一种用于装备保障的修复性维修模型及其实现方法

技术领域

本发明涉及仿真模型应用技术领域，并且更具体地，涉及一种用于装备保障的修复性维修模型及其实现方法。

背景技术

随着信息化快速发展，现有装备使用体系已逐渐由单型号装备使用改为多体系装备联合使用，针对新型使用方式，要考虑多种因素对于任务执行的制约，为提升装备保障体系的使用效能，需要多方面联合考虑。如何评估多型号装使用的任务成功情况？如何考虑装备故障对装备体系的使用性能影响？这都是亟需解决的问题。

装备列装后的频繁使用、装备磨损、部件老化、人为不当操作、环境影响等，会带来装备的维修量大、维修效率低等问题。装备维修是以故障装备或者需要定期维修检查的装备为对象，建立维修点开展其对应的维修行为。现有方法多着重于对单台装备的维修方法、方式进行分析，通过解析算法来确定如何快速实现单台装备的维修，而无法对多台装备的维修进行决策和判断。仿真系统在装备维修领域的运用，为快速、高效的装备维修提供优化决策成为可能，因此，研究装备的维修仿真模型及其实现方法成为重点之重。

发明内容

针对上述问题，本发明提出一种用于装备保障的修复性维修模型及其实现方法。根据本发明的一个方面，提出一种用于装备保障的修复性维修模型，其包括：仿真输入单元、任务生成单元、任务执行单元、修复性维修单元、数据收集单元和任务评估单元；任务生成单元包括任务队列生成子模型和装备调用子模型，其中，所述任务生成单元根据所述输入单元输入的输入信息调用任务队列生成子模型，生成任务队列表；并同时启动装备调用子模型；所述装备调用子模型根据仿真输入单元共同确定所述任务队列表中每个任务所需的装备、应有数量、最小数量；所述任务执行单元根据所述任务队列表执行任务；在任务所需的装备中，状态为“待命”的数量是/否大于任务所需最小装备数量来判断任务是否启动，任务启动进入任务执行单元，任务不能启动记录本次任务失败数据；任务启动后，修复性维修单元根据所述任务队列表和所述相关装备数据信息，生成故障队列信息；基于故障队列信息，修复性维修单元执行修复性仿真计算；所述数据收集单元收集修复性维修单元在仿真计算中的中间数据、结果数据、装备状态数据、仿真时间数据，并将所述中间数据、结果数据、装备状态数据、仿真时间数据送入所述任务评估单元，进行装备保障性能统计分析和评估。

优选地是，所述修复性维修单元包括：运输事件执行子模型、装备故障发生数学子模型、维修保障过程子模型、故障事件生成子模型、维修任务执行子模型以及仿真时间推进器。

优选地是，所述输入单元包括：作战想定、保障组织、维修模型、维修工作、保障资源、装备模型、环境信息系统。

优选地是，所述作战想定包括作战单元和任务剖面信息；装备模型包括部件信息和装备结构；保障组织包括站点信息和供应结构；维修模型包括预防性维修信息和修复性维修信息；维修工作包括维修活动和资源需求；保障资源包括资源类型和资源部署；其中，所述装备模型与作战想定模型一起，构成输入单元中的装备单元任务模型，以装备体系任务输入和装备单元任务强度为约束；所述保障组织模型，包括两级保障组织，分别为基地级和站点级；所述保障资源模型包括人员部署和备件部署。

优选地是，所述装备故障发生数学子模型为：

设装备s由m个部件单元构成，其组成逻辑为：

s＝{z

已知基本部件单元的失效概率分布函数为：

F

部件单元i的状态变量表达式为：

装备t时刻的状态变量逻辑表达式为：

X(t)＝[b

装备t时刻的状态变量为：

则装备状态变量结构函数为：

φ(X(t))＝φ(t)。

优选地是，维修保障过程子模型包括如下计算过程：找到故障单元；判定本级是否能修，如果是，判断是否到达最大维修次数，如果不能，则直接送到上一级的维修基地；如果没有达到最大维修次数，进行直接维修和换件维修抽样；基于多服务台排队模型，进行维修资源申请，判断维修资源是否满足；如果资源到达且维修资源满足，进行直接维修时间抽样或换件维修时间抽样；进行部件修复性维修时间抽样；修复性维修过程结束。

根据本发明的另一个方面，提供一种用于装备保障的修复性维修模型的实现方法，包括：

首先要构建输入单元，所述输入单元含有维修性维修模型的设计参数和评估目标，并且所述输入单元包括：作战想定、保障组织、维修活动、维修工作、保障资源、装备模型、环境信息系统；构建包含装备调用子模型的任务生成单元，其基于输入单元的输出信息生成任务队列，并对任务队列进行排序，建立事件队列表；构建任务执行单元；构建修复性维修单元；构建数据收集单元，所述数据收集单元记录处理驱动事件的中间数据、结果数据、装备状态数据、仿真时间数据；构建任务评估单元，进行装备保障性能评估。

优选地是，所述构建修复性维修单元的过程包括：1)建立装备故障发生数学子模型；2)基于修理时间服务台模型，建立维修保障过程子模型；3)基于故障事件生成算法，建立故障事件生成子模型，生成故障事件表；4)建立维修任务执行子模型；5)设置仿真时间推进器；所述故障事件生成子模型对事件队列表进行随机试验，确定最先发生故障的故障事件，启动仿真时间推进器，仿真时间推进器将仿真时间调到该故障事件发生故障的时刻；所述修复性维修单元确定故障事件发生后应处理的驱动事件，包括备件供应、修复性维修、换件维修和处理驱动事件的开始时刻、持续时间、延误时间。

优选地是，所述修理时间服务台模型如下：

装备平均服务率μ为：

μ＝(m1×μ1+m2×μ2+…+mn×μn)/(m1+m2+…+mn)

装备总的服务台个数C为：

C＝m1+m2+…+mn；

假定受损装备的时间到达强度是λ，其中故障属于飞发类，需要由飞发类修理服务台修理的比例为k1(0

Ws＝max(Ws1，Ws2，...，Wsn)

式中，如果装备故障修理装备中没有使用服务台，则对应的平均逗留时间Wsi项为零，单个服务台平均修理时间T

T

优选地是，所述建立故障事件生成子模型的过程包括：利用立装备逻辑数学模型，确定正在运行的设备数，以及各个设备的零件数；确定随机抽样数据；基于所述随机抽样数据，产生随机数；对随机数进行直接抽样；记录设备故障类型，写入故障事件表，记录零件无故障时间。

附图说明

本公开的各种实施例或样例(“示例”)在以下的具体实施方式和附图中得以公开。没必要将附图按比例绘制。一般而言，除非在权利要求中另有规定，否则可以任意次序执行本发明所公开的产品或方法。附图中：

图1为根据本发明的用于装备保障的修复性维修模型的实现方法；

图2为根据本发明的用于装备保障的修复性维修模型；

图3为用于本发明的仿真输入单元的构造图；

图4为根据本发明的修复性维修单元框图；

图5为用于修复性维修单元的多服务台排队子模型；

图6为有专业分工的装备故障修理装备排队子模型；

图7为保障资源不足与修理时间延迟关系图；

图8为本发明的计算机仿真中的时间数据统计结构图。

具体实施方式

在详细解释本公开的一个或多个实施例之前，应当理解，实施例不限于它们具体应用中的构造细节，以及下文实施方式或附图所提出步骤或方法。下面将结合附图详细描述本发明的系统和方法。

本发明的用于装备保障的修复性维修模型的实现方法如图1所示。在修复性维修模型的实现方法中，首先要构建输入单元，输入单元含有维修性维修模型的设计参数和评估目标。参考图3，输入单元包括：作战想定、保障组织、维修活动、维修工作、保障资源、装备模型、环境信息系统；第二，构建包含装备调用子模型的任务生成单元，其基于输入单元的输出信息生成任务队列，并对任务队列进行排序，建立事件队列表。第三，构建任务执行单元。

第四、构建修复性维修单元。进一步如图2所示，所述构建修复性维修单元的过程包括：1)建立装备故障发生数学子模型；2)建立维修保障过程子模型；3)创建故障事件生成算法，生成故障记录表；4)建立维修任务执行子模型；5)设置仿真时间推进器。因此，构建出的修复性维修单元包括：运输事件执行子模型、装备故障发生数学子模型、维修保障过程子模型、故障事件生成子模型、维修任务执行子模型以及仿真时间推进器。所述故障事件生成子模型对事件队列表进行随机试验，确定最先发生故障的故障事件，启动仿真时间推进器，仿真时间推进器将仿真时间调到该故障事件发生故障的时刻。所述修复性维修单元确定故障事件发生后应处理的驱动事件，例如备件供应，修复性维修，换件维修，和处理驱动事件的开始时刻、持续时间、延误时间等。

第五、构建数据收集单元，该数据收集单元记录处理驱动事件的中间数据、结果数据、装备状态数据、仿真时间数据。最后，进行装备保障性能评估：构建任务评估单元，基于中间数据、结果数据、装备状态数据，对装备保障修复性维修模型进行统计分析和评估。

图2为根据本发明的用于装备保障的修复性维修模型，该修复性维修模型包括仿真输入单元、任务生成单元、任务执行单元、修复性维修单元、数据收集单元和任务评估单元。所述任务生成单元包括任务队列生成子模型和装备调用子模型。任务生成单元根据输入单元输入的输入信息调用任务队列生成子模型，生成任务队列表；并同时启动装备调用子模型。装备调用子模型根据任务执行剖面模型、作战单元模型、作战单元构成模型共同确定任务队列表中每个任务所需的装备、应有数量、最小数量；在任务所需的装备中，状态为“待命”的数量是/否≥任务所需最小装备数量来判断任务是否启动，任务启动进入任务执行单元，任务不能启动记录本次任务失败数据。故障事件生成子模型根据任务队列表和所述相关装备数据信息，生成故障队列信息；具体而言，故障事件生成子模型按照装备的部件故障率分布，抽样计算部件的故障时间点；遍历所有装备的所有部件，将所有部件的故障信息以时间先后进行排序，形成所述故障队列信息。所述故障队列信息含有最早的故障点信息，以作为装备故障事件点，从而触发维修保障过程子模型和维修任务执行子模型。数据收集单元收集修复性维修单元在仿真计算中的中间数据和结果数据。

本发明的仿真输入单元如图3所示，具体包括：作战想定、装备模型、保障组织、维修模型、修修工作、保障资源信息以及地形环境信息。作战想定包括作战单元和任务剖面信息；装备模型包括部件信息和装备结构；保障组织包括站点信息和供应结构；维修模型包括预防性维修信息和修复性维修信息；维修工作包括维修活动和资源需求；保障资源包括资源类型和资源部署。

对于仿真输入单元中的作战想定模型，本发明给出了实例，其仅仅是示意性的，其包括作战单元，部署站点，所需装备类型及数量。例如有两个作战单元，分别部署在站点1和站点2，作战单元1有18台TANK，作战单元2有15台TANK。对于任务剖面，包括所需装备类型和数据，最少执行装备数，持续时间，持续时长，作战次数，例如基本任务是每次派10台TANK执行，最少8台才启动或继续执行任务，每次持续时间6小时任务剖面为，每天2次，持续一年。

对于仿真输入中的装备模型，由不同的装备单元组成以完成特定使命任务，如对某国海军基地进行防区外精确打击，要求出动火力打击、信息支援、信息战、指挥控制等装备单元协同完成作战任务。以信息支援装备单元为例，其任务目标包括获取目标图像、位置、周边态势及敌方防空系统情报，在突防空域附近进行空中预警监视和构建空中指挥平台等。

装备单元由基本装备组成，例如包括一个装备：MAIN BATTLE TANK，其包含两个部件A01、A02，其中A01的故障率(10

装备模型与作战想定模型一起，构成输入单元中的装备单元任务模型，以装备体系任务输入和装备单元任务强度为约束，其由基本装备单元在多个阶段中的任务及其逻辑转换关系进行定义，装备保障辅助决策的目的正是在于对比分析不同的保障方案并提出实施建议，使得基本装备单元出现故障时能够以最小的资源消耗最快的重新满足装备单元的强度要求。在装备单元任务模型构建后，定义其飞行前准备时间、任务飞行时间、故障维修时间、故障等待备件时间、再次出动准备时间、飞行后检查时间和任务成功判断点等。例如，将基本航空装备单元映射到某型战机，战机在执行任务过程中，组成战机的二级系统及其部件以一定的模型产生故障或战损，战机必须返场维修或失效报废，从而影响任务的持续推进。基本装备单元在执行多阶段任务中，飞行前准备时间T1＝t1-t0；t1时刻开始机动，t2时刻到达任务空域执行作战任务，机动时间T2＝t2-t1＝T4＝t4-t3；对装备单元执行任务的有效支撑时间T3＝t3-t2；故障维修时间T5＝t5-t4；维修等待备件时间T6＝t6-t5；再次出动准备时间T7＝t7-t6；阶段任务成功判断点为装备单元持续满足强度要求达到阶段转化的时刻。装备体系执行任务期间，体系并不过分关注某一基本装备单元的完好状态，只需要关注装备单元的任务强度是否满足，从而将综合保障资源与调度的服务对象由传统的面向单一装备的粗放型保障转移到面向装备体系的精细化保障上，这也是后续仿真优化的基本出发点和落脚点。

对于输入单元中的保障组织模型，其包括两级保障组织：DEPOT，下含两个保障站点：SITE1、SITE2，具体信息见表1和表2所示。

表1保障站点位置信息

表2站点运输信息

对于输入单元中的维修信息，其包括：

修复性维修信息，主要描述维修地点、维修时间、维修方式，关联的维修活动。

预防性维修信息，主要描述工作类型、维修间隔期、维修地点、维修时间、维修方式，关联的维修活动。

对于输入单元中的维修工作模型，其包括：

维修活动，其中A01是可修件，修理分为两步：一是在SITE站点拆换，时间为2小时；二是在MAIN DEPOT站点维修时间为648小时。A02为消耗件，只是换件维修：在SITE站点拆换，时间为2小时。

资源需求，其中MAIN BATTLE TANK的拆换维修工作所需资源为1个技术员，换件维修工作所需资源也是1个技术员。

对于输入单元中的保障资源模型，其包括：

人员部署，技术员在MAIN DEPOT站点部署了30个，在SITE1、SITE2分别部署4个。

备件部署，底层站点备件不足时，需要向上级申请，如表3所示。站点的备件消耗完后应提出申请采购，比如A02部件消耗完后，申请采购720。

表3备件部署

本发明的重点在于构建修复性维修单元，其包括如下的过程。

1)建立装备故障发生数学模型

设装备s由m个部件单元构成，其组成逻辑为：

s＝{z

已知基本部件单元的失效概率分布函数为：

F

部件单元i的状态变量表达式为：

装备t时刻的状态变量逻辑表达式为：

X(t)＝[b

装备t时刻的状态变量为：

则装备状态变量结构函数为：

φ(X(t))＝φ(t)。

2)基于修理时间服务台模型，建立维修保障过程子模型

维修保障过程子模型的结构框图如图4所示。参考图4，故障只发生在系统执行任务阶段。可以通过装备分解结构，如产品，子产品等对故障进行定位，找到故障单元。对于发生故障的故障单元，首先进行步骤S1：判定本级是否能修，如果是，进行步骤S2：判断是否到达最大维修次数，如果不能，则直接送到上一级的维修基地。如果没有达到最大维修次数，进入步骤S3：直接维修和换件维修抽样。在步骤S4,判断是否直接维修，不论是/否，进入步骤S5:维修资源申请。对于维修资源的申请，执行步骤S6:判断维修资源是否满足。如果资源到达且维修资源满足，一方面进入步骤S7:直接维修时间抽样，再到步骤S13:修复性维修过程结束。另一方面，进入步骤S9：进行备件申请，尔后进入步骤S10：判断备件是否满足，如果备件满足且备件已经到达，进行换件维修时间抽样S10,然后进行部件修复性维修时间抽样S12,最后再到步骤S13:修复性维修过程结束。在步骤S6至S11的过程中，需反复和资源等待队列进行通信，确保其每个步骤按照时间序列进行操作。

图4中，故障单元的故障发生概率服从负指数分布，并且在一个任务中系统可以发生多处故障。但是，任一子产品在一次任务中只能发生一次故障。根据故障模式的不同，系统故障可以通过直接修复或通过换件维修进行修复。装备的修复性维修一般在基层级进行，但是实际中换件维修占了绝大多数，这有利于提高装备的使用可用度。

任务中出现的由于故障或损坏而返回的系统都送到维修站。在维修站，失效产品被拆卸下来并送到下一个维修站，失效子产品被卸下再送到另一个维修站，依次类推。这一系列的活动实际上是对后勤保障组织需求的一种驱动。系统和产品的修复性维修作业有许多共同之处并且处在同一模型中的同一维修任务、同一过程中被处理。可通过更换子产品或直接维修来完成系统和产品的修复。与其它的维修作业相似，修复性维修作业也可以被分解为一系列子作业。进行修复性维修作业的保障资源既可以分配给整个作业也可以分配给每一个子作业。系统和产品的修复性维修作业可以在不同的级别、不同的站点中完成。失效的产品每次仅含有一个故障和一个维修作业，而失效的系统可能同时拥有多个故障和多个修复性维修作业。

更换子作业是指安装完好产品的操作。在更换子作业开始之前必须有可用的备件。如果不存在可用的备件，子作业及整个维修作业将被迫暂停，直至有备件到来。在维修任务开始时就会立刻送出对备件的需求。所需子产品类型在任务后的周转阶段被确定。

直接维修作业只包括修复子作业。如果没有明确指定该子作业，模型内部会自动产生该子作业。实际上，直接维修作业是一个仅有资源需求而无其它特性的常规维修作业。在修复性维修的所有子作业完成后，已修复的产品或系统将重新进入保障组织。系统可以同时拥有多个维修作业。在所有维修作业完成后，系统的修复工作才算完成。

由于维修保障过程中会涉及各类保障资源不足导致的排队等待现象，因此修复性维修模型采用多服务台排队模型来计算维修保障时间，其排队模型如图5所示。按照排队论理论，将装备故障修理看作是排队装备后，需要确定一下3个参数，即装备的到达强度，装备中修理服务台数量和装备的平均服务率。根据实际装备故障，维修装备可以对3个参数作如下分析：

A)装备的到达强度。由于故障装备到达强度与实际装备使用、作战条件下的失效率有关，与维修保障资源无关，此处数据可由装备部件的失效率按照其分布函数随机抽样产生。

B)装备中修理服务台数量。修理服务台数量是按照保障编制体制要求，依据实际装备故障情况和现有军力编配，其数量是确定的，需要考虑的仅是实际可用的服务台个数，与可靠性和利用率有关。可假定编配的修理服务台均处于可用状态。

C)装备的平均服务率。装备的平均服务率是建立在单个修理服务台平均服务率基础上的，只要知道单个修理服务台的平均服务率，就可以根据其装备排队结构求出装备的平均服务率。

通过以上分析，3个参数中只有装备平均服务率需要求解。在建模过程中，单个服务台的平均服务率已知，根据装备的排队结构来计算装备平均服务率。依据故障修理装备实际情况可作如下假设：

A)故障装备的到达分布是根据实际装备故障分布确定的，故障装备总数是有限的(在一定时间范围内)，且到达修理机构的方式是成批的(包含单个故障装备的情况)；

B)故障装备到达是相互独立的，且到达时间间隔服从随机型分布；

C)故障装备到达修理机构时，当所有修理服务台都正被占用，故障装备在队列中等待修理，并按照先到先服务的原则进行；

D)修理服务台是按照专业划分(如飞发、特设等)，设有n个专业，每个专业又有多套按标准编配的功能相同的服务台，数量分别为m1、m2、…、mn；

E)修理台的服务时间分下列两种情况来分析：一是当各类维修保障资源均满足时，针对某种部件的修理时间是确定的，即MTTR；二是当维修保障资源不足时，故障装备的维修时间是MTTR和各类保障资源缺乏所导致的延误时间之和。

根据以上假设和分析，可以认为装备故障修理装备满足多服务窗等待制排队模型M/M/n的基本条件，可以用M/M/n模型的数学公式进行求解。

由此可将有专业分工的装备故障修理装备描述成如下排队模型，如图6所示。按照图6，进一步分析计算如下：

设装备中共有m1个功能相同的飞发类修理服务台，假定单个修理服务台的平均服务率已知，如飞发类修理服务台的平均服务率为μ1。同样道理，装备中有m2个功能相同的特设类修理服务台，其单个修理服务台的平均服务率为μ2，一次类推，可以得出：

装备平均服务率μ为：

μ＝(m1×μ1+m2×μ2+…+mn×μn)/(m1+m2+…+mn)

装备总的服务台个数C为：

C＝m1+m2+…+mn

假定受损装备的时间到达强度是λ，其中故障属于飞发类，需要由飞发类修理服务台修理的比例为k1(0

Ws＝max(Ws1，Ws2，…，Wsn)

式中，如果装备故障修理装备中没有使用服务台，则对应的平均逗留时间Wsi项为零。

前面计算了装备故障修理装备多服务台总的装备平均修理时间，其中假定了单个修理服务台的平均服务率。下面详细分析单个修理服务台平均服务率的计算方法。

假设相同专业类别的各个修理服务台工作性质和功能是相似的，仅考虑其中一个修理服务台的工作情况，就可以类推到其他修理服务台的情况。

在修理过程中，需要考虑各类保障资源的充足程度。假设修理过程中仅与4类保障资源有关，即人力人员、供应保障、保障设备及保障设施。而其他的4类保障资源(技术资料、计算机资源保障、训练与训练保障、包装储运)与具体服务台修理过程影响关系不大，为简化计算可忽略不计。

人力人员资源不满足的主要因素是专业不对口，人员不称职以及人员数量不满足所引起的延误时间。对应的指标为对口率、称职率、满编率和在位率。

保障设备资源不满足情况主要有数量不满足和品种不满足两方面，这里假定品种不满足的话，无法展开工作，只能送修至上一级别的修理单位。故只是数量不足引起的，由数量满足率或保障设施利用率确定。

供应保障资源不满足主要是指备件的数量和品种不足引起的。对一项修理任务而言，数量和品种的不足均会导致备件的请领工作，否则修理任务不能完成。这样，就会增加一个请领备件的延误时间。

因此，可以根据上述4类保障资源满足程度画出相应流程图，如图7所示。图7示出了保障资源不足与修理时间延迟关系图。根据图7所示的情况，可作如下分析计算：

A)当各类保障资源均满足时，即人力人员、供应保障、保障设备、保障设施均满足时，修理时间就是标准情况下的平均修理时间MTTR。单个设备的平均修理时间可以通过以往的维修记录或经验获得。

B)当人力人员不满足时，主要考虑3个方面的因素：一是专业不对口导致的时间延误，记为ΔT

C)当保障设备不满足时，主要考虑数量不足导致的时间延误，记为ΔT

D)当保障设施不满足时，同保障设备的考虑类似，由于保障设施数量不足而导致的时间延迟，记为ΔT

E)当备件不满足时，需要经过申请和领取备件的过程，申领备件导致的延误时间记为ΔT

由此，可以得出单个服务台平均修理时间T

T

上式是一个通用的计算单个修理服务台的平均修理时间公式，当某类资源满足时，相对应的ΔT值为零。

3)基于故障事件生成算法，建立故障事件生成子模型，生成故障事件表。所述故障事件表，其数据如下：

表4故障事件表

故障事件生成子模型采用蒙特卡洛法，通过随机变量的统计试验和随机模拟来量化评估装备保障效能，蒙特卡洛的基本思想如下：当所求解的问题是某个随机变量的期望值时，可以通过抽样试验，求出这个随机变量的样本平均值，并用它作为问题的解。在故障事件生成子模型中，首先得利用立装备逻辑数学模型，确定正在运行的设备数，以及各个设备的零件数。第二，确定随机抽样数据。在装备保障辅助决策方法中，需要进行随机抽样的数据包括：设备数、设备零件数、零件无故障运行时间、设备状态、零件换件时间、零件维修时间。

第三，产生随机数。

在装备保障辅助决策平台中，随机数的产生采用Lehmer法，此方法是基于乘同余法的，其计算公式如下：

u

其中随机种子数u0由用户设定，在平台中：

p＝6，n＝31

因此随机数产生公式变为：

u

第四，随机变量的抽样

随机变量的抽样是指由已知分布的总体中产生简单随机样本。常用的随机抽样方法包括：直接抽样法、舍选抽样法、变换抽样法、复合抽样法、近似抽样法等，本发明将按照随机种子数采用直接抽样法进行。其基本原理如下：

若Z为[0,1]上均匀分布的随机变量，ξ＝F

f(t)＝λe

/>

则

在基于蒙特卡洛的保障维修过程仿真中对于产品的失效率、换件时间、维修时间、预防性维修时间、备件供应时间等采用随机抽样方法。其主要的分布类型包括：指数分布、标准正态分布、正态分布、对数正态分布和威布尔分布，其抽样公式如下表5所示：

表5主要分布函数的随机变量的随机抽样公式

第五，记录设备故障类型，写入故障事件表；记录零件无故障时间，零件无故障时间等于现有零件物故障事件加上仿真时间增量。

4)建立维修任务执行子模型

装备的维修任务执行子模型考虑了任务执行中的使用保障以及故障维修问题，如使用保障不能完成则进入有限时间的任务保障等待。在装备的使用和维修过程中，需要对使用保障资源或维修保障资源进行分析，判断是否满足要求，则需要已经建立的资源分配子模型、备件短缺子模型以及运输事件执行子模型。维修任务执行子模型采用维修任务执行算法，其算法实现过程概要如下：

5)建立任务评估单元，执行修复性维修任务评估

本发明的任务评估单元负责对修复性维修模型的仿真进行统计分析和仿真输出，其包括任务能力评估、装备能力评估、备件能力评估和资源能力评估。通过设定的仿真次数和仿真周期，在统计了装备时间数据，和任务相关数据后，可得到如下结果：

1)任务成功率，在基本任务设置中，可给出任务完成的判决规则，在平台中主要按照执行任务占任务要求时间的比值判定，如需要执行5小时的任务，当执行了4.5小时可判定任务成功，则可设置任务成功点为0.9。判决规则表达式如下：

在平台中会对一个保障方案仿真多次，并统计仿真中判定为任务成功的次数，其计算方法为：

P＝m/M

式中，m为仿真周期内装备完成任务的总次数，M是仿真周期内装备计划的任务次数。

2)任务执行时间比，在整个仿真周期中，有具体的任务时间安排，在所有的任务时间中，装备的状态分为三种：执行任务、故障(维修)、预防性维修，在仿真过程中记录下执行任务的时间，然后按下式计算任务执行时间比：

其中n是仿真次数，t是每次仿真周期内装备执行任务的时间，T是装备在每次仿真周期内的任务需求时间。

3)使用可用度，使用可用度是指在规定的条件下，整个寿命周期内实际工作时间与要求工作的时间之比，它是装备连续工作条件下完成任务的能力，是整个日历时间的利用率。在仿真平台中主要的数据由图8所示的结构图构成。如图8所示，在整个仿真周期内，装备的在编时间包括能工作时间和不能工作时间。所述能工作时间包括不工作时间、反应时间、待命时间和执行任务时间。所述不能工作时间包括维修时间、使用保障时间、改进时间和延误时间。维修时间包括修复性维修时间和预防性维修时间，延误时间包括保障资源延误时间和管理延误时间。

因此装备的使用可用度计算公式如下：

式中T

4)备件短缺数,仿真时间推进器会记录每个设定的时间间隔内，备件不足造成短缺的数量，计算的方式如下：

式中：n为仿真次数，mi为在某个时间间隔时备件短缺的数量，△t＝t

尽管已经参考附图所示的实施例描述了本发明，但是可在不脱离权利要求范围的情况下使用等同或替代手段。本发明所描述和图示的组件仅仅是可以用于实现本公开的实施例的系统/设备和方法的示例，并且可以在不脱离权利要求范围的情况下用其他设备和组件进行替换。