Nell'affidabilità dei componenti, o affidabilità del sistema non riparabile, presupponiamo che dopo che un componente si è guastato, venga scartato e non possa essere riparato. La durata dei componenti viene modellata utilizzando le distribuzioni Weibull o lognormali (tra le altre) e l'obiettivo è stimare il tempo in cui una determinata proporzione di parti avrà ceduto o la proporzione di parti che si guasterà in un dato momento.
Nell'affidabilità del sistema, o affidabilità del sistema riparabile, dopo che il sistema si è guastato, può essere riparato sostituendo i componenti non riparabili con altri nuovi. L'analisi dell'affidabilità del sistema riguarda la modellazione dei guasti dei sistemi con componenti non riparabili. I dati provengono da un processo di conteggio: la risposta è il numero di eventi di riparazione in un dato momento. L'obiettivo è modellare la funzione cumulativa media C ( t ), che fornisce il numero totale di eventi nel tempo t . Da questa stima, possiamo stimare la funzione Intensità I ( t ), che fornisce il tasso di riparazione.
Analisi dell'affidabilità del sistema
Se la distribuzione dei guasti non ha memoria, cioè il tempo tra i guasti segue una distribuzione esponenziale, allora il tempo medio tra i guasti (MTBF) caratterizza completamente il processo. Tuttavia, se il tempo tra i guasti segue una distribuzione diversa, la media cambia nel tempo e l’MTBF non caratterizza adeguatamente il processo.
L'analisi grafica, come il grafico degli eventi e il grafico della funzione cumulativa media (Figura 1), può essere utilizzata per determinare se il tasso di riparazione cambia nel tempo. I modelli statistici possono essere adatti a descrivere il tempo che intercorre tra i guasti. I parametri del modello possono essere trattati come funzioni di raggruppamento di variabili o covariate.
Figura 1. Grafico degli eventi e grafico della funzione cumulativa media per tre sistemi: uno con guasti casuali, uno con affidabilità in miglioramento e uno con affidabilità in peggioramento.
I modelli nella piattaforma Ricorrenza includono il processo di Poisson omogeneo e i processi di Poisson non omogenei. Ciascun modello specifica che la forma della funzione cumulativa media deve essere lineare, polinomiale o esponenziale (Figura 2). La piattaforma Reliability Growth consente di modellare i cambiamenti nell'affidabilità, sia il miglioramento che il degrado dell'affidabilità (Figura 3).
Figura 2. Grafico MCF per il degrado dell'affidabilità con l'aggiunta dei modelli del processo di Poisson omogeneo (lineare) e del processo di Poisson non omogeneo di potenza (polinomiale).
Figura 3. Grafico MTBF per la crescita dell'affidabilità modellato da un processo di Poisson non omogeneo di Weibull a tratti.
Approfondisci l'affidabilità dei sistemi riparabili
Guarda questa serie di brevi video per capire come visualizzare, descrivere e fare inferenze sull'affidabilità del sistema.
