Documente Academic
Documente Profesional
Documente Cultură
FIABILITATII
Asupra modelelor Duane si AMSAA
1. Consideratii preliminare
1
O atentie speciala va fi acordata modelului Duane-AMSAA, care este, in diferitele sale
variante - de departe - cel mai utilizat si mai bine validat model de crestere a fiabilitatii
Analiza va urmari prezentarea expresiilor analitice ale modelelor, a metodelor de
determinare a parametrilor si a justificarilor matematice ale acestor metode.
Alaturi de analiza metodelor "consacrate" sunt dezvoltate si metodologii imbunatatite
pentru calculul parametrilor celui mai raspandit dintre modelele de crestere a fiabilitatii -
modelul Duane-AMSAA.
3. Modelul Duane
01
panta ( 1 )
02
panta ( 2 )
t02 t01 ln t
2
Termenul "cumulativ" este folosit in ambele cazuri pentru a indica faptul ca estimarea se
face pentru intreaga evolutie anterioara a procesului, deci tinand cont de toate valorile anterioare
ale ratei de defectare(fig.1).
Tinand cont de modul de definire a ratei de defectare cumulative
N (t )
(t ) kt (4)
t
rezulta ca numarul de defecte cumulat la momentul t va fi:
N (t ) kt ( 1) kt (5)
unde s-a notat 1 .
Deci rata de defectare instantanee r(t) care reprezinta variatia lui N(t) in unitatea de timp va avea
valoarea:
dN (t )
r (t ) kt 1 . (6)
dt
Aceasta expresie coincide cu rata de defectare a unui proces de tip Weibull, observatie ce
a permis ulterior o importanta imbunatatire a insasi modului de abordare cresterii fiabilitatii,
prin trecerea la metode statistice. O varianta a modelului Duane intens utilizata in practica, care
ia in consideratie acest factor, este modelul AMSAA; acest model, in diferitele sale variante, va
fi analizat pe larg in partea a doua a acestei lucrari.
Revenind la modelul Duane propriu-zis, trebuie mentionat ca deducerea parametrilor k si
se face pe baza perechilor de date experimentale, pe cale grafica, avandu-se in vedere
urmatorii pasi:
Se reprezinta, in coordonate dublu logaritmice pe baza ai relatiei relatiei (5), punctele
N (t )
succesive ln ln k ln t .
t
Se traseaza dreapta care interpoleaza cel mai bine punctele obtinute, tinand cont de faptul ca
fiecare punct contine toata informatia pe care o pot da punctele anterioare (se lucreaza cu
valori cumulative) si deci acordand o atentie mai mare celor mai recente puncte,
In final, se masoara pe grafic panta si valoarea pantei dreptei la momentul t=1, valori ce
constituie estimarile parametrilor si respectiv k (fig.1).
Folosind aceste valori, relatia (t) kt permite extrapolari in vederea evolutiei
viitoare a sistemului in procesul de crestere a fiabilitatii, in ipoteza ca efortul de dezvoltare a
sistemului si conditiile adiacente acestei dezvoltari vor ramane neschimbate.
Marea simplitate formala si usurinta utilizarii acestui model l-au impus, intr-o prima
etapa, drept principalul element teoretic al modelarii cresterii fiabilitatii; si , desi ulterior a fost
practic inlocuit de modelul AMSAA, de altfel direct derivat din modelul Duane, acesta isi
pastreaza importanta ca mijloc conceptual in intelegerea problemelor cresterii fibilitatii.
3
Intr-adevar, inca de la aparitia modelului, dependenta liniara (in coordonate log-log)
dintre rata de defectare si timp a impus analogia cu asa numita "functie de invatare", reflectand
cresterea eficacitatii unei activitati realizate pentru prima data pe masura familiarizarii
subiectului uman cu obiectul asupra caruia isi fixeaza atentia, si in conditiile ambientale.
Modelul Duane poate fi inca folosit in practica, dar numai atunci cand la aplicarea
modelului AMSAA, valoarea parametrului Cramer von Mises calculata din observatii este
considerabil mai mica decat valoarea critica corespunzatoare testului respectiv, lucru ce se
traduce printr-o grupare vizibila a punctelor experimentale pe traiectoria sau in imediata
vecinatate a dreptei de interpolare.
4. Modelul AMSAA
In acest caz, testarea se incheie dupa un numar predeterminat de defectari. Datele initiale
sunt cele n momente de defectare ti , pentru care au fost elaborate metode de determinare a
4
parametrilor si , a intervalului de incredere pentru si a predictiilor pentru viitorul
apropiat. Intrucat referintelereferitoare la acest subiect se rezuma -in general- la o prezentare
sumaraaa formulelor utilizate, in continuare va fi stabilita si o justificare teoretica a respectivelor
expresii.
Pornind de la datele experimentale, se vor stabili mai intai - prin metoda verosimilitatii
maxime- estimatiile parametrilor si .
Metodologia utilizata se bazeaza pe metoda verosimilitatii maxime, care va fi
prezentata pe scurt in cele ce urmeaza:
Se considera o populatie statistica in care sunt definite r variabile aleatoare 1… r , se
presupune ca densitatea de probabilitate a acestei repartitii r-dimensionale depinde de s
parametri 1… s, adica este de forma f(x; 1… s), unde x=(x1…xr) este un vector in
spatiul cu r dimensiuni, iar variabila i poate lua valorile xi1…xin. Daca se noteaza cu xk=(x1k…
xrk) ansamblul valorilor luate de cele r variabile aleatoare in incercarea k, functia de
verosimilitate are expresia:
n
(x1...xn; 1… s) = f ( x k ; 1 ...s ) (7)
k 1
Ecuatiile (8) se numesc ecuatii de verosimilitate, iar solutiile sistemului pe care ele il
formeaza, k cu k= 1, s , se numesc estimatii de verosimilitate maxima sau indicatori de
probabilitate maxima.
Aceasta metoda va fi aplicata in cazul modelului AMSAA.
Deoarece
f (t )
t
F (t )
t
tt 1
e 1
( 1)t 2 e tt , (9)
.
j 1
ln n
1 1
ln t j t j 1 t j 1 ln t j (10)
j 1 1
ln n
1
t j 1
j 1
5
ln
Egaland cu zero, se obtine
n
N
t j 1 , de unde
j 1
N
n
t j 1 (11)
j 1
ln n
1
Utilizand relatia (8), deci egaland
cu 0, rezulta ln t j ln t n 0 .
j 1
Astfel, se obtine:
N
N
N ln t N ln t j ,deci
j 1
N 1
N
( N 1) ln t N ln t N ln t j ln t N ,
j 1
6
Se presupune ca este data densitatea de repartitie f(x, ) care contine parametrul
necunoscut si ca, efectuand o selectie de volum n, x 1 …x n , exista doua statistici 1 (x 1 …
x n ) si 2 (x 1 …x n ) astfel ca probabilitatea inegalitatii
1 (x 1 …x n ) 2 (x 1 …x n ) (8)
sa nu depinda de . Deci se considera:
P[ 1 (x 1 …x n ) 2 (x 1 …x n )]= (9),
unde nu depinde de . Rezulta ca daca numarul este foarte apropiat de 1, inegalitatea (8)
este indeplinita in cele mai multe cazuri; pentru o selectie realizata, 1 si 2 iau valori bine
determinate. A fost gasit deci un interval [ 1 , 2 ] care il contine pe cu o probabilitate .
Cu cat acest interval [ 1 , 2 ] este mai mic si probabilitatea este mai apropiata de 1, cu atat
avem o indicatie (estimatie) mai precisa cu privire la parametrul .
Intervalul variabil [ 1 , 2 ] care acopera punctul se numeste interval de incredere,
iar numarul din relatia (9) nivel de incredere al intervalului [ 1 , 2 ]. Multimea punctelor
de selectie (x 1 …xn) pentru care are loc relatia (8) constituie regiunea de acceptare pentru .
Exista doua situatii distincte in care se pot determina intervalele de incredere:
1. Presupunand ca exista o functie h(x 1 …x n , )strict monotona in raport cu , astfel
f ( x; )dx k (1 )
a
1
(10)
b
f ( x; )dx k
g 2 ( ; )
2 (1 )
unde k1 si k2 sunt numere pozitive asa incat k1+k2=1. In ipoteza ca [a,b] este intervalul valorilor
functiei h(x1…xn) avem evident:
b g 2 ( ; )
a
f ( x; )dx 1 , de unde rezulta ca f ( x; )dx
g1 ( ; )
Daca functia g1( ; ) este descrescatoare in raport cu iar functia g2( ; ) este
crescatoare in raport cu se poate construi un interval de incredere pentru . Intr-adevar,
rezulta ca:
7
P[g1( ; ) h(x1…xn) g2( ; )]= si implicit
P[ 1 (x1…xn; ) 2 (x1…xn; )]=
Revenind la cazul modelului AMSAA, se pot identifica doua functii de tipul g1 si g2 cu
ajutorul repartitiei 2 . Se observa ca densitatea de repartitie a acesteia :
n x
1 1
f (t ) x 2 2 2
e
n
n cu x [0; ), n
2
2 n
2
permite utilizarea a doua functii g1 f x;1 , g 2 f x; astfel incat egalitatile (10) sa
2 2
1
N
t
2 ln N astfel incat inegalitatile sa tina cont de estimarea anterioara a lui , se
j 1 t j
obtine:
2N 2 ˆ 2 ˆ
2 2 si deci 1 , 2 M ,2 M
1 , 2 M
2 ˆ
2
,2 M 2
2
2N 2N
M ˆ
Deoarece M=N-1, putem uniformiza notatiile considerand ˆ . Relatia devine:
N
2 ˆ 2 ˆ
1 , 2 M
2
2
,2 M
; (11)
2M 2M
ˆ
corespunzator, pentru se obtin din relatia
N
ˆ
xN doua inegalitati similare.
In acest moment se poate trece deci la evaluarea predictiilor necesare, pe baza estimarilor
anterior prezentate ale parametrilor si .
Totusi, este utila o verificare a oportunitatii utilizarii modelului AMSAA, intr-o situatie
concreta data intrucat distributia punctelor experimentale ar putea fi de asa natura incat folosirea
unui alt model sa permita o aproximare mai precisa. In consecinta este recomandata utilizarea
statistici Cramer von Mises calculata din observatii, marime utilizata pentru estimarea erorii:
2
M
1 X 2i 1
C 2
M i (12)
12 M i 1 X N 2M
Aceasta se compara cu valoarea corespunzatoare aceluiasi M si unui coeficient de
admisibilitate, valoare extrasa dintr-un tabel precalculat pe baza valorilor expresiei C 2M pentru
aproximari din ce in ce mai imprecise ale punctelor experimentale de catre curba modelului
AMSAA. Daca C2M EXP depaseste acest prag, modelul AMSAA este respins. In caz contrar se
8
poate trece la partea finala a algoritmului, realizarea predictiilor, pe baza estimarilor realizate
anterior ale parametrilor si .
~
Trebuie insa precizat ca in practica s-a constatat ca valoarea calculata ca mai sus este
M
sistematic mai mare decat cea reala de ori. In consecinta valoarea utilizata in toate
M 1
aplicatiile este:
M 1 ~ N 2
M N
valoare pe care o vom considera in continuare ca fiind atribuita implicit parametrului ori de
cate ori il vom folosi.
Cu si de mai sus, folosind r(t)= t 1 se pot face evaluari ale ratei de
defectare atat in interiorul intervalului (t1, tN) cat si in afara acestuia, in speta pentru o perioada
egala cu un procent important (pana la 50%∙(t N-t1)) din timpul de testare deja trecut. Intervalul
de incredere se calculeaza, pentru momentele ulterioare lui tN, in functie de estimarile obtinute la
1 1
momentul t; daca notam cu a 2 1 , 2 M , b 2 ,2 M , intervalul de incredere pentru t>t n
2 2
2 2
a ( N 1) b( N 1)
este rˆ(t ) r (t ) rˆ(t ) ,
N N
sau, inlocuind rata de defectare cu media timpului de buna functionare, notata simplificat
1
MTBF(t)=M(t)= .
r (t )
N M ˆ (t ) N M ˆ (t )
M (t ) .
b( N 1) a ( N 1)
9
- estimatorul parametrilor de scala :
N
ˆ ˆ
T
- valoarea direct utilizabila a parametrului de crestere:
N 1 ˆ
N
- expresia statisticii Cramer von Mises calculata din observatii cu scopul stabilirii
oportunitatii modelului AMSAA:
2
M
2i 1
1 Xi
C 2
M
12 M i 1 T 2M
a ( N 1) b( N 1)
rˆ(t ) r (t ) rˆ(t )
N N
1
MTBF
r (t )
notatiile, modul de calcul si toate marimile implicite fiind aceleasi ca in paragrafele anterioare
Pe aceiasi baza, autorii au elaborat programele de calcul prezentarea acestor va face
obiectul unei lucrari AMSAA1 si AMSAA2 care constituie o exemplificare concreta a aplicarii
modelului AMSAA pentru teste trunchiate si cenzurate, de la inregistrarea perechilor de date
experimentale si pana la obtinerea predictiilor de fiabilitate pentru perioada de interes.
10
N
ˆ N 1 N 2 ˆ
;
( N 1) ln X N ln X i N
i 1
care trebuie sa fie inferioara valorii admisibile; in fine, predictiile rˆ( X ) ˆˆX 1 si estimarile
ˆ
a ( N 1) b( N 1)
intervalelor de incredere rˆ( X ) r ( X ) rˆ( X ) , se fac in acelasi mod, cu
N N
deosebirea ca timpul t (ti) este inlocuit cu numarul incercarii X (Xi), iar media timpului de buna
functionare se transforma in numarul mediu de incercari dintre doua defectari succesive,
M(x)=1/r(x). De asemenea, intrucat in cazul datelor distributive rata de defectare este egala cu
probabilitatea de defectare, este posibila estimarea directa a fiabilitatii la incercarea a 10-a ca
ˆ ( X ) 1 rˆ( X ) ,
R din intervalul de incredere calculat pentru r fiind posibila deci estimarea
directa a intervalului de incredere pentru fiabilitatea sistemului in momentul fiecarei incercari.
Evident, asemanarea cu precedentul caz este frapanta; singura diferenta consta in luarea
in considerare a faptului ca testul final inceteaza a mai obtine o defectare, iar acest lucru se
traduce exclusiv prin modificarea formulei estimatorului parametrului de crestere :
N
ˆ N
, intrucat la momentul final T nemaiproducandu-se o defectare,
N ln T ln X i
i 1
BIBLIOGRAFIE
11
1. Angelica Bacivarov, I.C. Bacivarov, Asupra modelarii cresterii fiabilitatii in
Asigurarea Calitatii, vol V, 1999, no 19, pp. 7-10.
2. xxx Colectia revistei IEEE Transactions on Reliability, 1978-1999.
3. xxx Colectia revistei IEEE Transactions on System, Man and Cybernetics,
1981-1997.
4. xxx Colectia revistei Microelectronics and Reliability, 1973 –1995
5. xxx Proceedings of the Annual Reliability and Maintainability Symposium,
USA, 1985 – 1998.
12