Техническая документация

Пользуясь описанной процедурой, можно выбрать средства анализа для каждого этапа. Затем составить совокупность методов и для каждой из них найти функцию эффективности как взвешенную сумму эффективности отдельных методов. Роль «весов» играют вероятности возникновения отказов.
Критерий эффективности (9) не является единственным. В зависимости от условий анализа в качестве критерия эффективности могут быть выбраны экономические (например, затраты на анализ в целом или на одну проверку), метрологические (достоверность анализа в целом или каждой проверки) и т. п.
Контролируемые параметры для диагностирования выбираются на основе оценки информации о состоянии изделия, которую получают измерением данного параметра и выделениями наиболее информативной совокупности параметров. Для этого следует вычислить взаимную корреляцию каждых двух параметров или множественную корреляцию и исключить параметры с сильной корреляционной связью; взаимную корреляцию изменений контролируемых параметров в момент ^ со значениями параметров критериев годности в момент и выбрать параметры с наиболее сильной связью; меру информации, получаемой от контролируемых параметров, о процессах деградации (разрушения) и вызываемых ими отказах, и выбрать параметры с наибольшим значением этой меры.
Обеспечение адаптивности СФТА достигается тем, что еще на стадии разработки изделия предусматривается его «приспособленность» к проведению анализа за счет контроле-пригодности и технической совместимости со средствами анализа, а при выборе средств анализа обеспечивается их совместимость с объектом с учетом прогнозируемых свойств.
Совместимость средств анализа с объектом может быть следующих видов: конструктивная — по совместимости присоединительных устройств; сигнальная по совместимости передаваемых от объектов анализа и воспринимаемых средством ФТА сигналов; программная (алгоритмическая) — по совместимости (в том числе во времени) программы работы объекта анализа и программы работы средств анализа; метрологическая — по совместимости допустимых погрешностей контролируемых параметров при функционировании объекта анализа (Да) и погрешностей измерения (контроля) этих параметров средствами ФТА (Аас).
Метрологическая совместимость  (%) оценивается путем вычисления относительного различия в средних квадратических погрешностях Да параметров объекта и результатом их
При выборе средств, включаемых в СФТА, следует ориентироваться на систему специфических метрологических характеристик: геометрическое разрешение (минимальное расстояние между раздельно регистрируемыми неоднородностями) , чувствительности: концентрационную (минимально регистрируемые концентрации внеплановой примеси) и структурную (доля структурных нарушений контролируемого типа), производительность и достоверность контроля.
В табл. 5 приведены наиболее жесткие требуемые значения метрологических характеристик средств ФТА (СФТА), используемых в производстве микропроцессоров.
Выбор оптимальных средств для СФТА конкретного изделия позволяет получить максимальную достоверность анализа при минимальных затратах. Выбор средств с наиболее высокими значениями метрологических характеристик (см. табл. 5) максимизирует достоверность при больших затратах. Для многономенклатурного производства стремятся создать систему ФТА с минимальным количеством средств, универсального материаловедческого назначения. В такую систему могут входить восемь основных групп средств, метрологические характеристики которых приведены в табл. 6.
С информационной точки зрения средства получения информации в СФТА образуют информационный канал. Обработка информации может осуществляться внутри каждого канала (канальная, как правило, — встроенными в приборы микропроцессорными ЭВМ) и централизованно (с использованием мощной ЭВМ системы управления качеством или производством) .
Сведения о дефектах, значениях параметров и характеристиках отказавших изделий целесообразно вводить в память ЭВМ, для чего необходимо представить их в виде машинно-ориентированных форм. В таком же виде целесообразно вводить в память ЭВМ результаты обследования режимов и условий применения комплектующих изделий и результаты контроля соблюдения технологии и правил эксплуатации. Во многих случаях желательно вводить данные о фактической эффективности анализа и корректирующих мероприятий. Целесообразно организовать длительное адресное (адреса должны соответствовать адресному кодированию в ЭВМ) хранение первичной информации (протоколов, рентгенограмм и т. п.).
При обобщении данных внутри канала и на центральной ЭВМ необходимо строго придерживаться единых (отраслевых или межотраслевых) классификаторов дефектов и отказов, строить их распределение по видам дефектов, причинам и механизмам отказов, условиям применения и эксплуатации, типам и группам изделий и видам изделий.
Методы оценки достоверности результатов ФТА. Задачи оценки достоверности вытекают из анализа источников ошибок (погрешностей) и процедур.
Процедуры анализа причин отказов могут быть двух взаимодополняющих видов. Первый вид процедур состоит в том, что на основе априорных данных (в том числе — модельного описания) формулируется гипотеза о причинах отказа, подтверждаемая или отвергаемая по результатам последующего диагностирования или испытаний. Второй вид процедур заключается в анализе статистических данных о причинах отказа с определением наиболее вероятной причины. В соответствии с этими процедурами формулируются задачи оценки достоверности.
Для определения показателей достоверности рассмотрим следующие случаи:
дефект х проявляется с вероятностью Р (х) при измерениях параметра у, распределенного по закону [(у); показателями достоверности могут служить вероятности ложной тревоги Р (л:т) и необнаруженного отказа Р (хт), создаваемые дефектом х;
дефект проявляется в виде определенных значений статистических характеристик, получаемых по результатам детерминированных измерений (например, в отклонении оценок этих характеристик от значений, даваемых статистической моделью); за показатели достоверности могут приниматься показатели достоверности оценок параметров по результатам статистической обработки данных измерений: среднее значение, дисперсия и другие статистические характеристики;
когда на контролируемые параметры не заданы пределы (допуска), для оценки достоверности проводится прямой эксперимент; при этом контролю подвергается выборка изделий объемом п, которая по результатам контроля разбивается на две подвыборки: пг — отнесенные к годным; п2 — отнесенные к дефектным. Обе подвыборки проходят установленные ТУ испытания всех видов, по результатам которых находится число отказов в подвыборках и Точечные оценки могут рассчитываться по следующим соотношениям:
При малых а и Р вместо точечных оценок используются их верхние доверительные границы.
Рассмотрим типичные задачи оценки достоверности результатов ФТА.
Задача 1. Оценка достоверности подтверждения априорной гипотезы о причине отказа сводится к следующему. На первом этапе анализа на основе всей предварительной информации может быть сформулирована первоначальная гипотеза о причине отказа и условиях его возникновения. Поэтому появляются необходимость в лабораторных (модельных) или натурных условиях воспроизвести этот отказ или спланировать испытания, провоцирующие отказ по данной причине, и определить на этой основе, подтверждается или не подтверждается первоначальная гипотеза о причине и условиях возникновения отказа.
Планирование таких испытаний во многом сходно с планированием контрольных испытаний на надежность.
Если известна оперативная характеристика плана испытаний то можно определить веоятности ошибок первого а и второго рода: где Р — вероятность безотказной работы в течение заданного времени Т3; Рн — нижняя доверительная граница вероятности Р.
Будем считать, что априорные данные о причинах отказов представлены не в виде какой-либо гипотезы, а в виде диагностической модели изделия (совокупности возможных причин отказов) — соответствующего графа А0, и эквивалентного ему множества интервалов Тогда исследование (установление) причины отказа можно представить в виде научного эксперимента, при котором полезность полученной информации совпадает с количеством средней информации в данном эксперименте. В этом случае имеется оптимальная доверительная вероятность 60пт соответствующая оптимальному доверительному интервалу.
Существование оптимальной оценки объясняется тем, что с увеличением доверительного интервала возрастает доверительная вероятность, что в этот интервал попадает неизвестное значение признака у (т. е. при меньшей детализации причин отказов возрастает доверительная вероятность того, что указанная причина отказа будет относиться к числу «крупных»). Но одновременно увеличивается и неопределенность выбора значения у внутри самого интервала (т. е. затрудняется указание той «мелкой» причины, по которой и возник отказ).
Практически нецелесообразно выбирать 6опт > 0,98, так как при этом объем исследований причин отказов будет очень большим.
Задача 2. Оценка достоверности установления причины отказа по результатам анализа статистических данных сводится к следующему. В результате процедур измерения, контроля, диагностирования имеется определенный объем статистических данных, который зависит от плана исследования, числа обследованных изделий, характера отказов и процессов их возникновения, метрологических характеристик методов и средств ФТА. Ошибки в установлении причин отказов могут быть вызваны недостаточным объемом статистических данных, малой разрешающей способностью процедуры диагноза и низкой точностью измерительных (контрольных, диагностических) средств. Ошибки, обусловленные недостаточным объемом статистических данных, зависят от вида статистической характеристики, подлежащей оценке, и от степени полноты статистических данных, на основе которых дается оценка. Ошибки, обусловленные малой разрешающей способностью процедуры диагноза, зависят от свойств объекта диагноза (например, его структуры, наличия памяти и т. п.), последовательности проверок, диагностической информации в каждой проверке, алгоритма поиска неисправностей.
Используемую информацию можно разделить на две группы: измерительную и диагностическую.
Рассмотрим достоверность измерительной информации, т. е. дадим оценку того, является ли погрешность измерения параметров причиной отказа.
Если оценке подлежит среднее арифметическое значение т^, а случайные величины независимы и подчиняются нормальному закону распределения, то в зависимости от числа испытуемых образцов и выбранной доверительной вероятности (5т по рис. 6 определим величину и рассчитаем, пользуясь экспериментальными значениями среднего значения и дисперсии.
Достоверность диагностической информации, используемой для установления причины отказа, зависит от повторяемости этой причины. С позиции оценки достоверности установления причин отказы целесообразно разделить на следующие три группы: повторяющиеся (массовые), для которых имеется достаточно представительный статистический материал; типичные, для которых имеются априорные данные в виде диагностических качественных или количественных моделей изделий; случайные, для которых отсутствует представительная статистика и не имеется количественных значений частостей возникновения отказов в диагностических моделях.
Достоверность установления причин повторяющихся отказов можно оценить, построив распределение отказов по видам дефектов. Для этого необходимо определить объем исследований отказавших изделий, обеспечивающих решение поставленной задачи. Определение числа исследований отказавших изделий сводится к задаче оценки неизвестной вероятности некоторого события независимых опытах. Число таких опытов п при Р* = 0,5 составляет 385, а при Р*=0,9 или Р*=0,1—139.
Если установлен порог 1г, превышение которого сигналом диагностического прибора принимается за решение о том, что наличие соответствующего этому сигналу /-го дефекта вызвало отказ, то вероятность ложного определения отказа из-за /-го дефекта при его фактическом отсутствии.
Яи — дисперсия ошибок средств измерения диагностических признаков; Ьт — дисперсия сигнала помехи от статистической неоднородности свойств здорового материала, «маскирующей» сигнал от дефекта; 1)^ — дисперсия компонентов сигнала, отражающая быстрое (внеплановое) изменение свойств контролируемого объекта.
Тогда вероятность ложного определения отказа из-за /-го дефекта
а = Р0-2Р
Рассмотрим случай типичных отказов, когда имеется априорное распределение вероятностей Р^ отказов по видам дефектов. Ранее уже была проделана изложенная процедура определения Р]. Поэтому для расчета вероятностей ошибок первого и второго рода могут использоваться выражения (10) и (11). Необходимо только проанализировать метрологические характеристики средств анализа для определения дисперсии ошибок Ли, дисперсии команд Б? и деградации Г>ту.
При случайных отказах отсутствует возможность построения распределения вероятностей отказов по видам дефектов Р$ (/) на основе априорных данных (как это делалось в случае типичных отказов) или апостериорного анализа отказов (как это имело место при повторяющихся отказах). Достоверность установления причин единичных отказов по результатам анализа отказавших изделий будет крайне низкой. Поэтому используются различные пути повышения достоверности. Одним из них является использование байесовских стратегий, сущность которого состоит в следующем. Построим вначале качественную диагностическую модель изделия и допустим, что все причины отказов равновероятны. Если общее число возможных причин М, то вероятность отказа по каждой причине Р; = \/М (априорные данные). Далее примем, что в технологическом процессе используется ф операций и /-й дефект обусловлен нарушением.
Считаем, что имеется 7? видов внешних воздействий и отказ по /-й причине может возникнуть в результате превышения заданного уровня внешними воздействиями, тогда = Г]/#. Поэтому в целом апостериорные данные позволяют оценить = <71/а + Пользуясь формулой Байеса.
Вероятности примем за априорное распределение вероятностей случайных отказов. Дальнейшее определение достоверности установления причин отказов производится аналогично изложенному.
Задача 3. Комплексная оценка достоверности заключается в следующем. Практически используются два взаимодополняющих метода комплексной оценки достоверности установления причины отказа. Если имеются основания считать, что диагностические признаки в полной мере описывают возможные виды и причины отказов, то достоверность установления причины отказа определяется степенью достоверности определения диагностических признаков. Она оценивается (в предположении независимости результатов, полученных ранее) произведением вероятностей правильного установления /-го диагностического признака с учетом соответствующих причин недостоверности (вследствие погрешности измерений, недостаточного объема статистических данных и т. п.):
Если отсутствуют основания считать достаточной полноту описания видов и причин отказов диагностическими признаками, то для комплексной оценки необходимо учесть степень полноты Рд отражения последовательными признаками характера отказов и причины его возникновения и степень достоверности Ри определения диагностических признаков в результате использования различных способов инструментального анализа. Степень полноты отражения характера отказа совокупностью диагностических признаков, где Р (х{) — априорная вероятность возникновения отказа по причине рассчитанная по диагностическим моделям или экспериментально.
Информацию об условных вероятностях удобно представлять в виде диагностической матрицы, которую методологически удобно формировать в процессе исследований отказавшего изделия (при наличии необходимой информации), дополняя ее новым столбцом при исследовании очередного диагностического признака. Если исследуемый диагностический признак зависит от признаков, исследованных ранее, то очередной столбец диагностической матрицы, соответствующий исследуемому признаку, состоит из оценок условных вероятностей появления признака у изделий с возможными причинами отказов (лг^), содержащих признаки, от которых зависит исследуемый признак Р [{к; \ XI) ... к^г], где к] — исследуемый признак, 6^, к^Г — признаки, от которых зависит признак.
В предположении независимости оценок Рд и Ри результаты комплексной оценки будут определяться произведением.