Crec que els companys que es dediquen al treball de fiabilitat tenen una pregunta: com triar el nombre de mostres en l'etapa d'investigació i desenvolupament? En l'etapa de desenvolupament del producte, inevitablement hi haurà especificacions de prova del producte, que descriuen quin rang de temperatura poden assolir els nostres productes, quants valors d'estrès de xoc i vibració poden suportar, etc.
Després vam començar a organitzar proves per verificar si els nostres productes podien complir els requisits de les especificacions del producte. Per tant, per a cada element de prova, quantes mostres provem abans de poder dir que el nostre producte compleix les especificacions del nostre producte?
Comparteix un mètode introduït al llibre Practical Reliability Engineering que estic llegint, i també comparteix l'explicació i els casos de càlcul d'alguns termes bàsics de mesura de la fiabilitat.
Selecció del nombre de mostres d'assaig en fase d'R+D
En primer lloc, feu referència al concepte de distribució binomial: la distribució binomial es repeteix n assaigs de Bernoulli independents. Només hi ha dos resultats possibles a cada assaig, i si els dos resultats es produeixen són oposats i independents l'un de l'altre. No tenen res a veure amb els resultats d'altres assaigs. La probabilitat que l'esdeveniment ocorri o no es manté sense canvis en cada assaig independent. .
En l'etapa de desenvolupament del producte, es considera que la probabilitat del resultat de la prova (Aprovat) o (No) de cada mostra d'R+D en cada ítem de prova es manté sense canvis en cada prova independent. D'acord amb la teoria de la distribució binomial, cita Practical Reliability Engineering 14.3 2 La fórmula per a la confiança de la distribució d'elements és la següent:
La fórmula anterior suposa que el nombre de fallades k=0, i la fórmula simplificada és la següent: C=1-R^N; el nombre de mostres de prova és N=Ln(1-C)/Ln(R); la captura de pantalla següent es cita de l'enginyeria de la fiabilitat pràctica.
Per a l'exemple de captura de pantalla anterior, tingueu en compte: R aquí es refereix a la probabilitat de demostrar la fiabilitat de les especificacions de prova del producte. No ho confongueu amb la fiabilitat de la distribució exponencial. R=e^(-λt) de distribució exponencial; canvia amb el temps. .
Prenent l'exemple anterior com a R=90% i C=50%, el nombre calculat de mostres de prova en l'etapa d'R+D és 7. El significat popular és el següent: quan se seleccionen 7 mostres de prova, si el els resultats de les proves de les 7 mostres passen, hi ha un 50% de confiança que el producte que desenvolupem compleixi les especificacions de la prova del producte amb una probabilitat del 90% (no importa quants productes venguem en el futur al mercat, sempre que les 7 mostres). provat a l'etapa d'R+D, podem declarar al món exterior que estem un 50% segurs que el 90% dels productes del mercat poden complir les especificacions de prova dels nostres productes. Per descomptat, la premissa aquí és garantir que la R+D etapa és la mateixa que el segment del lot).
Després de llegir la introducció del llibre, l'estàndard del sector per a l'automatització industrial és utilitzar R=97% i C=50%, que resulta en N=23. Algunes persones aquí poden tenir preguntes, quin departament defineix els valors de R i C? Com definir-ho? Aquesta també és la meva pregunta, i també és una dificultat per desenvolupar un treball de fiabilitat i qualitat... Per exemple, els costos d'investigació i desenvolupament d'alguns productes són massa elevats. Normalment, el projecte només proporcionarà un producte per a proves d'investigació i desenvolupament. Si passa la prova basada en aquesta mostra, només pot dir C=50%, R=50%... Crec que aquesta és també la situació actual de la majoria de les empreses...
Explicació dels termes bàsics de mesura de la fiabilitat i exemples de càlcul
Recentment, em vaig trobar amb un client a la feina que va preguntar sobre el càlcul de PPM, MTBF i probabilitat de fiabilitat R. No parlaré del cas del client, sinó que compartiré el que vaig veure a Practical Reliability Engineering;
MTBF: Mentrestant entre fracàs; R(t)=e^(-1/MTBF*t) en distribució exponencial;
PPM: parts per milió; R(t)=1-PPM(t)/(10^6);
BX-Life: si x=10 aquí, significa R=90%;
Anàlisi de l'exemple anterior: el producte requereix que la vida útil de B10 sigui de 5 anys, la qual cosa significa que la fiabilitat del producte després de 5 anys és del 90%. En l'exemple, és MTTF (MeanTime To Failure), que satisfà la distribució exponencial. Substituïu-la a la fórmula 14.2 de la figura anterior per obtenir, MTTF=47,5 anys, que significa la taxa anual de fallada λ=0,021, (aquí s'introdueix una altra afirmació, perquè MTTF {{10} },5 anys, després la taxa de reparació anual=1/47.5=2,1%, que és molt alta... Normalment els productes de consum són inferiors al 0,3%...); el valor PPM és 100,000, el que significa que després de 5 anys, 100,000 productes per milió fallaran.