Philips SLS23定位机平均故障前瞻性分析

　　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 λ_i在(S_i-1, S_i) 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 01,则 N(T)服从平均值为 λ₁T 的 Poisson 分布。若 S₁2,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, [S_i-1,Si]时间与[S_i-2,S_i-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 T_i, 期间 Philips SLS23定位机的故障数为 N_i, 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。