La fiabilité est un problème qui existe dans tous les aspects de la conception, de la fabrication et de l’utilisation des produits. En termes simples, la fiabilité est la mesure dans laquelle un produit est moins sujet aux pannes. Comme nous le savons tous, les produits sont généralement qualifiés lorsqu'ils sont expédiés de l'usine, mais au fil du temps, les fonctions et les performances du produit changeront progressivement, conduisant finalement à une défaillance. Bien que cette tendance ne puisse pas être inversée, concevoir et fabriquer des produits qui ne fonctionnent pas mal dans un délai déterminé est un sujet de préoccupation tant pour les entreprises que pour les consommateurs. Aussi loin que les fréquents échecs de communication des avions de combat militaires américains au début de la Seconde Guerre mondiale, et aussi récemment que les problèmes de qualité du moteur d'une certaine marque de voiture qui ont été révélés le 15 mars de l'année dernière, l'essentiel est qu'ils sont tout cela est dû à une fiabilité insuffisante du produit. L'application raisonnable de l'analyse de fiabilité peut aider le personnel technique des départements de R&D, d'ingénierie, de qualité et autres à améliorer la stabilité de la qualité des produits, à réduire les coûts du cycle de vie des produits et les coûts du service après-vente, et à améliorer la satisfaction et la fidélité des clients.
Ce qui est étonnant, c'est que de nombreuses entreprises ont pris conscience de l'importance de l'analyse de fiabilité, mais évitent néanmoins délibérément l'analyse de fiabilité. Il y a de nombreuses raisons à cela, l'une des principales étant que les entreprises ordinaires estiment que le contrôle de qualité statistique conventionnel est déjà assez compliqué et que la recherche sur la fiabilité nécessite également l'utilisation de connaissances statistiques beaucoup plus avancées. Pour ceux qui n'ont pas été formés aux méthodes statistiques formelles , Ce sera intimidant, ce qui limite objectivement grandement la promotion des méthodes de fiabilité dans les entreprises.
JMP dispose d'une plate-forme de fiabilité et de survie puissante et professionnelle qui aide les utilisateurs à effectuer des analyses utilisateur et à prédire la fiabilité de composants individuels, de produits réparables et même de systèmes entiers de manière interactive et visuelle. Prenons un exemple typique pour voir comment utiliser JMP pour effectuer une analyse de fiabilité.
exemple: Afin d'effectuer une analyse de fiabilité sur un produit électrique, une entreprise a collecté un lot de données sur la durée de vie du produit (comme le montre la figure 1, lorsqu'elles ont été « censurées »). =0 Quand "heure" est l'heure précise d'expiration, quand "censuré" =1 Time signifie que le temps précis de défaillance est inconnu, mais il est nettement supérieur à la valeur affichée par "Time"). Avec cet ensemble de données représentatives, étudions les caractéristiques de défaillance de ce produit ? Lorsque la probabilité de défaillance est 90% Quelle est la durée de vie fiable de ce produit ?
Figure 1 Tableau des données originales du test de fiabilité (partie)
Selon la méthode de la théorie de la fiabilité, pour résoudre ces deux problèmes, nous devons d’abord résoudre une question fondamentale : à quelle distribution obéit cet ensemble de données sur la vie ? Ce n'est pas un problème facile à résoudre, il faut essayer, comparer et vérifier un par un, comme la distribution de Weibull, la distribution lognormale, la distribution exponentielle, etc., il en existe au moins une douzaine de types. L'ingénieur qualité moyen a le vertige lorsqu'il entend ces termes statistiques professionnels. De plus, comme les données de vie contiennent des caractéristiques de « censure », le jugement est plus compliqué. Il nécessite généralement une série de longs rapports d'analyse statistique et d'indicateurs statistiques pour juger.
Lors de l'utilisation du logiciel JMP pour l'analyse, nous avons constaté qu'il existe une commande dans JMP appelée « Ajuster toutes les distributions », qui peut s'adapter à toutes les distributions de fiabilité conventionnelles une par une en quelques secondes, puis filtrer automatiquement le meilleur ajustement de distribution. Par exemple, dans la figure ci-dessous, la distribution « Logistique » est la meilleure distribution trouvée par JMP après avoir comparé rapidement toutes les distributions de vie. Si vous ne comprenez pas les principes des statistiques et souhaitez simplement voir visuellement à quoi ressemble cette distribution, regardez simplement la courbe bleue sur l'image et l'intervalle de confiance bleu clair qui l'entoure ; si vous comprenez mieux les principes des statistiques, vous can Pour une compréhension approfondie de la base statistique de la discrimination, vous pouvez également consulter les indicateurs pertinents dans le tableau « Comparaison des modèles » ci-dessous. En bref, vous pouvez choisir ce dont vous avez besoin pour effectuer la tâche d'identification de modèle de distribution la plus élémentaire.
Figure 2 Affichage visuel de la comparaison des modèles de distribution de fiabilité
De plus, tout en obtenant la distribution la mieux adaptée, diverses caractéristiques de fiabilité liées à la qualité du produit (telles que la durée de vie fiable, la probabilité de défaillance, la densité de probabilité de défaillance, le taux de défaillance, etc.) peuvent également être représentées graphiquement. Par exemple, dans la figure ci-dessous, le « Distribution Profiler » et le « Quantile Profiler » montrent la relation entre la probabilité de défaillance et la durée de vie du produit (la principale différence entre les deux est que les variables représentées par l'axe X et l'axe Y sont exactement opposés), le "Hazard Rate Profiler" montre comment le taux de risque (communément appelé Hazard Rate) change avec la durée de vie du produit (cela peut être utilisé pour réaliser la plus célèbre "courbe de baignoire" dans la théorie de la fiabilité), " Le " Density Profiler" montre comment la densité de probabilité de défaillance change à mesure que la durée de vie du produit change.
Figure 3 Profileur des principales variables caractéristiques dans l'analyse de fiabilité
À l'aide de ces graphiques, nous pouvons expliquer de manière vivante la première question « Quelles sont les caractéristiques de défaillance de ce produit ? » Répondons maintenant à la deuxième question : "Lorsque la probabilité de défaillance est de 90 %, quelle est la durée de vie fiable de ce produit ?" Entrez "0,9" sur l'axe X du "Quantile Profiler" et vous pourrez l'obtenir sur l'axe Y. La valeur rouge « 4017,671 » et la valeur noire « [2798,93,5767,09] » indiquent que la durée de vie fiable à ce moment devrait être de 4017,671 et que son intervalle de confiance devrait être de [2798,93,5767,09].
Il existe beaucoup plus de contenu sur l'analyse de fiabilité, comme l'analyse de durée de vie accélérée, l'analyse de régression des données de durée de vie, l'analyse de maintenabilité, etc. Ceux-ci disposent de plates-formes d'analyse graphique intelligente correspondantes dans le logiciel JMP. Un avantage très direct est qu'il permet aux ingénieurs ayant une formation non statistique de surmonter rapidement les barrières des statistiques et d'analyser et de rechercher directement les problèmes techniques, améliorant ainsi la fiabilité du produit, réduisant ainsi le nombre de clients. taux de réclamation et frais de service après-vente. Nous continuerons à vous proposer des présentations et des applications de cas de ces plates-formes à l'avenir, alors restez à l'écoute.
