398676_ja-JP

liliconcom

しかし今、私は何をしますか？ 信頼性モデルを使用してJMPでイベント予測を行う（2021-US-30MP-823）

レベル：中級

 

Optimal Analytics、エンジニアリングディレクター、Bradford Foulkes

 

データをまとめて信頼性モデルを構築するのに数週間または数か月を費やした後、多くの場合、「今何？」という感覚があります。あるいは、「何人が失敗するのか」という質問かもしれません。 JMP Proには、いくつかの調整を加えて、これらの質問に答えることができるプラットフォームがあります。修復可能なシステムシミュレーション（RSS）プラットフォームを使用すると、信頼性モデルまたはモデルのシステムを入力して、イベントが発生する頻度と影響を確認できます。このプレゼンテーションでは、RSSプラットフォームの生成を自動化する方法を使用して、信頼性モデルからイベント予測に移行する方法について説明します。出力が得られたら、イベント予測、年間ダウンタイム値、およびシステム内の個々のモデルに関する質問に答えるためのレポートを作成する方法を示します。このプレゼンテーションでは、実践的な例と、JSLを使用してプラットフォームとレポートの生成を簡単にする方法について説明します。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
ブラッド・フォールクス	私の講演に参加していただきありがとうございますが、私は今何をしますか？ 信頼性モデルを使用してJMPでイベント予測を行う。
	非常に頻繁に尋ねられます...信頼性モデルを作成したら、実際に何をしますか？ また、信頼性モデルを使用して、イベントが実際にいつ発生するかを予測できることを忘れがちです。
	そして、最初のイベントだけでなく、その製品が時間の経過とともに目にする可能性のある2番目、3番目、または4番目のイベントである可能性もあります。
	だから私自身について少し。 私の名前はブラッド・フォールクスです。 私はOptimalAnalyticsのエンジニアリングディレクターであり、企業と協力して、企業がデータを理解し、障害を特定し、より効率的に移動できるように支援しています。
	その前は、信頼性工学に約9年間携わっており、部品の信頼性を理解し、部品が実際に時間の経過とともに破損する時期を把握する方法に取り組んでいました。
	私はJMPを約8年間使用していますが、JMP10について考えています。 よくわかりませんが、少し前だったので、どのバージョンを使っていたのか忘れてしまいました...その時は。
	私のお気に入りのJMPツールでは、信頼性モデリングが置かれている場所であるため、寿命分布を頻繁に使用するのが好きです。 フィットモデル、私は非常に頻繁に使用し、JSL。
	スクリプティングは、あなたが遊ぶためのあらゆる種類の新しいツールや新しいおもちゃを開くことができます。 では、なぜ今日これを提示したいのですか？
	多くの場合、この質問は最後に出てきます...モデルの構築の最後で、その時点まで実際には考えられていませんでした。
	モデルを完成させて、たくさんの確率があり、次に何をすべきか本当にわからない場合があります。 したがって、モデルを構築して先に進むことができるときに実行できる1つのオプションがあります。
	したがって、今日イベント予測について話しているのは、モデルを作成するときに、この種のプロットをここで頻繁に見ることに慣れているということです。 あなたはあなたの個々の時間を持っているでしょう、
	そして多分これらはハードウェアまたは製品のライフサイクルです。 ブレンダーだとしましょう。あるいは、長持ちしないかもしれないあらゆる種類のキッチン家電や小さなキッチン家電だとしましょう。
	非常に長い時間。 したがって、これらのいくつかは非常に早く失敗するでしょう。非常に遅く失敗するものもあります。
	しかし、結局のところ、これらのことが起こると、失敗する可能性があります。 ですから、ここに来て、「わかりました。障害の約90％は4年以内に発生する」と言うかもしれません。
	まあ、それは素晴らしいです。 それは、最初の故障を理解し、部品が現場で故障する可能性を置くのに役立ちますが、実際にこれらのものを購入または使用しなければならない人にとって、これはあまり役に立ちません。
	これらを実際に使用している顧客にとって、彼らはそれがどれくらい続くかを気にしません。 彼らは知りたくないかもしれません、私が一定期間にいくつ購入する必要があるのか、
	多分全体的なライフサイクルで。 彼らは10年だけを見たいと思っています。それが生き残るためには、10年でどれだけ購入する必要がありますか。
	そこで、イベント予測が役立ちます。 そして、イベント予測が実際に何であるかは、あなたの分布を取り、それをひっくり返すようなものです、それであなたの、あなたが知っている、あなたの時間の分布をまだ持っています。
	ここにあるイベントまでの時間と、イベントの確率はどのくらいですか。 そして今
	これらのイベントのいくつかが発生する頻度を確認できます。 つまり、最初のイベントはここで約8年半、2番目のイベントは9年半で発生する可能性があります。
	3番目のイベント...しかし、これはすべて1人の顧客です。 つまり、これはすべて1つの顧客、1つのユースケースであり、彼らにとっては、平均故障間隔です。
	ここでこれらすべての部品を調べ、これらすべての間隔とこれらの交換を調べます。 だからここに、
	顧客が実際にこれを見ているのは20年以上の時間です。 彼らは...彼らが知りたいと思うかもしれません...私はその20年を必要とするか、生き残るために、少なくとも3つの部分が必要になるでしょう。
	したがって、このランダムな選択とシミュレーションの一部を使用すると、これらの部品を交換する必要がある頻度と、顧客が製品を購入する必要がある頻度を理解できます。
	では、これはどのように実用的ですか？ さて、それは本当に交換に帰着します。
	そして、交換品は、どれくらいの頻度で新しい部品をそこに入れていますか、それとも新しい部品と同じくらい良いですか？ そう
	修復可能なシステムと修復不可能なシステム。 そして、修理可能なシステムとは、
	再び実行できるという点で、おそらく新品ほど良くはありません。 タイヤに穴が開いているとしましょう。 あなたは漏れを塞ぎ、そしてあなたは続けます。
	それは修理されました。 しかし、タイヤが新品同様で、二度と故障しないように修理できたらどうでしょうか。
	タイヤの場合、それはそれほど実用的ではないかもしれませんが、他のことでは、部品を交換するか、部品の一部を切り取って、故障した部品だけを交換する必要があるかもしれません。
	部品を新品同様にすることで、これを修理不可能なシステムにすることができます。 ですから、修理を行ったとしても、新品同様にするために、
	それは物事を少し変えます。 これは大きな警告です。新しい手段と同じくらい良いものについては多くの考慮が必要ですが、非常に頻繁に、一部...または人々がその部分を扱っていると思います
	彼らは修理し、新品同様に修理しました。これは修理可能なシステムだと彼らは考えていますが、信頼性の世界ではそうではありません。 了解しました。少しの間、その石鹸箱から離れます。
	交換に戻ります。 ある種の単一システムを見ているとき、
	あなたはここで何かを見て、「オーケー、あなたが知っている、」と言うかもしれません
	単一のシステムの場合、
	部品が故障する頻度はどれくらいですか？ では、1人の顧客だけを見ている場合、どのくらいの頻度で顧客を購入しているのでしょうか。 そして最初の部分はここで4年間続きました。
	それから彼らは2番目のものを買わなければなりませんでした。 それはたった1。3年しか続かなかった、それから彼らは3番目のものを買わなければならなかった、そしてこれは大騒ぎになりそして8年続いた。
	つまり、結局のところ、12年間で3つの部品を購入する必要がありましたが、さまざまなバリエーションがあります。 だからあなたはこれをあらゆる種類の製品、いくつかの携帯電話、
	他の家庭用品。 いくつかのものは早期に失敗します。遅れて失敗するものもあります。
	あなたはただ友達と話していて、「ねえ、私は手に入れた...私はこの恐ろしい携帯電話を持っている」と言うかもしれません。 こんなに早く失敗したなんて信じられない。 そして、彼らは彼らが10年間持っていたのと同じ携帯電話についてあなたに話します。 おそらく10年ではないが
	しばらく時間がかかる場合があります。 したがって、結局のところ、この1つのシステム、この1人の顧客の場合、部品を3回交換する必要がありました。
	ここで、複数のシステムを見ると、これらのことがどのくらいの頻度で発生するかを時間の経過とともに把握できます。 そう
	1人の顧客が最初のシステムを使用し、次に2番目の顧客を使用している場合があります。おそらく、ほぼ同じ期間に5回または6回の交換がありました。
	したがって、最初のシステムを見ると、少なくともここで4年目になるまで障害は発生しないと言えます。
	しかし、2番目のシステムを見ると、1年目に障害が発生しました。 したがって、1年目または2年目に予想される平均的な障害またはイベントの平均数を把握しようとしている場合は、
	その最初のシステムは私たちに多くを教えてくれません。 つまり、データがなくても、モデルに分布があり、ワイブルのベータとイータなどが存在する場合は、ここになります。
	シミュレーションを使用して、一部の顧客が1年目、2年目、3年目にイベントを予想し、実際に持っているデータよりもはるかに遠くに出かける頻度をレイアウトすることができます。
	そうすることで、それらの複数のシステムを見て、そのシミュレーションを見ると、どのくらいの頻度の傾向を理解し、見始めることができます。
	これらの部品は年々交換される予定です。 したがって、ここでのこのデータは、7年のイベント時間からのみ作成された可能性がありますが、
	カレンダー時間または顧客時間の場合、一種のスパイクが発生し、その後、一種のフラットレベルの交換に横ばいになります。 今
	シミュレーションを使用すると、バウンドが発生します。これがここに表示されます。 これに対する閉じた形の解があれば、良い直線が得られますが、
	シミュレーションでは、いくつかの変動があります。 それがあなたがここで見るものです。 だから、あなたは線を引いて、平均してあなたが知っているのを見ることができます、
	人は、あなたが知っているように、これらの3分の1を1年で置き換えることを期待するかもしれません。 したがって、3年後、一度それが実行されると、交換が期待できます。 ですから、最初はいくつか、それからそれはある程度横ばいになります。
	それで、私がこれが意味することの例を見てみましょう。
	ここにデータの表があり、ここにモデルがあります。 したがって、このモデルは単なるランダムワイブルです。 したがって、JMPで使用できるさまざまな機能に慣れていない場合は、
	ランダムなワイブル、ワイブル分位数、ワイブル分布、ワイブル密度を使用できます。 そして、これらはすべて、さまざまなディストリビューションに適用できる機能です。
	この場合、特定の分布からランダムなポイントのセットを選択しています。 私のディストリビューションのベータは1.2、イータは3です。
	したがって、ここでこれらのランダム...ランダムイベントを選択することにより、
	これらはすべて個別のイベントであり、これが最終的にモデルに組み込まれることになります。 部品の故障に基づいてモデルを構築した場合、最終的にはどうなるでしょうか。これらは通常、最終的にそこに入る日付です。 ただし、失われるのは、これが実際に顧客にどのように影響するかです。 だから時間の経過とともに
	顧客は、20、30、40年でこれらのうちどれだけを交換できるか知りたいと思うかもしれません。
	そして、それはあなたが全体のシステムイベントのタイミングを見る必要があるところです。 そして、これは個々の時間の累積合計であるため、8.3が最初で、1.2が2番目というように続きます。
	したがって、2番目のシステムに移動すると、1.8、3.9、5.9があるので、これは個々の時間の累積カウントにすぎません。
	ここで覚えておくべきことは、これらすべての平均を計算しようとしているとき、
	システム番号を見ていると思いますが、実際に発生した年なので、運用2年目で1。8年になります。
	そして、それは覚えておくべき重要な違いです...ここで覚えておくべきことは、適切な年に障害を特定していることを確認したいからです。
	つまり、0.6ですが、それが最初の場合は1年目になりますが、実際には1年をインクリメントするだけです...システム時間...ここではシステム年を1つ増やします。
	これがあれば、これですべてがわかったので、イベントの数を数え、このシステム、年を調べて、ちょっとした分析を実行できます。 したがって、JMPには、実際にそれらすべてを実行する優れたツールがあります。
	そう
	JMPには、修復可能なシステムシミュレーションと呼ばれるツールがあります。
	そしてこのツール、
	私はそれを知っています...私はそれがJMP13、多分JMP14のように出てきたと思います。 それは数年前からあります。
	信じられないほど強力なツールであり、多くの人がここで評価していないと思うので、それが必要なだけ宣伝されるかどうかはわかりません。
	つまり、ここでシステムを見ているということです。 そして、多分、または今、私はここに2つの部分を持っていますが、多分私のシステムは実際には
	7つまたは8つの部品、またはそれはギアボックス全体、またはポンプ、またはそのようなものです。 そして、これらすべての部分が連携して機能します。これらのいずれかが失敗した場合、
	ご存知のとおり、システム全体に障害が発生しているため、イベントとは何か、そこでのイベント時間は何かを理解する必要があります。 したがって、これらのそれぞれで、Weibulllが何であるか、またはモデルが何であるかをレイアウトします。ここでは、ベータ1.2とアルファ15があります。
	それは年の時間単位です、私が望むなら、私は確かに異なる分布を選ぶことができます...私が望むなら。
	そして、イベントが発生した場合に何が起こるかを言うことができます。 したがって、ブロックが...ここでブロック障害が発生した場合、実際に障害が発生した場合はどうなりますか？
	そして、結果は新しいものと交換することになるので、私は部品を交換したいだけです。 今ここにはたくさんの異なるオプションがあります、多分私は最小限の修理をすることができます、しかし代わりに私はこれを真新しい部品と交換したいので、これは新しいモデルのようになります。
	そして、ダウンタイムの量を含めることができます。 では、これを修復するのにどれくらいの時間がかかりますか？ 修理するまでの平均時間はどれくらいでしたか？ 定数値にすることができます
	またはそれは...あなたはすぐに言うことができます、それがかかる時間の長ささえ気にしないか、あなたはそれに選択するリストを与えることができます。 ここでもいくつかのディストリビューションを提供できます。
	したがって、これらのツールを使用して...そして今、私はここで非常に単純なシステムを構築しました。 既知のディストリビューションのパーツが1つあるか、既知のディストリビューションのパーツが2つあります。
	これらのいずれかが失敗した場合、私には交換時間があり、2番目のものには選択肢があります。
	そして、あなたはそれをここに置いたのを見ることができます。 ここで、選択肢はシミュレーションと同じ時間単位である必要があります。
	だから私はシミュレーションとして年を選びました。 これは数年であるため、何かの準備にかかる時間は1時間、2時間、場合によっては1日になる可能性があります。 それを何年にもわたって置くと、数字は本当に少なくなるので、それがここに表示されます。
	ここですべてのオプションに入るつもりはありません。 ご覧のとおり、スタンバイで実行できることは他にもたくさんあります。Koutof Nは、より複雑な分析のためのものです。
	了解しました。分析を実行します。これを20年間実行します。これは、ここにリストされており、シミュレーションの数は100です。 多くの場合、それ以上のものが必要になりますが、デモンストレーションの目的で、100に設定し、シードを1234にします。
	それで、ここでこの素晴らしい大きな大きな出力を取得します。最初の出力は常に数値と呼ばれ、非常に役立ちます。
	しかし、あなたはこれを見て大丈夫になるかもしれません、私はこれらのもののいずれかで何をしますか？ そして、あなたはここに来て、この分析を開始することができ、
	コンポーネントごとの合計ダウンタイムを確認したい場合があります。 つまり、これは、どのように...またはコンポーネントが見る可能性のあるダウンタイムの分布は何であるかを示しています。
	しかし、実際には20年以上の質問に答えることはできません。この部品を何回交換する必要がありますか？
	だから私はスクリプトを書いたので、あなたが...このジャーナルをダウンロードすると、そこにあるこれらすべてのスクリプトが含まれます。
	ボタンとして設定しましたが、実際のスクリプトは、参考のためにここの下にあります。
	ボタンをクリックするだけで、たくさんのことが起こります。 だから私は今、これらのイベントが毎年どのくらいの頻度で発生すると予想するかを計算しました。 したがって、システムの観点からは、
	失敗イベントをサブセット化し、年の値を設定しました。 つまり、年の値が切り上げられることを思い出すかもしれません。つまり、3。8年は4です。
	これでカレンダー時刻が表示され、使用している可能性のあるシステム時刻が表示されます。 個々の時間を考慮していないので、これらのそれぞれの間の時間は、ご存知のとおり、1行目から2行目までは1。8年ほどです。
	しかし、システムを見ているので、実際には5.69を数えています。
	今、私はそれを提出したいと思います...私はこれらすべての値を何か有用なものに変えたいと思います。
	ただし、覚えておくべき重要なことは、次のことを行う必要があるということです...毎年の平均イベント数を探すときは、イベントが発生しなかった年を調べる必要があります。 したがって、この最初のシミュレーションでは、最初のイベントは4年目に発生します。
	しかし、1、2、3にはゼロが必要であり、それが私のスクリプトの役割です。 私のスクリプトの種類はセットになります
	私が見たいもののパターン。 したがって、パート1を確認し、年の値とシミュレーションIDを確認してから、イベントが実際にいつ発生したかを確認します。 したがって、ここでは、最初のパート1のイベントが10年目に発生することがわかります。
	そして、それがここに追加されると、それが分析に更新されます。 パート2まで下にスクロールすると...
	シミュレーション1のためにパート2までスクロールダウンすると、
	そこに...イベントはありません。
	シミュレーションの最初のイベントは...
	4年目まで。 だから私が4年目までずっと下にスクロールすると
	パート2では、シミュレーション1に1つのイベントがあることを示します。 したがって、これが発生する可能性のあるすべての可能な年の組み合わせに対して、これらのイベントを並べるのは本当に一種のことです。
	さて、そのレベルの情報を持っているので、すべてのシミュレーションでそれを持っているので、4,000のレコードがあることがわかりました。これは、年、シミュレーション、および部分のすべての可能な順列です。
	しかし、本当に私はそれらを平均したいと思います。 それで、平均して、シミュレーションの数、つまり行数、年の値、そしてパーツを調べたいと思います。 私は40行になり、はるかに管理しやすく、はるかに理解しやすくなりました。
	パート2でここに表示されているのは、最初は少しスパイクがあり、その後は横ばい状態になっていることです。 と
	これはシミュレーションであり、100のイベントしか実行しなかったため、バウンドしますが、...または100のシミュレーションを実行しましたが、置換の定常状態が見られる場合があります。
	しかし、これを累積的な観点から見ようとすると、これは、10年間で何台の交換が予想されるかを顧客に伝えることができます。 したがって、パート2では、
	最初のものをいつ交換する必要があるのか、顧客が知りたいとしましょう。 最初のものは何ですか？ 一番最初のもの
	4年目直後のように、4年目から5年目までの間に起こります。 そして、2番目の問題はちょうど...または7年目頃に発生します。
	3番目は約10年目に発生します。 ご覧のとおり、このような上昇は、前もって多くの障害が発生することはありませんが、その後はこの定常状態にあり、3年ごとに部品を交換する必要があります。
	これは、顧客、ビジネスの計画、またはサプライチェーンの取り組みでさえ、そこでこのようなことをしようとした場合に非常に役立ちます。
	したがって、修復可能なシステムシミュレーションからのこのイベント予測を使用することは、障害の確率と発生する可能性がある時期だけでなく、そのアイデアを提供したり、部品の数を理解したりするための便利で迅速な方法です。 そう
	1つ...今日お話ししたいもう1つのことは、修復可能なシステムシミュレーションを少し簡単にする方法です。
	そして、それは気が遠くなるかもしれません。 これは新しいツールです。作業しているすべてのことを知っているとは限りませんが、
	テンプレートから始める場合は、テーブルから始めると、修復可能なシステムシミュレーションの構築がはるかに簡単になります。
	したがって、最終的に、モデルを構築するには、約13個のデータが必要です。 これのほとんどは、あなたが考えもしないバックグラウンドで進行しますが、これらをテーブルとテンプレートにレイアウトすると
	ここにこれらのさまざまな列があります... そして、私は13と言いますが、実際には必要なものは少なくなります。 ここでできるいくつかのきちんとした小さなことを処理するために、ここでいくつかの変更を加えました。
	しかし、実際には、分布、モデルタイプ、パラメーター、時間単位があります。 これらはすべて、JMPでデフォルト設定されており、変更できるか、
	それはあなたが追加するものです。 したがって、これらのそれぞれに、ブロックが失敗した場合、新しいものとの置き換えは何ですか？ そして、これらを調整することができ、これらのイベント名とこれらのプロセスを異なる方法で接続することができます。
	私の世界では、多くの場合、行動の変化が見られます。 そして、最初の数年間は交換率であり、次の数年間は交換率であることを理解したいと思うかもしれません。
	または、利用したい競合する障害モードがあるかもしれません。 ですから、ここでお見せすることは、その多くを処理することができます。
	すみません、これは決して完璧ではありません。 この
	間違いなくあなた自身に適合させる必要があります...あなた自身のユースケースですが、結局のところ、テンプレートから始めることはあなたの開発をスピードアップするための信じられないほどの方法です
	あなたが調整を行うことができるようにするために...その場で小さな調整を行います。 したがって、これがあれば、ここに素敵な小さなスクリプトがあります。スクリプトをクリックすると、修復可能なシステムシミュレーションが生成されます。
	そして、ここを見ると、最初の部分があります...ベータ1.86または826、アルファ153の最初の部分です。
	そして、それは本当にこのテーブルを取り、それを修復可能なシステムシミュレーションに変えるだけです。 できるよ
	さらに複雑なもの。 それで、それを閉じさせてください。
	そしてここに私は14の部品を持っています。 必要に応じて、これらのディストリビューションのいずれかを変更できます。
	しかし、ここで見たい他の種類のイベントがあります。 ディストリビューションをどこに分割したい
	一定時間後に形状が変化したり変化したりします。 たぶん私は、フリート全体で行われている製品の紹介をモデル化しようとしています。 または、ここに競合する障害モードがあり、それを考慮に入れたいと思います。
	したがって、スクリプトでこのテンプレートを使用すると、これらすべてを非常に簡単な方法で処理できるようになります。 今、あなたはそれがどれほど速いかを見ました。 それは何ですか、1秒かそこらに
	このモデルを生成するには？ さて、これらの別のものを作成したい場合は、多分、これを
	対数正規。
	私はここでそれをすることができますそしてそれから
	私のスクリプトに来てください
	と
	もう一度実行します。 そして、私は別のモデルを手に入れました（見てみましょう、それは何でしたか？ パート5。）
	パート5は対数正規分布になりました。 さまざまな反復を試したり、さまざまなモデルを試したりするのは本当に簡単で、毎回新しいモデルを生成します。
	ここで、図をテーブルとしてラベル付けします。 したがって、このテンプレートを使用して分析を実行し、イベント予測を理解し、ここに埋め込まれているスクリプトを使用して分析を実行し、時間の経過に伴うイベント予測を理解するのに便利な方法です。

起こる品質と信頼性統計とモデリング