398676_zh-TW

liliconcom

但現在我該怎麼辦？ 使用可靠性模型在 JMP 中進行事件預測 (2021-US-30MP-823)

等級：中級

 

Bradford Foulkes，最優分析工程總監

 

在花費數週或數月收集數據並建立可靠性模型後，通常的感覺是“現在怎麼辦？”或者也許問題是，“有多少人會失敗？”在 JMP Pro 中，有一個平台可以透過一些調整來回答這些問題。可修復系統模擬 (RSS) 平台可讓您輸入可靠性模型或模型系統，以了解事件發生的頻率以及可能產生的影響。在本次演示中，我將解釋如何透過自動產生 RSS 平台的方法從可靠性模型轉向事件預測。獲得輸出後，我將展示如何建立報告來回答有關事件預測、年度停機時間值和系統中的各個模型的問題。本示範涵蓋了實踐範例，以及如何使用 JSL 來簡化平台和報告生成。

 

 

自動產生的成績單...

 

揚聲器	成績單
布拉德福克斯	感謝您參加我的演講“但是我現在該怎麼辦？” 使用可靠性模型在 JMP 中進行事件預測。
	我經常被問到…一旦建立了可靠性模型，我實際上會用它做什麼？ 人們常常忘記，您可以使用可靠性模型來預測事件實際發生的時間。
	甚至不僅僅是第一個事件，隨著時間的推移，該產品可能會遇到第二個、第三個或第四個事件。
	簡單介紹一下我自己。 我叫布拉德·福克斯。 我是 Optimal Analytics 的工程總監，我們與企業合作，努力幫助他們理解數據、識別障礙並讓他們更有效地前進。
	在擔任該職位之前，我在可靠性工程領域工作了大約九年，致力於研究如何理解零件可靠性並弄清楚零件何時會隨著時間的推移而實際損壞。
	我使用 JMP 已有大約八年了，我想大約是 JMP 10。 我不確定，那是不久前的事了，所以我忘記了我們使用的是什麼版本......我當時就在使用。
	在我最喜歡的 JMP 工具中，我喜歡經常使用壽命分佈，因為這就是可靠性建模的所在。 Fit模型，我經常使用和JSL。
	腳本可以為您開啟一整套新工具和新玩具供您使用。 那我今天為什麼要介紹這個呢？
	因為，通常情況下，這個問題是在最後......在建造模型的最後出現的，直到那時才真正被考慮到。
	您可能完成了一個模型並擁有一大堆機率，然後並不真正知道下一步該做什麼。 因此，這是您在建立模型並可以繼續前進時可以執行的選擇。
	所以我們今天討論的是事件預測，當你建立模型時，你習慣在這裡經常看到這種圖。 你將擁有屬於你的個人時光，
	也許這些是硬體或產品生命週期。 假設它是攪拌機，你知道，或任何類型的廚房用具或可能不耐用的小型廚房用具
	非常長的一段時間。 因此，其中一些很快就會失敗；另一些則可能很快就會失敗。有些會很晚才失敗。
	但最終，當這些事情將要發生時，你最終可能會失敗。 所以在這裡你可能會說，好吧，大約 90% 的失敗將在四年內發生。
	嗯，那太好了。 這可以幫助您了解第一次故障，並可能增加零件在現場出現故障的機率，但對於真正必須購買或使用這些東西的人來說，這對他們沒有多大幫助。
	對於實際使用這些產品的客戶來說，他們並不關心它能持續多久。 他們可能不想知道，在一段時間內我需要購買多少，
	也許在整個生命週期中。 他們只想看看 10 年，我需要在 10 年內購買多少這樣的產品才能生存。
	這就是事件預測的用武之地。 事件預測的真正意義是，將你的分佈進行翻轉，這樣仍然保留你的時間分佈。
	這裡發生的事件發生的時間是多少，然後是事件發生的機率。 所以現在
	您可以查看其中一些事件發生的頻率。 所以也許第一個事件發生在八年半左右，第二個事件發生在九年半左右，
	第三個事件……但這都是一個客戶。 因此，這都是一個客戶、一個用例，因此，對他們來說，你知道，他們正在走向失敗
	在這裡查看所有這些部分，查看所有這些間隔和這些替換。 所以這裡，
	客戶真正關注這個產品已經有 20 多年的時間了。 他們可能...所以他們想知道...我需要或為了生存這20年，我將需要至少三個部分。
	因此，透過使用一些隨機選擇和模擬，您可以了解這些零件需要更換的頻率以及客戶可能需要購買您的產品的頻率。
	那麼，這實用嗎？ 好吧，所以這實際上歸結為替換。
	更換是指您多久更換一次新零件或與新零件一樣好的零件？ 所以
	可修復系統和不可修復系統。 可修復的系統是一個可以讓事情達到預期目標的系統。
	到了再跑的地步，也許不如新的了。 假設您的輪胎上有一個洞。 你堵住漏洞，然後繼續前進。
	就這樣修好了。 但是，如果您可以將輪胎修復到與新輪胎一樣並且永遠不會再出現故障該怎麼辦？
	現在對於輪胎來說，也許這並不那麼實用，但是對於其他東西，您可能需要更換零件，或者可能需要切掉零件的一部分並僅更換出現故障的那個或那個零件。
	讓零件與新的一樣好可以使其成為不可修復的系統。 所以即使你進行了修理，讓它像新的一樣，
	它改變了一些事情。 現在，這是一個巨大的警告，你知道。你確實必須對什麼是新的意味著什麼有很多考慮，但我認為很多時候，部分…或人們處理的部分是
	他們已經修復了，並且修復得像新的一樣，他們認為，好吧，這是一個可修復的系統，但對於可靠性世界來說，事實並非如此。 好吧，我暫時離開那個肥皂盒了。
	回到替代品。 當我們研究單一系統時，
	你可能會在這裡看著一些東西並說，好吧，你知道，
	對於一個單一系統，
	零件故障的頻率有多高？ 因此，如果我們只專注於一位客戶，他們購買這些產品的頻率是多少？ 所以第一部分在這裡持續了四年。
	然後他們不得不購買第二個。 那個只用了1.3年，然後他們不得不買第三個，而這個卻大受歡迎，持續了8年。
	因此，歸根結底，他們必須在 12 年內購買三個零件，但差異很大。 所以你可以在各種產品中看到這一點，像是手機、
	其他家居產品。 有些事情會提早失敗；有些事情遲早會失敗。
	您可能只是在和朋友聊天時說，嘿，我…我有一部糟糕的手機。 我不敢相信這麼早就失敗了。 他們會和你談論他們已經使用了 10 年的同一部手機。 當然可能不是10年，但是
	可能需要一段時間。 因此，最終，對於這個系統、這個客戶，他們不得不更換零件三次。
	現在，如果我們觀察多個系統，我們就可以了解隨著時間的推移這些事情發生的頻率。 所以
	一個客戶可能擁有第一個系統，然後是第二個客戶，也許他們在大約同一時間段內有五次替換或六次替換。
	因此，如果我們要看看第一個系統，我們可能會說，好吧，我們預計至少在第四年之前不會出現任何故障。
	但如果我們看看第二個系統，他們在第一年就失敗了。 因此，如果我們試圖計算第一年或第二年我們可能預期的平均失敗次數或平均事件數量，
	第一個系統並沒有告訴我們太多資訊。 所以這就是如果你沒有數據並且......但你的模型中有你的分佈，其中威布爾的 beta 和 eta 或類似的東西，
	您可以使用模擬來嘗試列出一些客戶期望在第一年、第二年、第三年發生事件的頻率，並且比您實際擁有的數據更進一步。
	透過這樣做，透過查看這些多個系統並查看該模擬，您可以了解並開始看到頻率的趨勢
	這些零件將逐年更換。 因此，雖然這裡的數據可能只是根據七年之久的事件時間建立的，
	對於日曆時間或客戶時間，將會出現某種高峰，然後它將趨於平穩，達到某種水平的替換。 現在
	透過模擬，您將看到一些彈跳，這就是您在這裡看到的。 如果我們有一個封閉形式的解決方案，我們會得到一條很好的直線，但是
	透過模擬，我們確實得到了一些變化。 這就是你在這裡看到的。 所以你可以畫一條線，看看你知道，平均而言，
	人們可能希望每年更換其中的三分之一。 因此，三年後，一旦開始使用，您就可以期待更換。 所以一開始有一些，然後就趨於平穩了。
	讓我們來看一個例子來說明我的意思。
	我們這裡有一個數據表，這裡有一個模型。 所以這個模型只是一個隨機的威布爾模型。 因此，如果您不熟悉 JMP 中可以使用的不同函數，
	您可以使用隨機威布爾、威布爾分位數、威布爾分佈、威布爾密度。 這些都是可以應用在不同發行版的函數。
	在本例中，我們從特定分佈中隨機選擇一組點。 我的發行版的 beta 為 1.2，eta 為 3。
	因此，透過在這裡選擇這些隨機...隨機事件，
	這些都是單獨的事件，這就是最終進入您的模型的內容。 如果你要建立一個關於零件故障的模型，最終會發生什麼，這些是通常最終進入那裡的日期。 然而，我們會失去的是這對客戶的實際影響。 所以隨著時間的推移
	客戶可能想知道 20 年、30 年、40 年後我可能會更換多少個。
	這就是您需要查看總系統事件時間的地方。 而這只是各個次數的累加和，所以8.3是第一個，1.2是第二個，依此類推。
	所以，當你進入第二個系統時，我們有 1.8、3.9、5.9，所以這只是各個時間的累積計數。
	這裡要記住的是，當你試著計算出所有這些的平均值時，
	您將查看系統編號，然後查看實際發生的年份，因此運行的第二年發生了 1.8 年。
	這是一個需要牢記的重要區別，因為您要確保在適當的年份識別失敗。
	所以你的 0.6，雖然它...如果這是第一個，那麼它將在第一年，它實際上只是增加年份...系統時間...系統在這裡逐年遞增。
	因此，有了這個，您可能會想，好吧，既然我們已經掌握了所有這些，我們可以計算事件的數量，並查看這個系統、年份，並執行一個很好的小分析。 因此，JMP 實際上有一個很好的工具可以為您完成所有這些工作。
	所以
	JMP中有一個稱為可修復系統模擬的工具。
	而這個工具，
	我知道...我相信它出現在 JMP 13 中，也許是 JMP 14 中。 它已經存在了幾年了。
	我不知道它是否得到了應有的宣傳，因為它是一個非常強大的工具，我認為很多人不會不欣賞它。
	所以，這是什麼，你在這裡看到的是一個系統。 所以也許，或者現在，我這裡有兩個部分，但也許我的系統實際上是
	七個或八個零件，或者是整個變速箱，或者泵，或者類似的東西。 所有這些部件都可以協同工作，如果其中任何一個部件出現故障，
	您知道，整個系統發生故障，因此您想了解發生了什麼事件，事件發生的時間是什麼。 因此，在每一個中，您都需要列出您的 Weibull 是什麼或您的模型是什麼，這裡我有 beta 1.2 和 alpha 15。
	這是年的時間單位，如果我…如果我願意的話，我當然可以選擇不同的分佈。
	然後我可以說出如果事件發生會發生什麼。 因此，如果一個區塊...所以這裡我遇到了區塊故障，如果實際發生故障會發生什麼？
	結果就是換新的，所以我只想更換零件。 現在這裡有很多不同的選擇，也許我可以做一個最小的修復，但我已經說過，我想用一個全新的零件替換它，所以這將是一個像新的......像新的模型。
	然後您可以包括一定的停機時間。 那麼修復這個需要多長時間呢？ 平均修復時間是多少？ 它可以是一個常數值
	或者它可以......你可以立即說，甚至不關心它需要多少時間，或者你可以給它一個清單以供選擇。 您也可以在這裡給它幾個發行版。
	所以使用這些工具......現在我在這裡建立了一個非常簡單的系統。 我有一個部件具有已知的分佈，或者我有兩個部件具有已知的分佈。
	當其中任何一個失敗時，我都有更換時間，因此第二個有選擇選項。
	你可以看到，你把它放在這裡。 現在，選擇需要與您的模擬處於同一時間單位。
	所以我選擇了幾年作為我的模擬。 這是以年為單位的，所以準備某件事的時間可能只有一個小時、兩個小時，也許會是一天。 當你把它放在幾年中時，數字會變得非常小，所以這就是你在這裡看到的。
	我不會在這裡討論所有選項。 正如您所看到的，您可以使用備用設備執行許多其他操作，其中許多用於更複雜的分析。
	好吧，所以我運行我的分析，我將運行這個分析 20 年，這裡列出了，模擬次數為 100。 您通常會想要更多，但出於演示目的，我們將其設置為 100，種子為 1234。
	那麼，然後我在這裡得到這個漂亮的大輸出，並且初始輸出始終稱為數字，這非常有幫助。
	但你可能會看到這個並且好吧，我該怎麼處理這些東西呢？ 你可以到這裡來啟動這個分析
	也許您想按組件查看總停機時間。 所以這就是說，你知道，一個組件可能會如何...或者停機時間的分佈是怎樣的？
	但它從來沒有真正回答20多年來的問題：我需要更換這個部件多少次？
	所以我寫了一個腳本，所以當你…當你下載這本日記時，它將包含所有這些腳本。
	我將其設置為按鈕，但實際的腳本就在下面，供您參考（如果您想使用它）。
	所以我只要點擊按鈕，就會發生一大堆事情。 因此，我現在已經開始計算我預計這些事件每年發生的頻率。 那麼從系統的角度來看，
	我已經對失敗事件進行了子集化並設定了年份值。 因此，您可能還記得年份值向上舍入，因此 3.8 年等於 4。
	現在查看日曆時間，查看我們可能使用的系統時間。 它不考慮個人時間，因此，您知道，第一行到第二行之間的時間間隔為 1.8 年左右。
	但因為我們正在查看系統，所以我們實際上計算的是 5.69。
	現在我想把它變成......我想把所有這些價值變成有用的東西。
	不過，要記住的重要一點是，您需要......當您查找每年事件的平均數量時，您需要查看沒有事件發生的年份。 所以在第一個模擬中，第一個事件發生在第四年，
	但我需要用零來表示一、二和三，這就是我的劇本所做的。 我的腳本有點像集合
	我想看到的模式。 所以我想查看第一部分，我想查看年份值和模擬 ID，然後查看事件實際發生的時間。 所以在這裡你可以看到第一部分事件發生在第十年。
	因此，當將其添加到此處時，這就是分析的更新內容。 如果我向下捲動到第二部分...
	當您向下捲動到模擬第一部分的第二部分時，
	那裡……沒有任何事件。
	模擬的第一個事件直到......
	直到第四年。 所以如果我一直滾動到第四年
	對於第二部分，它將顯示我在模擬一中有一個事件，好吧。 因此，這實際上是針對可能發生的每種可能的年份組合來排列這些事件。
	好吧，有了這個級別的信息，現在我已經擁有了所有......所有模擬，你看到我有 4,000 條記錄，現在這只是年份、模擬和零件的所有可能排列。
	但我真的想把它們平均下來。 所以我將其平均下來，我想查看模擬的數量，即行數、年份值，然後是部分。 我減少到 40 行，這樣更容易管理且更容易理解。
	您在第二部分看到的是，我們一開始有一點點上升，然後就趨於平穩。 和
	它會反彈，因為這是模擬，我們只運行了 100 個事件，但…或 100 個模擬，但我們可能會看到一種穩定的替換狀態。
	不過，如果我們試著從累積的角度來看待這個問題，那麼這可以告訴客戶他們預計在 10 年內更換多少件。 所以對於第二部分，
	假設客戶想知道我什麼時候需要更換第一個？ 第一個是什麼？ 第一個
	將會發生在第四年和第五年之間，就像第四年之後一樣。 然後第二個發生在……或大約在第七年。
	第三次發生在 10 年級左右。 所以你可以看到，你有點像這樣的爬升，前期沒有太多故障，但隨後就會達到穩定狀態，每三年左右你最終需要更換零件。
	如果您想嘗試在那裡做這樣的事情，這對客戶、業務規劃甚至供應鏈工作都非常有幫助。
	因此，使用可修復系統模擬中的事件預測是一種方便且快速的方法，可提供該想法或了解有多少零件，而不僅僅是故障機率以及何時可能發生。 所以
	有一件事......我今天想談論的另一件事是一種使可修復系統模擬變得更容易的方法。
	所以這可能是令人畏懼的。 這是一個新工具，你可能不知道你正在使用的一切，但是
	如果您...如果您從模板開始，從表格開始，建立可修復系統模擬會容易得多。
	所以最後，為了建立模型，您需要大約 13 個資料。 其中大部分都在您甚至不會想到的背景中進行，但如果您將它們放入表格和模板中
	這裡有這些不同的專欄...... 我說13，你實際上需要的更少。 我在這裡做了一些修改，以處理您可以在這裡做的一些巧妙的小事情。
	但實際上你有你的分佈、你的模型類型、你的參數、什麼時間單位。 這些都是 JMP 中預設的內容，您可以更改它們，或者
	這些都是你要添加的東西。 所以每一個都有一個，你知道，如果塊失敗，你用新的替換什麼？ 而這些你可以調整，你可以用不同的方式連結這些事件名稱和這些進程。
	在我的世界裡，很多時候我們會看到行為的改變。 也許我們想了解，前幾年，這是替代率，然後第二幾年，這是替代率。
	或者您可能有想要利用的競爭性故障模式。 所以我在這裡向您展示的內容可以解決很多問題。
	對不起，這絕不是完美的。 這
	絕對應該適合您自己的...您自己的用例，但是，歸根結底，從模板開始是一種令人難以置信的方法，可以加快您的開發速度，並且
	讓您能夠進行調整...即時進行小調整。 因此，如果我得到了這個，我在這裡就有了一個很好的小腳本，如果我單擊該腳本，它就會為我生成可修復的系統模擬。
	如果我看這裡，我得到了我的第一個…我的第一個部分，beta 為 1.86 或 826，alpha 為 153。
	實際上只是將這張表轉化為可修復系統模擬。 你可以做
	更複雜的事情。 那麼讓我關閉這個。
	所以這裡我有 14 個部分。 如果我願意，我可以更改這些發行版中的任何一個，
	但我想在這裡查看其他類型的事件。 我想將我的發行版拆分到哪裡
	它會在一定時間後改變或改變形狀。 也許我正在嘗試對產品介紹進行建模，你知道，整個機隊正在進行的產品升級。 或者也許我這裡有競爭性故障模式，我想考慮這一點。
	因此，如果我願意，您知道...在腳本中使用此模板，它允許我以非常簡單的方式處理所有這些。 現在你知道那有多快了。 那是什麼，一秒鐘左右
	生成這個模型？ 現在，如果我想創建另一個，也許，也許我希望這是一個
	日誌正常。
	我可以在這裡做，然後
	過來看看我的劇本
	和
	再次運行即可。 我得到了另一個模型（讓我們看看，它是什麼？ 第五部分。）
	第五部分現在是正常的。 嘗試不同的迭代、嘗試不同的模型真的很容易，而且每次都會產生一個新的模型，
	在此將圖表標記為您的表格。 因此，這是使用此範本執行分析和了解事件預測的便捷方法，使用嵌入此處的腳本來執行分析，並了解一段時間內的事件預測。

爆發品質和可靠性統計和建模