แบตเตอรี่ อะไหล่ และความพร้อม

ทำไมต้องรู้

UAT 321 สอนทะเบียนแบตเตอรี่และการจัดสถานะแบตเตอรี่แต่ละก้อนแล้ว โมดูลนี้มองระดับ ฝูงอากาศยาน: แบตเตอรี่ชุดนี้จะหมดอายุเมื่อใด ต้องสำรองอะไหล่กี่ชิ้น และวันพรุ่งนี้มีโดรนพร้อมบินกี่ลำ หน่วยความรู้เรื่องความปลอดภัยของแบตเตอรี่ลิเทียมในคลังความรู้โดรนครอบคลุมการชาร์จ การจัดเก็บ การขนส่ง อาการบวม และการจัดการเหตุเพลิงไหม้ ซึ่งเป็นพื้นฐานที่ต้องปฏิบัติเสมอ กรณีของวิชายังเป็นฝูงโดรนสำรวจ 4 ลำ ข้อมูลเป็นข้อมูลสมมติ

แบตเตอรี่หมดอายุเมื่อใด

ความจุของแบตเตอรี่ลิเทียมลดลงตามจำนวนรอบการใช้งาน เกณฑ์หมดอายุที่ใช้กันแพร่หลายคือความจุเหลือ 80% ของความจุที่ระบุ เช่น คู่มือทดสอบแบตเตอรี่ของ USABC (1996) นิยามจุดหมดอายุไว้เช่นนี้ แม้คู่มือนั้นเขียนสำหรับยานยนต์ไฟฟ้า ทีมโดรนควรใช้เกณฑ์ของผู้ผลิตแบตเตอรี่ก่อนถ้ามี และเลือกเกณฑ์ที่ยังให้เวลาบินพอสำหรับภารกิจพร้อมพลังงานสำรอง ทีมวัดความจุจริงด้วยการคายประจุที่กระแสคงที่ทุก 50 รอบ แล้วลากแนวโน้มเพื่อวางแผนจัดซื้อล่วงหน้า แทนที่จะรอให้แบตเตอรี่ทำเวลาบินไม่ได้ในวันปฏิบัติงาน

import numpy as np

cycles = np.array([0, 50, 100, 150, 200, 250, 300])
capacity = np.array([100, 98.4, 96.9, 95.1, 93.6, 92.2, 90.5])   # % ของความจุที่ระบุ
EOL = 80.0
m, b = np.polyfit(cycles, capacity, 1)
n_eol = (EOL - b) / m
print(f"fade {m * 100:.2f} % per 100 cycles, intercept {b:.1f} %")
print(f"predicted {EOL:.0f}% at about cycle {n_eol:.0f}; about {n_eol - cycles[-1]:.0f} cycles left")
flights_per_week = 12
print(f"at {flights_per_week} cycles per week: about {(n_eol - cycles[-1]) / flights_per_week:.0f} weeks to order replacements")

fade -3.16 % per 100 cycles, intercept 100.0 %
predicted 80% at about cycle 633; about 333 cycles left
at 12 cycles per week: about 28 weeks to order replacements

สำรองอะไหล่กี่ชิ้น

ถ้าชิ้นส่วนเสียแบบสุ่มด้วยอัตราคงที่ จำนวนที่เสียในช่วงเวลาหนึ่งเป็นไปตาม การแจกแจงปัวซอง ค่าเฉลี่ย $\lambda$ เท่ากับจำนวนชิ้นที่ใช้งาน คูณชั่วโมงใช้งาน หารด้วย MTBF แนวทางนี้ใช้จริงในการวางแผนอะไหล่ของสถานีอวกาศนานาชาติ ซึ่งเรียกความน่าจะเป็นที่อะไหล่พอใช้ว่า probability of sufficiency (Owens และ de Weck, 2018) ทีมเลือกจำนวนสำรอง $s$ ที่ทำให้ความน่าจะเป็นที่ความต้องการไม่เกิน $s$ สูงกว่าเป้าหมาย ชิ้นส่วนที่เปลี่ยนตามรอบเวลา (โมดูล 1) คิดแยก เพราะรู้ล่วงหน้าว่าจะใช้เท่าใด

import math

N, HOURS, MTBF, TARGET = 16, 300, 2000, 0.95
lam = N * HOURS / MTBF
cum = 0.0
for k in range(12):
    cum += math.exp(-lam) * lam ** k / math.factorial(k)
    print(f"stock {k}: P(demand <= {k}) = {cum:.3f}")
    if cum >= TARGET:
        break
print(f"expected failures {lam:.1f}; keep {k} spares for >= {TARGET:.0%}")

mtbf_uav, mttr = 120, 16                       # ชั่วโมง ต่อลำ
a = mtbf_uav / (mtbf_uav + mttr)
print(f"availability per aircraft {a:.3f}; expected aircraft ready out of 4: {4 * a:.1f}")
p_all = a ** 4
p_3plus = p_all + 4 * a ** 3 * (1 - a)
print(f"P(all 4 ready) {p_all:.2f}, P(at least 3 ready) {p_3plus:.2f}")

stock 0: P(demand <= 0) = 0.091
stock 1: P(demand <= 1) = 0.308
stock 2: P(demand <= 2) = 0.570
stock 3: P(demand <= 3) = 0.779
stock 4: P(demand <= 4) = 0.904
stock 5: P(demand <= 5) = 0.964
expected failures 2.4; keep 5 spares for >= 95%
availability per aircraft 0.882; expected aircraft ready out of 4: 3.5
P(all 4 ready) 0.61, P(at least 3 ready) 0.93

วงจรชีวิตของอากาศยาน

การบริหารวงจรชีวิตตามแนวทางการรักษาความสมควรเดินอากาศเริ่มตั้งแต่ รับเข้า (ตรวจรับ บันทึกหมายเลขเครื่องและชิ้นส่วนสำคัญ) ใช้งาน (บันทึกชั่วโมงบิน รอบแบตเตอรี่ การซ่อม) ปรับปรุง (อัปเดตเฟิร์มแวร์และชิ้นส่วนผ่านการควบคุม configuration) จนถึง ปลดระวาง (ถอดชิ้นส่วนที่ใช้ต่อได้พร้อมประวัติ ทำลายแบตเตอรี่ตามวิธีที่ปลอดภัย และปิดทะเบียน) ข้อมูลทุกขั้นช่วยให้ตัดสินใจครั้งต่อไปด้วยตัวเลขจริง เช่น MTBF ของฝูงตนเองแทนค่าจากผู้ผลิต

ปฏิบัติการประจำโมดูล

ข้อผิดพลาดที่พบบ่อย

สรุป

• ติดตามความจุเป็นระยะและพยากรณ์รอบที่ถึงเกณฑ์ปลดระวาง แต่ต้องวัดซ้ำเพราะการลดลงไม่เป็นเส้นตรงเสมอ
• ความเสียแบบสุ่มเป็นไปตามปัวซอง จำนวนสำรองต้องมากกว่าค่าเฉลี่ยเพื่อให้ถึงเป้าความน่าจะเป็น
• ความพร้อม $A=MTBF/(MTBF+MTTR)$ (NASA RCM Guide, 2008) และความพร้อมของฝูงดูจากจำนวนลำที่พร้อมพร้อมกัน
• วงจรชีวิตเริ่มที่รับเข้าและจบที่ปลดระวาง ทุกขั้นมีบันทึก

แบบฝึกตรวจความเข้าใจ

1. ความจุลดลง 0.04% ต่อรอบ เริ่มที่ 100% ถึง 80% ที่รอบใด
2. ชิ้นส่วน 10 ชิ้น ใช้งาน 200 ชั่วโมง MTBF 1,000 ชั่วโมง ค่าเฉลี่ยความเสีย $\lambda$ เท่าใด
3. $\lambda =1$ ความน่าจะเป็นที่ไม่มีชิ้นใดเสียเท่าใด
4. MTBF 100 ชั่วโมง MTTR 25 ชั่วโมง ความพร้อมเท่าใด
5. ทำไมจำนวนอะไหล่สำรองจึงควรมากกว่าค่าเฉลี่ยของความต้องการ