신뢰성은 제품 설계, 제조 및 사용의 모든 측면에 존재하는 문제입니다. 간단히 말해서, 신뢰성은 제품이 고장날 가능성이 적은 정도입니다. 우리 모두 알고 있듯이, 제품은 일반적으로 공장에서 출고될 때 인증을 받았지만, 시간이 지남에 따라 제품의 기능과 성능이 점차 변화하여 결국 고장으로 이어지게 됩니다. 이러한 추세는 바뀔 수 없지만 일정 기간 내에 오작동이 발생하지 않는 제품을 설계하고 제조하는 것은 기업과 소비자 모두의 관심사입니다. 제2차 세계대전 초기 미군 전투기의 잦은 통신 장애, 최근에는 지난해 3월 15일 폭로된 특정 자동차 브랜드의 엔진 품질 문제까지, 그 본질은. 모두 제품 신뢰성이 부족해서 발생합니다. 신뢰성 분석을 합리적으로 적용하면 R&D, 엔지니어링, 품질 및 기타 부서의 기술 인력이 제품 품질의 안정성을 향상하고 제품 수명 주기 비용과 애프터 서비스 비용을 절감하며 고객 만족도와 충성도를 향상시키는 데 도움이 될 수 있습니다.
의문스러운 점은 많은 기업들이 신뢰도 분석의 중요성을 인식하면서도 여전히 의도적으로 신뢰도 분석을 기피하고 있다는 점입니다. 그 이유는 여러 가지가 있는데, 그 주된 이유 중 하나는 일반 기업들이 기존의 통계적 품질 관리가 너무 복잡하다고 느끼고, 신뢰성 연구에도 훨씬 더 진보된 통계 지식이 필요하다는 점입니다. , 기업의 신뢰성 방법 홍보를 객관적으로 크게 제한하는 것은 어려울 것입니다.
JMP는 사용자가 대화형 및 시각적 방식으로 사용자 분석을 수행하고 단일 구성 요소, 수리 가능한 제품, 전체 시스템의 신뢰성을 예측할 수 있도록 지원하는 강력하고 전문적인 신뢰성 및 생존 플랫폼을 갖추고 있습니다. JMP를 사용하여 신뢰성 분석을 수행하는 방법을 알아보기 위해 일반적인 예를 들어보겠습니다.
예: 전기 제품에 대한 신뢰성 분석을 수행하기 위해 회사는 제품의 사용 수명 데이터를 일괄 수집했습니다(그림 1에서와 같이 "검열"된 경우). =0 "시간"이 정확한 만료 시간인 경우, "검열된" 경우 =1 시간이란 정확한 고장 시간을 알 수 없으나 "시간"으로 표시되는 값보다 확실히 큰 것을 의미합니다. 이러한 대표 데이터를 가지고 이 제품의 고장 특성을 연구해 볼까요? 실패 확률이 다음과 같을 때 90% 이 제품의 신뢰성 있는 수명은 얼마나 됩니까?
그림 1 신뢰성 테스트 원본 데이터 테이블(일부)
신뢰도 이론에 따르면, 이 두 가지 문제를 해결하려면 먼저 기본적인 질문인 이 생명 데이터 집합이 어떤 분포를 따르는가를 해결해야 합니다. 이것은 해결하기 쉬운 문제가 아니며 Weibull 분포, 로그 정규 분포, 지수 분포 등 적어도 수십 가지 유형이 있으므로 하나씩 시도하고 비교하고 검증해야 합니다. 평균적인 품질 엔지니어라면 이러한 전문적인 통계 용어를 들으면 현기증이 날 뿐만 아니라, 생활 데이터에는 '검열' 특성이 포함되어 있기 때문에 판단이 더욱 복잡해지며, 판단하려면 대개 일련의 긴 통계 분석 보고서와 통계 지표가 필요합니다.
분석을 위해 JMP 소프트웨어를 사용할 때 JMP에는 "모든 분포 적합(Fit All Distributions)"이라는 명령이 있다는 것을 발견했습니다. 이 명령은 모든 기존 신뢰도 분포를 몇 초 안에 하나씩 적합시킨 다음 자동으로 가장 적합한 분포 적합을 필터링할 수 있습니다. 예를 들어, 아래 그림에서 "로지스틱" 분포는 JMP가 모든 수명 분포를 빠르게 비교한 후 찾은 최상의 분포입니다. 통계의 원리를 이해하지 못하고 단지 이 분포가 어떻게 보이는지 시각적으로 확인하고 싶다면 그림의 파란색 곡선과 그 주위의 연한 파란색 신뢰 구간을 살펴보세요. 통계의 원리를 더 잘 이해한다면 차별에 대한 통계적 근거에 대한 심층적인 이해를 위해 아래 '모델 비교' 표에서 관련 지표를 살펴볼 수도 있습니다. 즉, 가장 기본적인 분포 모델 식별 작업을 완료하는 데 필요한 것을 선택할 수 있습니다.
그림 2 신뢰도 분포 모델 비교의 시각적 표시
또한, 최적의 분포를 구함과 동시에 제품 품질과 관련된 다양한 신뢰도 특성(신뢰수명, 고장확률, 고장확률밀도, 고장률 등)도 그래픽으로 표현할 수 있습니다. 예를 들어, 아래 그림에서 "Distribution Profiler"와 "Quantile Profiler"는 모두 고장 확률과 제품 수명의 관계를 보여줍니다(둘 사이의 주요 차이점은 X축과 Y축으로 표시되는 변수라는 점입니다). "위험률 프로파일러"는 위험률(일반적으로 위험률이라고 함)이 제품 수명에 따라 어떻게 변하는지 보여줍니다(이는 신뢰성 이론에서 가장 유명한 "욕조 곡선"을 실현하는 데 사용할 수 있음). 프로파일러는 제품 수명에 따라 고장 확률 밀도가 어떻게 변하는지 보여줍니다.
그림 3 신뢰성 분석의 주요 특성변수 프로파일러
이러한 그래픽을 사용하여 "이 제품의 고장 특성은 무엇입니까?"라는 첫 번째 질문을 생생하게 설명할 수 있습니다. 이제 두 번째 질문인 "고장 확률이 90%일 때, 이 제품의 신뢰성 있는 수명은 얼마나 되나요?"에 답해보겠습니다. "Quantile Profiler"의 X축에 "0.9"를 입력하면 Y축에 알 수 있습니다. 빨간색 값 "4017.671"과 검은색 값 "[2798.93,5767.09]"는 이때의 신뢰성 있는 수명이 4017.671, 신뢰구간이 [2798.93,5767.09]가 되어야 함을 나타냅니다.
가속수명분석, 수명데이터의 회귀분석, 유지보수성 분석 등 신뢰성 분석에 관한 내용이 더욱 다양해졌습니다. JMP 소프트웨어에는 이에 상응하는 그래픽 지능형 분석 플랫폼이 포함되어 있어 비통계적 배경을 가진 엔지니어가 통계의 장벽을 빠르게 극복하고 기술적 문제를 직접 분석 및 연구할 수 있어 제품의 신뢰성이 향상된다는 직접적인 이점이 있습니다. 고객 불만률과 애프터 서비스 비용을 줄입니다. 앞으로도 이러한 플랫폼에 대한 소개와 사례 적용 사례를 계속해서 전해드릴 예정이니 많은 관심 부탁드립니다.
