Содержание к диссертации
Введение
Глава I Современные методы исследования и модели надежности измерительных систем 8
l.h Современные тенденции развития интеллектуальных измерительных систем 8
1.2. Интеллектуализация измерительных устройств как средство повышения их надежности 14
1.3. Специфика эксплуатации интеллектуальных датчиков на Астраханском газоперерабатывающем заводе 17
1А Классификация отказов интеллектуальных датчиков и выбор показателей надежности 19
L5. Вероятностные модели надежности интеллектуаль ных датчиков и аналитические зависимости между ними 25
L6. Статистические оценки показателей надежности интеллектуальных датчиков 30
1.7. Качественные характеристики надежности интеллек туальных датчиков 32
Глава II. Статистические модели надежности интеллектуальных датчиков 35
2.1. Предварительная обработка данных и анализ потока отказов интеллектуальных датчиков 35
2.2. Оценка адекватности модели надежности интеллектуальных датчиков 45
2.3« Оценка характеристик безотказности интеллектуаль ных датчиков 49
2.4. Алгоритм расчета основных характеристик надежно сти интеллектуальных датчиков 57
Глава III Физические модели надежности интеллектуальных датчиков давления 60
3.1. Запас прочности чувствительного элемента датчика давления при случайном характере действующих нагрузок 60
3.2. Расчет запаса прочности чувствительного элемента методом статистической динамики 62
3 3. Расчет запаса прочности методом огибающих 69
3.5. Модель срока службы интеллектуальных датчиков
при нестационарных параметрах внешней среды 74
Глава IV. Некоторые вопросы управления надежностью интеллектуальных датчиков 80
4.L Методы прогнозирование ресурса и срока износа интеллектуальных датчиков 80
4.2. Расчет объема и периодичности профилактических работ 84
4.3. Расчет рационального состава и объема запасных датчиков и их элементов 90
Заключение 95
Основные результаты и выводы 97
Список использованной литературы
- Интеллектуализация измерительных устройств как средство повышения их надежности
- Оценка адекватности модели надежности интеллектуальных датчиков
- Расчет запаса прочности чувствительного элемента методом статистической динамики
- Расчет объема и периодичности профилактических работ
Введение к работе
Вторая половина XX и начало XXI столетий характерны появлением машин и систем высокой конструктивной сложности, способных выполнять ответственные задачи. В процессе их эксплуатации стало расти число отказов, обусловленное прежде всего ростом числа элементов, составляющих систему. Устойчивое образование связанных между собой элементов определяет такие свойства системы как качество, эффективность, безопасность, живучесть, управляемость, устойчивость. Каждое из приведенных свойств имеет смысл при наличии изначального свойства любой системы -надежности. Поэтому было естественным становление в 50-е годы XX в. новой научной дисциплины - теории надежности как науки о закономерностях отказов систем и их элементов. К настоящему моменту определены два основных направления исследования надежности: статистические методы обработки информации о работоспособности элементов систем и физико-химические методы изучения процессов изменения выходных параметров. По результатам таких исследований разрабатываются мероприятия по повышению характеристик надежности, выполняются расчеты остаточной прочности, остаточного ресурса и срока износа.
Таким образом, проблема обеспечения надежности стала ключевой проблемой современной техники. Современные сложные системы, в частности, такие как системы управления технологическими процессами, отличаются большим количеством и разнообразием оборудования и систем измерения.
Работа различных систем управления, функционирующих в реальном времени, например, систем управления технологическими процессами, существенно зависит от количества и качества используемых первичных измерительных преобразователей информации - датчиков.
По данным швейцарской фирмы Intechno Consulting объем мирового рынка датчиков в 2001 году составил 65,1 млн. немецких марок, что более чем в 2 раза превышает объем мирового рынка датчиков в 1991 году, когда оборот составлял 30,7 млн. немецких марок.
Современный этап развития приборостроения характеризуется широким применением в составе средств измерений вычислительных устройств, построенных на базе микропроцессоров. В настоящее время подобные уст ройства принято называть интеллектуальными приборами [3, 8, 14, 15, 20]. Применением таких устройств в измерительных системах достигают двух целей: расширяют функции измерительных устройств и улучшают их характеристики.
Использование микропроцессорных систем в средствах измерений позволяет по-новому подойти к их компоновке и алгоритмам функционирования, увеличить информационные возможности, повысить точность, надежность и быстродействие. Мировыми лидерами в исследованиях, разработке и производстве интеллектуальных систем измерения и, в частности, интеллектуальных датчиков являются крупнейшие фирмы-производители средств измерения Foxboro, Fisher Rosemount (США), «Entiress+Hauser», «Yokogawa», «Метран» и др.
Исследования зарубежных и отечественных ученых Захарова В.Н., Иванова В.Н., Надеева А.И., Соболева B.C., Финкелстайн Л., Цветкова Э.М. и др. создали базовые условия для развития новой технологии измерений, привели к появлению структурных, технологических, алгоритмических принципов улучшения их функциональных характеристик.
Однако включение интеллектуального компонента в состав измерительных устройств наряду с сообщением им несомненно положительных качеств привело к существенному усложнению приборного оборудования.
Следует отметить, что информация о структурной надежности интеллектуальных датчиков является закрытой темой для зарубежной и отечественной технической литературы. Мало того, вопросы эксплуатационной надежности почти не изучены, нет апробированных алгоритмов управления надежностью интеллектуальных датчиков, не определены методы и средства прогнозирования ресурса, методы управления запасами.
В связи с этим для многих высокотехнологичных предприятий, эксплуатирующих интеллектуальные системы измерений, несомненно актуальными становятся вопросы исследования эксплуатационной надежности интеллектуальных датчиков как многофункциональных измерительных устройств.
Примером может служить Астраханский газоперерабатывающий завод (АГПЗ) - крупнейшее предприятие по переработке пластового газа и газового конденсата. С 1995 года на заводе эксплуатируется более 200 датчиков фирм «Foxboro» и «Fisher Rosemount» (США).
В связи с вышесказанным автором была поставлена цель разработать методику оценки прочностной надежности гибких элементов интеллектуальных датчиков, научно обоснованной программы анализа и управления их надежностью.
Для достижения намеченной цели в работе поставлены и решены следующие задачи:
1) исследование специфики эксплуатации ИД и выбор характеристик надежности;
2) разработка методов расчета характеристик безотказности ИД, оценка адекватности модели на примере статистических данных по АГРЗ;
3) разработка алгоритма анализа безотказности и долговечности ИД, прогнозирования ресурсов и управления запасами, их программная реали зация;
4) разработка методики расчета среднего срока службы ИД методами статистической динамики;
4) разработка методика оценки запаса прочности гибких элементов ИД методом абсолютных максимумов;
5) сравнительный анализ полученных результатов и выработка рекомендации для их последующего использования.
Для решения поставленных задач использовались методы математического моделирования, методы теории вероятностей и математической статистики, методы теории надежности, прогнозирования и управления запасами, методы теории случайных функций, в частности, методы статистической динамики, корреляционной теории стационарных процессов, методы огибающих и абсолютных максимумов с использованием пакета MathCad 2001 Professional-Научная новизна выполненной работы состоит в том, что 1) составлена классификация отказов интеллектуальных датчиков с учетом специфики их конструктивных и функциональных характеристик;
2) предложен алгоритм расчета характеристик эксплуатационной надежности датчиков, составлена вероятностная модель безотказности ИД, проведена оценка адекватности модели;
3) разработаны основы инженерной методики планирования профилактических работ, прогнозирования надежности ИД и управления запаса ми;
4) разработаны математические модели, позволяющие осуществить прогнозирование срока службы и запаса прочности чувствительного элемента на динамику нагрузки и на износ.
В итоге на защиту выносятся:
1) результаты исследований специфики отказов интеллектуальных датчиков и специфики определения основных характеристик надежности;
2) результаты исследования безотказности и долговечности интеллектуальных датчиков;
3) методы прогнозирования отказов и управления запасами элементов ИД;
4) математические модели оценки срока службы интеллектуальных датчиков;
5) математические модели оценки запаса прочности гибких элементов датчиков.
Практическую ценность работы представляют:
1) методика анализа потока отказов и алгоритм расчета характеристик надежности интеллектуальных датчиков;
2) методика расчета запаса прочности и срока эксплуатации интеллектуальных датчиков давления;
3) методика прогнозирования отказов и управления запасами элементов интеллектуальных датчиков на Астраханском газоперерабатывающем заводе.
Показатели надежности интеллектуальных датчиков в совокупности с математической моделью эксплуатационной надежности, запаса прочности и среднего срока службы интеллектуальных средств измерений позволяют организовать планово-восстановительные мероприятия, направленные на обеспечение безопасности производства, надежности и работоспособности технологического оборудования, экономически обоснованной практики управления запасами.
Интеллектуализация измерительных устройств как средство повышения их надежности
Известно, что увеличение числа элементов технической системы неизбежно приводит к ухудшению показателей эксплуатационной надежности системы в целом. Относительно интеллектуальных датчиков точные данные на этот счет отсутствуют, нет сравнительного анализа надежности обычных, традиционных датчиков и интеллектуальных средств измерения. Однако придание современным датчикам дополнительных функций самодиагностики и самокоррекции, конфигурирования и форматирования резко повысили так называемую метрологическую и диагностическую надежность результатов измерений [15].
Современные интеллектуальные преобразователи обеспечивают: 1) резкое уменьшение искажений измерительной информации на пути от датчика к контроллеру, т. е. вместо низковольтного аналогового сигнала по кабелю, соединяющему датчики с контроллером, идут цифровые сигналы, на которые электрические и магнитные промышленные помехи оказывают несравнимо меньшее влияние;
2) увеличение надежности измерения благодаря самодиагностике дат чиков, так как каждый датчик сам оперативно сообщает оператору факт и тип возникающего нарушения, тем самым исключая использование для управления некачественной и недостоверной информации;
3) возможность использования принципов измерения, требующих достаточно сложной вычислительной обработки выходных сигналов сенсора, но имеющих ряд преимуществ перед традиционно используемыми принципами измерения по точности, стабильности показаний, простоте установки и обслуживания датчика в процессе его эксплуатации;
4) возможность построения мультисенсорных датчиков, в которых преобразователь получает и перерабатывает сигналы ряда однотипных или разнотипных чувствительных элементов;
5) возможность проведения всей необходимой первичной переработки измерительной информации в датчике и выдачи им искомого текущего значения измеряемой величины в заданных единицах измерения;
6) возможность передачи в систему автоматизации не только текущего значения измеряемой величины, но и добавочных сигналов о выходе его за пределы заданных норм, а также возможность передачи по сети не каждого текущего измеряемого значения, а только изменившегося по сравнению с предыдущим или вышедшего за пределы заданных норм значения, или значения, требующего управляющего воздействия;
7) наличие в датчике базы данных для хранения значений измеряемой величины за заданный длительный интервал времени;
8) возможность дистанционно с пульта оператора в оперативном режиме выбирать диапазон измерения, устанавливать ноль прибора;
9) возможность путем программирования работы датчика на достаточно простом технологическом языке реализовывать в нем простые алгоритмы регулирования, программного управления, блокировок механизмов;
10) возможность строить достаточно простые цепи регулирования, программного управления, блокировок на самом нижнем уровне управле ния из трех компонентов; интеллектуальных датчиков, полевой сети и ин теллектуальных исполнительных механизмов, не загружая этими вычисли тельными операциями контроллеры, что позволяет использовать мощность контроллеров для реализации в них достаточно сложных и совершенных алгоритмов управления.
В настоящее время датчик связывается с контроллером либо через самостоятельный проводной канал аналоговых сигналов, либо через общую для ряда датчиков цифровую проводную сеть [15]. В случае значительного удаления датчиков от основных средств системы автоматизации датчик с помощью отдельных специальных средств телемеханики может общаться с контроллером по радиоканалу. В ряде фирм сейчас ведутся работы по созданию беспроводных датчиков, в которые встраиваются блоки коротковолновой радиосвязи (аналогичными блоками оснащаются и контроллеры). Предпосылками развития указанных типов датчиков служат с одной стороны снижение стоимости средств коротковолновой радиосвязи и повышение надежности работы этих средств, а с другой стороны возни кающая экономия затрат на проводную связь, упрощение монтажа системы и расширение возможных мест установки датчиков.
Создание миниатюрных датчиков на базе ряда известных и частично новых методов измерения с использованием миниатюрных по размерам микропроцессоров позволяет выпускать промышленное оборудование с встроенными в него датчиками и создавать системы автоматического мониторинга работы машин и механизмов, которые определяют текущий износ отдельных узлов оборудования и, следовательно, повышают надежность его работы и совершенствуют имеющуюся на предприятиях систему обслуживания и ремонта оборудования [15,26]
Перспективные с точки зрения повышения надежности разработки ведутся и по пути реализации в датчике прогнозирования значения измеряемой величины, по углублению текущей самодиагностики датчика, по прогнозированию его возможной некорректной работы, по составлению рекомендаций по его обслуживанию, по адаптации шкалы датчика к диапазону измеряемой величины. Кроме того, все больший объем задач по расчету показателей, по обнаружению заданных событий, по реализации задач управления перекладывается с контроллера на датчик. Ввиду этого сам термин «датчик» становится все более неполным и условным.
Оценка адекватности модели надежности интеллектуальных датчиков
Теперь рассмотрим наработки до отказов, обусловленных выходом из строя чувствительного элемента интеллектуального датчика. Выше было выявлено, что кривая распределения этих наработок также имеет бимодальный характер, найдены выборочные оценки параметров распределения, а именно: для первой группы наработок Тн1 - 2,132 104час,, Sx = 4,778 -103час, для второй - Тн2 =4,353-104 час, 52 =1,108-104 чаа Им соответствуют параметры бимодального распределения Вейбулла: ц, =5,121, У=2 19-104; ц3 =4,453, о2 =4,773-104.
Проверка гипотезы об адекватности закона распределения дала положительный результат (Приложение П.З). На рис. 2.6 показаны кривые эмпирического и теоретического распределения времени безотказной работы мембраны интеллектуального датчика давления «Rosemount». 2,2.4- Погрешность математической модели надежности датчиков и чувствительного элемента определялась путем сравнения средней наработки до отказа, полученной по статистическим данным, и средней наработки, полученной аналитическим методом (Приложение 114). Результаты сравнения оказались следующими: для датчиков «Rosemount» погрешность модели составила 0,28%, для датчиков «Foxboro» - 1,84%, для чувствительного элемента датчиков «Rosemount»- 1,86%,
Таким образом, максимальная погрешность полученной модели безотказности датчиков оказалась менее 2%,
Таким образом, предположение о том, что время безотказной работы интеллектуальных датчиков давления подчиняется бимодальному закону распределения, составленному как композиция законов Вейбулла, подтверждается. Все остальные показатели надежности интеллектуальных датчиков и их элементов определяются в соответствии с этим выводом.
Полученные результаты дают основание для перехода к следующему этапу исследования надежности интеллектуальных датчиков, а именно, к определению математических моделей других характеристик безотказности, таких, как вероятность безотказной работы, функции надежности, интенсивности отказов и пр
Как известно, к характеристикам безотказности элементов систем относятся вероятность безотказной работы, средняя наработка до отказа, гамма-процентная наработка до отказа, интенсивность отказов и параметр потока отказов для восстанавливаемых систем.
Согласно (1.15) статистическая оценка вероятности отказа интеллектуального датчика Q (i) равна отношению числа датчиков, отказавших за период времени [0; f], к числу однотипных датчиков в начале испытаний:
Значит, статистическая оценка вероятности безотказной работы датчика за тот же период времени равна Для расчетов воспользуемся статистическими рядами, составленными выше.
По результатам расчетов построены эмпирические кривые вероятностей P (t) для обоих типов датчиков (рис. 2.7). Кривая вероятности безотказной работы чувствительного элемента датчика «Rosemount» имеет поч ти такой же вид, что и кривая 1 на этом рисунке, так как основной причиной отказа этого датчика является выход из строя мембраны.
Как видно, кривые имеют схожий характер и свидетельствуют о нестационарности потока отказов датчиков и их элементов. Действительно, на графиках вероятности P (t) ясно видно, что поток отказов резко возрастает в районе 18 - 24 тыс. часов работы, после чего постепенно убывает и достигает нуля при наработках 50 - 60 тыс. часов.
Расчет запаса прочности чувствительного элемента методом статистической динамики
Чувствительные элементы интеллектуальных датчиков испыты вают в процессе эксплуатации самые разнообразные нагрузки. В каждом временном интервале нагрузки как правило непостоянны и представляют собой случайные функции времени. При этом характеристики случайных нагрузок в разных интервалах различны и тоже случайны.
Условно их можно разделить на два вида: 1) нагрузки стационарные квазигармонические с постоянными для каждого фиксированного интервала времени математическим ожиданием и дисперсией; 2) нагрузки нестационарные с математическим ожиданием, представляющим собой вполне определенную неслучайную функцию.
Нагрузки первого типа характерны для сравнительно небольших временных интервалов в условиях установившегося технологического процесса. Нагрузки второго типа характерны тем, что в определенный момент они достигают максимального значения, Если такой максимум окажется выше разрывной прочности мембраны, произойдет ее разрушение. В результате происходит отказ всей измерительной системы.
Возникает проблема обеспечения надежной работы чувствительных элементов датчиков путем анализа статистических данных о реальных нагрузках и выбора соответствующих прочностных характеристик.
Рассмотрим простейший случай, когда эксплуатационная на грузка S является нормальной случайной величиной с параметрами (S, css), а разрывная прочность R мембраны на некотором промежутке времени по стоянна. В этом случае вероятность безотказной работы будет равна P(S R)=P S-S R-S F д-Г s = F(z) = 0,5 + Ф(г), где z - квантиль нормального распределения, F (г) -функция распределения действующей нагрузки S, P(z) - интегральная функция Лапласа. При заданной вероятности Р0 из таблицы функции Лапласа найдем соответствующее значение z, а затем разрывную прочность R = S + zat. Тогда запас прочности мембраны однозначно определяется через вероятность безотказной работы и коэффициент вариации эксплуатационной нагрузки: R S + zG, а, , ,_ _ и = т=г =—=- - = ! +z-J- l + zV.. (3.1) S S S Если разрывная прочность Й«ЕМРРДЦЬГТОЖЄ случайная нормально распределенная величина, то вероятность безотказной работьидтцикА приобретает вид P(S R)=F rR S v J = m где a 2+a2-2asar. Практически разрывная и эксплуатационная нагрузки независимы, поэтому а = д/а + а2г. Тогда при заданной вероятности безотказной ра боты о из равенства z = . находим: R-S z +c2., откуда -=,=1 + 4 +а?. Тогда уравнение (3.1) приобретает вид JfS-- W, где Vs nVr - коэффициенты вариации эксплуатационной и разрывной нагрузок соответственно. Из полученного уравнения находится коэффициент запаса и: «2(l-zV,2)+(l-2w-z2H,2)=0, плМЩШЖ. (,2) l-z2V2 Анализ этой зависимости позволил вывести приближенную формулу расчета, дающую относительную погрешность не более 3%: nn\ + zVs+2,3z2Vr2. (3.3) При Vr « 0, то есть когда разрывная нагрузка в рассматриваемом промежутке времени изменяется мало, формула получает вид (З.І). Параметры эксплуатационной нагрузки S легко определяются опытным путем. Труднее найти параметры разрушающей нагрузки, поэтому, несмотря на простоту применения, формула (3.1) дает лишь приближенную оценку коэффициента запаса. Более того, задаваясь вероятностью безотказной работы Р0, мы всегда имеем в виду некоторый промежуток времени, например, период определенного цикла t работы датчика. Формула (3.1) не содержит временного параметра.
Рассмотрим эксплуатационную нагрузку как случайную функцию времени S(t). В общем случае ее можно канонически разложить на «статическую» и «динамическую» составляющие [58]: 5(0 = 5я(/) + 5д(0, (3.4) где время t принадлежит некоторому интервалу длиной Т. Относительно параметров составляющих Sa(t) и SA(t) предположим, что: 1) математическое ожидание М[5(/)]=M[Scr(t)]=S(t) - неслучайная функция нагрузок на мембрану, 2) Лфд(0]=0; 3) статическая и динамическая составляющие независимы, и поэтому дисперсия эксплуатационной нагрузки равна сумме дисперсий составляющих: а] =а +oJ.
Для датчиков, работающих в условиях постоянно действующей вибрации, динамика нагрузки может достичь значительной величины, и динамическую составляющую 5д(г) можно представить в виде случайной квазигармонической функции где огибающая A(f) - случайная функция, медленно изменяющаяся по сравнению с самой нагрузкой Sa(t); ф(0 - случайная функция фазы; со0-главная (основная) частота периодических колебаний нагрузки.
Случайное событие, состоящее в разрушении мембраны, можно интерпретировать как «выброс» случайной функции S(t) за постоянный в интервале (0; Т) уровень разрывной прочности R [58]. Другими словами, разрушение мембраны произойдет в том случае, если до некоторого момента t нагрузка S(t) была меньше разрушающей Я, а затем становится больше йив течение времени dt остается выше этого уровня
Расчет объема и периодичности профилактических работ
Рассмотрим подробнее методы оценки и прогнозирования ресурса интеллектуальных измерительных систем.
1. Детерминированные методы оценки используют аналитические зависимости, связывающие время до достижения предельного состояния с характеристиками эксплуатационных нагрузок и параметрами физико-химических процессов в материалах датчиков.
2. Статистические методы определения и прогнозирования ресурса датчиков требуют большого объема информации как по отказам, так и по наработке исправно действующих датчиков.
Совершенно ясно, что необходим объективно действующий критерий износа, который позволил бы по выявленным закономерностям эксплуатации датчика установить вполне обоснованный срок износа- Таковыми являются показатели надежности как функции времени: это прежде всего вероятность безотказной работы P(t) (или вероятность отказа 6(f)), интенсивность отказа X(t). Вспомогательными средствами исследования этого вопроса могут служить средние наработки до отказа.
3. Физико-статистические методы при оценке ресурса учитывают как влияние разнообразных физико-химических факторов внешней среды, способствующих развитию разрушающих процессов в материалах датчи ков, так и действующих эксплуатационных нагрузок. Причем несущая способность датчика и эксплуатационные нагрузки анализируются с пози ций математической статистики. Как показал опыт использования физико статистических методов, модели этого класса дают наиболее адекватные практике эксплуатации результаты,
4- Экономические методы. Метод, основанный на экономических соображениях, был разработан и предложен А.Р.Ржаницьшым (1967) применительно к проектированию инженерных конструкций. Оптимальный ресурс может быть определен из условия минимума затрат на эксплуатацию датчика, а также потерь, связанных с расходом времени на ликвидацию последствий отказа.
Следует однако заметить, что несмотря на очевидные достоинства самой идеи экономического обоснования нормативного ресурса, существующие методы обладают существенными недостатком: в них игнорируется фактор времени. Вероятность безотказной работы ими принимается как постоянное число.
5. Экспертные методы оценки и прогнозирования ресурса основаны на обобщении опыта эксплуатации интеллектуальных датчиков каждого типа в конкретных условиях и связаны с ограничениями в выборе экспертов и их субъективностью- Однако если в качестве экспертов используются не только специалисты-эксплуатационники, но конструкторы, технологи, инженеры-изготовители, ремонтники, то экспертный опрос может дать весьма достоверные результаты. Обработка соответствующей информации даст возможность рекомендовать для интеллектуальных датчиков нижнюю и верхнюю границы нормативной долговечности.
Очевидно, что основная ценность эвристического подхода, основанного на экспертных оценках, заключается в быстром получении результатов при минимальных затратах. При этом трудно утверждать о высокой точности результатов по сравнению с аналогичными» полученными с использованием математических методов (в том числе и вероятностно-статистических). Однако при достаточно корректной постановке экспертизы и грамотной обработке ее результатов можно утверждать, что экспертные оценки вполне адекватно отражают исследуемую ситуацию и исчерпывающе отвечают на многие вопросы, возникающие при оценке и прогнозировании ресурса.
Поддержание требуемого уровня надежности интеллектуальных датчиков - это одна из основных задач по обеспечению безотказности и долговечности контрольно-измерительной системы. Среди мероприятий по повышению надежности при эксплуатации датчиков важное место отводится техническому обслуживанию.
Под техническим обслуоісиваиием понимается комплекс организационных и технических мероприятий, направленных на предупреждение от казов. К основным задачам технического обслуживания относятся предупреждение ускоренного износа, коррозии и старения; поддержание основных технических характеристик датчиков на заданном уровне; продление межремонтных сроков эксплуатации.
Основу технического обслуживания составляют профилактические работы и регламентные проверки. Работы по техническому обслуживанию на АГПЗ проводятся периодически с целью поддержания работоспособности и надежной эксплуатации технически исправных датчиков, а также для установления причин, способствующих возникновению отказов. Техническое обслуживание приборов и средств измерений включает в себя:
1 Определение соответствия основных технических характеристик средств измерений и оборудования ГОСТам, требованиям нормативно-технической документации и инструкциям по эксплуатации предприятий-изготовителей.
2, Выполнение всех профилактических и регламентных работ, пре дусмотренных предприятиями-изготовителями (проверка и настройка электронных схем и блоков, юстировка оптической системы, проверка па раметров работы, проверка правильности показаний и калибровка с ис пользованием образцового оборудования) и обеспечивающих работоспо собность приборов и оборудования в течение межремонтного периода.
