Петушков Григорий Валерьевич - младший научный сотрудник Центра популяризации науки и высшего образования.
Пр. Вернадского, д. 78, Москва 119454
Grigory V. Petushkov - Junior Researcher, Centre for Popularisation of Science and Higher Education, Institute of Youth Policy and International Relations.
78, Vernadskogo str., Moscow 119454
Целью работы. Методика и анализ моделей надежности системы, включающих мониторинг состояния отдельных компонентов и оценку отказов на основе интенсивности отказов и вероятности безотказной работы модулей. Работа направлена на создание эффективных методов прогнозирования отказов и оценки времени восстановления системы, учитывая параметры отказов отдельных модулей и их взаимодействие. Также в рамках работы предполагается моделирование мониторинга состояния и функционирования системы.
Методы. Методы исследования включают анализ надежности системы с использованием интенсивностей отказов, моделирование вероятности безотказной работы компонентов системы, вычисление среднего времени до отказа, использование вероятностных распределений для определения состояния системы, мониторинг состояния системы в реальном времени, оценку времени восстановления системы, а также разработку алгоритмов для обнаружения отказов и управления восстановлением работы системы, методы моделирования
Результаты. Результаты исследования показывают, что с увеличением времени работы системы вероятность безотказной работы каждого компонента снижается из-за накопления отказов. Моделирование показало, что надежность системы зависит от интенсивности отказов каждого модуля и их взаимосвязи в системе. Для трех разных систем с различными интенсивностями отказов были проведены расчеты изменения вероятности безотказной работы (R(t)) в зависимости от времени. Анализ показал, что с увеличением времени работы вероятность отказа системы возрастает, что подтверждается уменьшением значения R(t) по мере увеличения времени t. При моделировании восстановления системы было установлено, что время восстановления зависит от количества отказавших модулей и интенсивностей их отказов. Система мониторинга успешно реагирует на изменения в реальном времени, выявляя значимые события, такие как отказ модулей, и оценивая время восстановления системы с учетом текущих данных о состоянии компонентов.
Заключение. В ходе проведенного исследования был разработан и реализован метод моделирования надежности системы на основе анализа интенсивностей отказов ее компонентов и вероятности безотказной работы (R(t)). Рассмотренные методы позволили вычислить среднее время до отказа системы, а также оценить время восстановления системы после отказа, что является ключевым фактором для обеспечения бесперебойной работы критически важных систем. Была продемонстрирована эффективность системы мониторинга, которая на основе данных о состоянии компонентов (M(t)) может оперативно выявлять отказные события и прогнозировать время восстановления, что позволяет оперативно принимать меры по восстановлению работоспособности системы.
Purpose of research. Methodology and analysis of system reliability models, including monitoring the condition of individual components and failure assessment based on the failure rate and the probability of failure-free operation of modules. The work is aimed at creating effective methods for predicting failures and estimating system recovery time, taking into account the failure parameters of individual modules and their interaction. The work also involves modeling the monitoring of the state and functioning of the system.
Methods. Research methods include analyzing system reliability using failure rates, modeling the probability of uptime of system components, calculating the average time to failure, using probability distributions to determine system status, monitoring system status in real time, estimating system recovery time, as well as developing algorithms for detecting failures and managing system recovery, modeling methods.
Results. The results of the study show that as the system's operating time increases, the probability of uptime for each component decreases due to the accumulation of failures. The simulation showed that the reliability of the system depends on the failure rate of each module and their relationship in the system. For three different systems with different failure rates, the change in the probability of uptime (R(t)) was calculated as a function of time. The analysis showed that as the operating time increases, the probability of system failure increases, which is confirmed by a decrease in the value of R(t) as the time t increases. When modeling system recovery, it was found that the recovery time depends on the number of failed modules and the intensity of their failures. The monitoring system successfully reacts to changes in real time, identifying significant events such as module failure, and estimating system recovery time based on current component status data.
Conclusion. In the course of the research, a method for modeling system reliability based on an analysis of the failure rates of its components and the probability of uptime (R(t)) was developed and implemented. The methods considered made it possible to calculate the average time to system failure, as well as to estimate the system recovery time after failure, which is a key factor in ensuring the smooth operation of critical systems. The effectiveness of the monitoring system has been demonstrated, which, based on data on the state of components (M(t)), can quickly identify failure events and predict recovery time, which allows for prompt measures to restore system operability.
The authors declare that there are no conflicts of interest present.