基于仿真的装备保障性指标初步确定方法

杜海东, 许世蒙, 何成铭

(1. 装甲兵工程学院技术保障工程系, 北京 100072; 2. 装甲兵工程学院基础部, 北京 100072)

在装备设计阶段，保障性指标的确定是装备综合保障的重要工作内容之一，也是进行装备保障性分析以及确定和优化保障方案的重要基础。作为装备论证的重要组成部分，装备保障性指标的确定，主要包括保障性参数选取和量化。在选取和确定保障性指标时，应考虑型号研制的实际背景以及装备发展趋势。若指标设置过高，将使装备设计的难度、开发周期以及研制费用大幅增加，甚至导致装备开发失败；指标设置过低，新研装备不能满足作战和使用要求。因此，定出既先进又可行，既能满足使用方要求，又能在可承受经济费用范围内的保障性指标，对于新研装备来说十分重要。王博等[1]提出可参考相似产品的使用数据作为新研装备保障性数据的依据，但由于使用方对新装备有了更高更多的要求，因此旧装备的历史数据并不能全部满足装备研制需求。常春贺等[2]提出基于多属性决策的相似折中系数法来确定复杂系统测试性指标，考虑到新装备缺乏可靠的基准比较系统，因此利用传统的解析方法很难科学有效地确定相关保障性指标。本文通过构建保障性指标体系，进一步明确了装备保障性论证要求，利用系统仿真技术，模拟装备平时使用与维修活动，结合相关数据分析结果，初步确定了新研武器装备的总体保障性水平，可为装备系统RMS(可靠性、维修性、保障性)的详细设计奠定基础。

1 保障性指标要求

1.1 指标分析

明确保障性指标要求是确定装备保障性指标的先决条件。保障性是系统设计特性和计划资源能够满足平时和战时使用要求的能力，虽然它是在装备的研制阶段赋予装备的一种属性，但与其他设计特性有着很大的不同。首先，从属性的等级来讲，保障性指标一般作为装备的综合性指标，与可靠性、维修性、安全性、测试性等并不是并列的指标要素，层次要比这些特性的层次更高；其次，其他设计特性只与系统中的主装备有关，而保障性还与装备研制时所规划的保障资源有关。

1.2 指标体系

通过以上分析，并参考相关军用标准[3-7]，可将装备保障性指标分为装备使用保障性指标、装备设计保障性指标以及装备保障资源性指标3类,如图1所示。需要说明的是，本文的研究对象主要针对装备的质量特性指标，对于装备运输性以及物理特性参数暂未涉及。对装备来说，使用保障性指标主要考察装备战备完好性水平、任务成功率以及平均保障延误时间，它是装备使用单位保障能力，装备本身及子系统可靠性、维修性和保障性，以及保障资源配置水平的综合体现，它们是综合性保障参数，也是本文研究确定的主要指标。

图1 装备保障性指标体系

1.3 计算模型

装备保障性指标体系是可靠性、维修性、保障性指标之间相互关系的综合体现。在装备研制论证的早期，开展装备初始保障性指标的确定研究，能够从整体把握装备的设计水平，有效地评估初始保障方案的优劣，从而为装备设计指标的细化、权衡和优化，以及保障方案的制定奠定基础。为此，本文将通过数学模型解析进一步明确指标体系中3类指标的相互组合关系。

1) 使用可用度

典型装备使用可用度为

(1)

它是装备服役后，与工作时间和日历时间相关的可用性参数。也可表示为[8]

(2)

式中:OT为装备工作时间;ST为装备能工作状态的备用时间;TT为装备总预计使用时间;MTBF为平均故障间隔时间；MTTR为平均修复性维修时间；TPM为规定使用期间总预防性维修时间；TCM为规定使用期间内总修复性维修时间；ALDT为规定使用期内总管理和后勤不能工作时间。通过模型转换，可建立装备使用保障性参数与设计保障性指标的关系，如式(2)第4部分所示。

2) 任务成功率

同理，装备任务成功率计算模型可表示为

(3)

也可表示为

(4)

等式右边第1项为任务可靠度模型，第2项为装备战备完好率计算模型。上述模型均可转换为与装备设计保障性指标相关的解析计算式[8]。

3) 平均保障延误时间

装备保障平均延误时间(MLDT)是指装备在规定的保障条件下，系统等待保障活动平均时间。主要包括平均等待外界帮助的延误时间(MDTOA)、平均获取文件资料延误时间(MDTD)、平均缺乏训练的延误时间(MDTT)、平均为其他原因而延误时间(MDTOR)、平均申请反应时间(MRRT)、平均供应反应时间(MSRT)。由此，平均保障延误时间可表示为

MLDT= MDTOA+MDTD+MDTT+

MDTOR+MRRT+MSRT。

(5)

4) 保障资源利用率和满足率

保障资源利用率和满足率主要考察装备保障资源的利用水平和实际配套情况。以维修保障器材为例，器材利用率是指维修所实际消耗器材数量，与器材仓库所储备器材总量之比，而器材满足率主要是指各级维修保障机构器材库配备器材种类与实际消耗种类数之比。其数学关系式分别为

(6)

(7)

2 保障性仿真模型

2.1 模型需求分析

通过装备保障性指标的分析和体系构建，进一步明确了新研装备保障性要求。而仿真主要解决的是保障性指标确定问题。这就要求所构建的仿真模型能够准确模拟装备的故障规律，详细地描述装备使用与保障的全过程，精确地预测满足装备保障性要求的维修保障要素。为此，本文构建了如图2所示的仿真模型框架。

图2 装备保障系统仿真模型框架

依据上述模型结构，需从保障对象、保障系统等静态特征数据以及装备保障系统运行过程2个方面综合考虑装备保障性要求。以军事任务需求为牵引，从装备的系统功能和系统结构出发，通过模型结构分解，建立起系统功能底层元素和系统结构底层元素的关联关系，可以动态反映典型任务对装备系统需求、部件故障对系统功能的影响及功能的实现需要哪些部件的支持。从而建立起基于任务需求、装备系统组成、维修保障系统三者之间关系的描述模型，把它作为装备保障系统仿真模型的一部分，用于描述部件故障对任务执行的影响和故障部件维修时保障资源要求。通过在特定的任务使用环境和保障策略下模拟装备的使用与维修保障情况，从而达到度量保障性参数的目的，并将数据统计结果反馈回装备保障性指标论证过程，通过进一步的装备系统结构和RMS参数权衡及优化，确定装备最终的保障性设计指标。

2.2 仿真算法

对{τi,i=1,2,…,n}由小到大进行排序，得时间序列Γ:0≤τ1≤τ2≤…≤τn。将仿真时间t按上述时间序列Γ的顺序分n步推进，并设t=0时各部件都处于正常工作状态。仿真时钟每推进一步，就会有一个底事件发生，即某个部件(组件)是否发生故障。此步长向前推进完毕后，仿真系统将依据寿命分布函数{F(t)i,i=1,2,…,n}对下一个推进时钟内装备组件或部件是否故障进行判断。根据装备部件(组件)可靠性分析，首先定义装备各组成部分所满足的可靠性分布函数，再根据各部分的组成结构(串联、并联、混联等)，设置仿真迭代时钟，利用相关算法，就可以对装备此次任务过程中的故障事件进行统计。上述装备系统在任务过程中故障生成算法可描述如下：

1) 初始化仿真实验次数m=0，N=装备系统部件或组件数；

2) 产生n个(0,1)均匀随机数{ξi,i=1,2,…,n}；

4) 对{τi}由小到大排序，得到时间序列Γ:0≤τ1≤τ2≤…≤τn；

5) 仿真时间t按序列Γ的顺序分n步推进；

6) 记录本次仿真中装备系统工作时间Tm=ti，导致系统失效的关键部件(组件)，故障次数记为F(tr)；

7) 进入下一推进时钟，重复步骤1)-7)。

通过以上仿真算法，能够准确模拟装备在使用过程中的故障事件，建立起任务需求、装备系统以及维修保障之间的关联关系，满足装备保障性仿真的需求。

2.3 仿真流程

在装备系统模型开发过程中，采用Agent建模手段，将组成装备的部件和组件信息不断封装于装备实体模型中去，这样构造的装备实体就包括各类部件、组件相关信息，实现了通过考察部件、组件所服从的可靠性分布规律从而触发装备在任务过程中的故障事件，进而推动整个维修保障系统的运行以及维修保障资源的周转和调度活动。仿真系统运行工作流程如图3所示。

图3 装备使用与保障系统仿真运行流程

由图3可知：通过设计数据统计接口，可记录装备在使用过程中的维修保障数据，如：通过分析可用装备数量与部队使用单位装备总数考察装备的使用可用度，根据维修装备等待备品备件、维修排队时间计算装备保障延误时间，依据器材的消耗情况求得器材利用率及满足率数据等。通过以上数据的统计分析，能够达到评价装备初始设计水平和保障编制方案的目的，并以此作为装备设计指标改进和优化的依据。

3 案例分析

3.1 数据准备

在装备研制早期，由于很难获得装备的详细信息，可选择相似装备的历史数据作为仿真输入参数数据[9-10]。随着项目进展，当越来越多的数据可用时，可根据新研装备的当前数据调整仿真输入参数值。为此，需对仿真模型所配置数据进行规划和整理，结合保障性指标类型，本文所规划的仿真输入数据主要包括任务参数、装备参数以及保障系统参数。其中：任务参数包括任务内容、任务时间、冲突处理、任务约束等；装备参数包括装备数量、性能参数、保障特性参数等；保障系统参数包括保障活动数据、保障组织数据、保障资源数据等。

3.2 仿真想定

仿真过程中，通过考察组成装备系统最底层组件或部件的的故障规律，对系统能否完成规定任务进行判断[11-12]。若装备系统在任务执行过程中不出现故障，则此次任务成功，装备返回待命状态；若任务过程中出现故障，则需根据具体的维修过程判断能否在规定的时间内修复，能够修复的装备将继续执行该次任务，同时记此次任务成功，若不能修复，则此次任务失败。对于需要维修的装备，由于故障明确，所需的保障资源也就能够确定，这样能够准确模拟装备的使用与维修保障过程，结合仿真实验输出结果，进而确定装备保障性指标。除此之外，本文作了如下想定：

1) 装备在所执行任务的每个阶段，组成装备系统的组件或部件处于“正常”或“故障”2种状态，并假设各组件和部件的可靠性寿命分布和所需维修时间均服从指数分布；

2) 对于多阶段任务，各个阶段子任务之间是按时间或阶段执行的串联关系，在装备使用过程中，只要有一个阶段子任务失败，后续任务将无法继续进行，从而导致造成整个任务失败；

3) 对于N个子系统组成的装备系统来说，与各个阶段子任务相关联的装备功能单元之间的关系也是串联的，即装备在任务执行过程中，只要有一个装备子单元故障，即认为装备故障；

4) 装备各子系统之间的失效是相互独立的，即不同装备组成单元失效不会发生在同一时刻，并且故障单元执行的是换件维修。

3.3 仿真结果分析

现以某型装甲装备机动任务为例进行仿真分析，其相关参数配置见表1。

表1 装备行动部分相关单元参数配置

本文研究确定的主要保障性指标包括装备战备完好率、任务成功率、平均保障延误时间以及保障器材利用率，以此来表征某类装甲装备初始保障性水平。在AnyLogic软件平台上运行仿真模型，仿真输出结果如图4-7所示。

图4 装备战备完好率

图5 装备任务成功率

图6 装备保障延误时间

图7 装备保障器材利用率

设定仿真运行时长为8 960 h(1 a)，由图4-6可知：装备在任务中的可达可用度为0.455，装备任务成功率约为0.76，全年装备保障延误时间约为235 h。由此可以看出：由于装备的保障性设计较差，导致该类装备的总体保障水平较低，需在后续的保障指标设计过程中进行权衡和优化。各类保障器材利用率如图7所示，以负重轮为例，器材仓库初始配置数量为10个，装备全年维修保障消耗为12个，由式(6)可知其利用率为1.2，因此在保障过程中需要上级器材仓库对此类部件进行补给；而对于悬挂装置，其利用率不足0.4，从而造成零部件的积压和浪费。因此，装备保障性指标论证过程中，需科学规划保障资源配置，进一步提高装备的保障性水平。

4 结论

在装备研制过程中，保障性指标的确定是进行保障性分析、明确保障性要求的重要内容。由于装备保障性指标的确定考察因素较为复杂，同时各指标之间关系难以明确；因此，在确定新研武器装备装备保障性要求时，需经历一个从初步确定到详细设计的过程，并需要进行多方面权衡和比较分析。通过本文的研究，可为为保障性指标的论证提供技术思路，用于装备初始保障性水平的评价和分析，从而为进一步的详细保障性指标设计、权衡、优化以及保障方案编制奠定基础。

参考文献：

[1] 王博,刘媛,洪其麟,等.对军用航空发动机可靠性参数体系选择和指标确定探讨[J].燃气涡轮试验与研究,2003,16(2):38-42.

[2] 常春贺,杨江平,刘飞.复杂装备系统测试性指标确定方法[J].装备学院学报,2011,22(3):110-113.

[3] GJB3872-1999 装备综合保障通用要求[S].

[4] GJB1909A-2009装备可靠性维修性保障性要求论证[S].

[5] GJB451A-2005 可靠性维修性保障性术语[S].

[6] GJB450A-2004 装备可靠性工作通用要求[S].

[7] GJB368B-2009装备维修性通用要求[S].

[8] 杜海东,吴纬,曹军海,等.基于系统效能的装甲装备RMS指标权衡仿真方法研究[J].系统仿真学报,2013,25(8):1947-1951.

[9] José Villé-A. RESTRAT Simulation of Non-Markov Consecutive-k-out-of-n F: Repairable Systems[J]. Reliability Engineering and System Safety, 2010, 95(3):247-254.

[10] Ke J C, Su Z L, Wang K H, et al. Simulation Inferences for an Availability System with General Repair Distribution and in Perfect Fault Coverage[J]. Simulation Modeling Practice and Theory, 2010,18(3):338-347.

[11] Zio E, Podofillini L. Integrated Optimization of System Design and Spares Parts Allocation by Means of Multi Objective Genetic Algorithms and Monte-Carlo Simulation[J]. Proceedings of the Institution of Mechanical Engineers, Part 0: J Risk and Reliability, 2007, 221(1):67-84.

[12] Valentin E C, Verbraeck A. Requirements for Domain Specific Discrete Event Simulation Environment [C]∥Proceedings of the 2005 Winter Simulation Conference.2005:654-663.