Das Video wurde im Mai 2024 aktualisiert.
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-Modelle für konstante Spannungen, um die Lebensdauer unter Nutzungsbedingungen vorherzusagen
- Verwenden Sie einen schrittweisen Stressansatz, um die Testzeit noch weiter zu reduzieren und dennoch die Zuverlässigkeit bei geringem Stress 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 Methodology – Eine Möglichkeit, Beziehungen zwischen mehreren erklärenden Variablen und einer oder mehreren Antwortvariablen zu untersuchen.
- Arrhenius-Gleichung oder -Modell – Beschreibt die Beziehung zwischen Reaktionsgeschwindigkeit und 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 Versagen. Zeit bis zum Versagen ~ exp(Ea/T), wobei Ea die Aktivierungsenergie ist. Kann verwendet werden, um Zuverlässigkeitsparameter bei Temperaturänderungen abzuschätzen.
- Potenzgesetzmodell - Gleichung, die die Abhängigkeit zwischen Ausfallzeit und Spannung angibt, wobei die Ausfallzeit eine Funktion der Spannung mit einem Exponenten (oder einer Potenz) ist. Zeit bis zum Ausfall ~ Spannung^n, wobei n ein Exponent ist.
- Zensur – Die Zensur eines Datenpunkts bedeutet, dass der Datenpunkt als Ausfallzeitpunkt ausgeschlossen, aber dennoch als Betriebszeit des Teils in die Analyse einbezogen wird. Rechtszensur – die Belastung des Teils wurde gestoppt, bevor das Teil versagte. Intervallzensur – der Ausfall des Teils trat innerhalb eines bekannten Zeitintervalls auf. Linkszensur – das Teil versagte irgendwann vor Beginn des Tests. Linkszensur ist bei industriellen Experimenten nicht üblich.
Unten finden Sie eine Demo zum Stresstest, die im Webinar 2024 nicht behandelt wurde. Sie kann für Personen nützlich sein, die noch schneller Ergebnisse benötigen als bei der Modellierung von konstantem Stress. Um sie verwenden zu können, müssen Sie sicher sein, dass 1) der Stress nicht so hoch wird, dass sich der Ausfallmodus ändert, und 2) dass ein sich ändernder Stress keine zusätzlichen Auswirkungen hat.
Fragen, die von Jerry Fish @JerryFish und Charlie Whitman @charlie_whitman während der Live-Webinar-Demo beantwortet wurden, plus einige Antworten aus vorherigen Demos.
F: Was passiert, wenn Ihre Daten zeigen, dass die Steigungen bei unterschiedlichen Spannungsbedingungen unterschiedlich sind?
A: Das kann ein Problem sein. Denken Sie daran, dass die Annahme eines konstanten Formfaktors verletzt wurde, wenn wir unter bestimmten Bedingungen extrapolieren und die Steigungen unterschiedlich sind. Es gibt also einige ausgefeilte Möglichkeiten, das zu beheben. Nehmen wir beispielsweise an, Sie stellen bei Ihrer höchsten Spannung fest, dass der Formfaktor irgendwie ganz anders ist als bei den niedrigeren Spannungen. In diesem Fall könnten Sie die Daten mit der höheren Spannung einfach ausschließen. Wenn sich die Steigung und damit der Formfaktor ändert, deutet das oft darauf hin, dass sich Ihr Versagensmechanismus ändert, muss dies aber nicht unbedingt bedeuten. Und das möchten Sie vermeiden. Sie könnten also diese Daten ausschließen und sie mit der niedrigeren Spannung analysieren und dann Ihre Extrapolation durchführen. Das ist ein Problem. Möglicherweise müssen Sie zu noch niedrigeren Spannungen übergehen, weil Sie möchten, dass der Formfaktor konstant bleibt, damit Sie Ihre Vorhersagen mit Zuversicht treffen können.
F: Sind Quantillinien immer gerade?
A: Die Linien sind gerade, da die Darstellung entsprechend dem gewählten Modell skaliert wurde, wie für das Arrhenius-Modell im Beispiel in der Demo.
F: Wie entscheiden Sie sich für die Verwendung der Lognormalfunktion?
A: Sie können Anpassungen mehrerer Verteilungen vergleichen, entscheiden, welche am besten passt, und dieses Modell verwenden. Oder Sie verfügen über historische Informationen, die besagen, dass ein Teil bei einer bestimmten Verteilung versagt.
F: Warum verwenden wir drei verschiedene Temperaturen?
A: Damit können Sie eine „Krümmung“ im Temperatur-Lebensdauer-Diagramm erkennen. Wenn Sie nur 2 Temperaturen verwenden, gehen Sie von einer geraden Linie aus und werden nie wissen, ob die Krümmung Ihre Ergebnisse beeinflusst hat.
F: Sollten ALT-Tests als gleichwertig mit der natürlichen Alterung im Laufe der Zeit angesehen werden?
A: Bei ALT gehen Sie davon aus, dass die Beschleunigung den Fehlermechanismus, der unter normalen Nutzungsbedingungen auftreten würde, nicht ändert.
F: Sind ALTs repräsentativ für reale Situationen?
A: Ja. Sie werden immer dann verwendet, wenn es unter normalen Betriebsbedingungen zu lange dauern würde, Ergebnisse zu erhalten. Entscheidend ist, dass der Beschleunigungsfaktor zum GLEICHEN FEHLERMODUS führt, als ob Sie unter normalen Bedingungen arbeiten würden. Es hängt davon ab, was mit repräsentativ gemeint ist. Obwohl sie nicht repräsentativ für reale Bedingungen sind, sind sie repräsentativ dafür, wie Zuverlässigkeitsstudien durchgeführt werden.
F: Beim Arrhenius-Streudiagramm fühlt es sich an, als würde man „über die Datengrenzen hinaus extrapolieren“, was bei der Regression tabu ist. Stimmt das?
A: Das ist es irgendwie, aber es wird in einem anderen Kontext als bei der Regression durchgeführt. 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 aus den späteren Ausfallzeiten, aber die Kenntnis der früheren Ausfälle reicht möglicherweise aus, um die Verteilung gut zu modellieren. Darüber hinaus sind Sie normalerweise an den Ausfallwahrscheinlichkeiten zu diesen früheren Zeitpunkten interessiert. Sie können also extrapolieren, aber die Konfidenzintervalle sind nicht so breit wie diejenigen, die bei der Extrapolation über Endpunkte in der Regression hinaus gefunden werden.
F: Kann diese Fit Life by X-Arrhenius-Analyse mit nur einem Datenpunkt bei jeder Temperatureinstellung durchgeführt werden?
A: Nur wenn Sie einige Annahmen über die Ausfallverteilung und den Beschleunigungsfaktor treffen und Bayessche Methoden verwenden möchten.
F: Wie viele Belastungsbedingungen benötigen Sie für Fit Life von X, Arrhenius, um den Nutzungszustand zu extrapolieren?
A: Mathematisch gesehen, denke ich, dass Sie nur 2 brauchen würden. Aber wie bei jedem Statistikproblem sind mehr Daten immer besser, da sie engere Vertrauensgrenzen ergeben usw. Es ist also ein Kompromiss gegenüber den für den Test benötigten Ressourcen.
F: Würde diese Demo für „Fit Life by X, Arrhenius“ immer noch funktionieren, wenn die Temperatur als ordinal modelliert würde, oder benötigt die „Fit Life by X“-Analyse kontinuierliche Daten?
A: Nein. Die Annahme bei diesen Modellen ist, dass X entweder kontinuierlich 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 betreffende Quantil.
F: Ich weiß, dass es vorzuziehen ist, Daten bei drei verschiedenen Temperaturen zu erfassen, aber wäre es möglich, nur eine zu verwenden?
A: Nein. Es ist, als ob man eine Linie durch einen einzelnen Punkt legt. Man braucht mindestens 2 Punkte, um die Linie zu legen.
F: Kann dieses Potenzgesetzmodell (auch Log-Modell oder Spannungsmodell genannt) auf destruktive Proben angewendet werden?
A: Alles, was Charlie bisher besprochen hat, geht von einer einzigen Messung pro Probe aus. Er hat wiederholte Messungen nicht besprochen.
F: Wann verwenden Sie das Potenzgesetz im Vergleich zum Arrheniusgesetz?
A: In der Praxis verwenden viele Power für Spannung und Arrhenius für Temperatur. Wenn es sich um einen Stressor handelt, mit dem Sie nicht vertraut sind, sollten Sie in der Literatur nachschlagen, was in der Vergangenheit verwendet wurde. Sie können auch eine Überprüfung durchführen. Siehe unten.
F: Wie würden sich „schlechte“ Daten in diesen Analysen verhalten? Angenommen, wir gehen zu aggressiv vor und verursachen einen anderen Fehlermodus. Gibt es Signaturen im Modell, die dies offenbaren würden, bevor Fachexperten hinzugezogen oder die Teile überprüft werden?
A: Wahrscheinlich werden Sie irgendwann Beobachtungen sehen, die außerhalb der Konfidenzbänder liegen.
F: Verwenden Sie immer die Lognormaltransformation für das Arrhenius-Modell und die Weibull-Transformation für das Potenzgesetzmodell?
A: Nein. Sie können jede gewünschte Distribution verwenden.
F: Was bedeutet der Formfaktor?
A: Es ist ein allgemeiner Begriff, der vorgibt, wie sich die Form der Verteilung ändert. Betrachten Sie es als einen Parameter, der eine bestimmte Eigenschaft der Verteilung steuert.
F: Ist es normal, extrapolierte ALT-Tests mit längeren Alterungsstudien bei kleineren Spannungsanstiegsraten zu validieren?
A: Das Validieren (oder Bestätigen) von Vorhersagen ist immer eine gute Idee, egal ob bei ALT, allgemeiner DOE-Analyse oder sogar Regressionsmodellen auf Grundlage von Beobachtungsdaten. Um George Box zu paraphrasieren: „Alle Modelle sind falsch, manche 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 ermitteln, wie viele Stichproben unter welchen Bedingungen getestet werden müssen, um das gewünschte Vorhersageintervall zu erhalten?
A: Unter dem DOE-Menü „Spezialzweck“ gibt es die Option „ALT-Designs“ .
F: Wann würden Sie bei Stufenspannung die Verwendung einer lognormalen Kurve in Betracht ziehen – wenn diese weder linear noch parabolisch ist?
A: Bedenken Sie, dass Sie Lebensdauerverteilungen modellieren. Alles, was eine schiefe Verteilung hat (mehr Ausfälle über längere Zeiträume), würde von einer Anpassung an eine nicht-normale Verteilung (wie die lognormale) profitieren.
F: Wie gehen Sie mit Intervallzensur um? Wie codieren Sie sie beispielsweise in der Datentabelle, um sie in die Zuverlässigkeitsanalyseplattform einzugeben?
A: Sie haben zwei Zensurspalten. Die erste listet das untere Intervall auf, die zweite das obere. Geben Sie beide Zensurspalten in die Eingaben ein, und JMP weiß, dass Sie von Intervallzensur sprechen.
F: Wenn ich zwei Produkte habe und sehen möchte, wie sie unter zwei Belastungsbedingungen (Zeit und Spannung, wie Charlie zeigt) reagieren, empfehlen Sie dann, das Produkt als Kovariate hinzuzufügen oder für jedes Produkt eine andere Analyse durchzuführen?
A: Ich bevorzuge es, es als Kovariate hinzuzufügen, damit ich die Interaktion zwischen Produkt- und Beschleunigungsfaktorbedingungen betrachten kann (z. B. können unterschiedliche Produkte unterschiedliche Streuungen ihrer Verteilungen aufweisen).
F: Es scheint, dass Sie für die Survival Fit-Plattform einige der schönen Ergebnisse der Fit Life by X-Plattform, wie etwa die Verteilungsdiagramme, nicht erhalten können. Stimmt das?
A: Richtig. Sie können die vorhergesagten Werte im Datensatz speichern und sie im Graph Builder darstellen, um eine schöne grafische Ausgabe zu erhalten.
F: Würden Sie immer noch die ALT-Plattform verwenden, wenn Sie den Verschlechterungsprozess der mechanischen Eigenschaften eines Elastomers durch die Temperatur beschleunigen und die Vorhersage der Eigenschaften auf niedrigere Temperaturen/längere Zeiträume extrapolieren möchten, oder würden Sie hier einfach die DOE-Plattform verwenden?
A: Die Verwendung der ALT-Plattform ist wahrscheinlich vorzuziehen.
Die Analyse verwendet normalerweise nichtlineare Modelle. Weitere Informationen zu nichtlinearen Modellen:
