ARMS
11.维修性预计
维修性预计的目的是预先估计产品的维修性参数值，评价设计是否满足规定的维修性要求，以便确定需要采取的纠正措施。维修性预计是复杂产品研制过程中的重要 维修性设计分析工作之一。
可维ARMS2.5中的维修性预计工具提供了三种维修性预计方法，适用于各类产品的维修性预计；用户使用时，可以根据实际情况选择相应的预计方法。大量内置的标准和表格，可以使用户在进行维修性预计时摆脱查阅国军标的繁琐。
1).抽样评分法
抽样评分预计方法采用GJB/Z57-94的方法203，它将系统或设备分解为若干可更换单元； 先估算各单元失效后进行维修所需的时间，然后再求系统或设备的时间均值。抽样评分预计 法内置了GJB/Z57-94的全部核对表。
2). 时间累积法
时间累积预计方法采用GJB/Z57-94的方法205，即根据历史经验或现有的数据和图表，对 照装备的设计及设计方案和维修保障条件，逐个确定每个维修项目、每项维修工作、维修活 动以及每项基本维修作业所需的时间或工时，然后综合累加或求均值，最后预计出系统或装
备的维修性参量。时间累计预计法支持“设计早期预计”和“详细预计”两种预计方式，满 足用户在不同研制阶段的需求。 在时间累积法中提供可视化的维修基本作业库。
3). 单元对比法
单元对比预计方法采用GJB/Z57-94的方法206。即在组成系统或设备的单元中，找到一个 已知其维修时间的单元作基准，通过与基准单元对比，估计各单元的维修时间，进而确定系 统或设备的维修时间。用户可以根据实际情况自行定义维修活动。#p#副标题#e#
12.维修性分配
维修性分配是为了把产品的维修性定量要求按给定的准则分配给各组成部分而进行的工作。维修性分配是复杂产品研制过程中的重要维修性设计分析工作之一。
可维ARMS2.5维修性分配工具，采用“故障率分配法”和“综合加权分配法”完成维修性指标的分配工作。故障率分配法假设各个单元的可用度是相同的，最终分配给单元的平均修复时间与其故障率成反比。综合加权法是在分配时将考虑的因素转化为加权因子，按照加权因子进行分配，是一种简便、实用的分配方法，在方案阶段后期的各研制阶段都是适用的。分配完成后，软件会自动判断分配结果是否合理。主要功能特点包括：
1).用户在使用本工具进行维修性分配时，可以脱离开层次的限制，自由选择参与分配的节点；
2).结合工程实际，全面支持分配余量的处理，根据用户输入的分配余量去调整分配值；
3).内置了适用于不同产品的4类加权因子方案中所有加权因子的参考值。在使用综合加权法进行维修性分配时，用户可以根据自己的需要从中进行选择。 #p#副标题#e#
13.以可靠性为中心的维修分析(RCMA)
以可靠性为中心的维修分析，是复杂产品或系统制订预防性维修大纲的基本方法。 可维ARMS2.5中的RCMA工具支持用户按GJB1378-92系统、结构、区域和附加分析四种分析方法进行RCMA分析，各类表格完全符合GJB1378-92。
1).自定义功能
用户可以根据分析对象的具体情况自定义维修级别、维修间隔期和维修工作类型等多项内容。
2).辅助分析向导
本工具根据标准提供了确定重要功能和重要结构项目向导、系统分析逻辑决断向导，辅助用户相关分析工作，并自动生成逻辑分析决断的结果。
3).预防维修分析文件生成
当所有的预防性维修分析工作完成之后，用户可将分析结果确定的各项预防性维修工作按间隔时间组合为预防性维修大纲或预防性维修分析文件。本工具可以利用报表的功能自动生成预防性维修分析文件，为文件的编写提供方便；在填写表格时，特定的表列可以从这些已定义的内容中选择，并能自动输出可编辑的文件版本 #p#副标题#e#
14.测试性分析
随着产品功能多样化和结构复杂化，性能测试和故障检测诊断已成为维修工作中的关键问题。因此，测试性已成为复杂产品发展的重要要求。
可维ARMS2.5测试性分析工具可依据产品不同的检测方式进行故障检测率和隔离率的分析计算。当用户完成了元器件的故障检测和隔离分析之后，本工具可以自动计算出不同产品节点的故障检测率和隔离率；分析结果以表格的方式输出，表格中大部分内容由工具自动完成，用户只需填写少部分的内容就能够完成测试性分析结果的输出。
通过上述分析可辅助设计人员找出系统和产品测试性设计的不足，为提高和改进系统及产品的测试性设计水平提供帮助。
1).BIT检测隔离分析
BIT检测隔离分析是针对元器件进行故障检测并将故障元器件隔离到LRU和SRU的能力的分析。检测的结果分为BIT不能检测（UDET）、周期BIT（PBIT）、上电BIT（PUBIT）、启动BIT（IBIT）四种情况。
2).ATE/人工检测隔离分析
对于BIT检测隔离分析结果为不能检测的元器件，选择进行人工检测或ATE检测，并且分析其隔离能力。
3). BIT的故障检测率和隔离率计算
自动计算BIT的可检测率和隔离率。
4).ATE/人工的故障检测率和隔离率计算
自动计算ATE或人工检测的可检测率和隔离率。
5). 元器件故障模式维护
提供元器件的故障模式库，以供用户参考。分析元器件的故障模式是进行测试性分析的一个必要条件，本工具提供了人工输入、集成环境继承（自动将FMECA工具得出的分析结果引用到本工具的数据库中）和故障模式库等多种元器件故障模式获取方式，用户可根据需要使用本功能对元器件库进行添加和删除等维护工作，大大方便了用户 #p#副标题#e#
安全性设计分析
15.事件树分析
事件树分析在分析复杂系统的重大故障和事故时，是一种有效的方法，尤其适用于分析具有冗余设计、故障监测与保护设计等复杂系统的安全性和可靠性。对于人为失误引起的系统故障，ETA也是一种较好的分析方法。
可维ARMS2.5事件树分析工具能够完成对系统事件树模型的建立以及相应的分析工作。
本工具采用图形化事件树模型建立方式，建树过程完全可视；并采用分析工程的模式进行管理。每一个事件树分析工程包括若干个事件树和相关的各种数据，事件树和各种数据采用相对独立的方式分别存储。当不同的用户对同一个系统的不同部分进行事件树分析时，用户间可通过引用或者添加其他用户的数据方式实现数据共享。此外，这种管理模式也为从其它的可靠性、安全性分析软件工具中获取相关数据提供简捷的途径。
1).事件树管理
完成对事件树分析工程中所包含的所有事件树的调度和控制。
2).基本事件数据管理
基本事件数据是事件树分析的基础数据，用来描述系统的组成部件或者单元的不可用性、故障特性或人为操作错误等。每一个基本事件可以拥有自身特定的数据设定，也可以引用分析工程中的通用模型数据；事件树模型中的初因事件和各安全环节事件都必须和某一个基本事件相关联。
3).通用数据模型管理
针对当前的分析系统或者对象，可以对该系统中的一些具有相同故障或维修特性的组件或单元，建立其通用的故障/修复数据模型。这些通用模型可以被多个基本事件所引用，甚至可以应用于其它系统的事件树分析工程。
4). 影响后果数据管理
对于某个系统来说，一连串事件的相继发生可能导致多种类型的影响后果。本工具根据每种后果类别的不同特点，可以定义多个不同的影响后果等级，如灾难性的、严重的、轻微的等。对每一个事件发生序列导致的最终影响可以设定为多种类别，例如一个事件序列可能具有经济影响，同时还具有环境影响。
5). 建立可视化事件树模型
事件树模型的内在结构以事件树图形的方式进行描述，通过对事件树图形的编辑和修改即可完成对事件树模型内在结构的修改。同时事件树结构模型的变化能在事件树图形上得到及时反映，实现构建和编辑事件树模型的完全图形化操作。
6). 事件树定量分析
在事件树的建立和基础数据的输入完成之后，可以计算每个事件序列的发生频率，以及分别统计每种影响后果的总的发生频率及其风险。具体包括：事件树模型的有效性检验、设定计算精度、计算各事件序列的发生频率、分别统计影响后果等级的发生频率、直方图形式显示和输出分析结果、事件树分析报告生成输出等。
