技術文章
MDH80加工中心可靠性分配前期準備
閱讀:185 發布時間:2020-8-12 4.2可靠性分配前期準備
可靠性分配技術己經發展了很多年,在很多領域取得了比較顯著的成果,比如電子 設備的可靠性分配技術己經應用的很廣泛了。但是因為加工中心具有其特殊性,因此要 選擇與其相匹配的可靠性分配方法。在進行可靠性分配前,還要對加工中心做一些基礎 性分析。
4.2.1加工中心可靠性框圖
可靠性框圖是以直觀的圖形來描述加工中心各個子系統可靠性之間的邏輯關系。它 是完成可靠性分配的基礎。制定可靠性框圖,可以明確加工中心各子系統之間的可靠性 邏輯和數學關系,以方便設計人員制定合理的可靠性分配策略。
在可靠性框圖中,通常一個方格對應于一個功能單元。在制定加工中心可靠性框圖 時,本文定義一個方格表示一個子系統。這些方格之間的連線并不代表其實際的物理或 功能上的聯接方式,只是表明它們之間關于整機失效的邏輯關系。幾種常見的可靠性框 圖模型[45]表現形式如下:
(1)并統模型。當一個系統中的所有子功能單元都發生故障時,該復雜系統 才會失效,這種系統就屬于并統模型。它的可靠性框圖如圖4.1所示。
(2)串統模型。當一個系統中任意一個子功能單元發生故障,該復雜系統就 會失效,這種系統就屬于串統模型。它的可靠性框圖如圖4.2所示。
(3)混統模型?;旖y指的是由串聯和并統共同組成的系統。它包括 串-并統和并-串統,其可靠性框圖如圖4.3和圖4.4所示。
(4)k/n表決系統模型。如果系統中有n個功能單元,其中至少有k個功能單元 正常工作,系統才能正常工作,這種系統就被稱為k/n表決系統。也可以理解為如果有 多于n-k個功能單元失效,該系統就會失效。其可靠性框圖如下:
根據加工中心的特點可知,加工中心任何一個子系統發生故障,加工中心都不能繼 續工作。因此加工中心可以看做是由所有子系統作為功能單元組成的串統模型, MDH80加工中心的可靠性框圖如下:
4.2.2可靠性分配指標
定量分析一個產品的可靠性就需要先規定產品的可靠性評價指標。常見的可靠性評 價指標有很多種,比如可靠度、故障率、平均失效前時間等。在工程中,通常用平均故 障間隔時間作為數控機床或加工中心的可靠性評價指標。平均故障間隔時間的英文名稱 是meantimebetweenfailures,英文簡稱是MTBF。故障間隔時間就是后一個故障的開始 時間減去前一個故障的結束時間。在計算MDH80加工中心的平均故障間隔時間時要用 到生產線上所有的MDH80加工中心的故障時間數據,而不是某一臺的[46]。這樣的樣本 空間較大,計算出的結果比較準確。當解決了加工中心所有因設計和裝配造成的故障后, 再計算MTBF是比較準確的。故障間隔時間與故障率是成反比的。
根據本條生產線上MDH80加工中心在早期失效期的表現和國產加工中心的通常能 夠達到的可靠性水平,本文將可靠性分配指標定為:新設計出的加工中心在偶然失效期 內MTBF要達到550小時。
4.2.3常見的可靠性分配方法
能夠完成可靠性分配的方法有很多,這些方法己經應用到了很多的工程領域,本節 將介紹幾種常用的可靠性分配方法。
(1)等分配法
該方法適用于由性質基本相同的功能單元組成的系統。這里的相同性質指的是成 本、技術水平、重要程度、復雜程度都差不多。這種分配方法主要是為了避免在串 統中出現可靠性較差的功能單元,而其他功能單元卻分配了較高的可靠性。如果出現這 種情況,該串統的可靠性水平要取決于這個可靠性水平弱的單元。因此用等分配 法可以防止出現這種可靠性指標被浪費的情況。在等分配法中,系統中的所有功能單元 應該分配給相同的可靠性水平。顯然,等分配法比較容易操作。
(2)AGREE分配法
上世紀50年代后期,美國為了解決電子設備的可靠性問題提出了 AGREE分配法。 AGREE法綜合考慮了系統中各個功能單元的復雜性、重要性、實際工作時間之間的差 別和它們對總系統失效的影響[47]。這種方法很適合于串統。其中各個單元的復雜性 指的是該功能單元中所含的零件數與系統零件總數的比,零件越多的功能單元越復雜。 重要性指的是該功能單元的故障數與系統總故障數之間的數量比。在進行可靠性分配 時,某功能單元分配到的故障率比重應該與重要性成反比,與復雜性成正比。這種方法 對電子設備的可靠性發展起到了很重要的作用,在工程領域應用的很廣泛。它的分配思 想也影響了可靠性理論的發展。
(3)比例組合法
比例組合法的基本思想是根據老產品的各個子單元的故障率所占比重來指導新產 品的可靠性分配方案。這種方法需要為新產品選擇同類型的老產品,新產品和老產品必 須很相似,而新產品只是要求達到更低的故障率。比例組合法要求新產品各個子單元故 障率的比與老產品各個子單元故障率的比相同。因此只要計算出老產品各個子單元的故 障率的比再乘以新產品的故障率指標就可以完成新產品各個子單元的故障率分配。這種 方法主要適應于串聯模型。