Zuverlässigkeit ist ein Problem, das in jedem Aspekt des Produktdesigns, der Herstellung und der Verwendung besteht. Einfach ausgedrückt ist Zuverlässigkeit der Grad, in dem ein Produkt weniger fehleranfällig ist. Wie wir alle wissen, sind Produkte in der Regel qualifiziert, wenn sie ab Werk ausgeliefert werden. Mit der Zeit ändern sich jedoch die Funktionen und die Leistung des Produkts, was schließlich zum Ausfall führen kann. Obwohl sich dieser Trend nicht ändern lässt, ist die Entwicklung und Herstellung von Produkten, die innerhalb eines bestimmten Zeitraums nicht ausfallen, ein Thema, das sowohl Unternehmen als auch Verbrauchern Sorgen bereitet. Schon seit den häufigen Kommunikationsausfällen in US-Militärkampfflugzeugen in den frühen Tagen des Zweiten Weltkriegs und erst vor kurzem, als am 15. März letzten Jahres Qualitätsprobleme mit dem Motor einer bestimmten Automarke aufgedeckt wurden, ist das im Wesentlichen so Dies alles ist auf eine unzureichende Produktzuverlässigkeit zurückzuführen. Eine sinnvolle Anwendung der Zuverlässigkeitsanalyse kann dem technischen Personal in Forschung und Entwicklung, Technik, Qualität und anderen Abteilungen helfen, die Stabilität der Produktqualität zu verbessern, die Produktlebenszykluskosten und Kundendienstkosten zu senken sowie die Kundenzufriedenheit und -treue zu verbessern.
Was rätselhaft ist, ist, dass viele Unternehmen die Bedeutung der Zuverlässigkeitsanalyse erkannt haben, aber dennoch bewusst auf Zuverlässigkeitsanalysen verzichten. Warum ist das so? Dafür gibt es viele Gründe. Einer der Hauptgründe ist, dass normale Unternehmen der Meinung sind, dass die herkömmliche statistische Qualitätskontrolle kompliziert genug ist und Zuverlässigkeitsforschung auch den Einsatz weitaus fortgeschrittenerer statistischer Kenntnisse erfordert. Für diejenigen, die nicht in formalen statistischen Methoden geschult sind , Es wird entmutigend sein, was die Förderung von Zuverlässigkeitsmethoden in Unternehmen objektiv stark einschränkt.
JMP verfügt über eine leistungsstarke und professionelle Zuverlässigkeits- und Überlebensplattform, die Benutzer dabei unterstützt, Benutzeranalysen durchzuführen und die Zuverlässigkeit einzelner Komponenten, reparierbarer Produkte und sogar ganzer Systeme auf interaktive und visuelle Weise vorherzusagen. Nehmen wir ein typisches Beispiel, um zu sehen, wie man mit JMP eine Zuverlässigkeitsanalyse durchführt.
Beispiel: Um eine Zuverlässigkeitsanalyse für ein elektrisches Produkt durchzuführen, sammelte ein Unternehmen eine Reihe von Daten zur Lebensdauer des Produkts (wie in Abbildung 1 dargestellt, wenn es „zensiert“ wurde). =0 Wenn „Zeit“ der genaue Zeitpunkt des Ablaufs ist, wenn „zensiert“ =1 Zeit bedeutet, dass die genaue Ausfallzeit unbekannt ist, aber definitiv größer ist als der unter „Zeit“ angezeigte Wert. Lassen Sie uns anhand dieser repräsentativen Daten die Ausfalleigenschaften dieses Produkts untersuchen. Wenn die Ausfallwahrscheinlichkeit beträgt 90 % Wie hoch ist die zuverlässige Lebensdauer dieses Produkts?
Abbildung 1 Originaldatentabelle des Zuverlässigkeitstests (Teil)
Um diese beiden Probleme zu lösen, müssen wir gemäß der Methode der Zuverlässigkeitstheorie zunächst eine grundlegende Frage lösen: Welcher Verteilung gehorcht dieser Satz von Lebensdaten? Dies ist kein leicht zu lösendes Problem. Sie müssen einen nach dem anderen ausprobieren, vergleichen und überprüfen, z. B. die Weibull-Verteilung, die logarithmische Normalverteilung, die Exponentialverteilung usw. Es gibt mindestens ein Dutzend Typen. Dem durchschnittlichen Qualitätsingenieur wird schwindelig, wenn er diese professionellen statistischen Begriffe hört. Da die Lebensdaten außerdem „zensierende“ Merkmale enthalten, ist die Beurteilung komplizierter. Zur Beurteilung sind normalerweise eine Reihe langwieriger statistischer Analyseberichte und statistischer Indikatoren erforderlich. .
Als wir die JMP-Software zur Analyse verwendeten, stellten wir fest, dass es in JMP einen Befehl namens „Fit All Distributions“ gibt, der in wenigen Sekunden alle herkömmlichen Zuverlässigkeitsverteilungen einzeln anpassen und dann automatisch die beste Verteilungsanpassung herausfiltern kann. In der Abbildung unten ist beispielsweise die „Logistic“-Verteilung die beste Verteilung, die JMP nach einem schnellen Vergleich aller Lebensverteilungen gefunden hat. Wenn Sie die Prinzipien der Statistik nicht verstehen und nur visuell sehen möchten, wie diese Verteilung aussieht, schauen Sie sich einfach die blaue Kurve auf dem Bild und das hellblaue Konfidenzintervall um sie herum an; wenn Sie die Prinzipien der Statistik besser verstehen, dann Für ein tieferes Verständnis der statistischen Grundlagen von Diskriminierung können Sie sich auch die relevanten Indikatoren in der Tabelle „Modellvergleich“ unten ansehen. Kurz gesagt, Sie können auswählen, was Sie benötigen, um die grundlegendste Aufgabe zur Identifizierung des Verteilungsmodells abzuschließen.
Abbildung 2 Visuelle Darstellung des Vergleichs von Zuverlässigkeitsverteilungsmodellen
Darüber hinaus können bei der Ermittlung der am besten passenden Verteilung auch verschiedene Zuverlässigkeitsmerkmale im Zusammenhang mit der Produktqualität (z. B. zuverlässige Lebensdauer, Ausfallwahrscheinlichkeit, Ausfallwahrscheinlichkeitsdichte, Ausfallrate usw.) grafisch dargestellt werden. In der folgenden Abbildung zeigen beispielsweise sowohl der „Distribution Profiler“ als auch der „Quantile Profiler“ die Beziehung zwischen Ausfallwahrscheinlichkeit und Produktlebensdauer (der Hauptunterschied zwischen den beiden besteht darin, dass die Variablen durch die X-Achse und die Y-Achse dargestellt werden). sind genau entgegengesetzt), Der „Hazard Rate Profiler“ zeigt, wie sich die Hazard Rate (allgemein bekannt als Hazard Rate) mit der Produktlebensdauer ändert (damit lässt sich die berühmteste „Badewannenkurve“ in der Zuverlässigkeitstheorie realisieren), „The Density“. Profiler zeigt, wie sich die Ausfallwahrscheinlichkeitsdichte mit der Produktlebensdauer ändert.
Abbildung 3 Profiler der wichtigsten charakteristischen Variablen in der Zuverlässigkeitsanalyse
Anhand dieser Grafiken können wir die erste Frage „Was sind die Fehlermerkmale dieses Produkts?“ anschaulich erklären. Beantworten wir nun die zweite Frage: „Wie hoch ist die zuverlässige Lebensdauer dieses Produkts, wenn die Ausfallwahrscheinlichkeit 90 % beträgt?“ Geben Sie „0,9“ auf der X-Achse des „Quantile Profiler“ ein und Sie können es auf der Y-Achse erhalten Der rote Wert „4017,671“ und der schwarze Wert „[2798,93,5767,09]“ zeigen an, dass die zuverlässige Lebensdauer zu diesem Zeitpunkt 4017,671 betragen sollte und das Konfidenzintervall [2798,93,5767,09] betragen sollte.
Es gibt viel mehr Inhalte zur Zuverlässigkeitsanalyse, wie z. B. beschleunigte Lebensdaueranalyse, Regressionsanalyse von Lebensdaten, Wartbarkeitsanalyse usw. Diese verfügen über entsprechende grafische intelligente Analyseplattformen in der JMP-Software. Ein ganz direkter Vorteil besteht darin, dass Ingenieure mit nichtstatistischem Hintergrund die Hürden der Statistik schnell überwinden und technische Probleme direkt analysieren und erforschen können, wodurch die Produktzuverlässigkeit verbessert wird Reklamationsquoten und Kundendienstkosten. Wir werden Ihnen auch in Zukunft weiterhin Einführungen und Anwendungsbeispiele dieser Plattformen bieten, also bleiben Sie auf dem Laufenden.
