Cred că colegii care sunt angajați în muncă de fiabilitate au o întrebare: Cum să alegeți numărul de mostre în etapa de cercetare și dezvoltare? În etapa de dezvoltare a produsului, vor exista inevitabil specificații de testare a produsului, care descriu ce interval de temperatură pot îndeplini produsele noastre, cât de mult pot rezista la șocuri și vibrații etc.
Apoi am început să organizăm teste pentru a verifica dacă produsele noastre ar putea îndeplini cerințele specificațiilor produsului. Deci, pentru fiecare articol de testat, câte mostre testăm înainte de a putea spune că produsul nostru îndeplinește specificațiile produsului nostru?
Distribuiți o metodă introdusă în cartea Practical Reliability Engineering pe care o citesc și, de asemenea, împărtășiți explicațiile și cazurile de calcul ale unor termeni de bază de măsurare a fiabilității.
Selectarea numărului de probe de testare în etapa de cercetare și dezvoltare
Mai întâi referiți-vă la conceptul de distribuție binomială: distribuția binomială se repetă în încercări Bernoulli independente. Există doar două rezultate posibile în fiecare studiu și dacă cele două rezultate apar sunt opuse și independente unul de celălalt. Nu au nimic de-a face cu rezultatele altor studii. Probabilitatea ca evenimentul să se producă sau nu rămâne neschimbată în fiecare studiu independent. .
În etapa de dezvoltare a produsului, se consideră că probabilitatea rezultatului testului (Reușit) sau (Eșec) pentru fiecare eșantion de cercetare și dezvoltare din fiecare articol de testat rămâne neschimbată în fiecare test independent. Conform teoriei distribuției binomiale, citați Practical Reliability Engineering 14.3 2 Formula pentru încrederea distribuției elementelor este următoarea:
Formula de mai sus presupune că numărul de erori k=0, iar formula simplificată este următoarea: C=1-R^N; numărul de probe de testare este N=Ln(1-C)/Ln(R); captura de ecran de mai jos este citată din ingineria Practical Reliability.
Pentru exemplul de captură de ecran de mai sus, rețineți: R aici se referă la probabilitatea de a demonstra fiabilitatea specificațiilor de testare a produsului. Nu îl confundați cu fiabilitatea distribuției exponențiale. R=e^(-λt) de distribuție exponențială; se schimba cu timpul. .
Luând exemplul de mai sus ca R=90% și C=50%, numărul calculat de probe de testare în etapa de cercetare și dezvoltare este 7. Sensul popular este următorul: atunci când sunt selectate 7 eșantioane de testare, dacă rezultatele testelor pentru toate cele 7 mostre trec, există o încredere de 50% că produsul pe care îl dezvoltăm va îndeplini specificațiile de testare a produsului cu o probabilitate de 90% (indiferent câte produse vindem în viitor pe piață, atâta timp cât toate cele 7 mostre testat în etapa de R&D, putem declara lumii exterioare că suntem 50% încrezători că 90% dintre produsele de pe piață pot îndeplini specificațiile de testare ale produselor noastre. Desigur, premisa aici este să ne asigurăm că R&D etapa este Aceeași ca segmentul lotului).
După ce ați citit introducerea din carte, standardul industrial pentru automatizarea industrială este să utilizați R=97% și C=50%, care rezultă în N=23. Unii oameni de aici pot avea întrebări, care departament definește valorile lui R și C? Cum să-l definești? Aceasta este și întrebarea mea, și este și o dificultate în dezvoltarea fiabilității și a calității muncii... De exemplu, costurile de cercetare și dezvoltare ale unor produse sunt prea mari. De obicei, proiectul va oferi un singur produs pentru testare de cercetare și dezvoltare. Dacă trece testul pe baza acestui eșantion, poate spune doar C=50%, R=50%... Cred că aceasta este și situația actuală a majorității companiilor...
Explicația termenilor de bază de măsurare a fiabilității și exemple de calcul
Recent, am întâlnit la serviciu un client care a întrebat despre calculul PPM, MTBF și probabilitatea de fiabilitate R. Nu voi vorbi despre cazul clientului, ci vă împărtășesc ceea ce am văzut în Practical Reliability Engineering;
MTBF: Între timp între eșecuri; R(t)=e^(-1/MTBF*t) în distribuție exponențială;
PPM: părți pe milion; R(t)=1-PPM(t)/(10^6);
BX-Life: Dacă x=10 aici, înseamnă R=90%;
Analiza exemplului de mai sus: produsul necesită ca durata de viață a B10 să fie de 5 ani, ceea ce înseamnă că fiabilitatea produsului după 5 ani este de 90%. În exemplu, este MTTF (MeanTime To Failure), care satisface distribuția exponențială. Înlocuiți-o în formula 14.2 din figura de mai sus pentru a obține MTTF=47.5 ani, ceea ce înseamnă rata anuală de eșec λ=0.021, (o altă afirmație este introdusă aici, deoarece MTTF {{10} },5 ani, apoi rata anuală de reparații=1/47.5=2,1%, ceea ce este foarte mare... De obicei produsele de larg consum sunt mai mici de 0,3 %...); valoarea PPM este 100,000, ceea ce înseamnă că după 5 ani, 100,000 produse per milion vor eșua.