Лабораторная работа № 3
.pdfПо виду гистограммы или с помощью оценки коэффициента вариации выдвигают гипотезу о виде теоретического закона распределения наработок до отказа.
При подборе теоретической модели для исследуемой выборки наработок до отказа основываются на некоторых общих положениях, связанных с величи-
ной статистической оценки коэффициента вариации |
|
v* = σ*/T* , |
(22) |
где σ * - оценка среднеквадратического отклонения; T* - оценка математического ожидания. Если величина v* находится в пределах от 0,1 до 1,0, то при симметричной гистограмме можно использовать гипотезу нормального закона. В случае, если v* 1, то следует проверить гипотезы экспоненциального закона или закона Вейбулла.
Приняв в данном случае гипотезу нормального закона, найдем в каждом
выделенном интервале математическое ожидание числа отказов, |
соответст- |
вующее этому закону. Расчѐт производится по формуле |
|
lj =pj N , |
(23) |
где pj = F(tj) – F(tj-1) вероятность появления отказов в j-м интервале; F(tj),F(tj-1) – функции распределения нормального закона на левых границах j и j-1 интервалов.
Значения функций распределения F(tj),F(tj-1) находятся из таблиц математической статистики.
При гипотезе об экспоненциальном законе распределения необходимо вычислить оценку интенсивности отказа
1
T . |
(24) |
Вероятность наличия отказов в пределах выделенного интервала наблюдения в случае экспоненциального закона распределения находят согласно зависимости
|
P t j |
e |
t j |
|
|
, |
(25) |
||
|
|
|
||
где |
tj - j -й интервал наработок (наблюдения), j =1,…,k; k – количество |
|||
интервалов наблюдения. |
|
|
|
|
При |
коэффициенте вариации больше единицы и несимметричной гисто- |
грамме вполне допустима гипотеза распределения Вейбулла. Оценка параметров этого закона проводится следующим образом. После расчѐта коэффициента вариации определяется параметр формы b :при v* 1.0
b=0,96707224 +16,24125 exp(0,0558258 – 6,1325054v*),
апри v* > 1.0
b =0,2405184 +0,7908285 exp(0,636202 – 0,7747214v*).
С помощью этого параметра находится коэффициент
Kb |
1 |
1 |
|
|
|
|
|
|
|||
b , |
(26) |
||||
|
|
11
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
где |
|
- гамма-функция, определяемая по таблицам математиче- |
|||||||||||||||||||||
|
|
|
|||||||||||||||||||||
ской статистики |
|
|
или с помощью математических пакетов для персональных |
||||||||||||||||||||
компьютеров. В среде Mathcad 14 это функция |
вызывается оператором |
(z), |
|||||||||||||||||||||
что соответствует вычислению интеграла |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
(z) |
t z |
1e |
t dt |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
. |
|
|
|
|
|
Параметр масштаба a |
рассчитывают по формуле |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
a |
|
T |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
Kb |
|
|
|
|
|
(27) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Вычисленные параметры позволяют найти плотность распределения Вей- |
|||||||||||||||||||||||
булла |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f |
t |
|
b |
|
t |
|
b |
1 |
|
exp |
|
t b |
|
||||||
|
|
|
|
|
a |
|
a |
|
|
|
|
|
|
a |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(28) |
и вероятность |
наличия отказов |
в |
определѐнном интервале наработок |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
b |
|
|
|
|
b |
|
|
|
|
|
P |
t j |
|
exp |
|
|
j |
1 |
|
|
|
exp |
t j |
|
|
||||||
|
|
|
|
|
|
|
a |
|
|
|
|
|
a |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
(29) |
||||
где tj = tj+1 |
– tj - j - й интервал наработок, j = 1,…,k; k – количество ин- |
||||||||||||||||||||||
тервалов. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Число отказов в рассматриваемом интервале определяется умножением |
|||||||||||||||||||||||
общего числа отказов на вероятность |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
l j |
P |
t j |
N |
|
|
|
|
|
(30) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Распределение Вейбулла обладает большой гибкостью, что и объясняет его широкое применение для описания процессов приработки технических объектов при b < 1 и износа при b > 1.
Опыт анализа безотказности технических объектов различного назначения показывает, что расширять набор проверяемых гипотез больше указанных выше трѐх обычно нет необходимости. Это связано с тем, что двухпараметрические законы распределения и особенно закон Вейбулла обладают большими аппроксимационными возможностями и позволяют отобразить практически любую статистику путѐм подбора соответствующих параметров формы и масштаба. Так, например, при параметре формы b в распределении Вейбулла, равном единице, последний превращается в экспоненциальный закон, а при некотором промежуточном значении b большем единицы закон, Вейбулла близок к нормальному закону.
12
После того, как доказана непротиворечивость гипотезы о соответствии эмпирического закона распределения наработок до отказа одному из теоретических законов выполняют анализ надѐжности объектов и расчѐт других важных характеристик, например, корректировка сроков профилактических работ, расчѐт комплекта запасных частей, прогнозирование режимов использования с учѐтом требуемого уровня надѐжности и т.п. Задание на такие расчѐты выдаѐтся индивидуально каждому исполнителю.
Заключительным этапом работы является построение функции плотности распределения теоретического закона на построенной ранее гистограмме.
Пример выполнения практической работы
Определить закон надѐжности невосстанавливаемых объектов по выборке значений наработок до отказа, представленной в табл. 1.
Таблица 1 Выборка отказов N=100 объектов по интервалам наблюдения
Номер интервала |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
Левая граница |
221 |
385 |
549 |
713 |
877 |
1041 |
1205 |
1369 |
1533 |
интервала, час |
|
|
|
|
|
|
|
|
|
Число отказов в |
2 |
8 |
13 |
16 |
24 |
19 |
10 |
8 |
0 |
интервале |
|
|
|
|
|
|
|
|
|
Для значений наработок до отказа, согласно табл.1, можно получить оценки математического ожидания (среднее значение) и среднеквадратического отклонения
T |
|
1 |
|
N |
ti |
958,3 |
|
||
|
|
|
|
|
|
||||
|
|
N i |
|
|
|||||
|
|
|
|
1 |
|
, |
|||
|
|
1 |
|
N |
|
|
|
|
|
|
|
|
|
|
1 ti |
T |
284,8 . |
||
|
|
|
|||||||
|
N 1i |
Гистограмма частот отказов для исследуемой выборки показана на рис.1. Если разделить статистическую оценку среднеквадратического отклоне-
ния на Т*, то получим коэффициент вариации v*= σ */T*= 0,306, по величине которого (0,1 < v* <1,0) можно выдвинуть гипотезу о нормальном распределении случайных величин в исходной выборке. К этому же заключению можно прийти, анализируя внешний вид гистограммы на рис.7. Симметричный характер размещения количества отказов относительно центра свидетельствует в пользу нормального закона.
Приняв гипотезу нормального закона, найдем в каждом выделенном интервале математическое ожидание числа отказов соответствующее этому закону (см. табл. 3). Расчѐт производится по формуле
lj =pj N ,
где pj= F(tj) – F(tj-1) вероятность появления отказов в j-м интервале; F(tj),F(tj-1) – функции распределения нормального закона на левых границах j и j-1 интервалов.
13
Таблица 2 Квантили Хи-квадрат распределения Пирсона для различных доверительных вероятностей
Число |
Доверительная вероятность, |
|
||
|
|
|||
степеней |
|
|
|
|
|
|
|
|
|
свободы |
0,900 |
0,950 |
0,990 |
0,995 |
|
||||
2 |
4,605 |
5,991 |
9,210 |
10,597 |
4 |
7,779 |
9,488 |
13,277 |
14,860 |
6 |
10,645 |
12,592 |
16, 812 |
18,548 |
8 |
13,362 |
15,507 |
20,090 |
21,955 |
10 |
15,987 |
18,307 |
23,209 |
25,188 |
12 |
18,549 |
21,026 |
26,217 |
28,300 |
14 |
21,064 |
23,685 |
29,141 |
31,319 |
16 |
23,542 |
26,296 |
32,000 |
34,267 |
18 |
25,989 |
28,869 |
34,805 |
37,156 |
20 |
28,412 |
31,410 |
37,566 |
39,997 |
22 |
30,813 |
33,924 |
40,289 |
42,796 |
24 |
33,196 |
36,415 |
42,980 |
45,559 |
Значения функций распределения F(tj),F(tj-1) находятся из таблиц математической статистики , или с помощью процедуры pnorm(tj,T, σ) в среде Mathcad 14 .
Таблица 3 Ожидаемое число отказов в интервалах наблюдения
Номер интервала |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
Математическое |
|
|
|
|
|
|
|
|
|
ожидание числа отка- |
1 |
6 |
12 |
20 |
23 |
20 |
12 |
6 |
0 |
зов при нормальном |
|
|
|
|
|
|
|
|
|
законе lj , при |
|
|
|
|
|
|
|
|
|
M=958,3; σ =284,8. |
|
|
|
|
|
|
|
|
|
С использованием данных табл. 1 можно вычислить по формуле (21) значение критерия согласия Хи-квадрат Пирсона, который в данном случае равен χ2= 3,643.По таблице квантилей χ 2 – распределения с доверительной вероятностью γ = 0,95 при r = k - s- 1 =9 - 2 -1 = 6 при помощи табл. 2 или процедуры qchisq(p,d) в среде Mathcad 14 определяется квантиль, которая равна
2 |
|
0.95,6 |
12,592. Число независимых параметров s принято в данном случае |
|
равным 2, так как нормальный закон характеризуется двумя параметрами: математическим ожиданием и среднеквадратическим отклонением. Сравнивая расчѐтное и табличное значения критерия Хи-квадрат Пирсона, видим, что 2
2
<0.95,6 . Это позволяет утверждать, что различие между исследуемой выбор-
кой и теоретической моделью в виде нормального закона распределения статистически незначимо. Следовательно, нормальный закон распределения с параметрами, полученными по результатам наблюдения в соответствии с выбор-
14
кой наработок до отказа, можно использовать для анализа надѐжности объекта при доверительной вероятности = 0,95. Гистограмма и функция плотности нормального распределения, построенные по параметрам исходной выборки, показаны на рис. 7.
Рис. 7. Гистограмма и функция плотности нормального распределения с параметрами T*= 958,3; *= 284,8. k – номер интервала
Исходная информация к лабораторной работе №3
Ва- |
Параметр |
|
|
|
Номер интервала наблюдения |
|
|
||||
риант |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
3 |
|
4 |
5 |
6 |
7 |
8 |
9 |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
Наработка до отказа, ч |
176 |
272 |
368 |
|
464 |
560 |
656 |
752 |
848 |
944 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
4 |
5 |
12 |
|
17 |
23 |
24 |
11 |
4 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
Наработка до отказа, ч |
142 |
268 |
394 |
|
520 |
646 |
772 |
898 |
1024 |
1150 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
5 |
2 |
14 |
|
22 |
50 |
15 |
9 |
5 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
Наработка до отказа, ч |
126 |
4074 |
8022 |
|
11970 |
15920 |
19870 |
23810 |
27760 |
31 710 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
44 |
34 |
9 |
|
9 |
1 |
0 |
5 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
Наработка до отказа, ч |
444 |
570 |
696 |
|
S22 |
948 |
1074 |
1200 |
1326 |
1452 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
3 |
9 |
20 |
|
20 |
25 |
19 |
б |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
Наработка до отказа, ч |
139 |
283 |
427 |
|
571 |
715 |
859 |
1003 |
1147 |
1291 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
2 |
1 |
10 |
|
25 |
31 |
19 |
9 |
5 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
Наработка до отказа, ч |
16 |
3742 |
7468 |
|
11190 |
14920 |
18650 |
22370 |
26300 |
29820 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
58 |
25 |
7 |
|
7 |
5 |
0 |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
Наработка до отказа, ч |
312 |
510 |
708 |
|
906 |
1104 |
1302 |
1500 |
1698 |
1896 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
4 |
7 |
18 |
|
25 |
20 |
19 |
7 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
Наработка до отказа, ч |
562 |
709 |
856 |
|
1003 |
1150 |
5297 |
1444 |
1591 |
1738 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
10 |
5 |
18 |
|
11 |
23 |
10 |
12 |
11 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
Наработка до отказа, ч |
674 |
854 |
1034 |
|
1214 |
1394 |
1574 |
1754 |
1934 |
2114 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
4 |
5 |
22 |
|
25 |
19 |
15 |
7 |
5 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
Наработка до отказа, ч |
432 |
686 |
940 |
|
1194 |
1448 |
1702 |
1956 |
2210 |
2464 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
5 |
2 |
14 |
|
31 |
27 |
14 |
7 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
Наработка до отказа, ч |
482 |
714 |
946 |
|
1178 |
1410 |
1642 |
1874 |
2106 |
2338 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
4 |
7 |
10 |
|
25 |
25 |
20 |
8 |
5 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
Наработка до отказа, ч |
489 |
791 |
1093 |
|
1395 |
1697 |
1999 |
2301 |
2603 |
2905 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Количество отказов |
3 |
4 |
25 |
|
34 |
25 |
9 |
5 |
1 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
15
Порядок выполнения лабораторной работы №3 Открыть файл Работа №3.mcd;
Изменить значение матрицы А на свои исходные данные (верхняя строканаработка до отказа, ч; нижняя – количество отказов);
Изменить значение d, которое соответствует наработке в классе с наибольшим количеством отказов;
Записать значение Τ*=x и σ*=s;
Построить гистограмму по исходным данным; Проверить гипотезу №1:
Подобрать такое значение вместо * в формуле x1:= x -+*, чтобы вычисленного значения критерия χ было меньше табличного значения (X),
Сделать вывод о принятии гипотезы, если значение χ меньше X то гипотеза принимается, если больше то гипотеза не принимается;
Проверить гипотезу №2:
Подобрать такое значение вместо * в формулах μ:= x -+*, σ:= s -+*, чтобы вычисленного значения критерия χ было меньше табличного значения (X),
Сделать вывод о принятии гипотезы, если значение χ меньше X то гипотеза принимается, если больше то гипотеза не принимается;
Проверить гипотезу №3:
Подобрать такое значение вместо * в формулах x3:= x -+*, s3:= s - +*, чтобы вычисленного значения критерия χ было меньше табличного значения (X),
Сделать вывод о принятии гипотезы, если значение χ меньше X то гипотеза принимается, если больше то гипотеза не принимается;
Сделать выводы по работе; Ответить на контрольные вопросы.
16
Контрольные вопросы
1.Как проверяется согласие эмпирического закона распределения случайной величины и выдвинутой гипотезы?
2.Что такое квантиль функции распределения случайной величины?
3.В каких случаях на практике встречается экспоненциальный закон распределения наработок до отказа?
4.Какие отказы чаще всего приводят к распределению наработок по закону Вейбулла?
5.Как по внешнему виду гистограммы можно обоснованно выдвинуть гипотезу о законе распределения случайной величины?
6.Как использовать коэффициент вариации для обоснования гипотезы о характере закона распределения случайной величины?
7.Кривая интенсивности отказов, что это такое и как она выглядит?
17