Топ машин по надежности: 25 самых надёжных автомобилей — Рейтинг 2020

Содержание

Рейтинг машин по надежности и по качеству

Надежность всегда была ключевым фактором для покупателей новых и подержанных автомобилей, и сегодня она остается таковой. Чтобы помочь вам выбрать самый надежный автомобиль, мы собрали данные о более чем 18 000 автомобилей, охватывающих 31 марку и 218 моделей, чтобы дать каждому уникальный рейтинг надежности. Мы составили ТОП автомобилей, содержащий 10 позиций. Мы разделили его на 5 категорий, чтобы вам было легче найти лучшую машину.

Рейтинг надежных автомобилей. Недорогие модели.

Skoda Octavia

Он дешев в эксплуатации, относительно бюджетный и удобен благодаря современным технологиям, включая новейшее программное обеспечение для смартфонов.

Skoda Octavia

Багажники обеих версий кузова просторны, регулируемы, хорошо отделаны и полны приятных решений. К сожалению, качество материалов Skoda уступает Volkswagen.

Opel Astra II

Opel Astra – это надежные бюджетные автомобили.

Opel Astra II

Цены на ремонт этого автомобиля являются одними из самых низких на рынке, а некоторые технические знания позволяют даже попытаться заменить расходные материалы самостоятельно. Машина идеально подойдет для поездок по городу. Opel Astra – надежный, семейный автомобиль, который понравиться многим.

Fiat Croma

Модель, принадлежащая к среднему классу (сегмент D), выпускалась в 1985–1996 годах, а затем и в 2005 году.

Fiat Croma

Дизайнером первого и второго поколения Croma был Джорджетто Джуджаро. После окончания производства итальянская группа покинула сегмент D на девять лет. В 2005 году измененная Croma вернулась на рынок. На сегодняшний день продали более 600 000 копии.

Volvo V70

Модель выпускается с 1997 года. Буква V в названии относится к слову универсал, так же, как S — седан, а C — купе.

Volvo V70

Эти хорошие автомобили были самыми продаваемыми в Швеции в течение многих лет. Третье поколение модели в настоящее время доступно на рынке. Модернизированная версия V70 называется XC70.

Peugeot 406

Модель, относящаяся к среднему классу (сегмент D), выпущена в 1995-2004 годах. 406 является преемником успешного Peugeot 405.

Peugeot 406

Автомобиль был построен на той же платформе, что и Citroen Xantia (обе марки принадлежат группе PSA). 406 доступен в версиях седан, универсал и купе, разработанных Pininfarina. На смену модели пришел Peugeot 407.

Honda Accord

Модель выпускается с 1976 года. Преемник Honda 1300. Первоначально, до дебюта четвертого поколения в 1989 году, Accord был компактным автомобилем, предлагаемым в версиях хэтчбек или седан.

Honda Accord

С четвертым поколением модель переместилась на класс выше в сегмент D. Большой успех Honda получила в Соединенных Штатах, где Accord из пятого поколения предлагался в версии, отличной от европейской. На сегодняшний день продано более 18 миллионов копий автомобиля, что характеризует его, как надежное недорогое авто.

Рейтинг авто по надежности и качеству. Средние по цене автомобили.

Audi A2

Модель, принадлежащая сегменту B, выпущенная в 2000-2005 гг. Это самый маленький автомобиль в предложении Audi, относящийся к 50 моделям, выпущенным в 1974-78 гг.

Audi A2

A2 был основан на прототипе AI2. Несмотря на множество технических новинок, модель не достигла ожидаемого успеха на рынке. За пять лет было продано всего 175 000 экземпляров А2.

Volkswagen Passat

«Volkswagen Passat» выпускается с 1973 года. «Volkswagen» — это самая надежная марка автомобилей и «Passat» — одна из самых покупаемых моделей немецкого бренда, на сегодняшний день было продано более 20 миллионов экземпляров.

Volkswagen Passat

На момент выхода на рынок Volkswagen Passat заменил модели K70 и Type4 в линейке и был одним из самых современных семейных автомобилей на Старом Континенте. Его класс подтверждается успехами на European Car of the Year, он трижды попадал в тройку лидеров (1989, 1997, 2006), а в 2015 году он, наконец, стал победителем. Восьмое поколение модели доступно с 2014 года.

Рейтинг надежных автомобилей. Дорогие автомобили.

Audi A7

Роскошное пятидверное купе, классифицируется между классом E и классом G (спортивные автомобили).

Audi A7

Его производство началось в 2010 году. A7 считается продолжением традиции легендарных моделей 100 (в частности 100 C1 Coupe) и 200. Автомобиль основан на прототипе концепта Audi Sportback, представленном в 2009 году.

Mercedes E-Class

Автомобили высокого класса, как правило, оснащены технологиями, которые слишком часто выходили из строя на Audi A6, что было ниже среднего показателя надежности в этой области. Это была худшая новость для владельцев BMW 5 серии, так как проблемы с двигателем, коробкой передач и качеством сборки были слишком частыми.

Mercedes E-Class

«E-Class» был лучшим роскошным автомобилем во всех областях, за исключением автоспорта, где он находился чуть позади Jaguar XF.

Топ надежных авто. Кроссоверы.

Mitsubishi Eclipse Cross

Mitsubishi Eclipse Cross выпускается с 2017 года и не имеет ничего общего со спортивным купе под названием Eclipse, которое выпускалось до 2011 года.

Mitsubishi Eclipse Cross

Mitsubishi Eclipse Cross прототипом, которого были модели 2013 и 2015 годов, принадлежит к классу SUV. Eclipse Cross был создан на платформе Mitsubishi GS, которая была разработана в сотрудничестве с концерном DaimlerChrysler (модель Grand Lancer была также построена на той же платформе).

Toyota RAV4

Toyota RAV4 пятого поколения была построена на слегка модифицированной TNGA (TNGA-K). Автомобиль имеет колесную базу на 30 мм длиннее, а корпус короче предыдущего поколения на 5 мм и составляет 4,6 м. Автомобиль также на 10 мм шире (1855 мм) и на 5 мм ниже (1700 мм).

Toyota RAV4

Конструкция кузова RAV4 разработана для обеспечения лучшей аэродинамики. В салоне бросается в глаза экран мультимедийной системы. В стандартной версии Toyota RAV4 она будет 7-дюймовым, но можно будет заказать вариант с увеличенным размером экрана.

Volvo XC60

Volvo XC60 является представителем сегмента SUV, который представлен в предложении шведской компании с 2008 года. Как и подобает почти каждой модели Volvo, XC60 также отличается богатым оснащением, особенно в плане безопасности, и высоким уровнем защиты для водителя и пассажиров. XC60 – это вместительное и надежное авто.

Volvo XC60

volvo

Первое поколение шведского внедорожника среднего класса официально дебютировало в Женеве в 2008 году, но годом ранее на ярмарке в Детройте была объявлена концептуальная модель. Volvo XC60 был разработан Lars Blenwall и построен на Ford (EUCD), на которой были построены другие модели шведского бренда (Volvo S60, V60), а также некоторые модели Ford среднего класса (например, Ford Mondeo, Kuga). На начальном этапе все версии XC60 имели полный привод, с 2010 года была также версия DRIVe только с передним приводом. В 2013 году XC60 первого поколения подверглась фейслифтингу.

Hyundai Tucson

Hyundai Tucson был представлен в 2004 году. На многих рынках (также в России) второе поколение модели предлагалось под названием ix35.

Hyundai Tucson

Возвращение к первоначальному названию при представлении третьего поколения модели означает отказ Hyundai от букв и цифр в названиях кроссоверов. Hyundai Tucson классифицируется как компактный внедорожник. Его соперниками являются такие автомобили, как Toyota RAV4, Suzuki Grand Vitara, Nissan Qashqai и Volkswagen Tiguan.

Рейтинг автомобилей по цене и качеству. Электромобили.

Tesla Model S Coupe

Роскошная модель сегмента E, оснащенная электродвигателем, выпускается с 2012 года. Это первый электрический седан премиум-класса в серийном производстве.

Tesla Model S Coupe

Работа над ним продолжалась, по крайней мере, с середины прошлого десятилетия, в 2009 году был представлен прототип WhiteStar, разработанный Францем фон Хольцхаузеном, на котором основана серийная версия Model S. Модель S также была награждена много раз, в том числе World Green Car 2013 года и Motor Trend Car 2013 года. Среди электромобилей Tesla Model S Coupe – это самая надежная и лучшая машина.

Hyundai Kona Crossover Electric

Обзоры машин показывают, что Hyundai — самая надежная марка автомобиля и модель Kona Crossover Electric подтверждает это.

Hyundai Kona Crossover Electric

Hyundai Kona — небольшой городской кроссовер, выпускаемый с 2017 года. Является первым мини-внедорожником корейской марки, а также самым маленьким автомобилем Hyundai в этом сегменте. Модель была разработана Люком Донкервольком, а ее концептуальным прототипом стала модель 2014 года — Hyundai Intrado. Hyundai Kona был построен на платформе Hyundai i20 2-го поколения. Название модели соответствует одному из регионов на Гавайях, который некоторое время использовался для обозначения внедорожников Hyundai (Веракрус, Крит, Санта-Фе или Тусон). Автомобиль станет частью очень конкурентоспособного сегмента, в котором модель Toyota C-HR недавно достигла огромных успехов.

Kia Niro Crossover Facelifting Electric

Компактный кроссовер выпускается с 2016 года. Это первая модель Kia с гибридным приводом.

Kia Niro Crossover Facelifting Electric

Прототипами Niro были Niro Concept 2013 года и KX-3 Concept 2014 года. Дизайнером Niro является Питер Шрейер, глава стилистов Kia. Это хороший автомобиль от известного производителя.

Peugeot 208 II e-208 Electric

«Peugeot» производит надежные бюджетные автомобили, и эта модель не исключение. Выпускаемый с 2012 года, Peugeot 208 — это городской автомобиль, принадлежащий к сегменту B.

Peugeot 208 II e-208 Electric

В то же время он является наследником и продолжателем традиции знаменитых и продаваемых моделей серии 200, включая 205, 206 и 207. Концептуальный прототип Peugeot 208 был представлен в начале 2012 года под названием GTi Concept. Производственная версия модели ниже, легче и немного меньше по сравнению с предыдущим поколением, хотя она была построена на той же платформе PSA PF1. Интересно, что Peugeot 208 был разработан женщиной, Анной Костаманьей.

Эксперты назвали самые надежные автомобили

https://ria.ru/20200213/1564669410.html

Эксперты назвали самые надежные автомобили

Консалтинговая компания J. D. Power опубликовала рейтинг самых надежных автомобилей. РИА Новости, 13.02.2020

2020-02-13T17:35

2020-02-13T17:45

авто

экономика

/html/head/meta[@name=’og:title’]/@content

/html/head/meta[@name=’og:description’]/@content

https://cdn22.img.ria.ru/images/149270/55/1492705506_36:0:1757:968_1400x0_80_0_0_1e502e9bd00711eb67dc677bba0aaaa1.jpg

https://ria.ru/20200118/1563579015.html

РИА Новости

Россия, Москва, Зубовский бульвар, 4

7 495 645-6601


https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

2020

РИА Новости

Россия, Москва, Зубовский бульвар, 4

7 495 645-6601


https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

Новости

ru-RU

https://ria.ru/docs/about/copyright.html

https://xn--c1acbl2abdlkab1og.xn--p1ai/

РИА Новости

Россия, Москва, Зубовский бульвар, 4

7 495 645-6601


https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

https://cdn22.img.ria.ru/images/149270/55/1492705506_36:0:1757:968_1400x0_80_0_0_1e502e9bd00711eb67dc677bba0aaaa1.jpg

https://cdn23.img.ria.ru/images/149270/55/1492705506_251:0:1542:968_1400x0_80_0_0_7896e90d802ce96c6bfd6062436f6fee.jpg

https://cdn22.img.ria.ru/images/149270/55/1492705506_412:0:1380:968_1400x0_80_0_0_ace609db414671a7260d1a725949ffac.jpg

РИА Новости

Россия, Москва, Зубовский бульвар, 4

7 495 645-6601


https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

РИА Новости

Россия, Москва, Зубовский бульвар, 4

7 495 645-6601


https://xn--c1acbl2abdlkab1og.xn--p1ai/awards/

авто, экономика

МОСКВА, 13 фев — РИА Новости. Консалтинговая компания J. D. Power опубликовала рейтинг самых надежных автомобилей.

Аналитики опросили автовладельцев и подсчитали количество поломок на сотню машин одной марки. Учитывались различные жалобы: от проблем со светотехникой до неполадок бортовых систем и электронных «помощников». Срок эксплуатации машин составил от двух лет.

Автомобиль KIA Rio

18 января, 15:16

Названы самые популярные иномарки в России

В итоге первую строчку в общем рейтинге занял южнокорейский бренд Genesis. На сто машин двух моделей марки аналитики зафиксировали 89 жалоб. Второе место у Lexus — по одной жалобе на машину. Третье место у американского бренда Buick — 103 жалобы.

В первую пятерку также вошли Porsche (104) и Toyota (113).

Пять последних мест в рейтинге заняли GMC (162), Volvo (185), Jaguar (186), Chrysler (214) и Land Rover (220).

RAEX: Рейтинг самых надежных автомобилей

Траты на ремонт каких машин окажутся минимальными, а какие автомобили, наоборот, запросятся в сервис вскоре после покупки

Подороже

Рейтинг RAEX построен на основе известных европейских и американских исследований. Самыми надежными автомобилями в премиум-сегменте стали такие модели, как Porsche 911, Mercedes-Benz GLK, Mercedes SLK. Об этом свидетельствует, в частности, то, что в европейском рейтинге TUV Report-2019 в категории «2–3 года» (имеется в виду возраст авто) из 119 моделей в списке 15 самых надежных 1-е место заняла модель Porsche 911 – только у 2,5% машин при среднем пробеге в 26 000 км были

обнаружены в результате инспекции неисправности. Далее в первой тройке идут Mercedes B-Klasse и Mercedes GLK – у 2,6% этих машин были обнаружены неисправности при пробеге около 40 тыс. км. Неплохие результаты в оценочных списках надежности показывают также все модели марки Lexus (по всем показателям эта марка лидирует), а также Audi Q3, Audi 4

 

Увеличить изображение (откроется в новой вкладке)

Подешевле

В массовом сегменте хорошие показатели прочности ключевых узлов и агрегатов демонстрируют японские марки. Например, в том же TUV Report-2019 высокие оценки получили упомянутые модели Toyota Rav4 и Suzuki SX4. Также в этом году на 7-е место рейтинга вырвалась корейская модель Hyundai i20 с хорошим показателем в 3% поломок на 33 тыс. км пробега, а на 17-м и 19-м местах оказались модели Toyota Yaris и Verso. Что же касается списка самых «ломучих» машин в нижней части рейтинга, то среди европейских моделей обращает на себя внимание присутствие марки Volkswagen: на 110, 111, 113-е места опустились  такие модели, как Passat, Passat CC, Sharan. Помимо этого в списке самых ненадежных машин в Европе сейчас значатся американская марка Ford, французская Citroen, итальянская Fiat, румынская Dacia и неожиданно оказавшаяся в хвосте корейская Kia.

Увеличить изображение (откроется в новой вкладке)

Плохим звоночком для российских автолюбителей может служить тот факт, что на последнее место в рейтинге надежности попала популярная в России модель Dacia Logan  – в 14,6% этих машин обнаружена поломка. Также неприятный результат в Европе показала популярная в России корейская модель Kia Sportage – в рейтинге этого года она попала на 125-е место, немецкие инспектора обнаружили поломку у 11,7% машин.

Россия имеет специфичные условия эксплуатации автомобилей – и климат, и дороги далеко не самые простые. Поэтому на итоговый балл рейтинга RAEX повлияли результаты и исследования одного из крупнейших отечественных интернет-аукционов – CarPrice. Согласно данным этой компании, по надежности в России сейчас лидируют японские марки. В частности, прочно держат первые три места такие бренды, как Lexus, Toyota, Acura (4,92, 4,91 и 4,9 балла). Также в первые 15 самых надежных автомобилей входят следующие японские марки: Suzuki, Mazda, Infiniti, Subaru, Honda, Mitsubishi. Неплохие показатели в России имеют и немецкие марки, такие как Smart, Mercedes-Benz, BMW. Аутсайдером же рейтинга стали традиционные российские автомобильные бренды – Lada (4,4) и «УАЗ» (4,27). Неважные показатели у китайских автомобилей Lifan, FAW (4,20 и 4,14), а также

у французских марок Peugeot и Citroen (4,36 и 4,34). На последнем же месте расположилась корейская марка Daewoo, которая в свое время была поглощена американским General Motors и до недавнего времени выпускалась его предприятием в Узбекистане (4,0). Таким образом, выбирая новый автомобиль, стоит в первую очередь обращать внимание на немецкие и японские бренды и с осторожностью относиться к «итальянцам» и «французам», а также к традиционным российским маркам.

Названы самые надежные автомобили :: Autonews

Американская компания J.D. Power and Associates, которая проводит независимые исследования удовлетворенности клиентов, опубликовала ежегодный рейтинг автопроизводителей с самыми качественными и надежными машинами. В этом году список возглавили компании Kia Motors и Dodge, говорится в отчете.

Исследование основано на опросе 87 282 американских владельцев новых автомобилей. Их попросили ответить на 233 вопроса (разделены на девять основных категорий) о проблемах, обнаруженных ими в первые 90 дней эксплуатации. На основе опроса был составлен рейтинг, отображающий среднее количество дефектов, приходящихся на 100 автомобилей каждой марки.

Выяснилось, что на каждые 100 автомобилей компании Kia приходится 136 проблем. Такие же показатели у Dodge. Далее следуют Chevrolet и Ram. Их показатели составили 141 дефект на 100 автомобилей. Первую пятерку замыкает премиальный суббренд фирмы Hyundai — Genesis (142 неисправности на 100 машин).

Наибольшее количество неполадок обнаружили в своих машинах владельцы Tesla — 250 дефектов на 100 автомобилей. Кроме того, в самом низу списка оказались марки Land-Rover и Audi с показателями 228 и 225 проблем соответственно.

«За последние десять лет машины сегмента масс-маркет постепенно улучшают свои позиции в рейтинге. Эта тенденция сохраняется и в 2020 году. В частности, это можно объяснить тем, что премиальные бренды обычно оснащают свои автомобили более сложными технологиями, что может вызвать проблемы у некоторых владельцев», — говорится в сообщении J.D. Power and Associates.

Автосервисы Autonews

Искать больше не нужно. Гарантируем качество услуг.Всегда рядом.

Выбрать сервис

Так, в компании отметили, что больше всего владельцы новых машин по-прежнему жалуются на сбои и ошибки в мультимедийных комплексах, а также на некорректную работу электронных вспомогательных систем.

Надежность и доступность: понимание различий и их взаимосвязи

Хотя непрофессионалы часто используют как взаимозаменяемые, надежность и доступность имеют два очень разных значения в контексте заводского обслуживания. Их смешение может означать сбивание с толку важных данных о работе машины и, что еще хуже, упущение эффективности подхода к обслуживанию.

Причина путаницы между терминами связана с семантикой. Надежность — это показатель того, как долго машина выполняет свою функцию, тогда как доступность — это показатель процента времени, в течение которого машина находится в рабочем состоянии.Например, машина может быть доступна 90% времени, но надежна только 75% времени с точки зрения производительности.

Понимание разницы между надежностью и доступностью, а также их взаимосвязи позволяет лучше подойти к обслуживанию.

Отличительные отличия

Это помогает думать о надежности с точки зрения контроля качества и доступности с точки зрения эксплуатации. У вас может быть машина, которая находится в рабочем состоянии и может работать, но из-за неэффективности имеет более низкий уровень надежности при обработке дефектов.Ключ к тому, чтобы увидеть разницу, заключается в том, как измеряется каждая переменная:

  • Готовность машины измеряет общее время безотказной работы, разделенное на общее время простоя, чтобы получить процент доступных рабочих часов. Формула для этого — среднее время ремонта (MTTR) (в часах) плюс среднее время между ремонтами (MTBR) (в часах), деленное на MTBR.
  • Надежность машины измеряет интенсивность отказов машины при выполнении поставленной задачи. Обычно это классифицируется как общее количество отказов, деленное на общее время безотказной работы машины.MTBR также используется как прямое представление о надежности, поскольку машина не может быть доступной или надежной, когда она не работает.

Категорическое признание надежности и доступности как двух различных переменных означает понимание того, как ваш подход к обслуживанию может решать проблемы с одной или обоими из них.

Подобные, но разные подходы к обслуживанию

Регулярное техническое обслуживание может сделать машину доступной, но ненадежной. Точно так же нечастое, но качественное обслуживание может снизить доступность, но повысит надежность во время безотказной работы.Повышение согласованности планового профилактического обслуживания обычно направлено на проблемы с доступностью, в то время как упор на качество и точность обслуживания решит проблемы с надежностью.

Более важным для рассмотрения, чем эти отдельные аспекты обслуживания, является общая надежность и обслуживание оборудования (ERM). В этом подходе доступность и надежность рассматриваются как две стороны одной медали, а не как отдельные проблемы или единая идея. Когда мы рассматриваем их как отдельные концепции с переплетенными судьбами, наш подход должен отражать эту концепцию.

Согласно National Academic Press, ERM «охватывает не только оборудование, такое как машины, инструменты и приспособления, но также технические, эксплуатационные и управленческие действия, начиная от технических требований к оборудованию и заканчивая ежедневной эксплуатацией и обслуживанием, необходимым для поддержания производительности. производственного оборудования на протяжении всего срока его службы ». Этот метод признает надежность как зависимость от доступности, а доступность зависит от комплексного обслуживания и аккуратной эксплуатации.

Собираем вместе

Вы бы предпочли иметь машину более доступную или более надежную? Почему не оба? Слишком много планов обслуживания сосредоточено на одной переменной, тогда как подход ERM может быть простым способом сосредоточиться на обеих. Повышение надежности означает, прежде всего, доступность, и это начинается с надежного обслуживания. Контроль персонала, методов, оборудования, материалов и измерений (обычно называемых пятью M) обеспечит подход ERM, который учитывает как доступность, так и надежность вашего оборудования.

Запросить цену

Как выглядит статистика надежности и доступности вашей техники? Если один или оба страдают, возможно, пришло время поддержать ваш план обслуживания. Положитесь на профессионалов Global Electronic Services. Свяжитесь с нами по всем вопросам, связанным с промышленной электроникой, серводвигателем, электродвигателем переменного и постоянного тока, гидравликой и пневматикой, и не забывайте ставить лайки и подписываться на нас на Facebook!
,

Профилактическое обслуживание и машинное обучение: революция в

Predictive Maintenance and Machine Learning: Revolutionizing Reliability by Richard Irwin

Рис. 1. PdM — одно из основных преимуществ во всех отраслях, особенно в нефтегазовой.

«Машинное обучение прокладывает путь к более разумным и быстрым способам принятия решений на основе данных при профилактическом обслуживании (PdM)».

Одна из целей обеспечения надежности — выявление и управление рисками, связанными с активами, которые могут выйти из строя и вызвать ненужные и дорогостоящие простои.Организации знают, что важно определить области потенциальных сбоев и оценить их с точки зрения вероятности и последствий. Они также внедрили эффективные стратегии обеспечения надежности и внедрили упреждающие программы технического обслуживания с учетом состояния. Но теперь машинное обучение помогает обслуживающим организациям выйти на более высокий уровень ситуационного интеллекта, чтобы направлять действия и обеспечивать ранние предупреждения о надвигающемся отказе активов, который ранее оставался незамеченным. Машинное обучение прокладывает путь к более разумным и быстрым способам принятия решений на основе данных при профилактическом обслуживании (PdM).

figure 2 Рисунок 2: Машинное обучение может помочь интеллектуальным сетям стать еще умнее

Несмотря на то, что машинное обучение исследовалось на протяжении десятилетий, его использование для применения искусственного интеллекта (ИИ) на промышленных предприятиях и в операциях с объектами инфраструктуры сейчас быстро развивается. Этот приток использования машинного обучения связан с ростом больших данных, расширением промышленного Интернета вещей (IIoT), доступностью вычислительных мощностей для числового анализа этого увеличения данных, а также необходимостью в превосходных прогнозных и предписывающих возможности, необходимые для управления современными сложными активами.В то время как машинное обучение обычно связано с такими отраслями, как транспорт и банковское дело (подумайте о беспилотных автомобилях и мониторинге мошенничества, соответственно), машинное обучение и PdM можно использовать во многих отраслях промышленности. В этой статье основное внимание уделяется некоторым внутренним принципам. машинное обучение и отрасли, стремящиеся использовать преимущества его приложений, чтобы максимально использовать преимущества машинного обучения для улучшения ситуационного интеллекта, производительности и надежности.

Но сначала важно отметить, что существует множество вариантов и методов, позволяющих получить больше информации и принять более обоснованные решения относительно работы и производительности ваших активов.Все сводится к знанию того, что лучше всего подходит для ваших нужд и какие данные вы используете. Данные бывают разных форм и размеров и могут состоять из временных рядов, помеченных, случайных, прерывистых, неструктурированных и многих других. Все данные содержат информацию, это просто случай использования правильного подхода, чтобы разблокировать ее. Именно здесь алгоритмы, используемые в машинном обучении, помогают лицам, принимающим решения.

6 вопросов, которые следует задать перед инвестированием в машинное обучение

Прежде чем принимать решение о том, что подходит вам и вашей организации, важно понимать сложность машинного обучения.Вот несколько вопросов, которые следует рассмотреть перед внедрением машинного обучения:

  1. Что вы хотите, чтобы ваши данные предоставляли Задайте вопрос своим данным. Что вам нужно знать, что именно вы ищете? Что вы хотите, чтобы ваши данные говорили вам? Что вы не видите из того, что, по вашему мнению, могут предоставить данные?
  2. Чисты ли ваши данные? Убедитесь, что ваши данные доступны, готовы и проверены. Чем больше данных, тем лучше и точнее будут результаты.
  3. Достаточно ли у вас данных? Для точных прогнозов машинному обучению требуется много исторических данных, на которых можно обучаться, а затем его можно применять к данным в реальном времени.
  4. Какую платформу машинного обучения выбрать? Тщательно выбирайте платформу машинного обучения и учитывайте возможность взаимодействия.
  5. Следует ли вам нанять специалиста по данным и как этот человек будет интегрирован в организацию? При машинном обучении может потребоваться специалист по обработке данных или аналитик, но этого человека не следует запирать в темной комнате.
  6. Вы можете поделиться выводом данных? Знания, полученные с помощью машинного обучения, не следует применять только к одному проекту за раз. Его масштабируемость означает, что его можно и нужно использовать в масштабах всего предприятия, обеспечивая понимание любой области, богатой данными. Планируйте максимально эффективно использовать машинное обучение.

figure 3 Рисунок 3: Машинное обучение состоит из множества различных методов обработки данных.

Путь к более глубокому пониманию

Машинное обучение упрощает понимание сложных процессов и данных и идеально подходит для отраслей, богатых активами и данными.В любой отрасли критически важным для успеха является способность распознавать отказ оборудования и избегать незапланированных простоев, затрат на ремонт и потенциального ущерба окружающей среде. Это особенно актуально в сегодняшние неспокойные времена. Машинное обучение открывает множество возможностей улучшить ситуацию с PdM и позволяет заранее прогнозировать критические сбои.

PdM — одна из наиболее актуальных областей применения машинного обучения в промышленном секторе. Профилактическое обслуживание — это стратегия проверки отказов, которая использует данные и модели для прогнозирования отказа актива или единицы оборудования, чтобы можно было вовремя запланировать упреждающие корректирующие действия.PdM может охватывать большую область тем, от прогнозирования отказов и диагностики отказов до рекомендаций по смягчению последствий или действиям по обслуживанию после отказа. Лучшее техническое обслуживание — это продвинутые формы упреждающего технического обслуживания по состоянию. Благодаря сочетанию приложений машинного обучения и обслуживания, использующих данные IIoT, ряд положительных результатов и снижение затрат, времени простоя и рисков окупаются вложениями.

Какой бы путь ни был выбран, преимущества машинного обучения для больших данных только начинают воплощаться в жизнь.Возможности быстро развиваются, а повышение производительности лежит в основе отрасли, богатой данными, в которой вы работаете. Вот несколько примеров, ведущих в этой стремительной цифровой трансформации.

Электроэнергетика — Электроэнергетические компании страдают от старения активов, увеличения спроса на энергию и более высоких затрат. Способность распознавать отказ оборудования и избегать незапланированных простоев, затрат на ремонт и потенциального ущерба окружающей среде имеет решающее значение для успеха во всех сферах бизнеса.Машинное обучение дополняет интеллектуальную сеть, чтобы лучше использовать и получать информацию от IIoT, с огромным количеством подключенных активов, распределенных по большой сети. С трансформаторами, опорами, кабелями, турбинами, хранилищами и т. Д. Вероятность отказа оборудования высока и сопряжена с риском, поэтому прогнозирование отказов с помощью данных и моделей является новым ответом на обеспечение бесперебойной работы сети.

Нефть и газ — В нефтегазовой отрасли способность распознавать отказы оборудования и избегать незапланированных простоев, затрат на ремонт и потенциального ущерба окружающей среде имеет решающее значение для успеха во всех сферах деятельности, от определения коллектора скважин и стратегии бурения до добычи. и обработка.С точки зрения поддержания надежного производства, выявление отказов оборудования — одна из основных областей, в которой машинное обучение будет играть важную роль. PdM предсказывает, когда актив или часть оборудования выйдет из строя, поэтому техническое обслуживание можно запланировать заблаговременно, чтобы свести к минимуму сбои. Благодаря сочетанию приложений машинного обучения и обслуживания, использующих данные IIoT для получения более точных оценок отказов оборудования, диапазон положительных результатов и сокращение времени простоя и связанных с этим затрат означает, что инвестиции окупаются.

Water Utilities — Компании водоснабжения также сталкиваются с теми же проблемами, что и устаревшая инфраструктура, рост затрат, ужесточение правил и рост спроса. Они также обладают теми же преимуществами, что предлагает машинное обучение, например, выявляют отказ оборудования до того, как он произойдет, но не только для прогнозирования отказа, но и для определения того, какой сбой типа произойдет. Другие преимущества машинного обучения в водном хозяйстве включают удовлетворение спроса и предложения с помощью прогнозного прогнозирования и создание «умных» счетчиков, помогающих сократить количество отходов, например, во время нехватки воды.

Производство — Производство было основной отраслью, упомянутой наряду с машинным обучением, и не зря, поскольку выгоды от этого вполне реальны. Эти преимущества включают снижение эксплуатационных расходов, повышение надежности и производительности — три цели, относящиеся к святой троице производства. Для их достижения производству также требуется цифровая платформа для сбора, хранения и анализа данных, генерируемых системами управления и датчиками на оборудовании, подключенном через IIoT.Профилактическое обслуживание (PM) является ключом к увеличению времени безотказной работы и производительности, поэтому повышенная точность прогнозирования отказов оборудования имеет важное значение при повышенном спросе. Кроме того, зная заранее, что вот-вот выйдет из строя, запасные части и запасы могут использовать эти данные, чтобы гарантировать их соответствие прогнозу. Улучшение производственных процессов с помощью надежной системы мониторинга состояния может дать беспрецедентное представление об общей эффективности оборудования за счет регулярного и последовательного мониторинга давления и температуры воздуха и масла.

Оцифровка и преобразование с помощью машинного обучения

Первые пользователи машинного обучения уже ощутили преимущества PdM в скорости доставки информации, стоимости и полезности. Это дает им больше информации и возможностей для принятия более разумных решений. Некоторые из этих первых последователей также комбинируют машинное обучение с другими технологиями оцифровки, такими как информационные панели визуализации, облачные данные IIoT, аналитика и моделирование реальности, для еще более выгодного процесса, ориентированного на модели.Результатом является комплексное решение для эксплуатации, технического обслуживания и проектирования.

Наличие плана PdM на основе машинного обучения даст вам беспрецедентное представление о вашей работе и приведет к значительным преимуществам в эффективности, безопасности, оптимизации и принятии решений. Цифровая трансформация промышленности сейчас переживает переломный момент, когда все технологии объединяются одновременно. Подход PdM к надежности и производительности активов означает, что анализ первопричин (RCA) может уйти в прошлое.На его место придет машинное обучение, которое учитывает всю историю сбоев и заранее определяет их признаки.

figure 4 Рис. 4: План PdM обеспечивает беспрецедентное понимание ваших активов

Пример использования машинного обучения

Это тематическое исследование демонстрирует применение различных методов машинного обучения на перерабатывающем предприятии.

Проблема

Производитель стали регулярно закрывает предприятия для проведения технического обслуживания своих активов, что обходится очень дорого.Стальная продукция иногда может деформироваться или деформироваться в процессе производства, когда она проходит через разные стадии. Эти сбои можно исправлять только каждые шесть месяцев, а также ежемесячно для небольших исправлений во время планового и очень дорогостоящего обслуживания, которое включает длительные периоды простоя.

Цели

Производитель стали ставит перед собой следующие цели:

  • Уменьшите количество дефектов и определите первопричину;
  • Определите ключевые переменные, которые имеют наибольшее значение;
  • Расставить приоритеты для активов во время остановки.

Решение и план действий

Было установлено, что машинное обучение может помочь производителям стали в достижении поставленных целей.

Первая часть процесса машинного обучения заключалась в сортировке данных в самоорганизующуюся карту с использованием нейронных сетей для организации данных в 10 различных классов на основе параметров стали, таких как толщина и вес, на каждом этапе производства. Другие методы включали деревья решений, чтобы изучить структуру данных и определить, какие функции были важны в этих шаблонах; приоритезация состояния активов для ранжирования; индексация состояния активов для определения состояния активов; анализ основных компонентов для уменьшения размерности данных; а также обнаружение кластеров и аномалий, которое показывает, как каждая стойка отклоняется от своего нормального рабочего режима.

В результате был разработан метод работы с различными типами продуктов, способность определять основные переменные, связанные с производственными дефектами, и процесс применения обнаружения аномалий к оборудованию на промышленном предприятии.

Результаты

Было показано, что эти процессы могут снизить потребность в обширном анализе оборудования и дать операторам более совершенные инструменты и больше информации для принятия решений по техническому обслуживанию.Значительное количество времени уходит на выявление причины проблем и выполнение технического обслуживания. Новый алгоритм может быть запущен перед планированием останова, и он может определить, какой стенд будет приоритетным во время останова, путем анализа диаграмм аномалий активов. Сосредоточение внимания на активах, которые подвергаются наибольшему риску, оптимизирует остановку, поскольку она проводится только в течение ограниченного времени.


Author headshot

Ричард Ирвин

Ричард Ирвин (Richard Irwin) — старший специалист по маркетингу в службе оперативной аналитики Bentley System.У него более 10 лет опыта работы в сфере аналитики. В своей роли Ричард работает с отделами продаж и отраслевыми командами, чтобы координировать маркетинговые возможности в широком спектре отраслей, применимых к AssetWise. www.bentley.com

,

Надежность и обслуживание оборудования | Конкурентоспособность: приоритеты исследований в обрабатывающей промышленности США

домашних баз знаний. (См. Главу 6, Повышение производственных навыков для получения дополнительной информации по этой теме.)

Промышленность США не без примеров упора на ERM. Например, производители авиационных двигателей США сосредоточили внимание на ERM, чтобы добиться большей надежности, требуемой клиентами. Стандарты публикуются для обслуживания и эксплуатации, а также для сравнения характеристик авиационных двигателей.Результаты этих сравнений производительности публикуются в отраслевой прессе.

Программы ERM нескольких производителей из США и Японии описаны в следующих параграфах.

Штамповка деталей автомобилей США и Японии

Производственные предприятия, находящиеся в полной собственности и совместные предприятия, созданные в Северной Америке японскими фирмами в 1980-х годах, служат основой для сравнения американской и японской практики ERM в различных областях.Одним из примеров является штамповка автомобильных капотов, крыльев, дверей и других основных стальных компонентов.

Ключевой технологией штамповки является трансферный пресс, который включает механизм для перемещения деталей между пятью или шестью штампами. Высокие затраты на приобретение и эксплуатацию (штампы и прессы составляют значительную часть капиталовложений в производство автомобилей) заставляют автопроизводителей запускать несколько комплектов штампов на одной линии. Время замены штампа, которое обязательно представляет собой запланированный простой машины, является критически важным элементом общих рабочих характеристик, а быстрая и эффективная смена штампа является ключевой основой конкуренции в операциях штамповки.

Производственные мощности японских автопроизводителей в США, использующие американских рабочих для работы от трех до пяти прессов, часто достигают как минимум вдвое большей производительности по сравнению с сопоставимыми предприятиями США в расчете на одну линию или одну печать. Практика ERM вносит значительный вклад в это достижение.

Методы ERM японских фирм — это базовая практика, которая осуществляется неукоснительно. Например, японские линии штамповки должны работать с более низкой и более надежной скоростью, чем эквивалентный U.С. линий. Они более чем компенсируют разницу в скорости за счет быстрой и точной замены штампов, стабильной и надежной работы и дисциплинированных рабочих процедур. Матрицы регулярно очищаются и смазываются, а ремонт завершается в соответствии с исходными спецификациями до того, как проблемы станут серьезными. Более того, японские заводы характеризуются очень дисциплинированным подходом к основному хозяйству — полы и производственное оборудование содержатся в безупречной чистоте. Совокупный эффект от этих методов отражается в продукте — массовом производстве автомобильных кузовных частей, стоимость которых составляет

.

,

Надежность и ремонтопригодность в управлении операциями

1. Введение

Изучение надежности компонентов и процессов является основой многих оценок эффективности в дисциплине «Управление операциями». Например, при расчете общей эффективности оборудования (OEE), введенном Накадзимой [1], необходимо оценить важный параметр, называемый доступностью. Это строго связано с надежностью. Еще в качестве примера рассмотрим, как при изучении уровня обслуживания важно знать доступность машин, которая снова зависит от их надежности и ремонтопригодности.

Надежность определяется как вероятность того, что компонент (или вся система) будет выполнять свои функции в течение определенного периода времени при работе в своей среде проектирования. Таким образом, элементы, необходимые для определения надежности, являются однозначным критерием для оценки того, работает что-то или нет, и точным определением условий окружающей среды и использования. Затем надежность может быть определена как зависящая от времени вероятность правильной работы, если мы предположим, что компонент используется по назначению в его среде разработки, и если мы четко определим, что мы подразумеваем под «отказом».Для этого определения любое обсуждение основ надежности начинается с охвата ключевых понятий вероятности.

Более широкое определение надежности заключается в том, что «надежность — это наука, позволяющая прогнозировать, анализировать, предотвращать и устранять сбои с течением времени». Это наука со своими теоретическими основами и принципами. В нем также есть суб-дисциплины, все в той или иной степени связанные с изучением и познанием неисправностей. Надежность тесно связана с математикой, особенно со статистикой, физикой, химией, механикой и электроникой.В конце концов, учитывая, что человеческий фактор почти всегда является частью систем, он часто имеет отношение к психологии и психиатрии.

Помимо прогноза надежности системы, надежность также пытается дать ответы на другие вопросы. В самом деле, мы можем попытаться получить из надежности также показатели доступности системы. Фактически, доступность зависит от времени между двумя последовательными отказами и от того, сколько времени требуется для восстановления системы. Исследование надежности также можно использовать для понимания того, как можно избежать неисправностей.Вы можете попытаться предотвратить возможные сбои, воздействуя на дизайн, материалы и обслуживание.

Надежность включает почти все аспекты, связанные с владением собственностью: управление затратами, удовлетворенность клиентов, надлежащее управление ресурсами, способность продавать товары или услуги, безопасность и качество продукции.

В этой главе представлено обсуждение теории надежности, подкрепленное практическими примерами, представляющими интерес в управлении операциями. Основные элементы теории вероятностей, такие как пространство выборки, случайные события и теорема Байеса, должны быть пересмотрены для более глубокого понимания.

2. Основы надежности

Период регулярной эксплуатации оборудования заканчивается, когда любое химико-физическое явление, указанная неисправность, произошла в одной или нескольких его частях, определяет отклонение его номинальных характеристик. Это делает поведение устройства неприемлемым. Оборудование переходит из рабочего состояния в неработающее.

В таблице 1 неисправности классифицируются по их происхождению. Для каждого режима отказа дано расширенное описание.

Причина отказа Описание
Напряжение, удары, усталость Функция временного и пространственного распределения условий нагрузки и реакции материала.Структурные характеристики компонента играют важную роль и должны оцениваться как можно более широко, включая также возможные конструктивные ошибки, варианты исполнения, дефекты материала и т. Д.
Температура Эксплуатационная переменная, которая в основном зависит от специфические характеристики материала (тепловая инерция), а также пространственное и временное распределение источников тепла.
Износ Состояние физического разрушения компонента; он проявляется в результате явлений старения, сопровождающих нормальную деятельность (трение между материалами, воздействие вредных агентов и т. д.).)
Коррозия Явление, которое зависит от характеристик среды, в которой работает компонент. Эти условия могут привести к деградации материала или химическим и физическим процессам, которые делают компонент более непригодным.

Таблица 1.

Основные причины отказа. В таблице показаны основные случаи отказа с подробным описанием

Для исследования надежности необходимо преобразовать реальность в модель, которая позволяет проводить анализ, применяя законы и анализируя его поведение [2].Модели надежности можно разделить на статические и динамические. Статические модели предполагают, что отказ не приводит к возникновению других отказов. Динамическая надежность , напротив, предполагает, что некоторые отказы, так называемые первичные отказы, способствуют возникновению вторичных и третичных отказов с каскадным эффектом. В этом тексте мы будем иметь дело только со статическими моделями надежности.

В традиционной парадигме статической надежности отдельные компоненты имеют двоичное состояние: либо работают, либо неисправны.Системы, в свою очередь, состоят из целого числа n компонентов, все взаимно независимых. В зависимости от того, как компоненты сконфигурированы при создании системы, и в зависимости от работы или отказа отдельных компонентов, система либо работает, либо не работает.

Давайте рассмотрим общую X-систему, состоящую из элементов. Статическое моделирование надежности подразумевает, что рабочее состояние i-го компонента представлено функцией состояния X, определенной как:

Xi = 1, если i-й компонент работает 0, если i-й компонент не работает E1

Состояние работы системы моделируется функцией состояния ΦX

ΦX ​​= 1, если система работает0, если система не работает E2

Наиболее распространенной конфигурацией компонентов является последовательная система.Последовательная система работает тогда и только тогда, когда работают все компоненты. Следовательно, статус последовательной системы задается функцией состояния:

ΦX ​​= ∏i = 1nXi = mini∈1,2,…, n⁡XiE3

, где символ ∏ обозначает произведение аргументов.

Конфигурации системы часто представляются графически с помощью блок-схем надежности (RBD), где каждый компонент представлен блоком, а связи между ними выражают конфигурацию системы. Работа системы зависит от возможности пересекать схему слева направо, только проходя через элементы в работе.На рисунке 1 показан RBD четырехкомпонентной системы.

Рисунок 1.

Блок-схема надежности для четырехкомпонентной (1,2,3,4) последовательной системы.

Второй наиболее распространенной конфигурацией компонентов является параллельная система. Параллельная система работает тогда и только тогда, когда работает хотя бы один компонент. Параллельная система не работает тогда и только тогда, когда не работают все компоненты. Итак, если Φ-X — функция, которая представляет состояние неработоспособности системы, а X-i указывает на нефункционирование i-элемента, вы можете написать:

Φ-X = ∏i = 1nX-iE4

Соответственно, состояние параллельной системы задается функцией состояния:

ΦX ​​= 1-∏i = 1n1-Xi = ∐i = 1nXi = maxi∈1,2,…, n⁡XiE5

, где символ ∐ указывает дополнение произведения дополнений аргументов.На рисунке 2 показан RBD для системы из четырех параллельно расположенных компонентов.

Рисунок 2.

Параллельная система. Изображение представляет собой RBD системы из четырех элементов (1,2,3,4), расположенных в параллельной конфигурации надежности.

Еще одна распространенная конфигурация компонентов — это последовательно-параллельные системы. В этих системах компоненты конфигурируются с использованием комбинаций последовательной и параллельной конфигураций. Пример такой системы показан на рисунке 3.

Функции состояния для последовательно-параллельных систем получаются путем декомпозиции системы.При таком подходе система разбивается на подсистемы или конфигурации, которые включены последовательно или параллельно. Затем функции состояния подсистем соответствующим образом комбинируются в зависимости от того, как они настроены. Схематический пример показан на рисунке 4.

Рисунок 3.

Последовательно-параллельная система. На рисунке показана RBD системы за счет последовательно-параллельной модели из 9 элементарных блоков.

Рисунок 4.

Расчет функции состояния последовательно-параллельного.Ссылаясь на конфигурацию на Рисунке 3, функция состояния системы вычисляется, сначала выполняя функции состояния как параллель {1,2}, {3,4, 5} и {6,7, 8, 9 }. Затем мы оцениваем функцию состояния ряда только что полученных трех групп.

Конкретная конфигурация компонентов, широко известная и используемая, — это параллельных k из n. Система kout из n работает тогда и только тогда, когда работает хотя бы k из n компонентов. Обратите внимание на то, что последовательную систему можно рассматривать как систему вне n, а параллельную систему — как систему 1 из n.Функция состояния системы kout из n задается следующей алгебраической системой:

ΦX ​​= 1, если ∑i = 1nXi≥k0, иначе E6

RBD для системы kout из n имеет внешний вид, идентичный схеме RBD параллельной система nкомпонентов с добавлением метки «kout of n». Для других более сложных конфигураций системы, таких как конфигурация моста (см. Рисунок 5), мы можем использовать более сложные методы, такие как минимальный набор путей и минимальный набор разрезов, чтобы построить функцию состояния системы.

Минимальный набор путей — MPS — это подмножество компонентов системы, так что работа всех компонентов в подмножестве подразумевает работу системы. Набор минимален, потому что удаление любого элемента из подмножества устраняет это свойство. Пример показан на рисунке 5.

Рисунок 5.

Minimal Path Set. Система слева содержит набор минимальных путей, обозначенный стрелками и показанный в правой части. Каждый из них представляет собой минимальное подмножество компонентов системы, так что работа всех компонентов в подмножестве подразумевает работу системы.

Минимальный набор разрезов — MCS — это подмножество компонентов системы, так что отказ всех компонентов в подмножестве не подразумевает работу системы. Тем не менее, набор называется минимальным, потому что удаление любого компонента из подмножества очищает это свойство (см. Рисунок 6).

Рисунок 6.

Набор минимальной резки. Система слева содержит набор минимальных разрезов, обозначенных пунктирными линиями, показанными в правой части. Каждый из них представляет собой минимальное подмножество компонентов системы, так что отказ всех компонентов в подмножестве не подразумевает работу системы.

MCS и MPS могут использоваться для создания эквивалентных конфигураций более сложных систем, не относящихся к простой последовательно-параллельной модели. Первая эквивалентная конфигурация основана на том соображении, что работа всех компонентов, по крайней мере, в MPS, влечет за собой работу системы. Таким образом, эта конфигурация строится с созданием последовательной подсистемы для каждого пути с использованием только минимальных компонентов этого набора. Затем эти подсистемы подключаются параллельно.Пример эквивалентной системы показан на рисунке 7.

Рисунок 7.

Эквивалентные конфигурации с MPS. Вы строите последовательную подсистему для каждой MPS. Затем такие подсистемы подключаются параллельно.

Вторая эквивалентная конфигурация основана на логическом принципе, согласно которому отказ всех компонентов любой MCS означает отказ системы. Эта конфигурация построена с созданием параллельной подсистемы для каждой MCS с использованием только компонентов этой группы.Затем эти подсистемы подключаются последовательно (см. Рисунок 8).

Рисунок 8.

Эквивалентные конфигурации с MCS. Вы строите подсистему параллельно для каждой MCS. Затем подсистемы подключаются последовательно.

После изучения компонентов и состояния системы следующим шагом в статическом моделировании надежности является рассмотрение вероятности работы компонента и системы.

Надежность Ri i-го компонента определяется следующим образом:

Ri = PXi = 1E7

, тогда как надежность системы R определяется как в уравнении 8:

R = PΦX = 1E8

Методология, используемая для Расчет надежности системы зависит от конфигурации самой системы.Для последовательной системы надежность системы определяется продуктом индивидуальной надежности (закон Люссера, определенный немецким инженером Робертом Люссером в 50-х годах):

R = ∏i = 1nRi, поскольку R = P⋂i = 1nXi = 1 = ∏i = 1nPXi = 1 = ∏i = 1nRiE9

Для примера см. Рисунок 9.

Рисунок 9.

Последовательная система

, состоящая из 4 элементов с надежностью, равной 0,98, 0,99, 0,995 и 0,97 5 Надежность всей системы определяется их произведением: R = 0,98 · 0.99 · 0,995 · 0,975 = 0,941

Для параллельной системы надежность составляет:

R = 1-∏i = 1n1-Ri = ∐i = 1nRiE10

Фактически, исходя из определения надежности системы и свойств вероятностей событий, следует:

R = P⋃i = 1nXi = 1 = 1-P⋂i = 1nXi = 0 = 1-∏i = 1nPXi = 0 == 1-∏i = 1n1-PXi = 1 = 1 -∏i = 1n1-Ri = ∐i = 1nRiE11

Во многих параллельных системах компоненты идентичны. В этом случае надежность параллельной системы с элементами определяется выражением:

R = 1-1-RinE12

Рисунок 10.

Параллельная система, состоящая из 4 элементов с одинаковой надежностью 0,85. Надежность системы определяется их совместным продуктом: 1 — 1 — 0,85 4 = 0,9995.

Для последовательно-параллельной системы надежность системы определяется с использованием того же подхода декомпозиции, который использовался для построения функции состояния для таких систем. Рассмотрим, например, систему, изображенную на рисунке 11, состоящую из 9 элементов с надежностью R1 = R2 = 0,9; R3 = R4 = R5 = 0,8 и R6 = R7 = R8 = R9 = 0,7. Давайте посчитаем общую надежность системы.

Рисунок 11.

Система состоит из трех групп блоков, расположенных последовательно. Каждый блок, в свою очередь, образован параллельными элементами. Сначала мы должны вычислить R 1,2 = 1 — 1 — 0,8 2 = 0,99. Таким образом, можно оценить R 3,4, 5 = 1 — 1 — 0,8 3 = 0,992. Затем мы должны рассчитать надежность последнего параллельного блока R 6,7, 8,9 = 1 — 1 — 0. 7 4 = 0,9919. Наконец, переходим к ряду из трех блоков: R = R 1,2 ∙ R 3,4, 5 ∙ R 6,7, 8,9 = 0,974.

Для расчета общей надежности для всех других типов систем, которые не могут быть возвращены к последовательно-параллельной схеме, необходимо принять более интенсивный расчетный подход [3], который обычно выполняется с помощью специального программного обеспечения. ,

Функции надежности системы также могут использоваться для расчета показателей важности надежности .

Эти измерения используются для оценки того, какие компоненты системы предоставляют наибольшие возможности для повышения общей надежности. Наиболее широко признанное определение важности надежности компонентов I’i — это предельный выигрыш в надежности с точки зрения общего повышения функциональности системы, полученный за счет незначительного увеличения надежности компонентов:

I’i = ∂R∂RiE13

Для других конфигураций системы альтернативный подход упрощает расчет важности надежности компонентов.Пусть R1ibe — надежность системы, измененная так, что Ri = 1, а R0ibe — надежность системы, измененной с помощью Ri = 0, при этом другие компоненты всегда остаются неизменными. В этом контексте важность надежности Ii определяется выражением:

Ii = R1i-R0iE14

В последовательной системе эта формулировка эквивалентна записи:

Ii = ∏j = 1j ≠ inRjE15

Таким образом, наиболее важный компонент (с точки зрения надежности) в серии система менее надежна. Например, рассмотрим три элемента надежности R1 = 0.9, R2 = 0,8e R3 = 0,7. Следовательно, I1 = 0,8 ∙ 0,7 = 0,56, I2 = 0,9 ∙ 0,7 = 0,63 и I3 = 0,9 · 0,8 = 0,72, что является более высоким значением.

Если система расположена параллельно, важность надежности становится следующей:

Ii = ∏j = 1j ≠ in1-RjE16

Отсюда следует, что наиболее важный компонент в параллельной системе более надежен. Используя те же данные, что и в предыдущем примере, на этот раз имея параллельное расположение, мы можем проверить уравнение. 16 для первого элемента: I1 = R11-R01 = 1-1-1 · 1-0,8 ∙ 1-0,7-1-1-0 · 1-0.8 ∙ 1-0.7 = 1-0-1 + 1-0.8 ∙ 1-0.7 = 1-0.8 ∙ 1-0.7.

Для расчета важности надежности компонентов, принадлежащих сложным системам, которые не относятся к последовательно-параллельной простой схеме, необходимо учитывать надежность различных систем. По этой причине расчет часто выполняется с использованием автоматизированных алгоритмов.

3. Надежность парка

Предположим, вы изучили надежность компонента и обнаружили, что она составляет 80% для продолжительности миссии 3 часа. Зная, что у нас одновременно активны 5 идентичных элементов, нам может быть интересно узнать, какова будет общая надежность группы.Другими словами, мы хотим знать, какова вероятность того, что определенное количество предметов будет функционировать в конце трехчасовой миссии. Эта проблема наиболее известна как надежность автопарка.

Рассмотрим набор одинаковых и независимых систем одновременно, каждая из которых имеет показатель надежности R. Группа может представлять собой набор используемых систем, независимых и идентичных, или может представлять набор тестируемых устройств, независимых и идентичных. Дискретная случайная величина, представляющая большой интерес для надежности, — это количество функционирующих элементов N.При указанных предположениях N — биномиальная случайная величина, которая выражает вероятность процесса Бернулли. Следовательно, соответствующая вероятностная модель описывает извлечение шаров из урны, заполненной известным количеством красных и зеленых шаров. Предположим, что процент Rof зеленых шаров совпадает с достоверностью через 3 часа. После каждого извлечения из урны мяч снова помещается в контейнер. Извлечение повторяется много раз, и мы ищем вероятность найти ngreen.Полученная таким образом последовательность случайных величин представляет собой процесс Бернулли, каждое извлечение которого является тестом. Поскольку вероятность получения N успехов при извлечении из урны при возвращении мяча следует биномиальному распределению Bm, RB, функция массы вероятности N хорошо известна:

PN = n = m! N! Mn! Rn1 -Rm-nE17

Ожидаемое значение Nis определяется как: EN = μN = m ∙ Rand, стандартное отклонение составляет: σN = m ∙ R ∙ 1-R.

Рассмотрим, например, корпоративный парк, состоящий из 100 независимых и идентичных систем.У всех систем одна и та же миссия, независимо от других задач. Каждая система имеет надежность миссии равную 90%. Мы хотим рассчитать среднее количество выполненных миссий, а также какова вероятность того, что по крайней мере 95% систем завершат свою миссию. Это включает анализ распределения биномиальной случайной величины, характеризуемой R = 0,90 и m = 100. Ожидаемое значение определяется как EN = μN = 100 ∙ 0,9 = 90.

Вероятность того, что по крайней мере 95% систем завершат свою миссию, можно рассчитать как сумму вероятностей, которые завершат свою миссию 95, 96, 97, 98, 99 и 100 элементов флота:

PN≥n = ∑n = 95100m! N! Mn! Rn1-Rm-n = 0,058E18

4.Модели надежности, зависящие от времени

Когда надежность выражается как функция времени, интересующей непрерывной случайной величиной, а не отрицательной величиной, является T, момент отказа устройства. Пусть f (t) — функция плотности вероятности T, и пусть F (t) — кумулятивная функция распределения T. F (t) также известна как функция отказа или функция ненадежности [4].

В контексте надежности часто используются две дополнительные функции: надежность, и функция опасности.Определим надежность R (t) как функцию выживаемости:

Rt = PT≥t = 1-FtE19

Среднее время наработки на отказ — MTTF определяется как ожидаемое значение времени отказа:

MTTF = ET = 0∞t ∙ ft ∙ dtE20

Интегрируя по частям, мы можем доказать эквивалентное выражение:

MTTF = ET = ∫0∞Rt ∙ dtE21

5. Функция риска

Еще одна очень важная функция — это функция опасности , обозначенная λ (t), определенная как тенденция мгновенной интенсивности отказов в момент времени t элемента, который сохранился до этого момента времени t.Интенсивность отказов — это отношение между мгновенной вероятностью отказа в окрестности t-, обусловленной тем фактом, что элемент исправен в t-, и амплитудой той же самой окрестности.

Функция риска λ (t) [5] совпадает с функцией интенсивности z (t) пуассоновского процесса. Функция риска определяется выражением:

λt = limΔt → 0⁡Pt≤T

Благодаря теореме Байеса можно показать, что связь между функцией риска, плотностью вероятность отказа и надежность следующие:

λt = ftRtE23

Благодаря предыдущему уравнению, с помощью некоторых простых математических манипуляций, мы получаем следующее соотношение:

Rt = e-∫0tλu ∙ duE24

Фактически, поскольку lnR0 = ln1 = 0, имеем:

Rt = ftλt = 1λt ∙ dFtdt = -1λt ∙ dRtdt → 1RtdRt = -λtdt → lnRt-lnR0 = -∫0tλuduE25

Из уравнения 24 выведите два других фундаментальных соотношения

: Ft = 1-e-∫0tλu ∙ duft = λt ∙ e-∫0tλu ∙ duE26

Самой популярной концептуальной моделью функции риска является кривая ванны .Согласно этой модели частота отказов устройства относительно высока и снижается в течение первой части срока службы устройства из-за потенциальных производственных дефектов, называемых ранними отказами . Они проявляются на первом этапе эксплуатации системы, и их причины часто связаны с конструктивными недостатками, дефектами конструкции или установки. Что касается надежности, система, которая проявляет младенческие отказы, со временем совершенствуется.

Позже, по окончании срока службы устройства, частота отказов увеличивается из-за явлений износа.Они вызваны переделками компонента из-за старения материала и конструкции. Начало периода износа определяется увеличением частоты отказов, которые продолжаются с течением времени. отказов из-за износа происходят примерно в среднем возрасте эксплуатации; единственный способ избежать такого сбоя — это заблаговременно заменить население.

Между периодом ранних отказов и износа частота отказов примерно постоянна: отказы возникают из-за случайных событий и называются случайными отказами .Они возникают в нестандартных рабочих условиях, которые создают нагрузку на компоненты, что приводит к неизбежным изменениям и, как следствие, потере эксплуатационных возможностей. Этот тип отказа происходит в течение срока службы системы и соответствует непредсказуемым ситуациям. Центральный период с постоянной интенсивностью отказов называется срок полезного использования . Сопоставление трех периодов на графике, который представляет тенденцию интенсивности отказов системы, дает кривую, характерная форма которой напоминает сечение ванны, как показано на рисунке 12.

Рис. 12.

Кривая ванны. Форма функции опасности позволяет выделить три области: начальный период ранних отказов, средний срок полезного использования и конечную зону износа.

Наиболее распространенными математическими классификациями кривой риска являются так называемая постоянная частота отказов — CFR , Повышение частоты отказов — IFR и Понижение частоты отказов — DFR .

Модель CFR основана на предположении, что частота отказов не меняется со временем.Математически эта модель является наиболее простой и основана на том принципе, что неисправности являются чисто случайными событиями. Модель IFR основана на предположении, что частота отказов со временем растет. Модель предполагает, что неисправности со временем становятся более вероятными из-за износа, который часто встречается в механических компонентах. Модель DFR основана на предположении, что частота отказов со временем уменьшается. Эта модель предполагает, что с течением времени вероятность отказов уменьшается, как это происходит в некоторых электронных компонентах.

Поскольку частота отказов может меняться со временем, можно определить параметр надежности, который ведет себя так, как если бы существовал своего рода счетчик, накапливающий часы работы. Функция остаточной надежности Rt + t0 | t0, по сути, измеряет надежность данного устройства, которое уже прошло определенное время t0. Функция определяется следующим образом:

Rt + t0 | t0 = PT> t + t0 | T> t0E27

Применяя теорему Байеса, получаем:

PT> t + t0 | T> t0 = PT> t0 | T > t + t0 ∙ PT> t + t0PT> t0E28

И, учитывая, что PT> t0 | T> t + t0 = 1, получаем окончательное выражение, определяющее остаточную надежность:

Rt + t0 | t0 = Rt + t0Rt0E29

Среднее время остаточного времени до отказа — Остаточное время наработки на отказ измеряет ожидаемое значение остаточного срока службы устройства, которое уже прошло время t0:

MTTFt0 = ET-t0 | T> t0 = ∫ 0∞Rt + t0 | t0 ∙ dtE30

Для устройства IFR остаточная надежность и остаточная MTTF постепенно уменьшаются по мере того, как устройство накапливает часы работы.Это поведение объясняет использование предупреждающих действий для предотвращения сбоев. Для устройства с DFR и остаточная надежность, и остаточное время наработки на отказ увеличиваются, в то время как устройство накапливает часы работы. Такое поведение мотивирует использовать интенсивный бег (приработку), чтобы избежать ошибок в полевых условиях.

Среднее время до отказа MTTF , измеряет ожидаемое значение срока службы устройства и совпадает с остаточным временем до отказа, где t0 = 0. В этом случае имеем следующее соотношение:

MTTF = MTTF0 = ET | T> 0 = ∫0∞Rt ∙ dtE31

Характеристический ресурс устройства — это время tC, соответствующее надежности RtC, равной 1e, т. Е. время, в течение которого площадь под функцией опасности является унитарной:

RtC = e-1 = 0,368 → RtC = ∫0tCλu ∙ du = 1E32

Рассмотрим устройство CFR с постоянной интенсивностью отказов λ.Время до отказа — экспоненциальная случайная величина. Фактически, функция плотности вероятности отказа типична для экспоненциального распределения:

ft = λt ∙ e-∫0tλu ∙ du = λe-λ ∙ tE33

Соответствующая кумулятивная функция распределения F (t) равна:

Ft = ∫-∞tfzdz = ∫-∞tλe-λ ∙ zdz = 1-e-λ ∙ tE34

Функция надежности R (t) является функцией выживания:

Rt = 1-Ft = e-λ ∙ tE35

Для элементов CFR остаточная надежность и остаточное время наработки на отказ остаются постоянными, когда устройство накапливает часы работы.Фактически, из определения остаточной надежности, ∀t0∈0, ∞, имеем:

Rt + t0 | t0 = Rt + t0Rt0 = e-λ ∙ t + t0e-λ ∙ t0 = e-λ ∙ t + t0 + λ ∙ t0 = e-λ ∙ t = RtE36

Аналогично, для остаточного MTTF истинна инвариантность во времени:

MTTFt0 = ∫0∞Rt + t0 | t0 ∙ dt = ∫0∞Rt ∙ dt ∀t0∈0, ∞E37

Такое поведение подразумевает, что действия предотвращения и запуска бесполезны для устройств CFR. На рисунке 13 показан тренд функции ft = λ ∙ e-λ ∙ t и кумулятивной функции распределения Ft = 1-e-λ ∙ t для постоянной интенсивности отказов λ = 1.В этом случае, поскольку λ = 1, функция плотности вероятности и функция надежности перекрываются: ft = Rt = e-t.

Рисунок 13.

Функция плотности вероятности и интегральное распределение экспоненциальной функции. На рисунке видна тенденция f t = λ ∙ e — λ ∙ t и f t = λ ∙ e — λ ∙ t при λ = 1.

Вероятность наличия неисправности, еще не возникшей в момент времени t, в следующем dt можно записать следующим образом:

Pt tE38

Вспоминая теорему Байеса, в которой мы рассматриваем вероятность гипотезы H, поскольку известно свидетельство E:

PH | E = PE | H ∙ PHPEE39

, мы можем заменить свидетельство E тем фактом, что неисправность еще не произошла, из чего получаем Р (Е) → Р (Т> т).Мы также меняем гипотезу H на наличие неисправности в окрестности t, получая PH → Pt

Pt t = PT> t | t tE40

Поскольку PT> t | t

Pt t = Pt t = ftdte-λ ∙ t = λe-λ ∙ tdte-λ ∙ t = λ ∙ dtE41

Как видно, эта вероятность не зависит от t, т.е. не зависит от уже прошедшего срока службы.Это как если бы компонент не имел памяти своей собственной истории, и именно по этой причине экспоненциальное распределение называется без памяти .

Использование модели постоянной интенсивности отказов облегчает расчет характеристического срока службы устройства. Фактически для элемента CFR tC является обратной величиной интенсивности отказов. Фактически:

RtC = e-λ ∙ tC = e-1 → tC = 1λE42

Следовательно, характеристический срок службы, кроме того, должен быть рассчитан как значение времени tC, для которого надежность равна 0.368, может быть более легко оценена как величина, обратная частоте отказов.

Определение MTTF в модели CFR может быть объединено по частям и дает:

MTTF = ∫0∞Rt ∙ dt = ∫0∞e-λ ∙ t ∙ dt = -1λe-λ ∙ t∞0 = -0λ + 1λ = 1λE43

Таким образом, в модели CFR MTTF и характеристический ресурс совпадают и равны 1λ.

Рассмотрим, например, компонент с постоянной интенсивностью отказов, равной λ = 0,0002 отказов в час. Мы хотим рассчитать MTTF компонента и его надежность после 10000 часов работы.Затем мы рассчитаем, какова вероятность того, что компонент проживет еще 10 000 часов. Предполагая, наконец, что он проработал без сбоев в течение первых 6000 часов, мы рассчитаем ожидаемое значение оставшегося срока службы компонента.

Из уравнения 43 имеем:

MTTF = 1λ = 10.0002failuresh = 5000 hE44

Для закона надежности Rt = e-λ ∙ t, вы получаете надежность в 10000 часов:

R10000 = e-0,0002 ∙ 10000 = 0,135E45

Вероятность того, что компонент просуществует еще 10000 часов, рассчитывается с остаточной надежностью.Зная, что это в модели CFR не зависит от времени, мы имеем:

Rt + t0 | t0 = Rt → R20000 | 10000 = R10000 = 0,135E46

. Предположим, теперь он проработал без сбоев 6000 часов. Ожидаемое значение остаточного срока службы компонента рассчитывается с использованием остаточного значения MTTF, которое является неизменным. Фактически:

MTTFt0 = ∫0∞Rt + t0 | t0 ∙ dt → MTTF6000 = ∫0∞Rt + 6000 | 6000 ∙ dt = ∫0∞Rt ∙ dt = MTTF = 5000hE47

6. CFR в серии

Рассмотрим последовательно соединенные различные элементы, каждый со своей постоянной интенсивностью отказов λi и надежностью Ri = e-λi ∙ t, и оценим общую надежность RS.Из уравнения 9 имеем:

RS = ∏i = 1nRi = ∏i = 1ne-λi ∙ t = e-∑i = 1nλi ∙ tE48

Поскольку надежность всей системы будет иметь вид RS = e-λs ∙ t, мы можем сделать вывод, что:

RS = e-∑i = 1nλi ∙ t = e-λs ∙ t → λs = ∑i = 1nλiE49

В системе элементов CFR, расположенных последовательно, тогда, частота отказов системы равна сумме интенсивностей отказов компонентов. Таким образом, MTTF можно рассчитать с помощью простого соотношения:

MTTF = 1λs = 1∑i = 1nλiE50

Например, позвольте мне показать следующий пример.Система состоит из насоса и фильтра, используемых для разделения двух частей смеси: концентрата и отжима. Зная, что частота отказов насоса постоянна и составляет λP = 1,5 ∙ 10-4 отказов в час и что частота отказов фильтра также равна CFR и составляет λF = 3 ∙ 10-5, давайте попробуем оценить отказ скорость системы, MTTF и надежность после одного года непрерывной работы.

Для начала сравним физическое расположение с надежным, как показано на следующем рисунке:

Рисунок 14.

физическое моделирование и моделирование надежности насоса и фильтра для производства апельсинового сока.

Как видно, это простой ряд, для которого можно записать:

λs = ∑i = 1nλi = λP + λF = 1,8 ∙ 10-4failureshE51

MTTF — величина, обратная интенсивности отказов и можно записать:

MTTF = 1λs = 11,8 ∙ 10-4 = 5,555hE52

Поскольку год непрерывной работы составляет 24 · 365 = 8,760 часов, надежность через год составляет:

RS = e-λs ∙ t = e-1,8 ∙ 10-4 · 8760 = 0,2066

7.CFR параллельно

Если два компонента, расположенных параллельно, аналогичны и имеют постоянную интенсивность отказов λ, надежность системы RP может быть рассчитана с помощью уравнения 10, где RC — надежность компонента RC = e-λt:

RP = 1 -∏i = 121-Ri = 1-1-R12 = 2RC-RC2 = 2e-λ ∙ te-2λ ∙ tE53

Расчет MTTF приводит к MTTF = 32λ. Фактически имеем:

MTTF = ∫0∞Rt ∙ dt = ∫0∞2e-λ ∙ te-2λ ∙ t ∙ dt = -2λe-λt + 12λe-2λt∞0 = 2λ0-1 + 12λ0-1 = 32λE54

Следовательно, MTTF увеличивается по сравнению с однокомпонентным CFR.Интенсивность отказов параллельной системы λP, обратная MTTF, составляет:

λP = 1MTTF = 23λE55

Как видите, частота отказов не уменьшилась вдвое, а была уменьшена на одну треть.

Например, рассмотрим систему безопасности, которая состоит из двух батарей, каждая из которых способна компенсировать недостаток электроэнергии в сети. Два генератора равны и имеют постоянную интенсивность отказов λB = 9 ∙ 10-6 отказов в час. Мы хотели бы рассчитать частоту отказов системы, время наработки на отказ и надежность после одного года непрерывной работы.

Как и в предыдущем случае, мы начнем с блок-схемы надежности проблемы, показанной на рисунке 15.

Рисунок 15.

Физическое моделирование и моделирование надежности системы энергоснабжения.

Это параллельная схема, для которой применимо следующее уравнение:

λP = 23λ = 239 ∙ 10-6 = 6 ∙ 10-6guastihE56

Среднее время наработки на отказ обратно пропорционально частоте отказов и составляет:

Среднее время наработки на отказ. = 1λp = 16 ∙ 10-6 = 166,666hE57

Поскольку год непрерывной работы составляет 24 · 365 = 8,760 часов, надежность через год составляет:

RP = e-λp ∙ t = e-6 ∙ 10- 6 · 8760 = 0.9488E58

Интересно рассчитать надежность системы идентичных элементов, расположенных в параллельной конфигурации kout n. Система частично дублирована, поскольку группа элементов может выдержать нагрузку системы. Надежность составляет:

Rk из n = Pk≤j≤n = ∑j = knnjRj ∙ 1-Rn-jE59

Рассмотрим, например, три параллельно установленных электрогенератора с интенсивностью отказов λ = 9. · 10-6. Для того, чтобы система была активной, достаточно, чтобы работали всего два объекта.Получим надежность через год эксплуатации.

У нас будет: n = 3, k = 2. Итак, через год эксплуатации (t = 8760 ч) надежность можно рассчитать следующим образом:

R2 из 3 = ∑j = 233jRj ∙ 1-R3-j = 32e-2λt1-e-λt3-2 +

,

Отправить ответ

avatar
  Подписаться  
Уведомление о