Seria: Informatyka

Elementy teorii niezawodności

Wykład 3
Obiekty proste odnawialne
z zerowym czasem odnowy

dr hab. inż. Tadeusz Nowicki prof. nadzw. WAT

e-mail:tadeusz.nowicki@wat.edu.pl, tel. 6-837118
 Model niezawodnościowy
Jedynymi istotnymi zdarzeniami w eksploatacji obiektu
prostego odnawialnego z zerowa odnową są chwile
uszkodzeń, które przy zerowej odnowie, są jednocześnie
chwilami odnów.

T1 T2 T3 T4 T5

Ciąg zmiennych losowych T1, T2, T3, ... stanowiący strumień

odnów jest modelem niezawodnościowym obiektu prostego
odnawialnego z zerowym czasem odnowy. Zmienne Ti są
ciągłymi i dodatnimi zmiennymi losowymi oznaczającymi
czasy pomiędzy kolejnymi uszkodzeniami (jednocześnie
odnowami) obiektu, zatem czas do jego uszkodzenia.
Charakterystyki tych zmiennych losowych są zatem miarami
niezawodnościowymi obiektu.
 Strumienie odnów
Strumienie odnów dzielimy na:
Proste: wszystkie zmienne losowe T1, T2, T3, ... mają
identyczne rozkłady określone dystrybuantą F(t), gęstością
f(t), transformatą Laplace’a f*(s), wartością oczekiwaną θ
oraz odchyleniem standardowym σ .
Ogólne: wszystkie zmienne losowe T2, T3, T4, ... mają
identyczne rozkłady określone dystrybuantą F(t), gęstością
f(t), transformatą Laplace’a f*(s), wartością oczekiwaną θ
oraz odchyleniem standardowym σ , natomiast
dopuszczamy, że pierwsza zmienna losowa T1 ma inny
rozkład określony dystrybuantą F1(t), gęstością f1(t),
transformatą Laplace’a f1*(s), wartością oczekiwaną θ 1 oraz
odchyleniem standardowym σ 1.
 Miary niezawodności
1. Czas Sr do r-tej odnowy (uszkodzenia) – zmienna losowa
spełniająca:
Sr = T1 + T2 + T3 + ... + Tr

Jej dystrybuanta wyznaczana jest na podstawie

{
K r ( t ) = L−1 K ∗r (s) } ∗
K (s)
r
- transformata Laplace’a
dystrybuanty
a gęstość
k r (t ) = L −1
{k (s)}
∗
r
k ∗r (s) - transformata Laplace’a
gęstości
gdzie dla strumienia prostego
∗
(
k r (s) = f (s) ∗
) r
K r (s) = k r (s) = ( f (s) )
∗ 1 ∗ 1 ∗ r
s s
∞
Uwaga: transformata Laplace’a funkcji g(x):
g ∗ (s) = ∫
−sx
g ( x ) e dx
−∞
Miary niezawodności
a dla strumienia ogólnego:
∗ ∗
( ∗
k r (s) = f 1 (s) f (s) ) r −1

K r (s) = k r (s) = f 1 (s)( f (s) )

∗ 1 ∗ 1 ∗ ∗ r −1

s s
dla czasów odpowiednio dużych (t→∞ ) zmienna losowa
Sr dąży do rozkładu normalnego

(
N r ⋅ θ, σ ⋅ r )
 Miary niezawodności
2. Proces stochastyczny N(t) – liczba odnowień do chwili t
Można pokazać, że

{ N ( t ) < r} ≡ { S r > t }
i po elementarnych przekształceniach

P{ N( t ) = r} = K r ( t ) − K r +1( t ) gdzie K 0( t ) ≡ 1
Można pokazać, że dla dużych t (odpowiednio duża liczba
odnowień) proces N(t) dąży do

 t σ⋅ t 

N , 
θ
3 

 θ2 
 Miary niezawodności
3. Funkcja odnowy H(t) – oczekiwana liczba odnowień do
chwili t

H( t ) = E{ Noraz
( t )}
∞ ∞ ∞
H ( t ) = ∑ r ⋅ P{ N( t ) = r} = ∑ K r ( t ) = F1( t ) + ∑ K r ( t ) =
r =0 r =1 r =2
∞
ale
= F1( t ) + ∑ K r +1( t )
r =1
t
K r +1( t ) = ∫ K r gdzie
( t − τ)f (τ)dτ = K r ⊗ f ( t )
0

K r ⊗ f (t) - splot funkcji Kr(t) i f(t)

 Miary niezawodności
Zatem
∞
H( t ) = F1( t ) + ∑ [ K r ( t ) ⊗ f ( t )] = F1( t ) + H( t ) ⊗ f ( t )
r =1

Z twierdzenia o splocie funkcji otrzymujemy:

H ∗ (s) = F1∗ (s) + H ∗ (s) ⋅ f ∗ (s) równanie odnowy

Stąd otrzymujemy
∗ ∗
∗ F (s) 1 f (s)
H (s) = ∗
= 1
∗
1
1− f (s) s 1− f (s) dla strumienia ogólnego

∗
F∗ (s)
1 f ∗
(s)
H (s) = = dla strumienia prostego
1− f (s) s 1− f ∗ (s)
∗
 Miary niezawodności
oraz dalej H( t ) = L {H (s)}
−1 ∗

4. Gęstość odnowy h(t)

d
h ( t ) = H( t )
dt
Można pokazać, że
∗
∗ f 1 (s)
h (s) = ∗
dla strumienia ogólnego
1− f (s)
f ∗ (s)
h ∗ (s) = dla strumienia prostego
1− f ∗ (s)
 Miary niezawodności
Można pokazać, że dla dużych t zachodzą twierdzenia
H(t ) 1 t
lim = dla dużych t
zatem H( t ) =
t →∞ t θ θ
Tw. Blackwella

α
lim[ H( t + α) − H( t )] =
t →∞ θ
dla dużych t oczekiwana liczba odnów w przedziale (t,t+α ) nie
zależy od t.
Tw. Smitha
Gdy g(x) jest nierosnącą funkcją monotoniczną i całkowalną w
przedziale (0,∞ ), to

t węzłowe ∞
twierdzenie
1
lim ∫ godnowy
( t − x )h ( x )dx = ∫ g (u )du
t →∞
0
θ0
 Miary niezawodności
5. P(t,t+τ ) – prawdopodobieństwo tego, że w przedziale
(t,t+τ ) nie będzie uszkodzenia
t
P( t , t + τ) = 1− F1( t + τ) + ∫ [1− F( t + τ − x )] h ( x )dx
0

a dla dużych t (korzystając z tw. Smitha) otrzymujemy

charakterystykę graniczną
∞
1
P(τ) = lim P( t , t + τ) = ∫ [1− F( y)] dy
t →∞ θτ
 Miary niezawodności
6. Pozostały czas zdatności ξ t – jeśli od ostatniej odnowy (r-tej)
minął czas t, to ta zmienna losowa jest resztowym czasem do
kolejnej odnowy (r+1-szej)

ξ t = Sr +1 − t
Można pokazać, że P{ ξ t } = P( t , t + τ )
a jej dystrybuanta
t
Fξ t (τ) = P( t , t + τ ) = 1− F1( t + τ) + ∫ [1− F( t + τ − x )] h ( x )dx
0

Przy dużych t mamy a wartość oczekiwana

τ
1 ∞
Fξ (τ) = ∫ [ R ( y)] dy θ σ2
E (ξ) = ∫ P(τ)dτ = +
θ0 2 2θ
0