轨道交通RAMS工程基础-维修性预计与报告

维修性预计是研制过程中主要的维修性活动之一，根据历史经验和相似产品的数据等估计、测算新产品在给定工作条件下的维修性参数，以便了解设计满足维修性要求的程度。

1.维修性预计的目的和作用

在产品的研制和改进过程中，进行了维修性设计，但能否达到规定的要求，是否需要进行进一步的改进，这就要开展维修性预计。所以预计的目的是预先估计产品的维修性参数值，了解其是否满足规定的维修性指标以便对维修性工作实施监控。其具体作用是：

1）在论证阶段，通过维修性预计，比较不同方案的维修性水平，为最优方案的选择及方案优化提供依据。

2）在设计阶段，通过维修性预计，发现影响产品维修性的主要因素，找出薄弱环节，采取设计措施提高产品的维修性。

3）为维修性验证等工作提供参考。

维修性预计是研制与改进过程中费用效益较好的维修性工作。预计作为一种分析工作，自然不能取代维修性的试验验证。但是，预计可以在试验之前、产品制造之前，对产品可能达到的维修性水平做出估计。尽管这种估计不是验证的依据，却赢得了研制过程宝贵的时间，以便早日做出决策，避免设计的盲目性，防止完成设计、制成样品试验时才发现不能满足要求，无法或难于纠正。同时，预计是分析性工作，投入较少，利用它避免频繁地试验摸底，其效益很大。

2.维修性预计的参数

维修性预计的对象应当是十分重要的产品维修性参数，他们通常是在总体技术条件和任务书中规定的。一般来说，最常见的需要预计的维修性参数包括：

1）平均修复时间MTTR；

2）平均预防性维修时间MPMT；

3）给定百分位的最大修复时间M_max；

4）维修工时率M_I。

对于具体的维修性预计工作，应按照任务书要求，针对具体参数指标进行预计。

3.维修性预计的条件

开展维修性预计须具备以下基本条件：

1）产品已完成初步设计；

2）产品已完成可靠性分配或初步的可靠性预计；

3）掌握相似产品维修性相关的数据和资料；

4）各种维修性预计方法所需的其他特定条件。

4.维修性预计的时机

应该在论证阶段即开展维修性预计工作，并随着研制的深入而逐步深化，在必要时要对预计结果进行适当修正。在生产阶段进行设计更改或改进时都应适当地进行维修性预计。

5.维修性预计的原则

进行维修性预计时，应遵循下列原则：

1）维修性预计应重点考虑在基层级维修的产品层次，对于在中继级或基地级进行维修的产品，因其维修性设计要求相对较低，可适当减少在维修性预计工作方面的投入。

2）维修性预计时应妥善处理工作分解结构中不同产品间的接口关系，既要避免重复预计，又要避免遗漏。

3）维修性指标要区别清楚是修复性维修还是预防性维修，或者两者的组合，相应的时间或工时与维修频率不得混淆。

4）维修性预计一般按照产品结构层次划分逐层展开，维修性预计的层次通常应与维修性分配的层次保持一致。

5）应充分重视并参考相似产品的维修性数据。

6）维修性预计过程中，应充分重视工程经验的利用，以降低预计的误差。

6.维修性预计的步骤

维修性预计工作的步骤包括以下内容：

1）分析维修性预计的任务要求，明确预计的参数。确定产品需要预计的维修性参数，明确各参数所对应的维修级别、维修类别以及其他相关维修性预计的要求。

2）分析维修性预计的产品对象。产品各组成部分的功能和结构层次，可由产品总体逐步分解到所需层次的产品即可更换单元，层次的多少可由产品的复杂程度并结合维修性预计要求而定。

3）明确并收集维修性预计所需的信息。获取拟预计对象已有的数据，如相似产品数据、故障率数据、可达性数据、测试性数据、拆装性数据等，为选取合适的预计方法奠定基础。

4）确定适当的预计方法并进行预计。

5）对结果进行适当的修正。结果修正主要是为弥补简化的维修性模型所带来的预计误差，修正通常以经验分析为主。

6）编制维修性预计报告。最后，完成维修性预计报告。

7.维修性预计的方法

作为一种设计技术，维修性预计有多种方法，但各种方法均有其优点和一定的局限性，如GJB/Z 57《维修性分配与预计手册》中提出的概率模拟预计方法考虑的因素非常细致，但数据收集和计算的工作量较大，且主要局限于航空机载电子和机电系统修复时间的预计；随机网络预计方法、神经网络预计方法、基于虚拟现实技术的预计方法对数据要求比较高；功能层次预计方法、抽样评分预计方法等方法的工程可操作性还需进一步改进。

考虑到轨道交通装备工程应用所需的简易性和实用性，主要介绍单元对比预计方法、专家预计法和时间累计预计方法。

（1）单元对比法

1）概述：本方法假定产品中已知一个单元的维修时间和维修频率，并可将其作为基准单元，产品中的其他单元可通过与该基准单元就维修难度、维修频率进行比较，得到自身的维修时间和维修频率，并据此对产品维修性做出预计。轨道交通装备在研制过程中都有一定的继承性，在组成新设计的系统或设备的单元中，总会有些是使用过的产品。由于该方法不需要更多的具体设计细节，它适用于方案设计阶段的早期预计，同时本方法可以预计预防性、修复性维修参数值。

2）实施步骤：单元对比法的预计步骤如下：

①明确预计参数及其指标。单元对比法通常用于预计平均修复时间MTTR、平均预防性维修时间MPMT等。

②确定产品的可更换单元。以规定的维修级别（如现场维修）为准，根据产品设计方案和实施可能，划分并确定产品的各个可更换单元。

③选择基准单元。基准单元的选择原则，一是要能够估测其维修性指标水平；二是要求与其他单元在复杂性、维修性等方面有明确的可比性，以便于确定各项系数。对于修复性维修和预防性维修的基准单元，可以是同一个基准单元，也可以根据需要分别选择不同的基准单元。

④确定各项系数。

a.相对故障率系数：第i个可更换单元的相对故障率系数为

式中 λ_i——第i个可更换单元的故障率；

λ₀——基准单元的故障率。

b.相对维修时间系数：第i个单元的相对修复时间或预防性维修时间系数h_ci或h_pi可用同样方法确定，以下用h_i代表。

将维修活动分解为定位隔离、拆卸组装、可更换单元安装更换、调准检验等活动。故相对时间系数h_i也分为4项，即

h_i=h_i1+h_i2+h_i3+h_i4 （3-53）

式中 h_ij——第i个单元第j项维修活动时间（t_ij）与基准单元维修时间

（MTTR₀或MPMT₀）之比，可由t_ij乘h_0j相对于基准单元相应时间

（t_0j）之比确定：

h_ij=h_0jt_ijt0j （3-54）

式中 h_0j——基准单元第j种维修活动时间所占基准维修时间的比值。

显然，h₀=h₀₁+h₀₂+h₀₃+h₀₄=1。

c.相对预防性维修频率系数：相对频率系数l_i是指第i个可更换单元的预防性维修频率f_i与基准单元预防性维修频率f₀的比值，即

l_i=f_i/f₀ （3-55）

各相对系数确定后分别填入表3-53中。

表3-53 可更换单元相对系数表

(www.xing528.com)

⑤计算相应的维修性参数值。

a.计算平均修复时间

式中 MTTR₀——基准可更换单元的平均修复时间（h）；

k_i——第i个可更换单元相对故障率系数；

h_ci——第i个可更换单元相对维修时间系数。

b.计算平均预防性维修时间

式中MPMT₀——基准单元的预防性维修时间（h）；

l_i——第i个预防性维修单元的相对预防性维修频率系数；

h_pi——第i个预防性维修单元的相对维修时间系数。

3）注意事项：

①对于不同的预防性维修单元，其预防性维修步骤可能并不相同，因此相对预防性维修时间系数也可根据设计特性、维修规程或经验等直接确定。

②若需提高预计精度，可以首先对基准单元及其他单元的结构设计因素、维修资源要求因素、维修人员的要求因素等方面进行细致的评分，在此基础上更为准确地确定各单元与基准单元的相对维修时间系数。

（2）专家预计法 专家预计法应用极为广泛，在产品研制中，应用专家预计法进行维修性预计，就是邀请若干专家各自对产品及其各部分的维修性参数分别进行估计，然后进行数据处理，求得所需的维修性参数预计值。

参加预计的应包括熟悉产品设计和维修保障的专家，其中一部分是参与本产品的研制、维修的人员，另一部分是未参与本产品的研制、维修的人员。预计的主要依据是：

1）经验数据，即类似产品的维修性数据及使用部门的意见和反馈；

2）新产品的结构（图样、模型或样车）；

3）维修保障方案，包含维修级别、周期、维修保障条件等因素。

根据上述各项，由专家们对与新产品的维修性参数有关的各个方面进行研究，如根据对图样、模型或样车的观察而推测维修的方便性；按维修性设计核对表核查维修性的各项定性要求；分析维修所需人员的技能和行为因素；某些典型的维修操作的动作时间研究；分析新产品研制中已有的统计数据等。之后，在此基础上估算、推断维修性参数值（如维修时间或工时等），提出维修性方面的缺陷和改进措施。

在实际运用中，为便于判断和进行比较，可采用欧文（J.N.Irvin）等人提出的按照产品项目结构、功能、维修人员（维修工作）三方面的设计特点编成的表格，选择新产品或其部件所对应的各项维修性因子。该表格（见表3-54、表3-55、表3-56）3个方面共20项，每项根据不同情况给出因子的最（较）小值、一般值及较大值，相应的因子分别为1～3、4～6和7，因子越小则表明维修时间或工时越少，即维修性越好。在按表格确定产品或其某个项目的各个因子后，再求得平均值，以作为同其他类似产品比较与推断维修性参数的根据。

维修性预计的深度决定于研制的进程。设计研制初期，只能由专家们依据设计方案、产品及各部结构的类型和历史经验估计维修频率及维修时间（工时），显然这是粗略的。当开始详细设计后，对各个部位分别进行预计，确定各自的维修性参数，然后再进行逐项逐级累加或求均值，从而得到产品的维修性参数预测值。

表3-54结构设计特点决策指导

（续）

表3-55 功能设计特点决策指标

表3-56 维修人员/维修工作设计决策指导

专家预测的具体方法可以多样化。对于熟悉该类产品及其维修的专家，在产品结构已经相对确定的情况下，则可以利用类似表3-57的表格征集各部分维修性系数，然后再求得产品系统维修性参数。

表3-57 维修性参数征询表

专家预计法是一种经济而简便的常用方法，特别是在新产品的样品还未研制出而进行试验评定之前更为实用。为减少预计的主观性影响，应根据实际情况对不同产品、不同时机具体研究实施方法。

（3）时间累计预计法 时间累计法是一种比较细致的预计方法。它可根据历史经验或现有的数据、图表，对照产品设计方案和维修保障条件，逐个确定每个维修项目、每项维修工作或维修活动乃至每项基本维修作业所需的时间或工时，然后综合累加或求均值，最后预计出产品的维修性参数值。下面介绍一种典型的时间累积法。

1）预计所需的资料：

①主要可更换单元（RU）的目录及数量；

②各个RU预计或估算的故障率；

③每个RU故障检测隔离的基本方法，如机内自检、外部检测设备或人工隔离；

④故障隔离到一组RU时的更换方案，如全组更换，或者用交替更换继续隔离到更换层次；

⑤封装特点；

⑥估算的或要求的隔离能力，即故障隔离到单个RU的隔离率或者隔离到RU组的平均规模。

2）预计的基本原理和模型：对于轨道交通装备，要直接估计出其维修性参数值是不现实的。但可以把它分解开来，把每个单元故障后的维修过程也分解开来，针对某个单元某项活动或作业，估计其时间或工时则比较现实。然后再对各项作业、各个单元的时间或工时进行综合，估计出系统或设备的参数值，这就是时间累计法的思路和过程，可用图3-40表示。

①维修对象的分解：把系统分解，直到规定维修级别的可更换单元，每个RU的故障率λ_n可由可靠性预计或历史资料得到。

②RU的故障分析：一个RU发生故障，其故障模式可能有几种，故障检测和隔离（FD&I）的方式及其输出也就不尽相同，FD&I所需时间以及整个修复时间就会不一样。因此，要按FD&I输出将单元故障区分开，并确定每种FD&I输出下的故障率λ_nj即修复时间R_nj（角注n代表第n单元，j代表第j种FD&I输出）。

③维修时间的分解：一次维修可能包含7种维修活动，其时间即是修复时间元素T_m（角注m表示第m项活动时间）。

准备时间T_P——在进行故障隔离之前完成的各项准备工作的时间；

故障隔离时间T_FI——将故障隔离到着手进行修理的层次所需的时间；

分解时间T_D——拆卸设备以便达到故障隔离所确定的RU（或RU组）所需时间；

更换时间T_I——卸下并更换失效或怀疑失效的RU所需的时间；

重装时间T_R——重新安装设备所需的时间；

调准时间T_A——对系统进行校准、调整和测试所需的时间；

检验时间T_C——检验故障是否排除、系统能否正常运行所需的时间；

起动时间T_ST——确认故障已被排除后，使系统重新进入故障前的运行状态所需的时间。

图3-40 时间累计预计法模型

④维修活动的分解：一项维修活动可能是由若干个基本维修作业组成。这些动作占用时间短且相对稳定，常见动作种类数量有限。因此，可以选择常见的基本维修作业，通过试验或运营统计数据确定其时间，作为维修性预计的依据。

维修性预计是一个反向综合过程，从估计维修动作的时间开始，计算各项维修活动时间、各RU在各FD&I输出的修复时间（工时）、各RU的平均修复时间R_n，最后估算出系统的平均修复时间MTTR。

在上述过程中，运用的数学模型基本上是两类：累加模型和均值模型。累加模型用于串行作业，不考虑并行作业，由基本维修作业时间合成为维修活动时间T_mnj，维修活动时间合成为各RU在各FD&I输出下的平均修复时间R_nj。均值模型用于求系统平均修复时间。

3）维修性预计步骤：

①确定预计要求。首先要明确需要预计的维修性参数值及其定义。其中包括修复时间中的时间元素，是否需要根据装备特点做调整。其次是确定预计程序和基本规则。再就是明确预计所依据的维修级别，了解其保障条件与能力。

②确定更换方案。由于不同的更换方案，所需的维修时间和工时是不同的。所以，预计前要明确装备的维修方案，哪些是规定维修级别的更换单元。还要进一步确定更换方案。比如，单独更换、成组更换与交替更换。

③决定预计参数。即在前面工作的基础上，进一步确定预计用的基础数据。

④选择预计的数学模型。根据实际维修作业情况进行选择与修正预计数学模型。

⑤计算维修性参数值。在以上分析与数据收集、处理的基础上，利用预计模型由下而上逐层计算，求得所需的维修时间或工时。在估算出系统的平均修复时间MTTR后，若需估计最大修复时间MTTR_max，需利用已知的分布假设计算。