CC BY
19
УДК 621.317
МЕТОДИКА ОЦЕНКИ ОБЕСПЕЧЕННОСТИ ПАРКА ТЕХНИКИ СВЯЗИ И АСУ ВОИНСКИХ ЧАСТЕЙ (ПОДРАЗДЕЛЕНИЙ)
А.В. Морозов, А. А. Самохвалов, М.С. Токарь
Показана необходимость пересмотра подходов к оценке обеспеченности парка работоспособной техникой связи и АСУ ввиду низкой объективности существующих методов. Предложенный подход позволяет оценить готовность парка техники связи и АСУ частей (подразделений) исходя из имитационного моделирования появления возможного количества отказов в заданном количестве образцов, образующих парк техники связи и АСУ.
Ключевые слова: техника связи и АСУ, обеспеченность, коэффициент готовности, имитационная модель, модуль, количество испытаний, вероятность, метод Монте-Карло, формула Бернулли.
В настоящее время к техническому обеспечению связи и АСУ предъявляются общие требования через обеспеченность работоспособной техникой связи и АСУ (ТС и АСУ) объединений, соединений и воинских частей (подразделений). Общие требования к обеспеченности воинских частей (подразделений) работоспособной ТС и АСУ можно выразить через два показателя.
1. Обеспеченность в соответствии со штатно-табельной потребностью описывается коэффициентом наличия ТС и АСУ
к=N • (1)
шт
где Кн- коэффициент наличия ТС и АСУ в воинской части (подразделении); N - количество (наличие) образцов ТС и АСУ в воинской части (подразделении) (кроме сверхштатных); N^ - количество образцов ТС и АСУ, положенное воинской части (подразделению) по штату (в соответствии с табелем к штату).
2. Обеспеченность работоспособной ТС и АСУ описывается средним коэффициентом готовности парка, определяемым как среднее значение мгновенного коэффициента готовности за определенный интервал времени tH [3] парка ТС и АСУ воинской части (подразделении) Kra(tH), где tH - интервал времени заданной продолжительности. При этом средний коэффициент готовности парка ТС и АСУ, определяется через средние коэффициенты готовности Кг;(?и) образцов ТС и АСУ, составляющих парк ТС и АСУ.
Результаты моделирования. Необходимость описания обеспеченности работоспособной ТС и АСУ средним коэффициентом готовности за заданный интервал времени tH заключается в невозможности объективно оценить готовность парка ТС и АСУ точечной оценкой в момент времени t по причине того, что точечные оценки образцов ТС и АСУ изменяются от минимального до максимального значения в короткий промежуток времени. Например, образцы ТС и АСУ, находящиеся в ремонте (текущий, сред-
207
ний, капитальный и другие) всегда не работоспособны и их коэффициент готовности будет в этот момент времени, характеризоваться Кп(0 = 0, однако через небольшой промежуток времени эти образцы ТС и АСУ после ремонта будут находится в работоспособном состоянии и их коэффициент готовности станет Кп(?) = 1.
Интервал времени должен определяться определенным циклом эксплуатации. Как правило, в качестве интервала для интегральной оценки обеспеченности работоспособной ТС и АСУ берется период в 1 год, по причине годового цикла технического обслуживания, годового планирования эксплуатации и ремонта ТС и АСУ, годовых норм расхода ресурса и т.п. Таким образом, общий показатель обеспеченности работоспособной ТС и АСУ воинской части может быть определен исходя из двух рассмотренных показателей:
Коб = Кн X Кгп ( /г )= Т^ X Кгп ( /г ) , (2)
шт
где продолжительность задается интервалом в 1 год (8760 часов), т.е. /и=/г, Коб - коэффициент обеспеченности работоспособной ТС и АСУ воинской части (подразделения).
Коэффициент наличия ТС и АСУ воинской части (подразделения) Кн рассчитать не сложно, поэтому перейдем к определению среднего коэффициента готовности парка ТС и АСУ воинской части за период 1 год.
Готовность парка объектов (воинской части) - это отношение числа работоспособных объектов к общему числу объектов парка в рассматриваемый момент времени [4]. Данное определение содержит физический смысл готовности парка объектов и показывает какая часть из общего количества объектов по штату находится в работоспособном состоянии. То есть, для определения готовности парка объектов воинской части необходимо определить количество отказавших образцов ТС и АСУ, тогда
К = ^=^, (3)
гп N N ^
где N0 - количество отказавших образцов ТС и АСУ, а N - количество работоспособных образцов ТС и АСУ, N - количество образцов ТС и АСУ воинской части (подразделения), имеющихся в наличии (кроме сверхштатных).
Задачу определения количества отказавших образцов ТС и АСУ, можно решить с применением формулы Бернулли
Р (Nо) = Со х РЫо X qN-Nо, (4)
где С^ =-- , а q=1 - Р.
N No !х( N - No)' Н
Если в воинской части (подразделении) имеется N образцов ТС и АСУ и известны вероятности безотказной работы Р (коэффициенты готовности Кг) каждого образца (ограничения для применения формулы Бер-нулли - эти данные должны быть одинаковы для всех образцов ТС и АСУ, Р1=Р2=...=Рк), то можно установить количество отказов N при задании граничной вероятности их появления Р(И0).
Однако, на практике образцы ТС и АСУ имеют различные вероятности безотказной работы (коэффициенты готовности) в силу многих причин (разное количество израсходованного ресурса, отличающиеся показателей надежности, различающиеся по обеспеченности комплекты ЗИП и пр.). Тогда, задача определения количества отказавших образцов ТС и АСУ (No) для парка ТС и АСУ части (подразделения) с заданной граничной вероятностью их появления может быть решена путем имитационного моделирования методом Монте-Карло.
Сущность метода Монте-Карло состоит в следующем: требуется найти значение а некоторой исследуемой величины. Для этого выбирают такую случайную величину Х, математическое ожидание которой равно а [М(Х) =а].
Практически же поступают так:
- производят n испытаний, в результате которых получают n возможных значений случайной величины Х;
У х.
- вычисляют их среднее арифметическое х и принимают x в
n
качестве оценки (приближённого значения) a искомого числа а: a » a = x .
Имитационная модель готовности парка техники связи и АСУ частей (подразделений), разработана в программе MathCad 15 и имеет следующие модули:
- модуль ввода (установки) исходных данных:
количество образцов ТС и АСУ, образующих парк ТС и АСУ части;
количество прогонов модели (количество испытаний);
индивидуальные коэффициенты готовности образцов ТС и АСУ за период времени 1 год;
локальное значение количества отказов образцов ТС и АСУ в зависимости от установленной граничной вероятности их появления, которая принимается в нашем случае Ргр = 0,1 и, соответственно, события которые могут произойти с вероятностью Ргр < 0,1 для нас не важны и в расчет не берутся;
- модуль генерации случайных чисел для всех образцов ТС и АСУ парка, а также их изменения по количеству испытаний, определяющих возникновение отказов в каждом образце ТС и АСУ;
- модуль сравнения индивидуальных коэффициентов готовности образцов ТС и АСУ за период времени в 1 год с генерированными случайными числами для формирования появления (не появления) отказов по каждому образцу ТС и АСУ в каждом прогоне (в каждом испытании);
- модуль подсчета суммарного количества отказов по всем образцам ТС и АСУ во всех прогонах модели (во всех испытаниях);
- модуль расчета вероятности появления заданного количества отказов по всему парку ТС и АСУ с двумя критериями:
- в модуле установлено правило No = ^,зад, которое используется для проверки адекватности имитационной модели;
- в модуле установлено правило N0 > ^зад, которое используется для учета ситуации, когда отказов может быть больше, чем задано в исходных данных;
- вспомогательный модуль для расчета данных в соответствии с формулой Бернулли с целью проверки модели на адекватность и с формулой функции Лапласа с целью установления количества испытаний (количества прогонов модели) в зависимости от предъявленных требований к точности моделирования.
Имитационная модель функционирует последовательным выполнением указанных модулей, при этом необходимо отметить три аспекта применения разработанной модели:
- расчет количества испытаний (количества прогонов модели) в зависимости от предъявленных требований к точности моделирования;
- проверка имитационной модели на адекватность;
- получение результатов моделирования: определение количества образцов парка ТС и АСУ части (подразделения) с установленной граничной вероятностью их появления.
Расчет количества испытаний (количества прогонов модели) в зависимости от предъявленных требований к точности моделирования выполняется в соответствии с интегральной теоремой Лапласа, из которой выведена функция Лапласа.
Вероятность того, что в п независимых испытаний относительная
частота с = — появления заданного количества отказов N отклонится от
N
вероятности Р их появления не более, чем на в,
Первоначальное включение и прогон модели выполняем при установке п ~ 20000 при задании количества отказов И0 в диапазоне от 1 до N0 тах, при котором относительная частота появления отказов будет еще не меньше установленной граничной вероятности их появления. Установим, что граничная вероятность появления отказов - это такая вероятность, которая является существенной при расчете возможного количества отказов.
Например, установим граничную вероятность появления событий Ргр = 0,1 и будем менять количество отказов от 1 до N тах, при котором Р > Ргр = 0,1 (таблица).
Зададим, например, в = 0,002, с вероятностью не меньшей, чем у
вила не более, чем в = 0,002, тогда
2^ ^0,99, А^иги»! главенства на 2: Ф > 0,495.
(5)
подставив известные значения:
Граничная вероятность появления событий
N0 Р N Кг1
1 0,923
2 0,717
3 0,459 50 0,95
4 0,24
5 0,105
По известному значению функции Ф = 0,495 находим соответству-
- со ^ 0,002х^п „ _
ющии аргумент: х ~ 2,58. Таким образом, , 2,58, возведем в
^0,105 х 0,895
г 0,000004х^ 6,6564х0,093975
квадрат обе части неравенства —-> 6,6564, п >—---,
0,093975 0,000004
п > 156384.
Следовательно, для того чтобы разница ^N° - р^ составила не более
чем в = 0,002, при вероятности не менее чем у = 0,99, необходимо провести не менее 156384 прогонов модели (п должно быть более или равно 156384).
Проверка имитационнои модели на адекватность выполняется следующим образом. В качестве исходных данных по индивидуальным коэффициентам готовности образцов ТС и АСУ за период времени 1 год вводятся одинаковые показатели, равные наибольшему коэффициенту готовности образцов ТС и АСУ за период времени 1 год. При изменении входных данных алгоритм функционирования имитационнои программы не
N.
меняется, поэтому сравним относительную частоту = появления заданного количества отказов N с расчетным значением вероятности появления того же количества отказов с применением формулы Бернулли. Если отклонение не превышает заданной величины е, при выполнении требовании по количеству прогонов модели, модель будем считать адекватнои.
В качестве полученных результатов моделирования используем заданное количество отказов образцов парка ТС и АСУ части (подразделения) с установленной граничной вероятностью их появления. Тогда готовность парка техники связи и АСУ частей (подразделений) можно определить исходя из имитационного моделирования появления возможного количества отказов в заданном количестве образцов, образующих парк ТС и АСУ:
* = N^N0. (6)
гп N К '
Таким образом, возможно рассчитать обеспеченность работоспособной ТС и АСУ воинских частей (подразделений):
х N - N N 0 N - N
ъ^ _ шт_ _ 1У 1У О
= N . (7)
211
Заключение. Метод Монте-Карло требует проведения большого числа испытаний, его часто называют методом статистических испытаний. Теория этого метода указывает, как наиболее целесообразно выбрать случайную величину Х, как найти её возможные значения. В частности, разрабатываются способы уменьшения дисперсии используемых случайных величин, в результате чего уменьшается ошибка, допускаемая при замене искомого математического ожидания М(Х)=а его оценкой а*.
Список литературы
1. Вентцель Е.С. Теория вероятностей. М.: Издательский центр «Академия», 2003. 576 с.
2. Чихачев А.В., Морозов А.В., Самохвалов А. А. Некоторые аспекты методологии оценки качества функционирования технических обеспечивающих систем // Сборник научных статей (рецензируемый) XII Межведомственной научно-теоретической конференции «Вооружение и экономика». 2019. C. 399-406.
3. ГОСТ 27.002-2015. Надежность в технике (ССНТ). Термины и определения, 2015.
4. ГОСТ 18322-2016. Межгосударственный стандарт. Система технического обслуживания и ремонта техники. Термины и определения, 2016.
Морозов Александр Викторович, канд. техн. наук, доцент, [email protected], Россия, Санкт-Петербург, Военная академия связи им. Маршала Советского Союза С. М. Буденного,
Самохвалов Александр Аркадьевич, адъюнкт, samokhvalov83@inbox. ru, Россия, Санкт-Петербург, Военная академия связи им. Маршала Советского Союза С. М. Буденного,
Токарь Михаил Сергеевич, курсант, m oroz19558@yandex. ru, Россия, Санкт-Петербург, Военная академия связи им. Маршала Советского Союза С. М. Буденного
METHODOLOGY FOR ASSESSING THE SECURITY OF THE FLEET OF COMMUNICA TIONS EQUIPMENT AND A UTOMA TED CONTROL SYSTEMS
OF MILITARY UNITS
A. V. Morozov, A.A. Samokhvalov, M.S. Tokar
The main goal of the article is to show the need to revise approaches to assessing the fleet's availability with efficient communication equipment and automated control systems in view of the low objectivity of existing methods. The proposed approach allows us to assess the readiness of the fleet of communication equipment and automated control systems of units (divisions) based on simulation modeling of the possible number of failures in a given number of samples forming the fleet of communication equipment and automated control systems.
Key words: communication technology and automated control, security, availability, simulation model, module, number of tests, probability, Monte-Carlo method, Bernoulli formula.
Morozov Alexander Viktorovich, candidate of technical sciences, docent, [email protected], Russia, St. Petersburg, Military Academy of Communications named after Marsha la Soviet Union S.M. Budyonny,
Samokhvalov Alexander Arkadevich, postgraduate, [email protected], Russia, St. Petersburg, Military Academy of Communications named after Marsha la Soviet Union S. M. Budyonny,
Tokar Mikhail Sergeevich, cadet, moroz19558@yandex. ru, Russia, St. Petersburg, Military Academy of Communications named after Marsha la Soviet Union S.M. Budyonny
УДК 621.317
ПРИНЦИПЫ ПОСТРОЕНИЯ И МОДЕЛЬ ОЦЕНИВАНИЯ ПОДСИСТЕМЫ ПОДДЕРЖКИ ПРОЦЕССОВ МОНИТОРИНГА И УПРАВЛЕНИЯ ТРАНСПОРТНОЙ СЕТЬЮ СВЯЗИ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ
А.В. Боговик, А.Г. Головин, О. А. Губская
Рассмотрены основные принципы построения подсистемы поддержки процессов мониторинга и управления транспортной сетью связи, а также представлена модель ее оценивания.
Ключевые слова: моделирование, транспортная сеть связи, подсистема поддержки, мониторинг.
Результативность работы органов управления связью при решении задач мониторинга и управления во многом определяется наличием в структуре АСУС СССН соответствующей подсистемы поддержки, базирующейся на современных принципах построения, архитектуре и эффективных алгоритмах функционирования.
Подсистема поддержки процессов мониторинга и управления транспортной сетью связи специального назначения (ПППМУТСС) должна представлять собой сложный многоуровневый иерархический распределенный программно-аппаратный комплекс, включающий разнообразные (имитационные, аналитические, логико-лингвистические и др.) модели системы связи, ее элементов и отдельных процессов организационного управления и предоставлять целый ряд сервисов поддержки, к которым можно обратиться и получить соответствующие информационные, справочные или иные требуемые услуги.
Задачи, решаемые ПППМУТСС в процессе ее функционирования, должны быть связаны друг с другом единой идеологией их использования, общностью исходных данных и сквозной последовательностью решения.
213
