蔣子涵, 方志耕, 芮菡萏, 張習(xí)習(xí), 劉思峰

(南京航空航天大學(xué)經(jīng)濟與管理學(xué)院, 江蘇 南京 211106)

0　引　言

共因失效(common cause failures, CCF)是一種相依失效,表現(xiàn)為在同一原因下,系統(tǒng)內(nèi)的多個元件同時或在很短的時間間隔內(nèi)相繼發(fā)生失效。CCF是冗余設(shè)計的天敵,其會大大增加元件發(fā)生關(guān)聯(lián)失效的概率,嚴(yán)重降低系統(tǒng)的可靠性。此外,在航空工業(yè)、電子工業(yè)及核電工業(yè)等領(lǐng)域里,CCF是導(dǎo)致系統(tǒng)失效的重要原因,忽略共因的影響將會使可靠性分析產(chǎn)生較大誤差。因此,學(xué)者們投入了大量精力來研究CCF的概率分布形式,及其可能對各元件產(chǎn)生的影響。

從1970年代開始,學(xué)者們就提出了許多用于分析CCF的模型,包括β因子模型、α因子模型、多希臘字母模型等,在此基礎(chǔ)上也進行了很多研究工作[1-4]。進入21世紀(jì)后,隨著系統(tǒng)結(jié)構(gòu)的復(fù)雜化以及更多研究案例的出現(xiàn),對CCF的研究進入了新階段。文獻[5]在傳統(tǒng)模型的基礎(chǔ)上提出作用矩陣的概念,指出共因是以一定概率給每個部件造成不同程度的影響,從而增加了馬爾可夫過程的適用性;類似地,文獻[6]研究了多階段任務(wù)系統(tǒng)的概率共因故障問題,提出了分析系統(tǒng)可靠性的顯式和隱式方法;文獻[7]也考慮了概率共因故障模型,并結(jié)合隨機方法和動態(tài)故障樹來研究帶有備件門的冗余系統(tǒng)可靠性。文獻[8-9]結(jié)合了蒙特卡羅模擬和元胞自動機兩種算法,在傳統(tǒng)方法只能分析可以轉(zhuǎn)化為串、并聯(lián)結(jié)構(gòu)的簡單系統(tǒng)的基礎(chǔ)上,進一步評估了復(fù)雜系統(tǒng)的可靠性。文獻[10]利用有序二叉決策圖,建立了具有時延約束的網(wǎng)絡(luò)可靠性模型,從CCF角度分析了航空電子系統(tǒng)的網(wǎng)絡(luò)可靠性。而文獻[11]則以有序二叉決策圖為工具研究帶有非獨立傳播效應(yīng)的共因故障系統(tǒng)的可靠性。

核電行業(yè)作為CCF的重要應(yīng)用領(lǐng)域,也產(chǎn)生了很多研究成果。文獻[12-13]以核電站為研究背景,構(gòu)建了一種包含擴散和選擇性失效的多狀態(tài)系統(tǒng)模型,并提出廣義發(fā)生函數(shù)來計算可靠度。文獻[14]運用蒙特卡羅仿真研究了發(fā)生自然災(zāi)害(如地震)時核電站的概率安全評價問題。

近年來,學(xué)者們的研究對象逐漸從單一狀態(tài)系統(tǒng)轉(zhuǎn)變?yōu)槎酄顟B(tài)系統(tǒng),同時一些新的技術(shù)也被用來求解更復(fù)雜的系統(tǒng),常見的方法包括目標(biāo)導(dǎo)向的流圖法(goal oriented-FLOW,GO-FLOW),馬爾可夫鏈和貝葉斯網(wǎng)絡(luò)。其中文獻[15]用統(tǒng)一的映射規(guī)則把離散時間貝葉斯網(wǎng)絡(luò)和GO-FLOW結(jié)合起來,使帶有復(fù)雜特征的GO-FLOW模型能被轉(zhuǎn)化為離散時間貝葉斯網(wǎng)絡(luò)模型。文獻[16-17]基于馬爾可夫過程,分別結(jié)合多狀態(tài)分析和故障反應(yīng)分析,提出了冗余分配的方法。最后,貝葉斯網(wǎng)絡(luò)也是學(xué)者們研究的重點。文獻[18-19]均建立了系統(tǒng)的動態(tài)貝葉斯網(wǎng)絡(luò)模型,以便發(fā)現(xiàn)多種故障沖擊下系統(tǒng)的薄弱環(huán)節(jié);文獻[20]則以物聯(lián)網(wǎng)為研究對象,設(shè)計了貝葉斯網(wǎng)絡(luò)中新的節(jié)點連接方式,分析了物聯(lián)網(wǎng)的全端可靠性。

本文考慮不完全CCF機制,認(rèn)為共因只以一定概率p(發(fā)生共因時,單一元件的失效概率)使相關(guān)元件發(fā)生失效,使得可靠性預(yù)測模型更符合現(xiàn)實。目前對不完全CCF的研究只是通過失效次數(shù)和總試驗時間來估計多重失效率,本文進一步利用失效時刻數(shù)據(jù)來進行多重失效率的貝葉斯更新,不僅使估計結(jié)果更準(zhǔn)確,也能利用新信息來動態(tài)預(yù)測系統(tǒng)的可靠性。此外,在已有研究僅考慮CCF率的基礎(chǔ)上,本文還考慮了元件的獨立失效率,并通過貝葉斯方法對獨立失效率的估計值進行更新,使得模型同時包含了獨立失效和不完全CCF的特征。

本文希望通過該模型更準(zhǔn)確地預(yù)測系統(tǒng)可靠性,并通過計算可靠度分位點壽命來合理確定系統(tǒng)的檢修周期,使系統(tǒng)可靠性維持在一個較高水平。

1　不完全CCF系統(tǒng)可靠性模型

1.1　共因的發(fā)生率

共因分為系統(tǒng)外部沖擊和內(nèi)部故障。假定共因的到來是一個泊松過程,則相鄰兩次共因發(fā)生的時間間隔Δt服從指數(shù)分布,記為Δt～Exp(μ)。

若系統(tǒng)中共有m個元件,且都屬于同一個失效分布,稱為相同分布單元。令λi表示發(fā)生共因時,系統(tǒng)中指定i個元件同時失效的失效率;λiVm表示發(fā)生共因時,系統(tǒng)中任意i個元件同時失效的失效率,則有

λi=μpi(1-p)m-i

(1)

(2)

(3)

(4)

式中,Cq(p)表示發(fā)生q重以上失效的概率,即

(5)

假如共因到來時,每個元件發(fā)生失效的概率p各不相同,那么λi和λiVm的表達(dá)式就會因元件組合不同而變化。例如假設(shè)系統(tǒng)中有3個元件,在共因下發(fā)生故障的概率分別是p1,p2和p3,這時可設(shè)λ1,2為1、2號元件同時失效的失效率,即λ1,2=p1p2(1-p3),其他情況以此類推。

推論1設(shè){N1(t),t≥0}和{N2(t),t≥0}為兩個獨立的泊松過程,且強度分別為λ1和λ2,則這兩個泊松過程的疊加{N(t),t≥0}是一個強度為λ=λ1+λ2的泊松過程。

不難證明,推論1可以推廣到有限個獨立泊松過程相疊加的情形，如圖1所示。

圖1　獨立泊松過程的疊加

(6)

(7)

(8)

為了計算共因下元件失效概率p的最大似然估計值,可根據(jù)觀察時間T內(nèi)的一組統(tǒng)計數(shù)據(jù)N2Vm,N3Vm,…,NmVm來構(gòu)造p的最大似然函數(shù),即

L(p)=P(N2Vm,N3Vm,…,NmVm)=

(9)

式中,q=(1-p)?？梢奓(p)的核是式(9)的后半部分,即

(10)

通過對式(10)求導(dǎo),即可解出p的最大似然估計值p*。

1.2　元件的狀態(tài)描述方法

假設(shè)系統(tǒng)由m個元件組成。為了對元件的正?；蚬收蠣顟B(tài)進行表示,引入以下符號來表示正?；蚬收鲜录21]:

(11)

1.3　系統(tǒng)可靠性分析方法

P(x1)P(x2|x1)P(x3|x1x2)…

P(xr|x1x2x3…xr-1)

(12)

(13)

2　系統(tǒng)可靠性參數(shù)的貝葉斯更新

2.1　共因發(fā)生率μ的貝葉斯更新

圖2　共因發(fā)生與多重失效

共因以μ的發(fā)生率到達(dá),在該段時間內(nèi)共發(fā)生6次共因。每次發(fā)生共因時,系統(tǒng)相應(yīng)出現(xiàn)了二重、三重和四重失效,且失效率分別為λ2Vm,λ3Vm和λ4Vm。因此多重失效率之和反映了共因的發(fā)生率μ。由式(4)和推論1可知,這樣的做法是可行的。具體的步驟如下:

與獨立失效率的分析不同的是,CCF分析應(yīng)將系統(tǒng)作為一個整體來研究,因此把每一次CCF看作一個樣本點。由于已知共因的發(fā)生是一個泊松過程,因此系統(tǒng)在共因作用下的壽命服從指數(shù)分布族,那么樣本的似然函數(shù)為

(14)

(15)

(16)

(17)

2.2　元件獨立故障率λ的貝葉斯更新

設(shè)元件在無共因作用時的壽命T服從指數(shù)分布Exp(λ),即元件的獨立失效率為λ,則壽命的分布函數(shù)是F(t)=1-e-λt。對λ進行貝葉斯估計的步驟如下:

步驟1由于有過往壽命試驗的統(tǒng)計數(shù)據(jù),故假設(shè)λ的先驗分布為Gamma分布,即π(λ)～Ga(a,b),先驗概率密度函數(shù)為

(18)

步驟2現(xiàn)對m個該種元件進行了新的壽命試驗,假設(shè)共測得r次失效,且各失效時刻為t1≤t2≤…≤tr≤τ(r≤m),其中τ為指定的觀察中止時間。該樣本的似然函數(shù)為

(19)

步驟3依據(jù)先驗信息和新試驗數(shù)據(jù),并由連續(xù)變量的貝葉斯公式可得λ的后驗概率密度為

(20)

將式(18)和式(19)代入式(20),可得

(21)

步驟4式(21)中等號右端是Gamma分布的一個核,即π(λ|t1,t2,…,tr)∝λa+r-1e-(b+Tr)λ。因此λ的后驗分布服從Gamma分布,即π(λ|t1,t2,…,tr)～Ga(a+r-1,b+Tr),因此可得λ的貝葉斯估計值為

(22)

3　實例分析

某民航客機上搭載的飛行數(shù)據(jù)記錄系統(tǒng)由8個元件組成,其結(jié)構(gòu)如圖3所示。其中1、2號元件是緩降系統(tǒng)的一部分,由同一個電路控制,若出現(xiàn)電壓異常,可能會導(dǎo)致元件失效,因此其組成CCF組1;此外,1、2號元件各自會因為相應(yīng)的傳感器或電機故障而發(fā)生獨立失效。5、7、8號元件是數(shù)據(jù)傳輸系統(tǒng)的一部分,由另一個電路控制,電壓異常同樣會導(dǎo)致元件失效,因此其組成CCF組2。同一個CCF組內(nèi)的元件為相同分布單元。而3、4、6號元件只發(fā)生獨立失效,稱為獨立失效組。

圖3　系統(tǒng)可靠性框圖和CCF組

事先已知1、2號元件,3、4、6號元件和5、7、8號元件在獨立失效情況下的壽命服從指數(shù)分布,且失效率參數(shù)λ各不相同。為了對各元件的獨立失效率進行估計,分別選取了50個元件進行失效觀察。該試驗為定時截尾壽命試驗,觀察時間為5 000 h。其失效時刻如表1～表3所示。同時,對兩個CCF組分別進行CCF觀察,并將多重失效時刻記錄在表2和表3中。

表1　獨立組失效時刻

表2　CCF組1失效時刻

表3　CCF組2失效時刻

表4　失效數(shù)據(jù)及獨立失效率計算值

表5　失效數(shù)據(jù)及CCF率計算值

現(xiàn)求解該系統(tǒng)的可靠度函數(shù)。設(shè)第i個元件的可靠度為Ri(t),i=1,2,…,8,則通過最小路集法和串并聯(lián)法可得該系統(tǒng)可靠度函數(shù)為

RS=(R1+R2-R1R2)R3(R4R7+R5R7-

R4R5R7+R5R8-R5R7R8+R6R8-

R5R6R8-R4R6R7R8+R4R5R6R7R8)

(23)

式中,有3組相同分布單元:1、2號元件,5、7、8號元件和3、4、6號元件。令R1=R2=RA,R5=R7=R8=RB,R3=R4=R6=RC。則式(23)可寫為

(24)

由式(13)可得到式(24)中各分量的表達(dá)式,即

圖4顯示了3種情況下的可靠性對比,其中完全CCF是指:只要發(fā)生共因就出現(xiàn)失效。由計算可知,不考慮CCF時,系統(tǒng)的期望壽命為5 132 h;不完全CCF為1 429 h;而在完全CCF的假設(shè)下只有805 h?？梢?CCF會大大降低系統(tǒng)的期望壽命,在系統(tǒng)設(shè)計與維護中是不能忽視的因素。

圖4　3種假設(shè)下系統(tǒng)可靠度對比

另外,進行貝葉斯更新可以更準(zhǔn)確地對系統(tǒng)可靠性進行分析。在實際情況中,人們更關(guān)心系統(tǒng)可靠性的退化情況而非期望壽命,因此需要計算系統(tǒng)可靠度在何時會降低到指定數(shù)值。圖5顯示了在不完全CCF假設(shè)下,貝葉斯更新前后系統(tǒng)的可靠性退化情況。在更新前,系統(tǒng)可靠度在第165 h降至0.9,而更新后這一時刻則變?yōu)?92 h,可見系統(tǒng)的可靠壽命比先驗估計有所提高。

圖5　貝葉斯更新前后的可靠度分位壽命

此外,經(jīng)過貝葉斯更新后,不完全CCF系統(tǒng)的可靠度依次降至0.85和0.8的時刻分別為291 h和393 h。根據(jù)這些信息可以確定系統(tǒng)的檢修周期。例如,若要使系統(tǒng)可靠性維持在85%以上,則應(yīng)每間隔291 h檢修一次。

本節(jié)實例分析表明,CCF會大大降低系統(tǒng)的可靠度,是實際分析中不能忽略的因素。另外,與傳統(tǒng)的完全CCF相比,本文提出的不完全CCF假設(shè)能夠更合理地對系統(tǒng)的可靠性進行分析。最后,貝葉斯更新能夠更準(zhǔn)確地反映系統(tǒng)的狀態(tài),并且可以通過新的數(shù)據(jù)來方便地進行動態(tài)更新。

4　結(jié)　論

參考文獻：

[1] CHAE K C, CLARK G M. System reliability in the presence of common-cause failures[J]. IEEE Trans.on Reliability, 1986, 35(1):32-35.

[2] MANKAMO T, KOSONEN M. Dependent failure modeling in highly redundant structures—application to BWR safety valves[J]. Reliability Engineering & System Safety, 1992, 35(3): 235-244.

[3] DHILLON B S, ANUDE O C. Common-cause failure analysis of a parallel system with warm standby[J]. Microelectronics Reliability, 1993, 33(9): 1321-1342.

[4] VAURIO J K. An implicit method for incorporating common-cause failures in system analysis[J]. IEEE Trans.on Reliability, 1998, 47(2):173-180.

[5] 王家序,周青華,肖科,等.不完全共因失效系統(tǒng)動態(tài)故障樹模型分析方法[J].系統(tǒng)工程與電子技術(shù),2012,34(5):1062-1067.

WANG J X, ZHOU Q H, XIAO K, et al. Dynamic fault tree model analysis of systems subjected to incomplete common-cause failure[J]. Systems Engineering and Electronics, 2012, 34(5): 1062-1067.

[6] WANG C, XING L, LEVITIN G. Probabilistic common cause failures in phased-mission systems[J]. Reliability Engineering & System Safety, 2015, 144(12): 53-60.

[7] ZHU P, HAN J, LIU L, et al. A stochastic approach for the analysis of dynamic fault trees with spare gates under probabilistic common cause failures[J]. IEEE Trans.on Reliability,2015,64(3): 878-892.

[8] 阮淵鵬, 何楨. 基于MCS-CA的考慮共因失效的復(fù)雜系統(tǒng)可靠性評估[J]. 系統(tǒng)工程與電子技術(shù), 2013, 35(4): 900-904.

RUAN Y P, HE Z. Reliability evaluation of complex systems with common cause failures based on MCS-CA[J]. Systems Engineering and Electronics, 2013, 35(4): 900-904.

[9] ZHU P, HAN J, LIU L, et al. Reliability evaluation of phased-mission systems using stochastic computation[J]. IEEE Trans.on Reliability, 2016, 65(3): 1612-1623.

[10] 陳瑤, 李峭, 趙長嘯, 等. 基于OBDD的航空電子網(wǎng)絡(luò)可靠性分析[J]. 系統(tǒng)工程與電子技術(shù), 2013, 35(1): 230-236.

CHEN Y, LI Q, ZHAO C X, et al. OBDD-based reliability analysis for avionics networks[J]. Systems Engineering and Electronics, 2013, 35(1): 230-236.

[11] XING L, LEVITIN G, WANG C, et al. Reliability of systems subject to failures with dependent propagation effect[J]. IEEE Trans.on Systems, Man & Cybernetics:Systems,2013,43(2): 277-290.

[12] HAUGE S, HOKSTAD P, HABREKKE S, et al. Common cause failures in safety-instrumented systems: using field experience from the petroleum industry[J]. Reliability Engineering & System Safety, 2016, 151(7): 34-45.

[13] ZHANG M, ZHANG Z, MOSLEH A, et al. Common cause failure model updating for risk monitoring in nuclear power plants based on alpha factor model[J]. Journal of Risk & Reliability, 2017, 231(3): 209-220.

[14] YU Y, WANG S, NIU F. Analysis of common cause failure effect on system reliability in seismic PSA[J]. Progress in Nuclear Energy, 2014, 75(6): 158-167.

[15] FAN D, WANG Z, LIU L, et al. A modified GO-FLOW methodology with common cause failure based on discrete time Bayesian network[J]. Nuclear Engineering & Design, 2016, 305(11): 476-488.

[16] MECHRI W, SIMON C, BENOTHMAN K. Switching Markov chains for a holistic modeling of SIS unavailability[J]. Reliability Engineering & System Safety,2015,133(133):212-222.

[17] WANG J, LI M. Redundancy allocation optimization for multistate systems with failure interactions using semi-Markov process[J].Journal of Mechanical Design,2015,137(10):1-12.

[18] LIU Z, LIU Y, CAI B, et al. Dynamic Bayesian network mode-ling of reliability of subsea blowout preventer stack in presence of common cause failures[J]. Journal of Loss Prevention in the Process Industries, 2015, 38(6): 58-66.

[19] 張友鵬, 楊金鳳. 基于動態(tài)貝葉斯網(wǎng)絡(luò)的CTCS-3級ATP系統(tǒng)可靠性分析[J]. 鐵道學(xué)報, 2017, 39(7): 79-86.

ZHANG Y P, YANG J F. Reliability analysis on ATP system of CTCS-3 based on dynamic bayesian network[J]. Journal of the China Railway Society, 2017, 39(7):79-86.

[20] PARK J H. Time-dependent reliability of wireless networks with dependent failures[J]. Reliability Engineering & System Safety, 2017, 165(9): 47-61.

[21] 金星, 洪延姬, 杜紅梅. 共因失效系統(tǒng)的可靠性分析方法[M]. 北京: 國防工業(yè)出版社, 2008.

JIN X, HONG Y J, DU H M. Reliability analysis method of common cause failure system[M]. Beijing: National Defence Industry Press, 2008.