Диссертация (1090183), страница 36

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 36)

Пример построения таковой приведен на рис. 5.9.267Рис. 5.5 - Рабочий лист Excel: оценка параметров распределения b и а привибрационной нагрузке268Рис. 5.6 - Рабочий лист Excel: расчет ресурса при действиивибрационной нагрузкиРис. 5.7 - Расчет среднего ресурса системы при действии комплекса изтрех нагрузок в системе Mathcad269НачалоФормирование k группнагрузокi := 1Выбор типа и параметров планаиспытанийОпределениекоэффициентов ускоренияПроведение ускоренных испытаний иопределение наработки до отказаАнализ вида распределениянаработки и оценка параметровраспределенияПрогнозирование ресурсапри заданном воздействииi := i + 1ikПрогнозирование ресурса системыОстановРис. 5.8 - Алгоритм метода прогнозирования ресурса электронногомодуля270y (срок службы)у=kx + c(yэ)i(yр)iх (ресурс)хiРис.

5.9 - Парная линейная регрессия,где у=kx + c – линия регрессии.Аналогичный график можно построить для парной нелинейной регрессии.Для определения качества аппроксимации или построенной регрессионноймоделииспользуетсякоэффициентдетерминацииR2=R&R(Repeatability&Repoducibility) или анализ на повторяемость и воспроизводимость.Коэффициент детерминации – это квадрат коэффициента корреляции междуопытными и расчетными значениями. Лежит в диапазоне от 0 до 1; чем он ближек 1, тем модель лучше соответствует опытным данных, R2 = 1 только, еслиопытные и расчетные точки совпадают [157].Если обратиться к рис. 5.9, то выбранному значению хi соответствует двазначения по оси Y:(yp)i – значение регрессивной функции,(y0)i – значение из эксперимента (из полученных опытных точек).В этом случае коэффициент R2 равен квадрату корреляции между значениями yp иy0 по всем возможным значениям хi от 1 до n, причем n – количество полученныхопытных точек:2n( y pi  y 0i )  n y p  y 022i 1 ,R   nn2222  (( y 0 ) i  n y 0 )   (( y p ) i  n y p ) i 1 i 1где y p , y 0 - среднее значение по n – выборкам при сканировании по оси 0Х.271На рис.

5.10 представлены результаты парной и нелинейной регрессии. Каквидим, в данном случае коэффициент R2 оказался много меньше 1.Итак,представленныйподходкполучениюфункциирегрессии(илиаппроксимации) по всей совокупности опытных данных (27 в данном случае)привел к низкому значению коэффициента детерминации (см. рис. 5.10).Переходим к разделению данной совокупности на классы, каждый из которыхвключает кластер из совокупности однородных, в определенном смысле, опытныхданных (Cluster, англ, - это пучок или скопление группы элементов,характеризуемых каким-либо общим свойством.

Введено Трайоном в 1939г.[161]).Наиболее труден и наименее формализован в задаче автоматическойклассификации, момент, связанный с определением признака однородности.В качестве показателей однородности элементов в кластер-анализе принимаетсярасстояние [157], при этом используются:метрика махаланбисского типа,обычное евклидово расстояние,взвешенное евклидово расстояние,расстояние Минковского,Хемингово расстояние.Выбираем евклидово расстояние по следующим аргументам: компоненты совокупности наблюдений однородны по своему физическомусмыслу, признаковое пространство совпадает с геометрическим пространством (какбы обычным), понятие близости компонентов совокупности или объектов (для данногослучая) совпадает с понятием геометрической близости.Следует отметить, что перечисленные методы в качестве самостоятельныхмодулей представлены в системе Statistica.272Рис.

5.10 – Построение регрессионных моделей по всей совокупности 27Выбираем евклидовоизделий расстояние по следующим аргументам:Переходим к иерархической процедуре, которая состоит в последовательномобъединении групп объектов сначала самых близких, а затем все болееотдаленных друг от друга.Данная процедура, по сравнению с другими кластер – процедурами даетвозможность наглядной интерпретации проведенного анализа.Естьи недостаток – с ростом количества объектов объем вычисленийкатастрофически растет, что в данном случае не является определяющим.Из множества иерархических алгоритмов выбираем “алгоритм ближайшегососеда”.273На первом шаге каждое наблюдение (xi, yi), т.е. точка на плоскости в координатах“ресурс * срок жизни” рассматривается как отдельный кластер.На втором шаге рассчитывается евклидово расстояние между всеми парами точек(x1, y1) и (x2, y2):d1  ( x1  x 2 ) 2  ( y1  y 2 ) 2 .Число таких парных евклидовых расстояний равно сумме членов арифметическойпрогрессии с разностью d = 1 и числом членов (n - 1) = k:SK (a1  a K ) k,2в данном случае эта сумма равна 325 парных расстояний или элементарныхкластеров.На втором шаге по цепочке в один класс объединяем по одному из возможныхалгоритмов:до ближайшего соседа,до дальнего соседа,по “центрам тяжести” расстояний di.Выбираем “до ближайшего соседа”, т.е.

отыскиваем точку (x3, y3) с минимальнымрасстоянием от точки (x2, y3), т.е. d 2  ( x2  x3 ) 2  ( y 2  y3 ) 2 , т.е. определилиминимальное возможное расстояние между точками (x2, y2) и (x3, y3).Итак, в кластере уже три точки (объекта).На третьем шаге вводим порог на взаимное расстояние между точками (xi, yi) и(xi+1, yi+1), по которому формирование данного класса объектов завершается.На четвертом шаге, исходя из представленного ограничения, формируем кластериз набора точек: (x1, y1), (x2, y2), (x3, y3), …., (xi, yi), (xi+1, yi+1).Далее выбирается одна из удаленных точек от полученного кластера и поаналогии формируется следующий класс объектов.Математически в источниках этот принцип формирования кластера выражаетсякак [157]:min(Si , Sm )  mind(xi , xj )274xi  S ix j  SmОписанный метод включен в систему Statistica.При разделении объектов на классы с учетом полученных расстояний междуобъектами можно воспользоваться дендрограммами.Пример построения дендрограмм.Допустим имеется 5 объектов, которые в координатах х, y расположены по рис.5.11.yd3414d12325Рис.

5.11 – Расположение объектов 1 ÷ 5 в плоскости ХY.xОбъекты 1, 2 образуют один кластер; объекты 3,4 – другой, объект 5 –представляет самостоятельный кластер.Строим дендрограмму – рис. 5.12.d – евклидово расстояниеd12 = 10d34 = 17,5d45 = 25знак “х” – серединаперекладины30d4520d34d12хх10N объекта123Рис. 5.12 – Дендрограмма45275При объединении 3, 4 и 5 в один кластер получаем два класса объектов навсю систему.

Воспользуемся таблицами Microsoft Excel, построим дендрограмму(рис. 5.13) для выделения классов в нашем случае анализа 27 - ми объектов,статистически представленных ранее на рис. 5.10.Сумма всехрасстояний d1 ÷ d26расстоянияN объектаРис. 5.13 – Дерево классификации изделий по ресурсу и сроку службы.Очевидно, что данные изделия могут быть разделены на 4 класса:1) изделия №№ 14, 25, 24, 23, 7, 6 - 1 класс2) №№ 27, 26, 13, 12 – 2 класс3) №№ 22, 21, 5, 20, 19, 18, 17, 16, 15 – 3 класс4) №№ 4, 11, 10, 9, 8, 3, 2, 1 – 4 класс.23Физическая интерпретацияраспределения объектов поклассам в координатах:N объекта, расстояние144Рис. 5.14 – Представление взаимного расположения классов276На рис.

5.15 показаны регрессионные зависимости, построенные длякаждого класса. По горизонтальной оси отложены значения ресурса в часах, повертикальной – срок службы, лет.Используя эти зависимости, можно попытаться задать срок службы изделия,зная расчетный ресурс. В частности, в примере, рассмотренном выше, среднийресурс оказался равным 74 000 час. Это значение ресурса соответствует классу 4,для которого регрессионная модель имеет вид:y  31,591  6 * 10 0, 5 x,где x – ресурс в часах, у – срок службы, лет. Эта зависимость имееткоэффициент детерминации R2 = 0,974, что свидетельствует о хорошем качествемодели.Предполагаемый срок службы изделияУ = 31,591 – 6*10-0,5*74000 = 27,15 лет.5.5 Комплексная методика контроля качества электронных модулей впроцессе производства и испытанийРазличают три основных типа производства продукции: единичное, серийноеи массовое.Единичноепроизводствохарактеризуетсяштучнымколичествомвыпускаемых изделий, к тому же повторяется через неопределенный промежутоквремени.

Для единичного производства характерно применение сложногоуниверсальногопереналаживаемогооборудования,привлечениевысококвалифицированного персонала, высокая себестоимость продукции инизкая производительность.Методика контроля качества производства модулей, естественно, являетсямногоэтапной и должна поглощать недостатки и трудности обеспечения качества,связанные с единичным и нерегулярным производством модулей. К сожалению,эта специфика характерна для аппаратуры изделий ВМФ в последниедесятилетия. В этих условиях создание различных специализированных стендов,277Рис.

5.15 – Построение регрессионных моделей для каждого класс.калибров, эталонов и многообразие узконаправленных тестов и т.п. абсолютно неоправданы по ряду понятных причин.В этой ситуации единственным выходом при решении задачи обеспечениякачества выпускаемых модулей является углубленный контроль на всех этапахподготовки и непосредственно в процессе производства. Это затратно по времении трудоёмкости, но необходимо, т.к. требования по надежности в эксплуатацииизделий и при единичных выпусках модулей остаются высокими.Итоговая методика контроля качества производства электронных модулей вэтих условиях представлена на рис. 5.16.278Рис.

5.16 – Методика контроля качества производстваэлектронных модулей в условиях единичныхи нерегулярных выпусков279Методика представлена в соответствии с рекомендациями нормативногодокумента [158], что означает следующее: несущей “осевой конструкцией” является алгоритм, т.е. последовательностьдействий, выстроенных в виде цепочки функциональных блоков сверху –вниз; слева каждый блок оснащен нормативными документами (ГОСТы, ТУ,чертежи); справа каждый блок поддерживается программными средствами, стендами,тестами и специализированными методами.Как видим, методика контроля качества построена вокруг технологиипроцесса изготовления и характеризуется следующими положениями: процесс многоэтапный; ориентирована на различные виды контрольных операций; учтенаспецификаэксплуатациимодулейв«жестких»условияхэксплуатации; в связи со штучным производством привлечены универсальные стенды иметоды.Обнаружение брака неизбежно на каждом этапе технологии производствапо целому ряду совершенно объективных причин.

Как следствие этого возникаетнеобходимостьпроведенияконтролясиспользованиемцелогорядасоответствующих методов.Обеспечение необходимого уровня показателей надежности РЭА в процессеэксплуатации невозможно без обеспечения должного качества технологическогопроцесса производства [159]. В сегодняшних условиях только системный подходк построению процесса обеспечения качества на этапе производства позволяетполучить необходимый уровень надежности модулей РЭА.Как видно, этапы по трудоемкости неравные, но в совокупности ониотражают системный подход при построении методики обеспечения качества в280процессе производства, который и позволит получить необходимый уровеньнадежности модулей в эксплуатации.Итак, главная задача системы контроля качества модулей в процессе ихпроизводства – это выявить скрытые дефекты еще до передачи модулей вэксплуатацию, характер распределения вероятности возникновения отказов P(t) впроцессе эксплуатации иллюстрируется известным графиком, называемым винженерной среде “корытом” (график зависимости P(t) в эксплуатациипредставлен в предыдущих разделах).Выявление скрытых производственных дефектов до передачи модулей вэксплуатацию позволяет существенно уменьшить число отказов на первом этапеприработки.Как указывалось ранее анализ статистики отказов, сведения по которымпоступают в службу надежности от серийных заводов и эксплуатирующихорганизаций, показывает следующее.Наиболее ненадежными элементами при эксплуатации электронныхмодулей, проявляющиеся в виде отказов, в том числе сбойного характера,являются: галтели паяных соединений, покупные комплектующие изделия (ПКИ), многослойные печатные платы (МПП).Поэтому ипредставленнаяметодикаориентировананавыявлениеисточников образования дефектов этих видов.По характеру новизны входящие блоки алгоритма методики делятся на тривида:первый – заимствованные методы (блоки 2, 6),второй – скорректированные методы (блоки 1, 3, 5),третий – оригинальные методы (блоки 4, 7).Системныйподход,реализованныйвметодике,обосновываетсявсесторонним подходом к поставленной задаче, т.е.

Характеристики

Список файлов диссертации