使用条件における製品の信頼性が高い場合、試験時間を短縮するために加速寿命試験（ALT）が必要です。より厳しい条件で部品をテストすることにより、故障時間が大幅に短縮され、妥当な時間内にテストを完了できます。次に、加速故障データを使用して、低応力での製品の信頼性を予測できます。
方法を参照してください:
- ALTの原則を理解する
- 定アレニウスおよびべき乗則の定応力モデルを使用して、使用条件での寿命を予測します
- ステップストレスアプローチを使用してテスト時間をさらに短縮し、低ストレスでの信頼性を予測します
- 2 つの要素の加速寿命データから安全動作領域 (SOA) を作成
加速寿命試験の背景:
- 平均故障時間 – 修理不可能な製品の平均故障時間。
- 応答曲面法 - 複数の説明変数と 1 つ以上の応答変数の間の関係を調査する方法。
- アレニウスの方程式またはモデル - 多くの物理的および化学的プロセスの反応速度と温度の関係を説明します。 この方程式は、劣化メカニズムの絶対温度 (T) への依存性、つまり故障までの時間に関係しています。失敗までの時間 ~ exp(Ea/T) ここで、Ea は活性化エネルギーです。 温度変化に伴う信頼性パラメータの推定に使用できます。
- べき乗則モデル - 故障時間と応力の間の依存性を与える方程式。故障時間は応力の指数 (またはべき乗) の関数です。 失敗までの時間 ~ ストレス^n (n は指数)。
- 打ち切り - データポイントの打ち切りとは、データポイントが故障時間として除外されるものの、部品の動作時間として分析には含まれることを意味します。適切な打ち切り - 部品が故障する前に部品への応力が停止されました。 間隔打ち切り – 部品の故障は既知の時間間隔内に発生しました。 左打ち切り – 部品はテスト開始前のある時点で失敗しました。産業実験では左方検閲は一般的ではありません。
ジェリー・フィッシュが答えた質問@JerryFish 、ドン・マコーマック@donmcormackそしてチャーリー・ホイットマン@charlie_whitmanライブウェビナーのデモ中:
Q: ALT 検査は、時間の経過による自然老化と同等と考えるべきですか?
A: ALT の場合、加速によって通常の使用条件下で発生する障害メカニズムが変化しないと想定しています。
Q: ALT は現実世界の状況を代表していますか?
A: はい。 これらは、標準的な動作条件では結果を得るのに時間がかかりすぎる場合に常に使用されます。 重要なのは、加速係数によって、標準条件で実行している場合と同じ障害モードになるということです。 代表者が何を意味するかによります。 これらは実際の状況を表しているわけではありませんが、信頼性研究がどのように実施されているかを表しています。
Q: アレニウスの散布図では、「データの範囲を超えて外挿している」ように感じられますが、これは回帰では禁止です。 本当？
A: それはある意味ですが、回帰とは異なるコンテキストで行われます。 信頼性の場合は、データによって表される故障確率に最もよく適合する分布を見つけようとします。 その後の障害時間のデータはありませんが、初期の障害がわかれば、分布をモデル化するのに十分な役割を果たす可能性があります。 これに加えて、通常は、初期の時点での失敗の確率に関心があります。 したがって、外挿している可能性がありますが、信頼区間は回帰でエンドポイントを超えて外挿した場合に見られるものほど広くありません。
Q: この Fit Life by X、アレニウス解析は、各温度設定で 1 つのデータ ポイントのみを使用して実行できますか?
A: 故障の分布と加速係数についていくつかの仮定を立て、ベイジアン手法を使用する場合に限ります。
Q: X の Fit Life について、アレニウス、使用中の状態を推定するには、ストレスのかかる状態がいくつ必要ですか?
A: 数学的には 2 つしか必要ないと思います。しかし、他の統計問題と同様に、データが多いほど常に良い結果が得られ、信頼限界がより厳しくなります。そのため、テストに必要なリソースとのトレードオフになります。
Q: Fit Life by X について、アレニウスさん、温度が序数としてモデル化された場合、このデモはまだ機能しますか、それとも Fit Life by X 分析には連続データが必要ですか?
A: いいえ。 これらのモデルの仮定は、X が連続または名目上のいずれかであるということです。
Q: X による Fit Life について、アレニウスさん、JMP が予測される寿命の下限と上限の信頼限界をどのように計算しているか簡単に説明していただけますか?
A: JMP は最尤法を使用して、選択された分布のパラメーターを推定します。 そこから、対象となる分位の信頼区間を計算します。
Q: 3 つの異なる温度でデータを取得することが望ましいことはわかっていますが、1 つだけを使用することは可能ですか?
A: いいえ。それは 1 つの点を通る線を当てはめるようなものです。線に合わせるには少なくとも 2 つの点が必要です。
Q: このべき乗則モデル (対数モデルまたは電圧モデルとも呼ばれます) は、破壊的なサンプルにも適用できますか?
A: チャーリーがここまで話してきたことはすべて、サンプルごとに 1 回の測定を行うことを前提としています。 同氏は繰り返しの測定については議論していない。
Q: アレニウスに対してべき乗則はいつ使用しますか?
A: 実際には、多くの場合、電圧には Power が、温度には Arrhenius が使用されます。 馴染みのないストレッサーの場合は、文献を調べて歴史的に何が使用されてきたかを調べることを検討してください。 チェックを行うこともできます。以下を参照してください。
Q: これらの分析では、「悪い」データはどのように動作しますか? 攻撃的になりすぎて、別の故障モードを引き起こしたとします。 対象分野の専門家を呼んだり、部品を検査したりする前に、これを明らかにする署名がモデルにありますか?
A: ある時点で観測値が信頼帯の外に外れる可能性があります。
Q: アレニウス モデルには対数正規変換を、べき乗則モデルにはワイブル変換を常に使用しますか?
A: いいえ。任意のディストリビューションを使用できます。
Q: 形状係数とは何を意味しますか?
A: これは、分布の形状がどのように変化するかを示す一般的な用語です。 これは、分布の特定の特性を制御するパラメータと考えてください。
Q: より小さなストレス上昇率でのより長い老化研究で外挿された ALT 検査を検証するのは通常ですか?
A: ALT や一般的な DOE 解析、あるいは観測データの回帰モデルであっても、予測を検証 (または確認) することは常に良い考えです。ジョージ・ボックスの言葉を借りれば、「すべてのモデルは間違っているが、一部のモデルは有用である」。モデルが「有用」かどうかを知る唯一の方法は、いくつかの確認テストを実行することです。
Q: JMP には、必要な予測間隔を得るために各条件でテストするサンプルの数を知るのに役立つサンプル サイズ計算ツールはありますか?
A: DOE メニューの Special Purpose の下に、 ALTデザインズオプション。
Q: ステップ応力について、線形または放物線ではない場合、対数正規曲線の使用を検討するのはいつですか?
A: 生涯分布をモデル化していることに留意してください。 分布が歪んでいるもの (長時間になるほど故障が多くなる) は、非正規分布 (対数正規分布など) に適合させることでメリットが得られます。
Q: 間隔打ち切りにはどのように対処しますか? たとえば、信頼性分析プラットフォームに入力するには、データ テーブルにどのようにコーディングすればよいでしょうか?
A: 検閲列が 2 つあります。最初の値は下限の間隔値をリストし、2 番目の値は上限値をリストします。入力に両方の「Censor」列を入力すると、JMP は、インターバル打ち切りについて話していることを認識します。
Q: 2 つの製品があり、2 つのストレス条件 (Charlie が示しているような時間と電圧) でそれらがどのように機能するかを確認したい場合、共変量として製品を追加するか、製品ごとに異なる分析を実行することをお勧めしますか?
A: 私は、製品と加速因子条件の間の相互作用を調べることができるように、それを共変量として追加することを好む傾向があります (たとえば、製品が異なれば、分布の広がりが異なる場合があります)。
Q: Survival Fit プラットフォームの場合、Fit Life by X プラットフォームから分布プロットなどの優れた出力の一部を取得できないようです。 これは本当ですか？
A: そうです。予測値をデータセットに保存し、それをグラフ ビルダーでプロットすると、美しいグラフィック出力が得られます。
Q: 温度によってエラストマーの機械的特性の劣化が加速しており、特性の予測をより低い温度/より長い時間に外挿したい場合、引き続き ALT プラットフォームを使用しますか、それとも DOE プラットフォームのみを使用しますか?
A: ALT プラットフォームを使用することをお勧めします。
解析では通常、非線形モデルが使用されます。 非線形モデルの詳細については、以下を参照してください。
