毛永文,王國成,霍芳霄,張永昂
(1.四川管理職業(yè)學(xué)院機(jī)車車輛系,成都 611732;2.成都軌道交通集團(tuán)有限公司,成都 610000)
我國城軌車輛的維修基本上采用傳統(tǒng)的軌道交通車輛檢修模式,即按照運(yùn)行里程和運(yùn)行時(shí)間進(jìn)行維修,一般包括狀態(tài)維修、定期維修和故障維修三種維修方式[1]。這種維修方式對(duì)檢修人員的經(jīng)驗(yàn)依賴過大,缺乏一種科學(xué)的方式評(píng)估車輛的可靠性。城軌車輛車門系統(tǒng)故障率相對(duì)較高,確定車門系統(tǒng)更有效、更合理的故障維修方式,對(duì)提高檢修效率具有重要的現(xiàn)實(shí)意義。本文針對(duì)成都地鐵1號(hào)線車輛車門系統(tǒng)自2016年6月至2018年8月間故障數(shù)據(jù),利用minitab統(tǒng)計(jì)分析軟件,確定故障數(shù)據(jù)分布模型,對(duì)車門系統(tǒng)進(jìn)行可靠性分析評(píng)價(jià)。
可靠性是產(chǎn)品在規(guī)定的時(shí)間內(nèi)和規(guī)定的條件下,完成規(guī)定功能的能力,而這種能力的表示通常歸結(jié)于一個(gè)概率值[2]。一般記為R(t),這里t就是規(guī)定的時(shí)間。在現(xiàn)實(shí)情況下,產(chǎn)品在規(guī)定的條件和時(shí)間內(nèi)失效常常符合某一種分布函數(shù)。在可靠性分析中,常用設(shè)備壽命有:正態(tài)分布、指數(shù)分布、對(duì)數(shù)正態(tài)分布、威布爾分布等。威布爾分布是隨機(jī)變量分布之一,是一種非線性的模型,常用于失效函數(shù)不隨時(shí)間呈線性變化的情況[3]。
兩參數(shù)威布爾分布概率密度函數(shù)為:
式中,θ和γ是正數(shù),分別為尺度參數(shù)和形狀函數(shù)。
可靠度函數(shù)為:
故障率函數(shù)為:
本次共搜集到成都地鐵1號(hào)線2016年6月10日至2018年8月18日期間車門系統(tǒng)故障造成列車正線晚點(diǎn)5min、清客、救援等不能完成規(guī)定運(yùn)營任務(wù)的數(shù)據(jù)共計(jì)208條,按照故障數(shù)據(jù)統(tǒng)計(jì)原則[4],整理數(shù)據(jù)獲得112條有用的故障數(shù)據(jù)。表1是整理故障數(shù)據(jù),其中故障間隔時(shí)間單位是天;圖1給出車門系統(tǒng)各部件故障的pareto圖。
故障數(shù)據(jù)統(tǒng)計(jì)原則如下:
(1)在一次工作中出現(xiàn)的同一部件或是設(shè)備的間歇性故障或多次報(bào)警,只記錄一次故障。
(2)當(dāng)可證實(shí)多個(gè)故障模式是由同一器件失效引起的,整個(gè)事件記錄一次故障。
(3)在有多個(gè)零部件或是單元同時(shí)失效的情況下,不能證明是一個(gè)失效引起另一個(gè)失效時(shí),每個(gè)元器件的失效各記錄一次獨(dú)立的故障。
(4)已經(jīng)修復(fù)過的故障由于未能真正修復(fù)而再次出現(xiàn)的,應(yīng)和原來報(bào)告過的故障合并,記錄一次故障。
(5)由于獨(dú)立故障引起的從屬故障不計(jì)入系統(tǒng)的故障次數(shù)。
(6)已確認(rèn)為非關(guān)聯(lián)故障的故障不計(jì)入故障次數(shù)。
表1 車門系統(tǒng)故障數(shù)據(jù)
27 9.243993056 電機(jī)故障 66 0.267789352 電磁鐵故障 105 14.33042824 電機(jī)故障28 0.7878125 機(jī)械故障 67 0.91318287 門控器故障 106 18.75277778 機(jī)械故障29 0.438854167 電機(jī)故障 68 3.102349537 門控器故障 107 3.864502315 電機(jī)故障30 6.131435185 電機(jī)故障 69 18.8528588 機(jī)械故障 108 3.796053241 機(jī)械故障31 0.814548611行程開關(guān)故障 70 10.14847222 門控器故障 109 2.232152778 門控器故障32 6.48962963 電機(jī)故障 71 2.98255787 機(jī)械故障 110 1.858391204 機(jī)械故障33 3.119421296 門控器故障 72 2.09099537 機(jī)械故障 111 2.268275463 電機(jī)故障34 4.230543981 機(jī)械故障 73 12.9327662 門控器故障 112 0 門控器故障35 33.31015046 門控器故障 74 10.80797454 門控器故障36 4.000150463行程開關(guān)故障 75 0.214594907 門控器故障37 8.753680556行程開關(guān)故障 76 0.629421296 門控器故障38 31.91054398 電機(jī)故障 77 0.270266204 門控器故障39 38.16020833 機(jī)械故障 78 2.0425 門控器故障
利用minitab軟件繪制車門系統(tǒng)故障類型的pareto圖[5],見圖1:
圖1 車門系統(tǒng)故障類型的pareto圖
根據(jù)圖1,依據(jù)ABC分類法[6]可以看出車門系統(tǒng)故障的主要原因是機(jī)械故障、門控器故障和電機(jī)故障,次要原因是行程開關(guān)故障,再次是編碼器故障、斷線故障、氣缸故障、傳感器故障、電源模塊故障、指示燈故障。作為檢修人員尤其要重視機(jī)械故障、門控器故障和電機(jī)故障這3種故障(A類故障)處理。
運(yùn)用minitab統(tǒng)計(jì)分析軟件對(duì)車門系統(tǒng)故障數(shù)據(jù)進(jìn)行分布擬合[5],在該軟件中備選分布模型有weibull分布、對(duì)數(shù)正態(tài)分布、指數(shù)分布、對(duì)數(shù)logistic分布、3參數(shù)weibull分布、3參數(shù)對(duì)數(shù)正態(tài)分布、2參數(shù)指數(shù)分布、3參數(shù)對(duì)數(shù)logistic分布、最小極值分布、正態(tài)分布、Logistic分布11種。下面是112條故障數(shù)據(jù)的擬合結(jié)果。圖2~圖4是故障數(shù)據(jù)擬合的不同分布對(duì)應(yīng)的概率圖,表2是故障數(shù)據(jù)分布擬合AD統(tǒng)計(jì)量。
圖2 車門系統(tǒng)故障間隔時(shí)間分布擬合度檢驗(yàn)
圖3 車門系統(tǒng)故障間隔時(shí)間分布擬合度檢驗(yàn)
圖4 車門系統(tǒng)故障間隔時(shí)間分布擬合度檢驗(yàn)
表2 故障數(shù)據(jù)分布擬合AD統(tǒng)計(jì)量
根據(jù)圖2~圖4及表2,可以看出weibull分布AD統(tǒng)計(jì)量為最小值0.443,表示weibull分布與數(shù)據(jù)擬合最好,因此可以得出結(jié)論:車門系統(tǒng)故障數(shù)據(jù)服從weibull分布。
利用minitab統(tǒng)計(jì)分析軟件確定故障數(shù)據(jù)weibull分布概率圖[5]。
圖5 故障間隔時(shí)間的weibull分布概率圖
圖5顯示數(shù)據(jù)點(diǎn)基本在一條直線上(盡管尾部有一些偏離),說明樣本故障數(shù)據(jù)擬合結(jié)果接近尺度參數(shù)為6.770且形狀參數(shù)為0.8864的weibull分布。AD檢驗(yàn)的P值大于0.25,顯著地大于0.05,這也進(jìn)一步表明這組數(shù)據(jù)服從參數(shù)為6.770且形狀參數(shù)為0.8864的weibull分布。
由式(2)可以得到車門系統(tǒng)可靠度函數(shù)為:
由式(2)可以得到車門系統(tǒng)的故障率函數(shù)為:
根據(jù)車門系統(tǒng)的可靠性特征量,包括可靠度函數(shù)、故障率函數(shù)等,可以分析車門系統(tǒng)的維修狀態(tài),并為進(jìn)一步優(yōu)化維修規(guī)程提供輔助決策。
本文通過分析成都地鐵1號(hào)線車輛車門系統(tǒng)故障數(shù)據(jù),利用minitab統(tǒng)計(jì)分析軟件確定了故障數(shù)據(jù)服從2參數(shù)威布爾分布。確定了車門系統(tǒng)可靠型特征量,對(duì)車門系統(tǒng)檢修人員確定更有效、更合理的車門系統(tǒng)故障維修方式,對(duì)提高檢修效率具有重要的現(xiàn)實(shí)意義。