1060

Обработка статистической информации о надежности линии привода 3-го формирующего ролика 1-й моталки

Курсовая

Производство и промышленные технологии

Упорядочение исходной выборки наработок до отказа. Проверка статистической гипотезы о соответствии экспоненциальному распределению. Проверка статистической гипотезы о соответствии нормальному или логарифмически нормальному распределению. Графическое оценивание параметров распределений.

Русский

2013-01-06

265 KB

4 чел.

Министерство образования и науки Российской Федерации

Федеральное агентство по образованию

Магнитогорский государственный технический университет им. Г. И. Носова

 

Кафедра: МОМЗ им. 50летия МГМИ

КУРСОВАЯ  РАБОТА

по дисциплине «Надежность, эксплуатация и

техническое обслуживание металлургических машин».

Обработка статистической информации о надежности линии привода 3-го формирующего ролика 1-й моталки

                                                                                  Разработал:        ст.гр.КММа-10

Зырянов А.С.

                                                                                   Проверил:               профессор.

                             Жиркин Ю.В.

Магнитогорск

2010

Содержание:

Обработка статистической информации о надежности

исследуемого объекта…………………………………………………………………...……….3

  1.  Упорядочение исходной выборки наработок до отказа……………………………….3
  2.  Проверка статистических гипотез………………………………………………………5
    1.  Проверка статистической гипотезы о соответствии экспоненциальному распределению……………………………………………….5
    2.  Проверка статистической гипотезы о ее соответствии распределению

Вейбулла……………………………………………………………………………..7

  1.  Проверка статистической гипотезы о соответствии нормальному или логарифмически нормальному распределению…..................................................8
  2.  Оценивание параметров распределений……………………………………………….9
    1.  Аналитические методы получения точечных оценок…………………………….9
    2.  Графическое оценивание параметров распределений…………………………..11
  3.  Оценивание показателей безотказности………………………………………………14
  4.  Восстановление работоспособного состояния………………………………………..16

Литература………………………………………………………………………………………18

Приложение……………………………………………………………………………………..19

Обработка статистической информации о надежности исследуемого объекта

Первое, что необходимо иметь - это документ, в котором зарегистрированы моменты отказов оборудования. Виды таких документов рассмотрены в первой главе пособия.

Такой документ будем называть первичной статистической совокупностью. Рассмотрение и осмысление такого документа затруднительно с целью представить себе характер распределения.

Первый шаг к осмыслению материала - это его упорядочение, расположение в порядке возрастания значений наработок. Полученный ряд будем называть упорядоченной статистической совокупностью. По упорядоченной статистической совокупности уже можно построить статистическую функцию распределения.

Характерной особенностью работ при проведении испытаний на надежность в процессе эксплуатации изделий является повышенная опасность грубых ошибок. Для статистической информации о надежности сравнительна высока вероятность попадания в выборку аномальных реализаций  либо как результат ошибки, например в фиксации момента отказа, либо как результат ошибки при классификации отказов.

Исходные данные:

Вариант №4

Линия привода 3-го формирующего ролика 1-й моталки.

Наработки, сут.: 14,8,8,7,9,36,75,41,70,48,22,15,18,8,23,57.

  1.  Упорядочение исходной выборки наработок до отказа

Упорядочим исходную выборку:

7,8,8,8,9,14,15,18,22,23,36,41,48,57,70,75

N=16 шт.

Проверка принадлежности необычайно малой или большой наработки к исходной выборке может быть осуществлена с помощью F-распределения для заданного уровня значимости и фактического числа наработок (табл.1 прил.) [1]

Если выполняется равенство

                                                                                             (1.1)

то наработка необычно малая и не должна приниматься во внимание.

Если выполняется равенство

                                                                                            (1.2)

то наработка необычно большая и ее следует отбросить,

где r – число наработок до отказа;

     tmin – минимальное значение наработки;

     tmax – максимальное значение наработки.

Процентили F-распределения находятся из табл. 1 прил. [1]

В соответствии с формулой (1.1) находим:

Из табл. 1 прил. для =0,05

Следовательно, наработка до отказа t1 = 7 сут. не является необычно малой и ее нельзя исключать из выборки.

По формуле (1.2) находим:

По табл. 1 прил. для =0,05 [1]

Вывод – наработка t = 75 сут. не является необычно большой и ее нельзя исключать из выборки.

  1.  Проверка статистических гипотез
    1.  Проверка статистической гипотезы о соответствии экспоненциальному распределению

Для проверки статистической гипотезы наиболее мощным является критерий Бартлетта:

                                               ,                                 (2.1)

где - оценка средней наработки до отказа;

      r – число наработок до отказа;

      ti – значение i-той наработки.

Все вычисления сведем в таблицу:

Таблица 1

N

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

7

8

8

8

9

14

15

18

22

23

36

41

48

57

70

75

28,7

---

2

2,1

2,1

2,1

2,2

2,6

2,7

2,9

3,1

3,2

3,6

3,7

3,9

4

4,2

4,3

---

48,6

Выполняется условие:

;

где  для заданного уровня значимости , числа отказов r находится из табл. 5 прил., следовательно гипотеза о принадлежности выборки к экспоненциальному распределению не отвергается.

Проверку можно осуществить и с помошью критерия Пирсона:

                                                  ,                                        (2.2)

где - теоретическая частота, - число интервалов.

Все вычисления сведем в таблицу:

Таблица 2

1-12

12-24

24-36

36-48

48-60

60-75

5

5

1

2

1

2

0.31

0,31

0,0625

0,125

0,0625

0,125

0.14

0,14

0,06

0,0077

0,06

0,0077

0,425

Число интервалов - .

Протяженность интервалов - .

Теоретическая частота -

Для  и к-2=6-2=4 по табл.5 прил. находим -

Так как соблюдается неравенство:

,

то гипотеза о принадлежности выборки к генеральной совокупности, описываемой экспоненциальным распределением, не отвергается.


  1.  Проверка статистической гипотезы о ее соответствии распределению Вейбулла

Возможность принадлежности исходной выборки к распределению Вейбулла проверяем по критерию «S-статистика»:

                                          ,                                     (2.3)

где - весовой коэффициент, значения которого берутся из табл. 4 прил.[1]

- означает, что берется целая часть числа.

Вычисления сведем в таблицу:

Таблица 3

N

1

7

1,9

0,47

1,03

0,46

6,5

2

8

2,1

0

0,535

0

3

8

2,1

0

0,4

0

4

8

2,1

0

0,3

0

5

9

2,2

0,12

0,24

0,5

6

14

2,6

0,44

0,21

2,07

7

15

2,7

0,06

0,19

0,31

8

18

2,9

0,2

0,18

1,06

9

22

3,1

0,2

0,17

1,16

10

23

3,13

0,04

0,17

0,24

11

36

3,6

0,46

0,17

2,7

12

41

3,7

0,12

0,18

0,7

13

48

3,9

0,16

0,19

0,80

14

57

4,04

0,17

0,23

0,73

15

70

4,25

0,07

0,33

0,2

16

75

4,32

Из табл. 5 прил. для q=0.9 и r=16 находим:

Следовательно гипотеза о принадлежности выборки к распределению Вейбулла не отвергается.

  1.  Проверка статистической гипотезы о соответствии выборки нормальному или логарифмически нормальному распределению

Проверка осуществляется с использованием критерия Пирсона:

                                                        ,                                            (2.4)

Осуществим разбиение на интервалы:

.

.

Вычисление теоретических частот сведем в таблицу:

Таблица 4

Границы

интервалов

Середина

интервалов

1

1-12

6

-1,17

-0,50

-0,38

0,3

0,31

2

12-24

18

-1,17

-0,59

-0,38

-0,22

0,14

0,06

3

24-36

30

-0,59

0

-0,22

0

0,06

0,06

4

36-48

42

0

0,59

0

0,22

0,19

0,25

5

48-60

54

0,59

1,17

0,22

0,38

0,9

0,12

6

60-75

68

1,17

0,38

0,5

0,5

0,19

из табл. 5 прил.

Определим критерий согласия Пирсона:

Следовательно, гипотеза о принадлежности исходной выборки к нормальному распределению отвергается.

  1.  Оценивание параметров распределений
    1.  Аналитические методы получения точечных оценок

Экспоненциальное распределение

Для получения точечной оценки параметра  экспоненциального распределения используют статистику:

- при плане [NUN]

                                                   .                                     (3.1)

Распределение Вейбулла

Для получения точечных оценок параметров «а» и «b» распределения Вейбулла используются статистики при плане [NUN]:

                                   ;   ;                               (3.2)

Вычисление параметров «а» и «b» по формулам (3.2) сведем в таблицу:

Таблица 5

N

1

7

1,9

0.017

0,033

-0.043

-0,08

2

8

2,1

0.022

0,046

-0.046

-0,1

3

8

2,1

0.027

0,056

-0.047

-0,1

4

8

2,1

0.032

0,08

-0.047

-0,1

5

9

2,2

0.036

0,08

-0.046

-0,1

6

14

2,6

0.041

0,11

-0.044

-0,11

7

15

2,7

0.047

0,127

-0.041

-0,12

8

18

2,9

0.052

0,15

-0.036

-0,11

9

22

3,1

0.058

0,18

-0.030

-0,09

10

23

3,13

0.064

0,2

-0.022

-0,07

11

36

3,6

0.071

0,256

-0.012

-0,042

12

41

3,7

0.079

0,30

0.002

0,008

13

48

3,9

0.088

0,34

0.021

0,0081

14

57

4,04

0.099

0,4

0.048

0,19

15

70

4,25

0.114

0,5

0.094

0,4

16

75

1,9

0.147

0,64

0.252

1,1

= 3,41

=0, 098

;    .

Нормальное распределение

Для получения точечных оценок параметров нормального распределения  и  используют статистики:

- при плане [NUN]

                                       ;         ,                                 (3.3)

Получим:

;

.

  1.  Графическое оценивание параметров распределений

Графическое оценивание параметра экспоненциального распределения.

Значения эмпирической функции распределения для экспоненциального распределения рассчитываются по зависимости:

                                                          ,                                                     (3.4)

Получим:

;   ;   ;   ;

;   ;   ;  ;

;   ;   ;  ;

;  ;   ;  .

Наносим на вероятностную сетку (см. прил.1) точки с координатами:

[7;6], [8;12], [8;18], [8;24], [9;30], [14;36], [15;42], [18;48], [22;54], [23;60], [36;66], [41;72], [48;78], [57;84], [70;90], [75;96] и проводим через них прямую. Абсцисса точки с ординатой 63.8 соответствует величине 28.7, тогда параметр:

.  

Графическое оценивание параметров распределения Вейбулла.

Оценивание параметров распределения Вейбулла можно найти по вероятностной сетке (см. прил.2), используя зависимость:

                                                 ;                                            (3.5)

,

где  - накопленная интенсивность отказов.

Вычисление накопленной частоты отказов производят в следующей последовательности:

-   наработки до отказа и до цензурирования выстраиваются в вариационный ряд;

- для каждого значения  вычисляются соответствующие значения оценки накопленной интенсивности отказов:

;    ,

где  - инверсионный номер изделия, то есть ранг, отсчитанный с конца вариационного

              ряда.

Если точки с координатами [lni;lnti] на вероятностной сетке удовлетворительно апроксимируются прямой, то переходят к оценке точечных значений параметров a и b.

Пересечение полученной прямой с линией, проведенной параллельно оси абсцисс из точки с ординатой y=0, дает точку, абсцисса которой характеризует точечную оценку параметра а.

Точка пересечения прямой, проведенной из специальной точки А параллельно построенной прямой, со шкалой b дает искомую оценку параметра b.

Оценка параметра а равна абсциссе точки пересечения построенной прямой и линией, проведенной из точки с ординатой F(x)=0,623 или у=0.

Вычисления накопленной частоты сведем в таблицу 6.

Наносим на вероятностную сетку точки с координатами [x=t;y=lnΛi] и проводим через них прямую.

Пересечение прямой с линией, проведенной параллельно оси абсцисс из точки с ординатой y=0, дает оценку параметра а:

а=33.

Из точки А проводим луч параллельно построенной прямой до пересечения со шкалой b. Точка пересечения дает оценку параметра b=1.35.

Таблица 6

I

1

16

7

0,063

0,063

-2,76

2

15

8

0,066

0,129

-2,05

3

14

8

0,071

0,20

-1,61

4

13

8

0,077

0,27

-1,28

5

12

9

0,083

0,36

-1,02

6

11

14

0,091

0,45

-0,80

7

10

15

0,10

0,55

-0,60

8

9

18

0,11

0,66

-0,40

9

8

22

0,13

0,79

-0,20

10

7

23

0,14

0,93

-0,07

11

6

36

0,17

1,10

0,09

12

5

41

0,20

1,30

0,26

13

4

48

0,25

1,55

0,44

14

3

57

0,33

1,88

0,63

15

2

70

0,50

2,38

0,87

16

1

75

1,00

3,38

1,22

Графическое оценивание параметров нормального распределения.

Значения эмпирической функции распределения для нормального распределения рассчитываются по зависимости:

                                                         .                                                     (3.6)

Получим:

;  ;  ;   ;

;  ;  ; ;

;  ;  ;  ;

;  ; ;  .

На вероятностную сетку (см. прил.3) наносим точки с координатами:

[17;4], [25;10], [29;16], [43;22], [57;28], [96;35], [115;41], [142;47], [155;53], [170;59], [174;65], [180;72], [190;78], [230;84], [235;90], [260;96].

  1.  Оценивание показателей безотказности

Значения показателей безотказности, определяемые по результатам испытаний, являются оценками показателей надежности.

За значения показателей надежности принимают точечную оценку или границы доверительного интервала (нижнюю (НДГ) и верхнюю (ВДГ) границы).

Экспоненциальное распределение.

Средняя наработка:

                                                 сут.                                          (4.1)

Нижняя доверительная граница средней наработки:

                                                        ,                                                    (4.2)

сут.

Значения критерия хи-квадрат приведены в табл.5 прил [1]

Гамма-процентная наработка:

                                          сут.                                (4.3)

Вероятность безотказной работы:

                                               .                                           (4.4)

Интенсивность отказов:

.

Распределение Вейбулла.

Средняя наработка:

                                        сут.                                 (4.5)

Значения гамма-функция Г(х) приведены в табл.6 прил. [1]

Нижняя доверительная граница средней наработки:

                                  сут.                           (4.6)

Значения квантили распределения статистики  приведены в табл.7 прил.[1]

Гамма-процентная наработка:

                                       сут.                        (4.7)

Вероятность безотказной работы:

                                                           (4.8)

Интенсивность отказов:

                                                               (4.9)

  1.  Восстановление работоспособного состояния

Металлургическое оборудование является восстанавливаемой системой и поэтому, время ее функционирования во много раз больше средней наработки на отказ.

В этом случае среднее число отказов на интервале [0,t] приближенно равно:

     отказа,                 (5.1)

Если система восстанавливается путем замены входящего в его состав отказавшего элемента и функционирует время , то необходимое число запасных элементов , необходимых для непрерывной работы системы до момента времени  равно:

                                                     ,                                                 (5.2)

Распределение Вейбулла.

- для года

шт.

- для месяца

шт.

Для определения гарантированного количества запасных частей, используется распределение Пуассона, которое позволяет подсчитать вероятность отказов менее или равных r:

                                              ,                                      (5.3)

Вероятность того, что в год 4 запасных частей достаточно составляет 70%.

И вероятность более 4 отказов за год составляет:

Вывод: выполнив данную курсовую работу, я провела анализ исходных данных с целью установления закона распределения отказов, дала точечную оценку параметров распределений, оценила показатели безотказности. Оценку параметров распределений провела двумя способами: аналитически и графическим методом. Так как графический метод наиболее точен, то установили, что совокупность наработок принадлежит к распределению Вейбулла с параметрами: а=33 и b=1.35.

Литература:

  1.  Методические указания по выполнению практических занятий для студентов

специальности 15.04.00. «Металлургические машины и оборудование», Магнитогорск: МГТУ, 2007. 46с;

  1.  Жиркин Ю.В. Надежность, эксплуатация и ремонт металлургических машин:

Учебник.-Магнитогорск: МГТУ, 2002. 330с.


 

А также другие работы, которые могут Вас заинтересовать

20715. Степенные ряды. Теорема Абеля 71 KB
  Функциональный ряд вида : 1 где некоторые действительные числа называется степенным рядом по степеням . Числа называются коэффициентами степенного ряда. Функциональный ряд вида : 2 где некоторые фиксированные числа называется степенным рядом по степеням называется центром сходимости степенного ряда называются коэффициентами степенного ряда.
20716. Метрические пространства 68 KB
  Определим действительнозначную функцию ОПР: Если: 1аксиома неотрицательности; 2 аксиома тождественности; 3 аксиома симметрии; 4 аксиома треугольника; то называется расстоянием или метрикой определенной на множестве М. Перечисленные аксиомы называются аксиомами расстояния. 1 1я аксиома выполнена; 2 2я аксиома выполнена; 3 4Для ее проверки составим: Пусть4я аксиома выполнена.к 2 аксиома не выполняется не следует что х=у то данная пара метрическим пространством не является.
20717. ПОЛНЫЕ МЕТРИЧЕСКИЕ ПРОСТРАНСТВА 57 KB
  Чтобы разобраться в этом вопросе рассмотрим понятие фундаментальной последовательности на R. Определение: последовательность {xn} называется фундаментальной если выполняется Пример. ТЕОРЕМАпринцип сходимости Коши Для сходимости последовательности необходимо и достаточно чтобы она была фундаментальной. Понятие фундаментальной последовательности переносится на метрические пространства.
20718. Формула и ряд Тейлора. Биномиальный ряд 130.5 KB
  Формула и ряд Тейлора. Биномиальный ряд. Теорема о разложении функции в ряд Тейлора: пусть функция имеет в некотором интервале производные до порядка включительно а точка находится внутри этого интервала. Используя эту теорему можно сделать следующий вывод: если функция имеет на некотором отрезке производные всех порядков раз они имеются все то каждая из них будет дифференцируемой и поэтому непрерывной то можно написать формулу Тейлора для любого значения .
20720. Линейные дифференциальные уравнения второго порядка с постоянными коэффициентами 72.5 KB
  Вопрос о том является ли это решение общим приводит к понятию линейной независимости системы частных решений линейно независимых функций 1 и фундаментальной системы решений 2. Совокупность всех линейнонезависимых частных решений уравнения называется фундаментальной системой решений этого уравнения тогда есть общее решение для уравнения . Таким образом для решения нужно: найти частные решения; выяснить их линейную независимость ; найти общее решение согласно .
20721. Мощность множества. Арифметика счетной мощности 59.5 KB
  Пусть A некоторое счетное мнво тогда по определению A N.Из всякого бесконечного мнва можно выделить счетное подмново.Сумма конечного числа счетных мнв есть счетное мнво. Сумма счетного числа конечных мнв есть счетное мнво.
20722. Предел и непрерывность функции в точке. Основные свойства функции непрерывной на отрезке 29.5 KB
  Иногда говорят что предел функции в точке а : fx=b      х: ха ха и fxb Данное определение называется определением предела функции на языке .3 Если fx=fa то функция назся непрерывной в точке а.4 Если использовать предел функции в точке то определение функции в точке можно оформить в виде:    : ха х[ аb] и fxb Опред.
20723. Предел числовой последовательности. Необходимый и достаточный признак сходимости числовой последовательности 62 KB
  Определение: Если каждому по определённому закону можно поставить в соответствие то числа получающиеся при каждом конкретном n образуют числовую последовательность. Если такое имеет место то пишут что последовательность расходится. Теорема Необходимое условие сходимости числовой последовательности: если последовательность {Xn} сходится то она ограничена. Определение 2: Если предел сходящейся последовательности равен 0 то она называется бесконечно малой последовательностью.