Angenommen, Sie stellen Teile her, und ein kleiner Prozentsatz dieser Teile ist anfällig für einen frühen „Defekt“, der dazu führt, dass sie versagen, während der Rest der Bevölkerung diesen Defekt nicht hat und niemals versagen wird, wenn er dazu führt. Wie gehen Sie damit um?
Ein kürzlich vorgestellter Artikel unter Entdeckungsgipfel habe genau dieses Problem angesprochen. Der Autor des Artikels war Dr. David Trindade, und er sprach weiter Analyse defekter Subpopulationen (DS).
Ein DS kann auftreten, wenn ein Herstellungsprozess einen Fehler in einem kleinen Teil der gesamten produzierten Teile verursacht. Beispielsweise kauft ein Motorenhersteller möglicherweise Elektrobürsten von mehreren Anbietern. Ohne es zu wissen, lieferte einer der Lieferanten (der vielleicht 15 % der Bürsten für dieses bestimmte Motormodell lieferte) zum Zeitpunkt der Montage Bürsten, die letztendlich schon früh in der Lebensdauer der Motoren ausfielen. Die Pinsel der übrigen Anbieter waren alle in Ordnung. Es gibt also einen kleinen festen Anteil der Motoren, die schon früh im Leben ausfallen.
Wir könnten die Zuverlässigkeit des Motors mithilfe der Life Distribution-Plattform von JMP analysieren und annehmen, dass es zwei „Ursachen“ für den Ausfall gibt, indem wir vielleicht zwei Weibull-Kurven an die Daten anpassen. Eine der Kurven würde zu den frühen Ausfalldaten passen, während die zweite sich um die übrigen Motoren kümmern würde.
Aber das ist nicht ganz richtig. Die Weibull-Verteilungen gehen davon aus, dass die gesamte Bevölkerung während der gesamten Lebensdauer des Produkts für beide Arten von Ausfällen anfällig ist, während in Wirklichkeit nur bei wenigen Motoren die ersten Ausfälle auftreten würden. Sobald die Motoren in dieser Untergruppe alle ausgefallen sind, würden aufgrund dieser „schlechten Bürste“-Ursache keine weiteren Motoren ausfallen.
Hier kommen die Verteilungen defekter Subpopulationen ins Spiel. Dabei gehen wir davon aus, dass nur ein Teil der Produkte diesen anfänglichen Defekt im frühen Lebenszyklus aufweist.Das Ergebnis ist ein besseres Modell der Zuverlässigkeit des Produkts oder Systems.
Wenn Sie daran interessiert sind, mehr zu diesem Thema zu erfahren, empfehle ich Ihnen, es zu lesen Dr. Trindades ausgezeichnete Arbeit . Genießen!
