In den letzten Jahren haben immer mehr Unternehmen begonnen, sich auf die Verbesserung der Produktzuverlässigkeit zu konzentrieren. Zuverlässigkeit ist zu einem wichtigen Indikator zur Messung der Produktqualität geworden. Die sogenannte Zuverlässigkeit bezeichnet die Wahrscheinlichkeit, dass das Produkt unter den angegebenen Einsatzbedingungen die angegebene Funktion innerhalb der angegebenen Zeit erfüllt. Ein Problem, auf das viele Unternehmen bei der Implementierung des Zuverlässigkeitsmanagements stoßen, besteht darin, dass bei der Entwicklung des Zuverlässigkeitsmanagements von Produkten zu einem bestimmten Zeitpunkt statistische Modellierungsmethoden verwendet werden müssen. Da die statistischen Modellierungsmethoden für die Zuverlässigkeit relativ komplizierter sind, verwenden viele sogenannte Sechs-Standard-Methoden Sogar Berater, die den schwarzen Gürteln unterlegen sind, trauen sich nicht so leicht, es anzufassen, was die Zuverlässigkeitsanalyse geradezu geheimnisvoll erscheinen lässt.
Qualitätsmanagement-Meister Zhu Lan hat bei der Untersuchung der Qualitätselemente von Produkten einst verschiedene Qualitätsmerkmale zusammengefasst und in drei Kategorien unterteilt: erstens technische Merkmale wie Festigkeit, Härte, Spannung usw.; zweitens psychologische Merkmale wie Wahrnehmung , Vision, Geschmack usw.; drittens zeitbezogene Merkmale wie Zuverlässigkeit, Wartbarkeit usw. Es zeigt sich, dass Zuverlässigkeit ein unverzichtbarer und wichtiger Inhalt der Qualitätskontrolle ist.
Viele namhafte Automobilhersteller betreiben seit vielen Jahren Zuverlässigkeitsarbeit, und General Motors war eines der ersten Unternehmen, das das Konzept der Zuverlässigkeit in die Produktentwicklung und -produktion einführte. Nach einer langen Zeit der Zuverlässigkeitsarbeit ist das Zuverlässigkeitsniveau von GM erheblich gestiegen. In den letzten Jahren veröffentlichte JDPower, ein renommiertes amerikanisches Automobilforschungsinstitut, einen Umfragebericht zur Fahrzeugzuverlässigkeit (VDS) in Nordamerika, aus dem hervorgeht, dass die Marke Buick von General Motors seit langem unter den ersten drei liegt und ihre Leistung sehr stabil ist.
Neben der Automobilindustrie wird Zuverlässigkeitstechnik auch in anderen Fertigungsindustrien häufig eingesetzt. Beachten Sie die wertvollen Erfahrungen von Intel, Dow Chemical und anderen Unternehmen bei der Integration von Zuverlässigkeitstools in die ursprüngliche Wertschöpfungskette von „F&E, Produktion und Kundenfeldeinsatz“, und es ist nicht schwer, dies als einen der Schlüsselfaktoren für ihren Erfolg zu erkennen besteht darin, die Zuverlässigkeit zu verbessern. Es ist zum exklusiven Favoriten einiger weniger Forschungs- und Entwicklungselite geworden, visualisiert und vereinfacht jedoch die Zuverlässigkeitsanalyse und macht es zu einem gängigen Werkzeug, das viele Techniker verwenden können, um Entscheidungsgrundlagen für Verbesserungen zu erhalten.
Fairerweise muss man sagen, dass es vor mehr als zehn Jahren ziemlich schwierig war, dies zu erreichen, und normale Unternehmen hielten diese Zuverlässigkeit für „unerreichbar“. Die rasante Entwicklung und Reife der modernen Computertechnologie in den letzten Jahren hat es Unternehmen jedoch ermöglicht, über die Voraussetzungen zu verfügen, traditionelle technische Barrieren zu überwinden. Viele Anbieter von Zuverlässigkeitstools, vertreten durch die professionelle Qualitätskontroll-Statistiksoftware JMP, haben interaktive und visuelle erweiterte Analysen erstellt. Modus, Mit den Vorteilen einer einfachen Bedienung und einer effizienten Analyse lassen Sie die Zuverlässigkeit vom Altar zurücktreten und hin zu „Zivilisten“.
Im Folgenden konzentrieren wir uns auf mehrere Hauptanwendungsrichtungen der Zuverlässigkeitsanalyse und auf die Hilfe, die die Zuverlässigkeitsanalyse mit interaktiver JMP-Visualisierung für Unternehmen bietet.
l Verteilung von Lebensdaten
Wenn in der Zuverlässigkeitstechnik die Lebensdauerdaten eines Produkts an eine bestimmte Wahrscheinlichkeitsverteilung angepasst werden können, können die Merkmale dieser Verteilung für Produktdesign- und Fertigungsbewertungsentscheidungen verwendet werden. Die Schwierigkeit besteht jedoch darin, dass die Zuverlässigkeitsdaten eine begrenzte Charakteristik haben und ihre Wahrscheinlichkeitsverteilung viel komplizierter und schwieriger zu verstehen ist als die Verteilungsanpassung allgemeiner Daten. Mit Hilfe der JMP-Software können Ingenieure innerhalb weniger Sekunden intelligent aus mehr als zehn Verteilungen wie Weibull, Lognormal und Exponentialverteilungen identifizieren und den am besten passenden Verteilungstyp für Lebensdauerdaten finden, sodass wir die Lebensdauer genau vorhersagen können. Ausfallwahrscheinlichkeit, Ausfallwahrscheinlichkeitsdichte und Ausfallrate des Produkts genau.
壽命資料分佈壽命資料分佈壽命資料分佈壽命資料分佈Verteilung von Lebensdaten
l Zuverlässigkeitsvorhersage
Nachdem wir die Verteilung der Lebensdaten verstanden haben, können wir die Zuverlässigkeit weiter vorhersagen. JMP kann uns helfen, die Anzahl der Ausfälle in der Zukunft vorherzusagen. Mithilfe interaktiver Diagramme können zukünftige Ausfälle abgeschätzt werden, indem Faktoren wie zukünftige Produktion und Vertragsdauer berücksichtigt werden.
可靠度預測可靠度預測可靠度預測可靠度預測Zuverlässigkeitsvorhersage
l Beschleunigter Lebensdauertest
Wenn Sie die möglichen Auswirkungen verschiedener Lastbedingungen auf das Produkt quantitativ besser verstehen möchten, müssen Sie statistische Methoden verwenden, die viel komplexer sind als die herkömmliche Einzelregressionsanalyse. Die JMP-Software vereinfacht diesen Analyseprozess, indem sie komplexe statistische Prinzipien in eine Reihe grafischer Kombinationen umwandelt und die Auswirkungen beschleunigter Lebensdauerfaktoren (wie in diesem Beispiel der Temperatur) auf die Produktlebensdauer auf verschiedenen Ebenen anschaulich zeigt.
加速壽命試驗加速壽命試驗加速壽命試驗加速壽命試驗Beschleunigter Lebensdauertest
l parametrisches Überlebensmodell
In vielen Fällen ist die Temperatur nicht der einzige Belastungszustand, der die Produktlebensdauer beeinflusst, sondern kann auch Feuchtigkeit, Vibration, Strahlung, Druck, Chemikalien, Staub, Spannung, Strom und menschliche Faktoren umfassen. Wie können wir die Auswirkungen aller Faktoren auf die Produktlebensdauer umfassend und intuitiv ausdrücken? In JMP besteht die Lösung dieses Problems darin, einen leicht verständlichen „Modellprofiler“ zu verwenden, um die Beziehung zwischen verschiedenen Einflussfaktoren (wie in diesem Beispiel Beschichtung, Celsius-Temperatur usw.) und der Produktzuverlässigkeit genau auszudrücken. Das ist möglich dynamisch und gleichzeitig Ausfallwahrscheinlichkeit und Produktlebensdauer unter verschiedenen Bedingungen vorhersagen.
參數生存模型參數生存模型參數生存模型參數生存模型parametrisches Überlebensmodell
l Analyse der Produktalterung
Wenn wir die Qualitätsmerkmale des Produkts besser verstehen möchten, können wir nicht nur „Fehler“ und „kein Fehler“ verwenden, um den Qualitätsstatus des Produkts darzustellen, sondern auch eine kontinuierliche Variable verwenden, um die charakteristische Änderung zu beschreiben das Produkt so weit wie möglich. Solange die relevanten Informationen aufgezeichnet werden, können Ingenieure JMP verwenden, um eine genauere Modellanpassung des Alterungsprozesses von Produkteigenschaften (wie in diesem Beispiel „Strom“) in linearer oder nichtlinearer Form durchzuführen und den Ausfall des Produkts auf dieser Grundlage vorherzusagen Dies ist der Zeitpunkt des Auftretens und wie sich die Produkteigenschaften im Laufe der Zeit ändern.
產品老化分析產品老化分析產品老化分析產品老化分析 Analyse der Produktalterung
l Design von Zuverlässigkeitsexperimenten
Die Daten der Zuverlässigkeitsanalyse stammen hauptsächlich aus Zuverlässigkeitsexperimenten, die im Allgemeinen lange dauern und das Produkt zerstören. Um die Kosten zu senken, müssen wir die wenigsten experimentellen Proben und die kürzeste experimentelle Zeit verwenden, um maximale Informationen zu erhalten. JMP ist eine Software mit einem guten Ruf auf dem Gebiet des experimentellen Designs. Ingenieure können flexibel und bequem die Anzahl der Proben und die Zeitdauer berechnen, die für die Durchführung von Zuverlässigkeitsüberprüfungsexperimenten und Zuverlässigkeitsüberprüfungsexperimenten erforderlich ist, und können auch einen einzelnen Faktor einrichten Berücksichtigt die Wechselwirkung zwischen Faktoren (z. B. Drehmoment in diesem Beispiel usw.) oder die Kombination experimenteller Bedingungen im Zwei-Faktor-Experiment zur beschleunigten Lebensdauer und berechnet die Anzahl der Proben unter jeder experimentellen Bedingung.
可靠度實驗設計可靠度實驗設計可靠度實驗設計可靠度實驗設計 Design von Zuverlässigkeitsexperimenten
