Seria: Informatyka

Elementy teorii niezawodności

Wykład 2
Obiekty proste nieodnawialne

dr hab. inż. Tadeusz Nowicki prof. nadzw. WAT

e-mail:tadeusz.nowicki@wat.edu.pl, tel. 6-837118
 Model niezawodnościowy
Jedynym istotnym zdarzeniem w eksploatacji obiektu
prostego nieodnawialnego jest chwila jego uszkodzenia.
Wtedy traci on własność realizacji przewidzianych funkcji
(zadań).

T 1- oznacza zdatność obiektu do

1 wykonywania funkcji
0 – oznacza jego niezdatność
0 t1 t

Zmienna T jest ciągłą i dodatnią zmienną losową oznaczającą

czas życia obiektu, zatem czas do jego uszkodzenia. Jest
ona modelem niezawodnościowym obiektu prostego
nieodnawialnego. Charakterystyki tej zmiennej losowej są
zatem miarami niezawodnościowymi obiektu.
 Miary niezawodności
Miary funkcyjne (zależne od upływającego czasu)
1. Dystrybuanta F(t) zmiennej losowej T –
prawdopodobieństwo, że czas do uszkodzenia
obiektu jest mniejszy od zadanej chwili t
F( t ) = P{ T < t}
2. Funkcja niezawodności R(t) -
prawdopodobieństwo, że czas do uszkodzenia
obiektu jest większy od zadanej chwili t
R ( t ) = P{ T ≥ t}
3. Gęstość zmiennej losowej T – pokazuje
rozłożenie masy prawdopodobieństwa na
posczególnych wartościach zmiennej losowej
d
f ( t ) = F( t )
dt
 Miary niezawodności
4. Funkcja λ (t) intensywności uszkodzeń
zmiennej losowej T – warunkowa gęstość
rozkładu prawdopodobieństwa czasu powstania
uszkodzenia w chwili t
f (t) f (t)
λ( t ) = =
1 − F( t ) R ( t )

5. Funkcja wiodąca Λ (t) – skumulowany wskaźnik

bazujący na chwilowej charakterystyce λ (t)
t
Λ ( t ) = ∫ λ (u )du
0
 Miary niezawodności
6. Warunkowa funkcja niezawodności Rt(τ ) –
prawdopodobieństwo warunkowe zdarzenia
polegającego na tym, że obiekt zachowa stan
zdatności jeszcze przez odcinek czasu o
długości co najmniej τ pod warunkiem, że do
chwili t nie uszkodził się.
P{ T ≥ t + τ} R ( t + τ)
R t (τ) = =
P{ T ≥ t} R (t)
7. Bezwarunkowe prawdopodobieństwo P(t,t+ τ )
braku uszkodzenia w przedziale czasu (t,t+ τ )
t +τ
P( t , t + τ) = ∫ f (u )du = 1 − [ R (t ) − R (t + τ)]
t
 Miary niezawodności
Miary liczbowe (niezależne od upływającego czasu)
8. Wartość oczekiwana E{T} zmiennej losowej T
∞ ∞ ∞
E{ T} = θ = ∫ t ⋅ f ( t )dt = ∫ [1 − F( t )] dt = ∫ R ( t )dt
0 0 0

Uwaga: całkujemy od 0 – dodatnie zmienne losowe

9. Wariancja zmiennej losowej T – miara rozrzutu
wokół wartości oczekiwanej
∞
V{ T} = ∫ ( t − θ) 2 f ( t )dt
0

10. Odchylenie standardowe

∞
σ{ T} = ∫ ( t − θ) 2
f ( t )dt = V{ T}
0
 Miary niezawodności
11. Kwantyl tp zmiennej losowej T – jest chwilą, dla
której dystrybuanta F(t) osiąga wartość p,
zatem jest rozwiązaniem równania:

F{ t p } = p

Interpretacja geometryczna kwantyla

F(T)

tP t
 Typowe rozkłady czasów zdatności
W teorii i praktyce niezawodności obiektów technicznych rozważa się szereg
typowych rozkładów prawdopodo-bieństw, jakie przyjmuje się dla czasów
zdatności obiektów:

1. Rozkład wykładniczy
F( t ) = 1 − e − λt , t ≥ 0 R t (τ) = e − λ τ, t ≥ 0
R ( t ) = e − λt , t ≥ 0 E{ T} =
1  
1
2

λ V{ T} =  
f ( t ) = λ e − λt , t ≥ 0 λ
1
λ ( t ) = λ, t ≥ 0 σ{ T} =
λ
Λ ( t ) = λt , t ≥ t λ
f ( s) =
∗ transformata Laplace’a
gęstości zmiennej losowej
λ+s
Uwaga: proszę zapoznać się z podstawowymi rozkładami czasów
zdatności ze skryptu Korzana. Pomijać dalej będziemy fakt, że t≥ 0
dla charakterystyk czasowych.
 Typowe rozkłady czasów zdatności
2. Rozkład Erlanga n-tego rzędu z parametrem λ
(λ t ) i − λ t
n −1 n
F (t ) = 1 − ∑ e ,t ≥ 0 E{ T} = θ =
i =0 i! λ
n −1
(λ t ) i − λ t n
R (t ) = ∑ e V{ T} = 2
i =0 i! λ
λn t n −1 −λt n
f (t) = e , Γ(n) = (n - 1)! σ{ T} =
Γ( n ) λ
−1 n
λ t  (λ t ) 
n n −1 n −1 i
 λ 
λ (t ) = ∑  f ( s) = 
∗

Γ ( n)  i = 0 i !  λ+s
 Typowe rozkłady czasów zdatności
3. Rozkład gamma z parametrami α i λ
t ∞
1 α α −1 −λx
F( t ) = ∫ λ x e dx Γ(α) = ∫ x α −1e − x dx
0
Γ(n ) 0

∞ α
R (t) = ∫
1 α α −1 −λx
λ x e dx E{ T} = θ =
Γ(n ) λ
t
α
λα t α −1 −λt V{ T} = 2
f (t) = e λ
Γ (α )
α
t α −1 − λt
e σ{ T} =
λ( t ) = ∞
λ

∫ e dx
α −1 − λx α
x  λ 
t f ( s) = 
∗

λ+s
 Typowe rozkłady czasów zdatności
4. Rozkład Weibulla (α , 5. Rozkład Rayleigha (λ )
β )
− βt α − λt 2
F( t ) = 1 − e F( t ) = 1 − e
− βt α − λt 2
R (t) = e R (t) = e
α −1 − β t α
f ( t ) = α βt e f ( t ) = 2λte − λt 2

λ ( t ) = α βt α −1 λ ( t ) = 2λ t
Λ( t ) = βt α Λ ( t ) = λt 2
1
1 −α 1 π
E{ T} = Γ(1 + )β E{ T} =
α 2 λ
4−π
V{ T} =
4λ
 Typowe rozkłady czasów zdatności
6. Rozkład normalny z parametrami (m,σ )
1
t
−
( x −m ) 2 E{ T} = θ = m
F( t ) = ∫
2
2σ
e dx
σ 2π − ∞ V{ T} = σ 2
( x −m ) 2
σ{ T} = σ
∞
1 −
R (t) = ∫
σ 2π t
e 2σ2
dx

( x −m ) 2 −1
1 − −
( x −m ) 2 ∞
−
( x −m ) 2 
f (t) = e 2σ2
λ( t ) = e 2σ 2
∫ e 2σ 2
dx 
σ 2π  t 

Uwaga: rozkład ten stosować można jedynie wtedy, gdy m>3σ . Wtedy
ujemne wartości realizacji zmiennej losowej praktycznie nie występują.
W innym przypadku stosujemy rozkład normalny ucięty w zerze.
 Typowe rozkłady czasów zdatności
7.Rozkład normalny ucięty w zerze (m,σ )
Weźmy pod uwagę rozkład warunkowy zmiennej losowej X,
o rozkładzie normalnym z dystrybuantą FX(x), przy czym
warunek ten jest następujący: X>0. Wtedy
P{ 0 ≤ X ≤ t} FX ( t ) − FX (0)
P{ X < t / X ≥ 0} = =
P{ X ≥ 0} 1 − FX (0)

Taka dystrybuanta spełnia warunki dystrybuanty czasu

zdatności T, a rozkład T nazywa się rozkładem normalnym
uciętym w zerze
FX ( t ) − FX (0)
F( t ) = ,t ≥ 0
1 − FX (0)
 Typowe rozkłady czasów zdatności
Jeśli przyjmiemy, że 1
1 − FX (0) =
c
to otrzymujemy dalej
F( t ) = c[ FX ( t ) − FX (0)] f ( t ) = cf X ( t ) R ( t ) = cR X ( t ) λ ( t ) = cλ X ( t )

8.Rozkład mieszaniny
Jeśli mamy n dystrybuant Fk(t) oraz prawdo-podobieństwa pi
n
takie, że
∑ pk = 1
k =1

to mieszaniną zmiennych losowych nazywa się zmienną

losową T o dystrybuancie F(t)
n n n
F( t ) = ∑ p k Fk ( t ) R (t) = ∑ pk R k (t ) ∑p f k k (t)
k =1 k =1
λ( t ) = k =1
n

∑p R
n
f (t) = ∑ pk f k (t) k k (t)
k =1
k =1