Supposons que vous fabriquiez des pièces, et qu'un petit pourcentage de ces pièces sont susceptibles d'un "défaut" précoce qui les fait échouer, tandis que le reste de la population n'a pas le défaut et n'échouera jamais parce que si c'est le cas. Comment vas-tu prendre ça en charge?
Une communication présentée récemment à Sommet Découverte abordé ce problème même. L'auteur de l'article était le Dr David Trindade, et il a parlé sur analyser les sous-populations défectueuses (DS).
Un DS peut se produire lorsqu'un processus de fabrication introduit un défaut dans une petite partie du total des pièces produites. Par exemple, un fabricant de moteurs achète peut-être des balais électriques auprès de plusieurs fournisseurs. Sans le savoir au moment de l'assemblage, l'un des fournisseurs (fournissant peut-être 15% des balais pour ce modèle de moteur particulier) a fourni des balais qui finiraient par tomber en panne au début de la vie des moteurs. Les pinceaux des autres fournisseurs étaient tous OK. Il y a donc une petite partie fixe de la population de moteurs qui tomberont en panne tôt dans la vie.
Nous pourrions analyser la fiabilité du moteur à l'aide de la plate-forme Life Distribution de JMP et supposer qu'il existe deux "causes" de défaillance en ajustant peut-être deux courbes de Weibull aux données. L'une des courbes correspondrait aux données de défaillance précoce, tandis que la seconde prendrait en charge le reste des moteurs.
Mais ce n'est pas tout à fait correct. Les distributions de Weibull supposeraient que l'ensemble de la population était sensible à l'un ou l'autre type de défaillance pendant toute la durée de vie du produit, alors qu'en fait seuls quelques moteurs connaîtraient les premières défaillances. Une fois que les moteurs de cette sous-population sont tous tombés en panne, plus aucun moteur ne tomberait en panne en raison de cette cause de "mauvaise brosse".
C'est là qu'interviennent les distributions de sous-populations défectueuses. Ici, nous supposons que seule une partie des produits présente ce défaut initial de défaillance en début de vie.Le résultat est un meilleur modèle de la fiabilité du produit ou du système.
Si vous souhaitez en savoir plus sur ce sujet, je vous encourage à lire L'excellent article du Dr Trindade . Apprécier!
