Supposons que vous fabriquiez des pièces et qu'un petit pourcentage de ces pièces soient sensibles à un "défaut" au début de leur vie qui les entraîne en panne, 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?
Un article présenté récemment à Sommet Découverte résolu ce problème précis. L'auteur de l'article était le Dr David Trindade, et il a parlé sur analyser les sous-populations défectueuses (DS).
Un DS peut survenir lorsqu'un processus de fabrication introduit un défaut dans une petite partie du total des pièces produites. Par exemple, un constructeur automobile 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 existe donc une petite partie fixe de la population de moteurs qui tombera en panne tôt dans la vie.
Nous pourrions analyser la fiabilité du moteur à l'aide de la plateforme 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 premières données de panne, tandis que la seconde prendrait en charge le reste des moteurs.
Mais ce n’est pas tout à fait exact. Les distributions de Weibull supposeraient que l’ensemble de la population serait susceptible à l’un ou l’autre type de panne pendant toute la durée de vie du produit, alors qu’en réalité seuls quelques moteurs connaîtraient les premières pannes. Une fois que les moteurs de cette sous-population sont tous tombés en panne, plus aucun moteur ne tombera en panne à cause 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 de défaillance initial 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!
