When designing critical products / systems, Reliability, Availability, Safety, and Maintainability (RAMS) aspects have to be accounted for.
RAIL [1] [2] [3], 항공 우주 [4], 방위 [5], 자동차 [6] 및 의료 기기 [7]와 같은 많은 산업에서 RAMS 분석에 대한 표준이 정의되었습니다.
표준은 수행해야하는 분석 유형을 정의합니다. 다음 표에는 일반적인 분석이 나와 있습니다.
| 전문서비스 분야 | 3) 분석 | 내용 |
| MTBF | 평균 고장 간격 | 환경 및 작업 프로필을 고려하여 구성 요소 및 어셈블리 MTBF를 계산합니다. MTBF 계산은 안전성, 신뢰성 및 유지 보수성 분석의 기초입니다. |
| 안전성 | 고장 모드, 영향 및 중요도 분석 (FMECA) [8] | 단일 장애 모드 (빈도, 심각도 및 위험)의 결과 분석 |
| 안전성 | 결함 트리 분석 [9] (FTA) | 하위 이벤트의 복잡한 조합으로 인해 발생하는 안전 이벤트의 발생률과 확률을 계산합니다. |
| 신뢰성 및 가용성 | 신뢰성 블록 다이어그램 [10] (RBD) | 시스템 작동에 필요한 최소한의 기능에 따라 복잡한 시스템의 안정성, 가용성, MTBF (Mean Time Between Failure) 및 MTTR (Mean Time To Restore)을 계산합니다. |
| 신뢰성 및 가용성 | 마르코프 사슬 [11] | Markov 체인을 사용하면 가능한 각 시스템 상태 및 상태 간 전환 속도를 모델링하여 복잡한 시스템을 분석 할 수 있습니다. |
| 유지 보수성 | 재고 예비 부품 가용성 | 주문형 재고에서 예비 부품을 사용할 수있는 확률을 계산합니다. |
| 유지 보수성 | 운영 가용성에 대한 예비 부품 영향 | 예비 부품 부족으로 인한 복원 시간 증가를 고려하여 시스템 운영 가용성을 계산합니다. |
| 유지 보수성 | 테스트 가능성 분석 [12] | 높은 장애 모드 범위와 빠른 장애 격리를위한 내장 테스트 (BIT) 계획을 설계합니다. |
표 1 : 주요 RAMS 분석
FMECA는 단일 고장 모드 이벤트의 영향을 처리하므로이 계산은 매우 간단합니다.
분석 된 시스템의 구성 요소 상태 간의 상호 의존성으로 인해 다른 계산이 매우 복잡해질 수 있습니다.
사례:
중앙 재고는 두 대의 헬리콥터에 예비 부품을 제공합니다. 한 헬리콥터가 예비 부품을 소비하면 두 번째 헬리콥터의 예비 부품 가용성이 감소합니다.
복잡한 시스템의 동작을 계산하는 방법에는 두 가지 유형이 있습니다.
각 방법에는 각 방법을 사용해야하는시기를 나타내는 장단점이 있습니다.
다음 표에는 각 방법의 장점, 단점 및 사용이 요약되어 있습니다.
| 분석 | 시뮬레이션 | |
| 장점 | 분석 알고리즘을 세 심하게 설계하면 [13] 매우 짧은 계산 시간에 높은 정확도를 얻을 수 있습니다. 예 : 10 미만의 고장 확률 요구 사항-9 비행 시간당 쉽게 확인할 수 있습니다. | 시뮬레이션은 매우 유연하여 최소한의 가정으로 매우 복잡한 시스템을 모델링 할 수 있습니다. |
| 단점 | 분석 계산을 허용하려면 근사치를 사용해야하는 경우가 많습니다. 안전 분석을 위해 근사치는 "최악의 경우", 즉 고장 확률에 대한 상한을 제공해야합니다. | 높은 정확도를 얻으려면 많은 시뮬레이션을 수행하고 평균을 내야합니다. 이것은 많은 계산 리소스와 시간이 필요할 수 있습니다. |
| 용도 | 안전성
결함 트리 분석은 종종 안전 이벤트의 발생 확률에 사용됩니다. 분석 계산을 통해 빠르고 정확한 분석이 가능합니다.
예비 최적화 예비 최적화의 목표는 필요한 시스템 가용성을 제공 할 가장 저렴한 예비 부품 조합을 찾는 것입니다. 빠른 분석 계산을 사용하면 많은 예비 옵션을 빠르게 스캔 할 수 있습니다. 스마트 최적화 엔진과 결합하면 최적의 예비 부품 조합을 얻을 수 있습니다.
유효성 안정된 상태 가용성 (시스템 구성 요소 간의 상관 관계가 감소하는 경우 충분히 오랜 시간 후 시스템 가용성)을 빠르고 정확하게 계산할 수 있습니다.
수명주기 비용 (LCC) 평균 수명주기 비용 및 각 수명 연도의 평균 비용 구성 요소의 상한을 빠르게 계산할 수 있습니다. |
가용성 및 신뢰성
Monte Carlo 시뮬레이션은 구성 요소의 운영 기간 간의 상관 관계를 고려하여 포인트 가용성 및 신뢰성 (시간 경과에 따른 가용성 / 신뢰성의 곡선)을 제공 할 수 있습니다.
수명주기 비용 (LCC) 모든 이벤트에 비용을 첨부하여 시간 경과에 따른 비용 누적 방법을 보여주는 곡선을 포함하여 수명주기 비용을 계산할 수 있습니다. |
표 2 : 분석 계산과 Monte Carlo 시뮬레이션 비교
[1] EN 50126 : 2017 철도 애플리케이션. 신뢰성, 가용성, 유지 보수성 및 안전성 (RAMS)의 사양 및 시연. 일반 RAMS 프로세스.
[2] EN 50128 : 2011 철도 애플리케이션. 통신, 신호 및 처리 시스템. 철도 제어 및 보호 시스템 용 소프트웨어.
[3] EN 50129 : 2018 철도 애플리케이션. 통신, 신호 및 처리 시스템. 신호를위한 안전 관련 전자 시스템.
[4] SAE ARP4761 : 1996 민간 항공기 시스템 및 장비에 대한 안전 평가 프로세스를 수행하기위한 지침 및 방법.
[5] MIL-STD-882E : 2012 시스템 안전.
[6] ISO 26262 : 2018 도로 차량 기능 안전.
[7] ISO 14971 : 2007 의료 기기 – 의료 기기에 대한 위험 관리 적용.
[8] IEC 60812 : 2018 고장 모드 및 영향 분석 (FMEA 및 FMECA).
[9] IEC 61025 : 2007 결함 트리 분석 (FTA).
[10] IEC 61078 : 2016 신뢰성 블록 다이어그램.
[11] IEC 61165 : 2006 마르코프 기술 적용.
[12] MIL-HDBK-2165 : 1995 시스템 및 장비에 대한 테스트 가능성 핸드북, DOD.
AS &. Y. Bot, "Fault Tree Analysis, 얼마나 정확합니까?", ESREL 2017, 2017.
