Ich glaube, Kollegen, die sich mit Zuverlässigkeitsarbeit beschäftigen, haben eine Frage: Wie wählt man die Anzahl der Proben in der Forschungs- und Entwicklungsphase? In der Produktentwicklungsphase wird es zwangsläufig Produkttestspezifikationen geben, die beschreiben, welchen Temperaturbereich unsere Produkte erfüllen können, wie viel Schock- und Vibrationsbelastungswerte sie aushalten usw.
Dann begannen wir mit der Durchführung von Tests, um zu überprüfen, ob unsere Produkte die Anforderungen der Produktspezifikationen erfüllen konnten. Wie viele Proben testen wir also für jeden Testartikel, bevor wir sagen können, dass unser Produkt unseren Produktspezifikationen entspricht?
Teilen Sie eine Methode, die in dem Buch „Practical Reliability Engineering“ vorgestellt wird, das ich gerade lese, und teilen Sie auch die Erklärung und Berechnungsfälle einiger grundlegender Begriffe zur Zuverlässigkeitsmessung.
Auswahl der Anzahl der Testmuster in der F&E-Phase
Beziehen Sie sich zunächst auf das Konzept der Binomialverteilung: Die Binomialverteilung wird in unabhängigen Bernoulli-Versuchen wiederholt. In jedem Versuch gibt es nur zwei mögliche Ergebnisse, und ob die beiden Ergebnisse eintreten, ist einander entgegengesetzt und unabhängig voneinander. Sie haben nichts mit den Ergebnissen anderer Studien zu tun. Die Wahrscheinlichkeit, dass das Ereignis eintritt oder nicht, bleibt in jedem unabhängigen Versuch unverändert. .
In der Produktentwicklungsphase wird davon ausgegangen, dass die Wahrscheinlichkeit des Testergebnisses (Bestanden) oder (Nicht bestanden) jeder F&E-Probe in jedem Testgegenstand in jedem unabhängigen Test unverändert bleibt. Zitieren Sie gemäß der Binomialverteilungstheorie Practical Reliability Engineering 14.3 2 Die Formel für die Konfidenz der Itemverteilung lautet wie folgt:
Die obige Formel geht davon aus, dass die Anzahl der Ausfälle k=0 ist, und die vereinfachte Formel lautet wie folgt: C=1-R^N; die Anzahl der Testproben beträgt N=Ln(1-C)/Ln(R); Der Screenshot unten ist ein Zitat aus „Practical Reliability Engineering“.
Beachten Sie für das Screenshot-Beispiel oben: R bezieht sich hier auf die Wahrscheinlichkeit, die Zuverlässigkeit von Produkttestspezifikationen nachzuweisen. Verwechseln Sie es nicht mit der Zuverlässigkeit der Exponentialverteilung. R=e^(-λt) der Exponentialverteilung; ändert sich mit der Zeit. .
Nimmt man das obige Beispiel als R=90% und C=50%, beträgt die berechnete Anzahl der Testproben in der F&E-Phase 7. Die gängige Bedeutung ist wie folgt: Wenn 7 Testproben ausgewählt werden, wenn die Wenn die Testergebnisse aller 7 Proben bestehen, besteht eine 50-prozentige Sicherheit, dass das von uns entwickelte Produkt die Produkttestspezifikationen mit einer Wahrscheinlichkeit von 90 % erfüllt (unabhängig davon, wie viele Produkte wir in Zukunft auf dem Markt verkaufen, solange alle 7 Proben vorhanden sind). In der Forschungs- und Entwicklungsphase getestet, können wir nach außen hin erklären, dass wir zu 50 % davon überzeugt sind, dass 90 % der auf dem Markt befindlichen Produkte die Testspezifikationen unserer Produkte erfüllen können. Voraussetzung hierfür ist natürlich, sicherzustellen, dass die Forschung und Entwicklung (Stufe ist das Gleiche wie Batch-Segment).
Nach der Lektüre der Einleitung im Buch besteht der Industriestandard für die industrielle Automatisierung darin, R=97% und C=50% zu verwenden, was zu N=23 führt. Einige Leute hier haben vielleicht Fragen: Welche Abteilung definiert die Werte von R und C? Wie definiert man es? Das ist auch meine Frage, und es ist auch eine Schwierigkeit bei der Entwicklung von Zuverlässigkeit und Qualitätsarbeit... Beispielsweise sind die Forschungs- und Entwicklungskosten einiger Produkte zu hoch. Normalerweise stellt das Projekt nur ein Produkt für Forschungs- und Entwicklungstests bereit. Wenn es den auf dieser Stichprobe basierenden Test besteht, kann es nur C=50%, R=50% sagen ... Ich glaube, das ist auch die aktuelle Situation der meisten Unternehmen ...
Erläuterung grundlegender Begriffe zur Zuverlässigkeitsmessung und Berechnungsbeispiele
Kürzlich begegnete ich einem Kunden bei der Arbeit, der nach der Berechnung von PPM, MTBF und Zuverlässigkeitswahrscheinlichkeit R fragte. Ich werde nicht auf den Fall des Kunden eingehen, sondern mitteilen, was ich in der praktischen Zuverlässigkeitstechnik gesehen habe;
MTBF: Zwischenzeit zwischen Ausfällen; R(t)=e^(-1/MTBF*t) in Exponentialverteilung;
PPM: Teile pro Million; R(t)=1-PPM(t)/(10^6);
BX-Life: Wenn x=10 hier, bedeutet es R=90 %;
Analyse des obigen Beispiels: Für das Produkt muss die Lebensdauer von B10 5 Jahre betragen, was bedeutet, dass die Zuverlässigkeit des Produkts nach 5 Jahren 90 % beträgt. Im Beispiel ist es MTTF (MeanTime To Failure), das die Exponentialverteilung erfüllt. Setzen Sie es in Formel 14.2 in der obigen Abbildung ein, um MTTF=47,5 Jahre zu erhalten, was die jährliche Ausfallrate λ=0,021 bedeutet (hier wird eine andere Aussage eingeführt, da MTTF {{10} },5 Jahre, dann beträgt die jährliche Reparaturrate=1/47,5=2,1 %, was sehr hoch ist... Normalerweise liegen Verbraucherprodukte unter 0,3 %...); Der PPM-Wert beträgt 100,000, was bedeutet, dass nach 5 Jahren 100,000 Produkte pro Million ausfallen.