ビデオは2024年5月に更新されました。
使用条件での製品の信頼性が高い場合、テスト時間を短縮するために加速寿命テスト (ALT) が必要です。より厳しい条件下で部品をテストすることで、故障時間が大幅に短縮されるため、テストを妥当な時間で完了できます。その後、加速故障データを使用して、低ストレスでの製品の信頼性を予測できます。
方法をご覧ください:
- ALTの原則を理解する
- 一定のアレニウスとべき乗法則の一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、低ストレスでも信頼性を予測します。
- 2つの要因の加速寿命データから安全動作領域（SOA）を作成する
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 つ以上の応答変数間の関係を調査する方法。
- アルレニウスの式またはモデル - 多くの物理的および化学的プロセスにおける反応速度と温度の関係を説明します。この式は、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を関連付けます。故障までの時間 ~ exp(Ea/T) (Ea は活性化エネルギー)。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。
- べき乗法則モデル - 故障時間と応力の関係を示す方程式。故障時間は応力の指数 (またはべき乗) の関数です。故障時間 ~ 応力^n (n は指数)。
- 打ち切り - データポイントを打ち切るということは、データポイントが故障時間として除外されるが、部品の動作時間として分析に含まれ続けることを意味します。右打ち切り - 部品が故障する前に部品へのストレスが停止されました。間隔打ち切り - 部品の故障は、ある既知の時間間隔内に発生しました。左打ち切り - 部品は、テストの開始前のある時点で故障しました。左打ち切りは、産業実験では一般的ではありません。
以下は、2024 年のウェビナーでは取り上げられなかったストレス テストのデモです。一定のストレスをモデル化するよりもさらに速く結果を得る必要がある人にとっては役立つかもしれません。これを使用するには、1) ストレスが高すぎて故障モードが変化することがないこと、2) ストレスが変化しても追加の影響がないことを確信する必要があります。
ライブ ウェビナー デモ中に Jerry Fish @JerryFishと Charlie Whitman @charlie_whitmanが回答した質問と、以前のデモからの回答の一部です。
Q: データが異なるストレス条件によって傾きが異なることを示した場合はどうなりますか。
A: それは問題になることがあります。覚えておいてください、使用条件に外挿して傾きが異なる場合、形状係数が一定であるという仮定は破られています。したがって、これに対処するための洗練された方法がいくつかあります。たとえば、最高応力で、形状係数が低応力とはかなり異なることがわかったとします。その場合、高応力のデータを除外することができます。多くの場合、傾きが変化し、形状係数が変化する場合、それは必ずしも破壊メカニズムが変化していることを示唆するわけではありませんが、それは避けたいものです。したがって、そのデータを除外して低応力で分析してから外挿を行うかもしれませんが、これは問題です。形状係数を一定にして自信を持って予測できるようにしたいため、さらに低い応力まで行く必要があるかもしれません。
Q: 分位線は常に直線ですか?
A: デモの例の Arrhenius モデルのように、選択したモデルに合わせてプロットが適切にスケーリングされているため、線は直線になります。
Q: 対数正規分布の使用をどのように決定しますか?
A: 複数の分布の適合を比較し、どの適合が最適かを決定して、そのモデルを採用することができます。または、特定の分布を使用すると部品が故障するという履歴情報がある場合もあります。
Q: なぜ 3 つの異なる温度を使用するのですか?
A: 温度対寿命プロットで「曲率」を検出できるようにするためです。 2 つの温度のみを使用する場合は、直線を想定することになり、曲率が結果に影響したかどうかはわかりません。
Q: ALT 検査は、時間の経過による自然な老化と同等とみなすべきでしょうか?
A: ALT の場合、加速によって通常の使用条件下で見られる故障メカニズムが変わらないことを前提としています。
Q: ALT は現実世界の状況を代表していますか?
A: はい。標準的な動作条件下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。重要な点は、加速係数によって、標準条件で実行した場合と同じ障害モードが発生することです。代表的とはどういう意味かによって異なります。実際の状況を代表するものではありませんが、信頼性研究の実施方法を代表するものです。
Q: アルレニウス散布図では、「データの範囲を超えて外挿する」ことは回帰分析ではやってはいけないことのように思えます。これは本当ですか?
A: ある程度はそうですが、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、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。後期の故障時のデータはありませんが、以前の故障を知っていれば、分布をモデル化するのに十分です。さらに、通常はこれらの以前の故障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する場合ほど広くはありません。
Q: この Fit Life by X、Arrhenius 分析は、各温度設定で 1 つのデータ ポイントのみで実行できますか?
A: 故障分布と加速係数について何らかの仮定を立て、ベイズ法を使用する予定の場合のみです。
Q: Fit Life by X、Arrhenius の場合、使用時の状態を推定するには、ストレス条件をいくつ設定する必要がありますか?
A: 数学的には 2 つだけ必要だと思います。しかし、他の統計問題と同様に、データが多いほど信頼限界が厳しくなり、常に有利になります。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、Arrhenius の場合、温度が順序としてモデル化された場合でも、このデモは機能しますか、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。これらのモデルでは、X が連続または名目のいずれかであると仮定しています。
Q: 「Fit Life by X, Arrhenius」の場合、JMP が予測寿命の信頼限界の下限と上限をどのように計算するかについて簡単に説明していただけますか?
A: JMP は、最大尤度を使用して、選択した分布のパラメータを推定します。そこから、関心のある分位数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 つだけ使用することは可能ですか?
A: いいえ。1 つの点を通る線を当てはめるようなものです。線を当てはめるには少なくとも 2 つの点が必要です。
Q: このべき乗法則モデル (ログ 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適用できますか?
A: チャーリーがこれまで話してきたことはすべて、サンプルごとに 1 回の測定を前提としています。繰り返しの測定については触れていません。
Q: べき乗法則とアレニウス法則はいつ使用しますか?
A: 実際には、電圧には Power を、温度には Arrhenius を使用する人が多くいます。よく知らないストレス要因の場合は、文献を参照して、これまで何が使用されてきたかを調べてください。確認することもできます。以下を参照してください。
Q: これらの分析では、「不良」データはどのように動作しますか? たとえば、積極的になりすぎて別の障害モードを引き起こしたとします。専門家を呼んだり部品を検査したりする前に、モデルにこれを明らかにするシグネチャはありますか?
A: ある時点で、観測値が信頼帯域外になる可能性が高くなります。
Q: 常に、Arrhenius モデルに対数正規変換を使用し、べき乗法則モデルにワイブル変換を使用するのですか?
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: 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。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: 外挿された ALT テストを、より低いストレス ランプ レートでのより長いエイジング研究で検証するのは普通ですか?
A: ALT でも、一般的な DOE 分析でも、あるいは観測データの回帰モデルでも、予測を検証 (または確認) することは常に良い考えです。George Box の言葉を言い換えると、「すべてのモデルは間違っているが、いくつかは役に立つ」ということです。モデルが「役に立つ」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: 希望する予測区間を得るために各条件でテストするサンプル数を知るのに役立つサンプル サイズ計算機が JMP にありますか?
A: DOE メニューの「特殊目的」の下に、 「ALT 設計」オプションがあります。
Q: ステップストレスの場合、線形でも放物線でもないときに、対数正規曲線の使用を検討しますか?
A: 寿命分布をモデル化していることに留意してください。歪んだ分布 (長い期間で故障が多くなる) を持つものは、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: 区間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ために、データ テーブルでどのようにコード化しますか?
A: 2 つの打ち切り列があります。最初の列には下限の間隔がリストされ、2 番目の列には上限の間隔がリストされます。入力に両方の打ち切り列を入力すると、JMP は区間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) でそれらの製品がどのように機能するかを確認したい場合、製品を共変量として追加するか、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、製品と加速要因の条件間の相互作用を確認できるように、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、製品によって分布の広がりが異なる場合があります)。
Q: Survival Fit プラットフォームでは、Fit Life by X プラットフォームの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: 正解です。予測値をデータセットに保存し、Graph Builder でプロットすると、わかりやすいグラフィック出力が得られます。
Q: エラストマーの機械的特性の温度加速劣化を調べ、より低い温度/より長い時間に対する特性の予測を外挿したい場合、ALT プラットフォームを引き続き使用しますか、それとも、ここでは 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のがおそらく望ましいでしょう。
分析では通常、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。
