Quando l'affidabilità del prodotto nelle condizioni d'uso è elevata, sono necessari test di vita accelerati (ALT) per ridurre i tempi di test.Testando le parti in condizioni più severe, il tempo di guasto è molto inferiore, quindi i test possono essere completati in un tempo ragionevole.Quindi, i dati accelerati sui guasti possono essere utilizzati per prevedere l'affidabilità del prodotto a basso stress.
Scopri come:
- Comprendere i principi dell'ALT
- Utilizza i modelli di sollecitazione costante di Arrhenius e Power Law per prevedere la durata in condizioni d'uso
- Utilizzare un approccio con stress a gradini per ridurre ulteriormente i tempi di test e prevedere comunque l'affidabilità a basso stress
- Creare un'area operativa sicura (SOA) dai dati di vita accelerata per due fattori
Alcuni retroscena sui test di vita accelerati:
- Mean Time to Failure – Tempo medio di guasto per un prodotto non riparabile.
- Metodologia della superficie di risposta: modo per esplorare le relazioni tra diverse variabili esplicative e una o più variabili di risposta.
- Equazione o modello di Arrhenius - Descrive la relazione tra la velocità di reazione e la temperatura per molti processi fisici e chimici. L'equazione mette in relazione la dipendenza del meccanismo di degrado dalla temperatura assoluta (T) e quindi dal tempo necessario al cedimento.È ora di fallire ~ exp(Ea/T) dove Ea è l'energia di attivazione. Può essere utilizzato per stimare i parametri di affidabilità al variare della temperatura.
- Modello della legge di potenza - Equazione che fornisce la dipendenza tra il tempo di cedimento e lo stress, dove il tempo di cedimento è una funzione dello stress rispetto a qualche esponente (o potenza). È ora di fallire ~ stress^n dove n è un esponente.
- Censura: censurare un punto dati significa che il punto dati viene escluso come tempo di guasto ma comunque incluso nell'analisi come tempo di funzionamento della parte.Censura corretta: lo stress sulla parte è stato interrotto prima che la parte fallisse. Censura dell'intervallo: il guasto della parte si è verificato entro un intervallo di tempo noto. Censura a sinistra: la parte ha fallito ad un certo punto prima dell'inizio del test.La censura a sinistra non è comune negli esperimenti industriali.
Domande a cui risponde Jerry Fish @JerryFish , Don McCormack @DonMcCormack e Charlie Whitman @charlie_whitman durante la demo del webinar live:
Il test ALT dovrebbe essere considerato equivalente all’invecchiamento naturale nel tempo?
R: Per ALT, si presuppone che l'accelerazione non modifichi il meccanismo di errore che vedresti in condizioni di utilizzo normali.
Le ALT sono rappresentative delle situazioni del mondo reale?
R: Sì. Vengono utilizzati continuamente quando sarebbe necessario troppo tempo per ottenere risultati in condizioni operative standard. La chiave è che il fattore di accelerazione si traduce nella STESSA MODALITÀ DI GUASTO come se stessi correndo in condizioni standard. Dipende cosa si intende per rappresentante. Sebbene non siano rappresentativi delle condizioni di vita reale, sono rappresentativi del modo in cui vengono condotti gli studi sull'affidabilità.
Sul grafico a dispersione di Arrhenius, sembra di "estrapolare oltre i limiti dei dati", un no-no in regressione. È vero?
A: In un certo senso lo è, ma è fatto in un contesto diverso rispetto alla regressione. Nel caso dell'affidabilità, stai cercando di trovare la distribuzione che meglio si adatta alle probabilità di fallimento rappresentate dai dati. Non disponi di dati relativi agli ultimi tempi di errore, ma conoscere gli errori precedenti può fare un lavoro abbastanza buono nel modellare la distribuzione. Oltre a ciò, in genere sei interessato alle probabilità di fallimento in questi momenti precedenti. Quindi potresti estrapolare, ma gli intervalli di confidenza non sono così ampi come quelli trovati quando estrapoli oltre gli endpoint nella regressione.
L'analisi Fit Life by X, Arrhenius può essere eseguita con un solo punto dati per ciascuna impostazione di temperatura?
R: Solo se si prevede di formulare alcune ipotesi sulla distribuzione dei guasti e sul fattore di accelerazione e si utilizzano metodi bayesiani.
Per Fit Life di X, Arrhenius, quante condizioni di stress sono necessarie per estrapolare la condizione di utilizzo?
A: Matematicamente penso che ne servirebbero solo 2. Ma come per qualsiasi problema statistico, più dati sono sempre meglio, fornendo limiti di confidenza più stretti, ecc. Quindi diventa un compromesso rispetto alle risorse necessarie per il test.
Per Fit Life by X, Arrhenius, se la temperatura fosse modellata come ordinale, questa demo funzionerebbe ancora o l'analisi Fit Life by X necessita di dati continui?
R: No. Il presupposto con questi modelli è che X sia continuo o nominale.
Per Fit Life di X, Arrhenius, spiegheresti brevemente come JMP calcola i limiti di confidenza inferiore e superiore per le durate previste?
R: JMP utilizza la massima verosimiglianza per stimare i parametri per la distribuzione selezionata. Da ciò, calcoli gli intervalli di confidenza per il quantile di interesse.
So che è preferibile ottenere i dati a 3 temperature diverse, ma sarebbe possibile utilizzarne solo una?
R: No. È come far passare una linea attraverso un singolo punto.Sono necessari almeno 2 punti per adattare la linea.
Questo modello di legge sulla potenza (chiamato anche modello logaritmico o modello di tensione) può essere applicabile a campioni distruttivi?
R: Tutto ciò di cui Charlie ha parlato fino a questo punto presuppone una singola misurazione per campione. Non ha discusso di misurazioni ripetute.
Quando usi la Power Law contro Arrhenius?
R: In pratica, molti usano Power per la tensione e Arrhenius per la temperatura. Se si tratta di un fattore di stress con cui non hai familiarità, valuta la possibilità di consultare la letteratura per scoprire cosa è stato utilizzato storicamente. Puoi anche fare un controllo.Vedi sotto.
Come si comporterebbero i dati "cattivi" in queste analisi? Diciamo che siamo diventati troppo aggressivi e abbiamo indotto un'altra modalità di fallimento. Ci sono firme nel modello che lo rivelerebbero, prima di chiamare esperti in materia o ispezionare le parti?
R: Ad un certo punto probabilmente vedresti le osservazioni cadere al di fuori delle bande di confidenza.
Utilizzi sempre la trasformazione Lognormale per il modello Arrhenius e la trasformazione Weibull per il modello Power Law?
R: No. Puoi utilizzare qualsiasi distribuzione desideri.
Cosa significa il fattore forma?
R: È un termine generico che indica come cambia la forma della distribuzione. Consideratelo come un parametro che controlla una determinata caratteristica della distribuzione.
È normale convalidare i test ALT estrapolati con studi sull’invecchiamento più lunghi e tassi di rampa di stress più piccoli?
R: Convalidare (o confermare) le previsioni è sempre una buona idea, sia nell'ALT, sia nell'analisi DOE generale, o anche nei modelli di regressione sui dati osservativi.Per parafrasare George Box, "Tutti i modelli sono sbagliati, alcuni sono utili".L'unico modo per sapere se il tuo modello è "utile" è eseguire alcuni test di conferma.
JMP dispone di un calcolatore delle dimensioni del campione che ci aiuta a sapere quanti campioni testare in ciascuna condizione per ottenere l'intervallo di previsione desiderato?
R: Nel menu DOE, Scopo speciale, è presente un Disegni ALT opzione.
Per la sollecitazione del passo, quando prenderai in considerazione l'utilizzo di una curva lognormale, quando non è lineare o parabolica?
R: Tieni presente che stai modellando le distribuzioni dell'intera durata. Tutto ciò che ha una distribuzione distorta (più fallimenti in tempi più lunghi) trarrebbe vantaggio dall'adattamento a una distribuzione non normale (come la lognormale).
Come gestisci la censura degli intervalli? Ad esempio, come lo codifichi nella tabella dati per inserirlo nella piattaforma di analisi dell'affidabilità?
A: Avrai 2 colonne di censura.Il primo elencherà l'intervalore inferiore, il secondo sarà quello superiore.Inserisci entrambe le colonne Censor negli input e JMP saprà che stai parlando di Censoring a intervalli.
Se ho due prodotti e voglio vedere come si comportano in due condizioni di stress (tempo e tensione come quello mostrato da Charlie), consigliate di aggiungere il prodotto come covariata o di eseguire analisi diverse per ciascun prodotto?
R: Tendo a preferire l'aggiunta come covariata in modo da poter osservare l'interazione tra le condizioni del prodotto e dei fattori di accelerazione (ad esempio, prodotti diversi possono avere spread diversi delle loro distribuzioni).
Per la piattaforma Survival Fit non sembra che sia possibile ottenere alcuni dei risultati interessanti della piattaforma Fit Life by X, come i grafici di distribuzione. È vero?
R: Esatto.Puoi salvare i valori previsti nel set di dati e tracciarli nel Costruttore di grafici per ottenere un risultato grafico gradevole.
Utilizzeresti comunque la piattaforma ALT se stai accelerando la temperatura del degrado delle proprietà meccaniche di un elastomero e desideri estrapolare la previsione delle proprietà a temperature più basse/tempi più lunghi, o utilizzeresti semplicemente la piattaforma DOE qui?
R: Probabilmente è preferibile utilizzare la piattaforma ALT.
L'analisi utilizza tipicamente modelli non lineari. Per ulteriori informazioni sui modelli non lineari:
