105374_fr-FR

liliconcom

Fiabilité : estimation du temps de défaillance dans des conditions de test particulières

Salut,

 

un client a le scénario suivant :

Ils obtiennent de leurs clients des données de test de moteur provenant d'un banc d'essai (et non des données de terrain). Là, ils testent dans diverses conditions et toujours pendant toute la durée du test (qui peut également varier d'un test à l'autre). Avec ce type de données, leur client s'attend à ce qu'il estime la probabilité de défaillance sur le terrain. Jusqu'ici, c'est bizarre

 

essai n°	scène	vanne présente	heures	type d'essai	moteur
5278	1	Oui	465	Nardo	M9
5278	2	Oui	465	Nardo	M9
6088	1	Non	300	SHES+NC	M9
6088	2	Oui	300	SHES+NC	M9
6117	1	Oui	187	endurance	M9
6117	2	Non	187	endurance	M9
6126	1	Non	214	plusieurs	M9
6126	2	Oui	214	plusieurs	M9
7291	1	Oui	300	SHES+NC	M9
7291	2	Oui	300	SHES+NC	M9
6107	1	Non	392	Chaud froid	M9
6107	2	Oui	392	Chaud froid	M9
7324	1	Non	417	Chaud froid	M9
7324	2	Oui	417	Chaud froid	M9
6917	1	Non	416	SHES+NC	M9
6917	2	Oui	416	SHES+NC	M9
6108	1	Oui	562	Cmax/Pmax	M9
6108	2	Oui	562	Cmax/Pmax	M9
1801	2	Oui	314	Cmax/Pmax	R9
1839	2	Non	229	Chaud froid	R9
1839	2	Non	400	Chaud froid	R9
1020	2	Oui	435	SHES+NC	R9
833	2	Non	388	SHES+NC	R9
1903	2	Oui	357	fin d'étincelle.	R9
1025	2	Oui	279	Laquage	R9

Dans les données, vous voyez le scénario de test, deux moteurs (M9 et R9). Leurs pièces seront dans les moteurs du constructeur OEM qui effectue les tests avec leurs moteurs (pas sur le terrain). Leurs pièces comprennent deux valves en caoutchouc, répertoriées comme « étage ». M9 en a deux, R9 seulement le second. Un test est un échec si, à la fin du test, une vanne est manquante ("non" dans la vanne présente).

J'ai fait quelques analyses (fichier ci-joint), mais j'ai quelques questions si c'est une analyse à laquelle on peut faire confiance.

 

1. Étant donné que les scénarios de test et les durées d'exécution du test sont différents, cela a-t-il un impact sur la répartition de la durée de vie en tenant compte de toutes les observations ? Je suppose oui.

2. En utilisant le type de test comme cause concurrente, on peut constater que certains types de tests ne sont pas inclus car il n'y a qu'un seul échec ou aucun échec dans les données. Cela se traduit bien sûr par un intervalle de confiance énorme. Si l'on souhaite au moins savoir quand une panne est attendue, on disposera dès aujourd'hui de plus d'informations. Je suppose que cela peut déjà être fait avec cette analyse, est-ce que je manque quelque chose ?

3. Est-ce un problème s’ils détectent simplement une panne une fois l’exécution terminée ? Je le compare aux systèmes réparables et aux intervalles de maintenance, où vous détectez simplement qu'il y a eu une panne avant cette date, mais pas exactement à quelle heure avant cette date de maintenance. Je m'attendrais à ce que l'incertitude augmente, mais probablement pas au point que les résultats ne puissent pas être utilisés. Est-ce une vision trop optimiste ?

 

Comment traiteriez-vous ce problème si vous ne parvenez pas à modifier la manière dont les tests sont exécutés par les constructeurs OEM ?

 

Merci beaucoup,

Martin

 

Re: Fiabilité : Estimation du temps de défaillance dans des conditions de test particulières

Sur la base de ce que vous avez décrit, je suis d'accord avec Don pour dire que vous correspondez à une survie paramétrique : les heures comme délai avant l'événement, la présence de la vanne comme indicateur de censure et le type de test et le moteur comme effets de modèle. La question est alors : comment gérer Stage. Si, pour les moteurs M9, l'une des deux soupapes est perdue, cela est considéré comme une panne, alors je combinerais les lignes et recoderais la soupape présente pour refléter le changement, et créerais un nouveau mode de panne pour indiquer si la panne est due à l'étape. Défaillance de niveau 1 ou de niveau 2. En d’autres termes, vous exécuteriez un modèle de survie paramétrique à causes concurrentes.

  

Re: Fiabilité : Estimation du temps de défaillance dans des conditions de test particulières

J'opterais pour Fit Parametric (ou Generalized Regression si le client a Pro). Je ne sais pas comment vous pourriez utiliser les effets, peut-être que le client peut vous donner un aperçu de la façon de procéder. Dans le pire des cas, vous pouvez faire la moyenne des conditions pour obtenir des effets significatifs.

Re: Fiabilité : Estimation du temps de défaillance dans des conditions de test particulièresAh et oui d'habitude ils ne réparent pas mais échangent, donc non réparables.Re: Fiabilité : Estimation du temps de défaillance dans des conditions de test particulièresPour donner un peu plus de contexte :
Le client produit par exemple des filtres à huile pour moteurs de voiture. Ceux-ci seront testés par leurs clients, par exemple les constructeurs OEM dans leurs moteurs. Un test se déroule dans certaines conditions de stress, par exemple chaud/froid ou en randonnée, ou... le test dure une durée spécifique, par exemple 348 heures. Ensuite, ils vérifient si le filtre est toujours en bon état. Dans les données, il y a une pièce avec deux vannes qui doivent être toujours dans la pièce et ne doivent pas être perdues. Le prochain test pourrait se dérouler dans des conditions différentes. Ils testent pour ainsi dire en laboratoire et non sur le terrain. À la fin du cycle, ils vérifient si la pièce est correcte ou non. Il n'est donc pas exécuté jusqu'à ce qu'un échec se produise. Ce sont les données que l'OEM envoie à mon client et lui demande de spécifier la probabilité de défaillance sur le terrain.
J'espère que cela sera plus clair.Re: Fiabilité : Estimation du temps de défaillance dans des conditions de test particulières

Martin,

Qu'est-ce qui est testé ? Lorsque vous dites qu'ils exécutent le test à plein temps, je suppose que tout ce qui est testé est testé jusqu'à l'échec (c'est-à-dire que c'est un système non réparable). À première vue, je penserais que l'utilisation de Fit Parametric Survival serait la voie à suivre, mais je devrais en savoir un peu plus avant de dire avec certitude.

Enfiler