Wenn die Produktzuverlässigkeit unter Einsatzbedingungen hoch ist, sind beschleunigte Lebensdauertests (ALT) erforderlich, um die Testzeit zu verkürzen.Durch das Testen von Teilen unter härteren Bedingungen ist die Ausfallzeit viel kürzer, sodass die Tests in angemessener Zeit abgeschlossen werden können.Anschließend können die beschleunigten Ausfalldaten verwendet werden, um die Produktzuverlässigkeit bei geringer Belastung vorherzusagen.
Erfahren Sie, wie Sie:
- Verstehen Sie die Prinzipien von ALT
- Verwenden Sie konstante Arrhenius- und Potenzgesetz-Konstantspannungsmodelle, um die Lebensdauer unter Nutzungsbedingungen vorherzusagen
- Verwenden Sie einen schrittweisen Stressansatz, um die Testzeit noch weiter zu verkürzen und dennoch die Zuverlässigkeit bei geringer Belastung vorherzusagen
- Erstellen Sie einen sicheren Betriebsbereich (SOA) aus beschleunigten Lebensdaten für zwei Faktoren
Einige Hintergrundinformationen zu beschleunigten Lebensdauertests:
- Mittlere Zeit bis zum Ausfall – Eine durchschnittliche Ausfallzeit für ein nicht reparierbares Produkt.
- Response-Surface-Methodik – Möglichkeit, Beziehungen zwischen mehreren erklärenden Variablen und einer oder mehreren Antwortvariablen zu untersuchen.
- Arrhenius-Gleichung oder Modell – Beschreibt die Beziehung zwischen der Reaktionsgeschwindigkeit und der Temperatur für viele physikalische und chemische Prozesse. Die Gleichung bezieht sich auf die Abhängigkeit des Abbaumechanismus von der absoluten Temperatur (T) und damit auf die Zeit bis zum Ausfall.Zeit bis zum Scheitern ~ exp(Ea/T) wobei Ea die Aktivierungsenergie ist. Kann zur Schätzung von Zuverlässigkeitsparametern wie Temperaturänderungen verwendet werden.
- Potenzgesetzmodell – Gleichung, die die Abhängigkeit zwischen der Ausfallzeit und der Belastung angibt, wobei die Ausfallzeit eine Funktion der Belastung mit einem Exponenten (oder einer Potenz) ist. Zeit zum Scheitern ~ Stress^n wobei n ein Exponent ist.
- Zensierung – Die Zensierung eines Datenpunkts bedeutet, dass der Datenpunkt als Ausfallzeit ausgeschlossen wird, aber dennoch als Betriebszeit des Teils in die Analyse einbezogen wird.Richtige Zensur – die Belastung des Teils wurde gestoppt, bevor das Teil versagte. Intervallzensur – der Ausfall des Teils trat innerhalb eines bekannten Zeitintervalls auf. Linkszensur – der Teil ist irgendwann vor Testbeginn durchgefallen.Linke Zensur ist in industriellen Experimenten nicht üblich.
Von Jerry Fish beantwortete Fragen @JerryFish , Don McCormack @DonMcCormack und Charlie Whitman @charlie_whitman während der Live-Webinar-Demo:
F: Sollten ALT-Tests als gleichwertig mit der natürlichen Alterung im Laufe der Zeit angesehen werden?
A: Für ALT gehen Sie davon aus, dass die Beschleunigung den Fehlermechanismus, den Sie unter normalen Nutzungsbedingungen sehen würden, nicht verändert.
F: Sind ALTs repräsentativ für reale Situationen?
A: Ja. Sie werden immer dann eingesetzt, wenn es unter normalen Betriebsbedingungen zu lange dauern würde, Ergebnisse zu erzielen. Der Schlüssel liegt darin, dass der Beschleunigungsfaktor zu demselben Fehlermodus führt, als ob Sie unter Standardbedingungen laufen würden. Es kommt darauf an, was mit repräsentativ gemeint ist. Obwohl sie nicht repräsentativ für reale Bedingungen sind, sind sie doch repräsentativ für die Art und Weise, wie Zuverlässigkeitsstudien durchgeführt werden.
F: Im Arrhenius-Streudiagramm fühlt es sich an, als würde man „über die Grenzen der Daten hinaus extrapolieren“, ein Tabu in der Regression. Ist das wahr?
A: Ja, irgendwie, aber es geschieht in einem anderen Kontext als der Regression. Im Fall der Zuverlässigkeit versuchen Sie, die Verteilung zu finden, die am besten zu den durch die Daten dargestellten Ausfallwahrscheinlichkeiten passt. Sie haben keine Daten zu den späteren Ausfallzeiten, aber die Kenntnis der früheren Ausfälle kann bei der Modellierung der Verteilung ausreichend sein. Darüber hinaus sind Sie in der Regel an den Ausfallwahrscheinlichkeiten zu diesen früheren Zeitpunkten interessiert. Sie extrapolieren zwar, aber die Konfidenzintervalle sind nicht so breit wie bei der Extrapolation über Endpunkte hinaus in der Regression.
F: Kann diese Fit Life by X, Arrhenius-Analyse mit nur einem Datenpunkt bei jeder Temperatureinstellung durchgeführt werden?
A: Nur, wenn Sie vorhaben, einige Annahmen über die Fehlerverteilung und den Beschleunigungsfaktor zu treffen und Bayes'sche Methoden zu verwenden.
F: Wie viele Belastungszustände benötigen Sie für Fit Life by X, Arrhenius, um den Nutzungszustand zu extrapolieren?
A: Mathematisch denke ich, dass Sie nur 2 benötigen würden. Aber wie bei jedem Statistikproblem sind mehr Daten immer besser, was zu engeren Konfidenzgrenzen usw. führt. Es handelt sich also um einen Kompromiss gegenüber den für den Test benötigten Ressourcen.
F: Würde diese Demo für Fit Life by
A: Nein. Bei diesen Modellen wird davon ausgegangen, dass X entweder stetig oder nominal ist.
F: Können Sie für Fit Life by X, Arrhenius, kurz erklären, wie JMP die unteren und oberen Konfidenzgrenzen für die vorhergesagten Lebensdauern berechnet?
A: JMP verwendet die maximale Wahrscheinlichkeit, um die Parameter für die ausgewählte Verteilung zu schätzen. Daraus berechnen Sie die Konfidenzintervalle für das interessierende Quantil.
F: Ich weiß, dass es besser ist, Daten bei drei verschiedenen Temperaturen zu erhalten, aber wäre es möglich, nur eine zu verwenden?
A: Nein. Es ist, als würde man eine Linie durch einen einzelnen Punkt ziehen.Sie benötigen mindestens 2 Punkte, um die Linie anzupassen.
F: Kann dieses Potenzgesetzmodell (auch Log-Modell oder Spannungsmodell genannt) auf destruktive Proben angewendet werden?
A: Alles, worüber Charlie bisher gesprochen hat, geht von einer einzigen Messung pro Probe aus. Er hat wiederholte Messungen nicht besprochen.
F: Wann verwenden Sie das Potenzgesetz vs. Arrhenius?
A: In der Praxis verwenden viele Power für die Spannung und Arrhenius für die Temperatur. Wenn es sich um einen Stressor handelt, mit dem Sie nicht vertraut sind, sollten Sie in der Fachliteratur nachsehen, was in der Vergangenheit verwendet wurde. Sie können auch eine Überprüfung durchführen.Siehe unten.
F: Wie würden sich „schlechte“ Daten in dieser Analyse verhalten? Angenommen, wir sind zu aggressiv vorgegangen und haben einen anderen Fehlermodus herbeigeführt. Gibt es Signaturen im Modell, die dies verraten, bevor Fachexperten hinzugezogen oder die Teile inspiziert werden?
A: Wahrscheinlich werden Sie irgendwann feststellen, dass Beobachtungen außerhalb der Konfidenzbereiche liegen.
F: Verwenden Sie immer die Lognormal-Transformation für das Arrhenius-Modell und die Weibull-Transformation für das Potenzgesetz-Modell?
A: Nein. Sie können jede gewünschte Distribution verwenden.
F: Was bedeutet der Formfaktor?
A: Es handelt sich um einen allgemeinen Begriff, der angibt, wie sich die Form der Verteilung ändert. Betrachten Sie es als einen Parameter, der ein bestimmtes Merkmal der Verteilung steuert.
F: Ist es normal, extrapolierte ALT-Tests mit längeren Alterungsstudien bei geringeren Stressanstiegsraten zu validieren?
A: Das Validieren (oder Bestätigen) von Vorhersagen ist immer eine gute Idee, sei es in der ALT- oder allgemeinen DOE-Analyse oder sogar in Regressionsmodellen auf Beobachtungsdaten.Um George Box zu paraphrasieren: „Alle Modelle sind falsch, einige sind nützlich.“Die einzige Möglichkeit herauszufinden, ob Ihr Modell „nützlich“ ist, besteht darin, einige Bestätigungstests durchzuführen.
F: Verfügt JMP hierfür über einen Stichprobengrößenrechner, der uns hilft zu wissen, wie viele Stichproben wir unter jeder Bedingung testen müssen, um ein gewünschtes Vorhersageintervall zu erhalten?
A: Im DOE-Menü gibt es unter „Spezieller Zweck“ eine ALT-Designs Möglichkeit.
F: Wann werden Sie für die Stufenspannung die Verwendung einer logarithmischen Normalkurve in Betracht ziehen – wenn diese nicht linear oder parabolisch ist?
A: Denken Sie daran, dass Sie Lebensdauerverteilungen modellieren. Alles, was eine schiefe Verteilung aufweist (mehr Fehler zu längeren Zeiten), würde von der Anpassung an eine nichtnormale Verteilung (wie die logarithmische Normalverteilung) profitieren.
F: Wie gehen Sie mit der Intervallzensur um? Wie codieren Sie es beispielsweise in der Datentabelle, um es in die Zuverlässigkeitsanalyseplattform einzugeben?
A: Sie haben zwei Zensurspalten.Der erste listet das untere Intervall auf, der zweite das obere.Geben Sie beide Zensorspalten in die Eingaben ein, und JMP weiß, dass Sie von Intervallzensierung sprechen.
F: Wenn ich zwei Produkte habe und sehen möchte, wie sie sich unter zwei Belastungsbedingungen (Zeit und Spannung, wie Charlie zeigt) verhalten, empfehlen Sie dann, das Produkt als Kovariate hinzuzufügen oder für jedes Produkt eine andere Analyse durchzuführen?
A: Ich bevorzuge die Hinzufügung als Kovariate, damit ich die Wechselwirkung zwischen Produkt und Beschleunigungsfaktorbedingungen untersuchen kann (z. B. können unterschiedliche Produkte unterschiedliche Streuungen ihrer Verteilungen aufweisen).
F: Für die Survival Fit-Plattform scheint es nicht möglich zu sein, einige der schönen Ergebnisse der Fit Life by X-Plattform zu erhalten, wie etwa die Verteilungsdiagramme. Ist das wahr?
A: Richtig.Sie können die vorhergesagten Werte im Datensatz speichern und sie im Graph Builder grafisch darstellen, um eine schöne grafische Ausgabe zu erhalten.
F: Würden Sie weiterhin die ALT-Plattform verwenden, wenn Sie den Abbau der mechanischen Eigenschaften eines Elastomers durch Temperaturbeschleunigung beschleunigen und die Vorhersage der Eigenschaften auf niedrigere Temperaturen/längere Zeiten extrapolieren möchten, oder würden Sie hier einfach die DOE-Plattform verwenden?
A: Die Verwendung der ALT-Plattform ist wahrscheinlich vorzuziehen.
Die Analyse verwendet typischerweise nichtlineare Modelle. Weitere Informationen zu nichtlinearen Modellen:
