复杂系统在可靠性增长AMSAA模型下的数据分析

王艳芝 毛如香 张彦华 师诚 吕爱萍 王大平

摘 要：数据分析可以预测出复杂系统的可靠性水平发展趋势，判定运行一段时间后是否满足设计要求。在可靠性增长模型中，选择AMSAA模型开展数据统计分析，计算产品可靠性值，评估算法合理性，尤其是在定时截尾时对比产品的可靠性计算值与指标，得出可靠性结论。当然，可靠性数据分析的目的，应当从计算过程延伸到识别故障失效机理，采取措施解决设计薄弱环节，并通过持续改进以提高产品可靠性性能中去。

关键词：AMSAA模型；数据；可靠性；分析

开展可靠性工作的基础是数据，数据是可靠性指标评定和寿命评估不可缺少的科学依据。可靠性增长是一个故障发生后，工程师分析故障原因，进而采取措施纠正和预防问题再发生的过程，可靠性数据分析则可以计算出过程累积或瞬时的产品可靠性水平。为保证计算结果真实准确，需要收集试验数据，运用科学的统计分析方法，做出定量计算和客观评价。由于复杂系统是由多个部件集成，有些不可能在试验室内进行系统测试，因此，在这种情况下，可以用现场数据替代试验数据开展数据分析。

1 现场数据的整理分析

从5台地铁车辆的运营线路中采集数据，车队共发生8次影响服务的故障，故障间隔里程（单位：km）列在下表。每次故障后，均对5台产品采取同步预防纠正措施，并在列车累积运行631118km时终止验证。

4 可靠性数据分析的工程意义

在产品全寿命过程中，可靠性数据发挥着不同的作用。在开发阶段，获取相似环境下相似产品的可靠性数据，利用概率统计分析法，预测新产品的可靠性设计状态，提供方案对比和选型的数据支撑。在设计阶段，故障数据揭露薄弱环节或缺陷，促使改进设计，为产品的型谱化提供科学依据。在生产阶段，为了对质量进行控制，必须定期抽样检查，同时开展可靠性数据分析，发现产品在生产、使用操作和维修过程中的问题，采取改进措施。在运行阶段，收集试验或现场数据，真实的反映出在使用环境条件下关键零部件的主要失效机理，数据评估结果也是验证产品通过质保期考核的直接证据。因此，有效管理和应用可靠性模型数据分析，对改善和提高产品质量，增强产品竞争力都有积极作用。

参考文献：

[1] IEC 61164：2004.可靠性增长，统计试验和评估方法.

[2]赵宇.可靠性数据分析.北京：国防工业出版社，2011.

[3]董錫明.轨道列车 可靠性、可用性、维修性和安全性（RAMS）[M]：北京：中国铁道出版社，2009.

[4]张海军.化学电池可靠性增长分析[D].北京理工大学， 2015.

[5]翁榕，范秋涛，石庆国. AMSAA模型在产品的可靠性增长中的应用[D].环境技术， 2015.