوه ترکیب قابلیت اطمینان اجزا برای تعیین قابلیت اطمینان کلی سیستم را مدل میکند. هر بلوک نشاندهنده یک جزء یا زیرسیستم با قابلیت اطمینان مشخص (احتمال عملکرد بدون خرابی) است و اتصالات بین بلوکها نشاندهنده روابط عملکردی (سری، موازی یا ترکیبی) هستند. تحلیل RBD ابزاری اساسی در مهندسی قابلیت اطمینان است که برای شناسایی اجزای حیاتی، بهینهسازی افزونگی و پیشبینی نرخ خرابی در سطح سیستم استفاده میشود.
شهود پشت روش
سیستم ارتباطی با سه مسیریاب داده افزونه را تصور کنید. اگر هر سه به صورت موازی متصل باشند (هر کدام میتوانند ترافیک را مدیریت کنند)، سیستم تنها در صورتی از کار میافتد که هر سه به طور همزمان از کار بیفتند. قابلیت اطمینان سیستم بسیار بیشتر از قابلیت اطمینان هر مسیریاب منفرد است. برعکس، اگر مسیریابها به صورت سری (همه باید کار کنند) باشند، قابلیت اطمینان سیستم کمتر از ضعیفترین مسیریاب است. یک RBD این پیکربندیها را به صورت بصری نمایش میدهد و قابلیت اطمینان ترکیبی را محاسبه میکند. به عنوان مثال، اگر هر مسیریاب قابلیت اطمینان 99 درصدی داشته باشد و دو عدد از آنها به صورت موازی باشند: قابلیت اطمینان سیستم = 1 - (1 - 0.99)^2 = 0.9999 (99.99%). RBD این محاسبات را صریح میکند و طراحان را راهنمایی میکند تا در جایی که بیشترین اهمیت را دارد، در افزونگی سرمایهگذاری کنند.
تاریخ
تحلیل نمودار بلوکی قابلیت اطمینان در دهههای 1950-1960 از نظریه مهندسی قابلیت اطمینان، به ویژه در هوافضا (ناسا، وزارت دفاع) که خرابیهای سیستم فاجعهبار بود، ظهور کرد. این تکنیک نحوه ترکیب دادههای قابلیت اطمینان اجزا در پیشبینیهای سطح سیستم را رسمی کرد. نرمافزارهای مدرن RBD (ReliaSoft, Isograph, MATLAB) محاسبات را خودکار میکنند و امکان تحلیلهای پیچیده را فراهم میآورند. RBD اکنون در صنایعی با الزامات قابلیت اطمینان بالا استاندارد است و در برنامههای درسی مهندسی در سراسر جهان تدریس میشود.
چه زمانی استفاده شود
RBD برای سیستمهایی که قابلیت اطمینان در آنها حیاتی است (هوافضا، دستگاههای پزشکی، سیستمهای قدرت، مخابرات) یا جایی که خرابیها پرهزینه هستند (زمان از کار افتادن، خطر ایمنی) ضروری است. RBD را هنگام طراحی سیستمها، ارزیابی مبادلات طراحی (هزینه در مقابل قابلیت اطمینان) یا بهینهسازی استراتژیهای نگهداری اعمال کنید. برای سیستمهای غیرحیاتی یا جایی که افزونگی غیراقتصادی است، کمتر حیاتی است. بیشترین ارزش را در مرحله طراحی دارد؛ همچنین میتواند برای تشخیص مشکلات قابلیت اطمینان در سیستمهای عملیاتی استفاده شود.
محدودیتها و ملاحظات
- به دادههای دقیق قابلیت اطمینان اجزا نیاز دارد؛ تخمینها یا دادههای قدیمی منجر به پیشبینیهای غیرقابل اطمینان میشوند
- فرض میکند خرابیهای اجزا مستقل هستند؛ خرابیهای با علت مشترک یا همبستگی فرسودگی در نظر گرفته نمیشوند
- قابلیت اطمینان وابسته به زمان (فرسودگی) را در نظر نمیگیرد
- تحلیل RBD بر قابلیت اطمینان تمرکز دارد؛ جنبههای دیگر (عملکرد، هزینه، ایمنی) به تحلیلهای جداگانه نیاز دارند
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- نمایش بصری واضحی از معماری سیستم و نحوه انتشار خرابی اجزا به خرابی سیستم ارائه میدهد
- قابلیت اطمینان در سطح سیستم را از دادههای سطح اجزا کمیسازی میکند و امکان بهینهسازی طراحی را فراهم میآورد
- اجزای حیاتی (پیوندهای ضعیف) را برای بهبود هدفمند و سرمایهگذاری در افزونگی شناسایی میکند
- از تحلیل مبادلات طراحی پشتیبانی میکند: هزینه افزونگی در مقابل قابلیت اطمینان بهبود یافته
- با برنامهریزی نگهداری ادغام میشود: اجزای با قابلیت اطمینان بالاتر ممکن است اجازه فواصل نگهداری طولانیتر را بدهند و هزینهها را کاهش دهند
کاربردها
- یک تولیدکننده هوافضا از RBD برای طراحی یک سیستم هیدرولیک افزونه برای یک عملگر هواپیما استفاده میکند و یک پمپ آماده به کار اضافه میکند که قابلیت اطمینان سیستم را از 99.5 درصد به 99.95 درصد در طول یک ماموریت 10 ساعته افزایش میدهد
- یک شرکت مخابراتی از RBD برای بهینهسازی توپولوژی شبکه استفاده میکند و تشخیص میدهد که افزودن یک لینک فیبر نوری دوم بین دو شهر، زمان فعال بودن سیستم را از 99.7 درصد به 99.99 درصد با هزینه قابل قبول افزایش میدهد
- یک سازنده دستگاه پزشکی از RBD برای ارزیابی افزونگی باتری در یک دفیبریلاتور قابل کاشت استفاده میکند و هدف قابلیت اطمینان 10 ساله (>99.8 درصد) را با محدودیتهای اندازه دستگاه متعادل میکند
- یک شرکت برق از RBD برای ارزیابی قابلیت اطمینان بانک ترانسفورماتور یک پست برق استفاده میکند و تعیین میکند که آیا افزودن ترانسفورماتور سوم به صورت موازی، هزینه سرمایهای را توجیه میکند یا خیر
چگونه کار میکند
چگونه کار میکند
مرز سیستم، الزامات عملکردی و تعاریف خرابی را شناسایی کنید. زمان ماموریت (مدت زمانی که سیستم باید بدون خرابی کار کند) را تعیین کنید.
معماری سیستم را ترسیم کنید: کدام اجزا در پیکربندیهای سری (همه باید کار کنند)، موازی (حداقل یکی باید کار کند) یا ترکیبی قرار دارند. نمودار RBD را رسم کنید.
دادههای قابلیت اطمینان اجزا را از نرخهای خرابی تاریخی، دادههای تامینکننده یا آزمایش جمعآوری یا تخمین بزنید. قابلیت اطمینان را به صورت R(t) یا میانگین زمان بین خرابیها (MTBF) بیان کنید.
قابلیت اطمینان سیستم را با ترکیب قابلیت اطمینان اجزا با استفاده از فرمولهای سری و موازی محاسبه کنید. تحلیل حساسیت را برای شناسایی اجزای حیاتی انجام دهید.
بهبودها را اولویتبندی کنید: افزونگی را به اجزای حیاتی اضافه کنید، اجزای با قابلیت اطمینان بالاتر را مشخص کنید، یا فواصل نگهداری را برای کاهش نرخ خرابی افزایش دهید.
دامهای رایج
- سادهسازی بیش از حد معماری سیستم در RBD؛ نادیده گرفتن حالتهای خرابی یا وابستگیها منجر به تخمینهای خوشبینانه قابلیت اطمینان میشود
- افزودن بیرویه افزونگی بدون تحلیل نرخ خرابی؛ اجزای افزونه ممکن است کمتر استفاده شوند یا پیچیدگی را افزایش دهند
- نادیده گرفتن نگهداری در برنامهریزی قابلیت اطمینان؛ اجزا در صورت عدم نگهداری صحیح سریعتر از کار میافتند و مفروضات RBD را نقض میکنند
پرسشهای متداول
تفاوت بین قابلیت اطمینان سری و موازی چیست؟
در سری، همه اجزا باید کار کنند؛ قابلیت اطمینان سیستم R_sys = R1 × R2 × ... × Rn. در موازی، حداقل یک جزء باید کار کند؛ قابلیت اطمینان سیستم R_sys = 1 - [(1-R1) × (1-R2) × ... × (1-Rn)]. موازی قابل اطمینانتر است اما به افزونگی نیاز دارد. اکثر سیستمهای واقعی ترکیبی هستند: برخی زیرسیستمها سری و برخی دیگر موازی.
میانگین زمان بین خرابیها (MTBF) چیست و چگونه با قابلیت اطمینان مرتبط است؟
MTBF میانگین زمان بین خرابیها است که معمولاً بر حسب ساعت بیان میشود. برای توزیعهای خرابی نمایی (فرض رایج)، MTBF و قابلیت اطمینان مرتبط هستند: R(t) = e^(-t/MTBF). MTBF بالاتر به معنای قابلیت اطمینان بالاتر است. MTBF برای دادههای میدانی و برنامهریزی نگهداری مفید است.
آیا RBD میتواند قابلیت اطمینان وابسته به زمان (فرسودگی) را مدیریت کند؟
RBD پایه فرض میکند نرخهای خرابی ثابت (توزیع نمایی) هستند. خرابیهای وابسته به زمان یا فرسودگی به توزیعهای ویبول یا غیرنمایی دیگر نیاز دارند. نرمافزارهای پیشرفته RBD میتوانند قابلیت اطمینان اجزای وابسته به زمان را در خود جای دهند، اگرچه تحلیل پیچیدهتر میشود.
چگونه خرابیهای با علت مشترک را در RBD مدیریت کنیم؟
RBD استاندارد فرض میکند خرابیهای اجزا مستقل هستند. خرابیهای با علت مشترک (به عنوان مثال، هر دو پمپ به دلیل فشار کم کاویتاسیون میکنند) این فرض را نقض میکنند. خرابیهای با علت مشترک را با گروهبندی اجزای تحت تأثیر یا با استفاده از تکنیکهای تخصصی (درختان خطا همراه با RBD) مدل کنید. به طور جایگزین، استانداردهای نگهداری بالاتری را برای جلوگیری از سناریوهای علت مشترک مشخص کنید.
روشهای مرتبط
منابع
Ebeling, C. E. (2010). An introduction to reliability and maintainability engineering (2nd ed.). Long Grove, IL: Waveland Press.
باز کردن مرجع انتشارکپی شد.Stamatis, D. H. (2003). Failure mode and effect analysis: FMEA from theory to execution (2nd ed.). Milwaukee: ASQ Quality Press.
باز کردن مرجع انتشارکپی شد.