Úgy gondolom, hogy a megbízhatósági munkával foglalkozó kollégáknak van egy kérdése: Hogyan válasszuk ki a minták számát a kutatás-fejlesztési szakaszban? A termékfejlesztési szakaszban elkerülhetetlenül megjelennek a termékteszt-specifikációk, amelyek leírják, hogy termékeink milyen hőmérsékleti tartománynak felelhetnek meg, mekkora ütési és rezgési igénybevételi értékeket tudnak elviselni stb.
Ezután elkezdtük a tesztek szervezését annak ellenőrzésére, hogy termékeink megfelelnek-e a termékleírás követelményeinek. Tehát minden egyes vizsgálati tételnél hány mintát tesztelünk, mielőtt azt mondhatnánk, hogy termékünk megfelel a termékspecifikációinknak?
Ossza meg az általam olvasott Practical Reliability Engineering című könyvben bemutatott módszert, valamint néhány alapvető megbízhatósági mérési kifejezés magyarázatát és számítási eseteit.
A vizsgálati minták számának kiválasztása a K+F szakaszban
Először nézzük meg a binomiális eloszlás fogalmát: a binomiális eloszlást n független Bernoulli-próbában ismételjük meg. Mindegyik kísérletben csak két lehetséges kimenetel van, és az, hogy a két eredmény bekövetkezik-e, egymással ellentétes és egymástól független. Semmi közük más kísérletek eredményeihez. Az esemény bekövetkezésének valószínűsége változatlan marad minden független kísérletben. .
A termékfejlesztési szakaszban figyelembe kell venni, hogy az egyes K+F minták teszteredményének (megfelelt) vagy (nem megfelelő) valószínűsége az egyes tesztelemekben változatlan marad minden független tesztben. A binomiális eloszláselmélet szerint idézze a Practical Reliability Engineering 14-et.3 2 Az elemeloszlás megbízhatóságának képlete a következő:
A fenti képlet feltételezi, hogy a hibák száma k=0, az egyszerűsített képlet pedig a következő: C=1-R^N; a vizsgálati minták száma N=Ln(1-C)/Ln(R); Az alábbi képernyőkép a Practical Reliability Engineeringből származik.
A fenti képernyőképes példánál vegye figyelembe: R itt a termékteszt-specifikációk megbízhatóságának bizonyításának valószínűségére utal. Ne keverje össze az exponenciális eloszlás megbízhatóságával. R=e^(-λt) exponenciális eloszlás; idővel változik. .
Ha a fenti példát R=90% és C=50%-nak tekintjük, a K+F szakaszban lévő tesztminták számított száma 7. A népszerű jelentése a következő: 7 tesztminta kiválasztásakor, ha a mind a 7 minta teszteredményei megfelelnek, 50%-os a biztonság, hogy az általunk kifejlesztett termék 90%-os valószínűséggel megfelel a termékteszt specifikációinak (függetlenül attól, hogy hány terméket értékesítünk a jövőben A piacon, amíg mind a 7 minta A K+F szakaszban tesztelve kijelenthetjük a külvilág felé, hogy 50%-ban biztosak vagyunk abban, hogy a piacon lévő termékek 90%-a megfelel a termékeink tesztspecifikációinak. Természetesen itt az előfeltétel, hogy a K+F szakasz ugyanaz, mint a kötegszegmens).
A könyv bevezetőjének elolvasása után az ipari automatizálás ipari szabványa az R=97% & C=50%, ami N=23-t eredményez. Néhány embernek kérdése lehet, melyik osztály határozza meg az R és a C értékeit? Hogyan kell meghatározni? Nekem is ez a kérdésem, és ez a megbízhatóság és a minőségi munkavégzés fejlesztésében is nehézséget okoz... Például egyes termékek kutatás-fejlesztési költségei túl magasak. Általában a projekt csak egy terméket biztosít kutatási és fejlesztési tesztelésre. Ha a minta alapján átmegy a teszten, akkor csak C=50%, R=50% tud mondani... Azt hiszem, ez a legtöbb cég jelenlegi helyzete is...
A megbízhatóságmérési alapfogalmak és számítási példák magyarázata
Nemrég találkoztam egy ügyféllel a munkahelyemen, aki a PPM, MTBF és R megbízhatósági valószínűség számításáról kérdezett. Nem beszélek az ügyfél esetéről, hanem megosztom, amit a gyakorlati megbízhatósági tervezésben láttam;
MTBF: A meghibásodások közötti idő; R(t)=e^(-1/MTBF*t) exponenciális eloszlásban;
PPM: Parts Per Million; R(t)=1-PPM(t)/(10^6);
BX-Life: Ha itt x=10, akkor R=90%;
A fenti példa elemzése: A termékhez a B10 élettartama 5 év, ami azt jelenti, hogy a termék megbízhatósága 5 év után 90%. A példában ez az MTTF (MeanTime To Failure), amely kielégíti az exponenciális eloszlást. Helyettesítse be a fenti ábrán a 14.2 képletbe, hogy megkapja az MTTF=47,5 év értéket, ami az éves meghibásodási arányt jelenti λ=0,021, (itt egy másik állítást vezetünk be, mert az MTTF {{10} },5 év, akkor az éves javítási ráta=1/47.5=2,1%, ami nagyon magas... A fogyasztási cikkek általában 0,3 %-nál alacsonyabbak...); a PPM-érték 100,000, ami azt jelenti, hogy 5 év után milliónként 100,{22}} termék hibásodik meg.