[摘 要] 目的: 在收集开机数据的基础上, 建立Philips SLS23 定位机平均故障工作时间的 Crow- AMSAA(NHPP) 计算模型, 对 Philips SLS23 定位机正常使用的可靠性预计及预防性维修的参考有重要作用。方法: 根据本院的Philips SLS23 定位机维修记录, 统计时间为连续 60 个月, 间隔以天为单位, 据可靠性理论Crow- AMSAA(NHPP) 模型分析, 对 Philips SLS23 定位机的可靠性增长及失效模式进行分析。结果: Philips SLS23 定位机的平均故障间隔时间为 MTBF=3.83day;故障率=0.096T1.1192。结论: 根据以可靠性为中心的 RCM理论的三种基本维修方式, 即定时方式(HT) 、视情方式(OC) 和状态监控方式(CM) , MTBF 时间点必须加强预防性维护。根据部件的损耗数据, 应当定时更换。Philips SLS23 定位机平均故障工作时间的 Crow- AMSAA(NHPP) 计算模型, 对 Philips SLS23 定位机正常开机的可靠性预计及预防性维修的参考有重要作用。
[ABSTRACT] Crow- AMSAA (NHPP)model is often used to model reliability growth and the reliability of repairable uNIts, this paper proposes an model for medical Philips SLS23 Simulator. A great deal of maintaining data are taken to construct the NHPP model, The model is helpful to the preventive of maintenance.
前言
放射治疗、手术治疗和化学治疗是治疗肿瘤的三大手段。放射治疗可以作为单独的治疗手段, 对某些类型肿瘤的治疗达到治愈的目的, 还可用作手术前放射治疗、手术中放射治疗和手术后放射治疗, 以提高治疗的效果。在放射治疗中, Philips SLS23 定位机因体积小、重量轻、准确性高, 逐渐成为现代放射治疗最主要和使用最多的定位装置, 也是每个从事放射治疗的肿瘤防治中心的主要设备。由于 Philips SLS23 定位机结构复杂, 故障规律分布难以掌握。本文以工业界分析设备可靠性的 Crow-AMSAA 模型来建立 Philips SLS23 定位机的故障模式, 为日常的维护提供参考数据, 监测 Philips SLS23 定位机运行状态, 对预防性维修有所帮助。
1. 材料和方法
1.1 设备材料
Philips 公司生产的放射治疗定位机 , 型号为SLS23、Crow- AMSAA 可靠性分析模型。
1.2 实验方法
模型是用于测试时间段内项目的可靠性增长状态的。模型假设项目开始时间 t=0,令 0<为设备测试修正时间, 故障密度 λi在(Si-1, Si) 时间段内被假定为常数, 因此, 在第 i 段时间内的故障数量服从 Poisson 分布:
故障密度λi服从指数分布:
令 N(T)表示总时间 T 内积累的故障数, 若 0<T<S1,则 N(T)服从平均值为 λ1T 的 Poisson 分布。若 S1<T<S2,N(T)等于第一阶段(0, S1)的故障数加上第二阶段(S1,T)的故障数。故障率为(0, S1) 区间加上(0, S2) 区间的故障率, N(T)=θ(T)=λ1S1+λ2(T- S1)。
假如测试时间段内的故障率为常数, 则 N(T) 服从平均值为λT 的Poisson 分布。若故障率不是常数, [Si-1,Si]时间与[Si-2,Si-1]时间内的故障率不相等, N(T) 服从一个非常数的 Poisson 过程:
Philips SLS23 定位机广泛用于放射治疗之中, 由于其结构复杂, 故障率相对较高。一般 Philips SLS23定位机系统可由 X 线系统、影像系统、模拟治疗床及激光定位系统等组成。任何一个子系统出问题都有可能影响到整个Philips SLS23 定位机的运作。因此, 将整个 Philips SLS23 定位机看成一个系统来分析。
设每次检查的运行时间为 Ti, 期间 Philips SLS23定位机的故障数为 Ni, 将所收集到的 n 个数据带入方程,
根据复杂设备的 Drenick 定律: 可修复的复杂设备, 不管其故障零件寿命分布类型(如指数分布、正态分布、对数分布等)如何, 故障零件修复或更新之后, 复杂设备的故障率随着时间的增大而趋于常数。其故障率曲线如图 1 所示。
图中 fi(t)为随机变量 τi的故障分布密度, f2(t)为随机变量 τi+ τ2的故障分布密度。MTBF 为 f(t)的均值,Philips SLS23 定位机更新过程的故障率 λ(t)是这些故障分布密度之和(fl(t)+f2(t)+ ), 总和趋于某一常数。
1.3 数据统计分析
根据本院 Philips SLS23 定位机维修记录, 统计时间为连续 60 个月, 间隔以( 天) 为单位, 每个月的故障数据如表 1 所示:
将所收集的数据输入 RGA 程序, 解得 β=1.1192,λ=0.0960, MTBF=3.8254, 平均值 X=∑x/n=7.105。
2. 结果
该定位机的平均故障间隔时间 MTBF=3.83day。
故障率 N(T)=θ(T)=λTβ=0.096T1.1192。
3. 讨论
考虑开机强度及机器折旧加权因子 N (T)=K强度K折旧0.096T1.1192。
从结果来看, β>1,该函数随时间递增, 故障率随着时间的增加而越来越高。该机型为定位机, 除去开机强度及机器折旧加权因子, 这台机器的故障率是比较高的。
4. 结论
根据以可靠性为中心的 RCM 理论的三种基本的维修方式即定时方式(HT) 、视情方式(OC)和状态监控(CM)方式), MTBF 时间点必须加强预防性维护。根据部件的损耗数据, 应当定时更换。从总体上对设备的可靠性水平进行连续监控, 保证机器最大限度地运行。
参考文献
1. 陈学楚, 主编. 《维修基础理论》[M]. 北京: 科学出版社, 1998. 39—39.
2. Lioyd D K, Lipwo M. "Reliability Growth Models". In: Lioyd D K, eds. “Reliability: Management,Methods, and Methematicw” [M]. Englewood Cliffs, New Jersey: Prentice- Hall Inc, 1962. 330—348.
3. Kececioglu, D. Reliability Growwwth. In: Kececioglu eds. Reliability Handbook [M] 4th ed. Englewood Cliffs,New Jersey: Prentice- Hall Inc, 1991. 415—418.
4. 丁·莫布雷. 以可靠性为中心的维修 [M]. 北京:机械工业出版社, 2000. 6—19.
