Bei der Komponentenzuverlässigkeit oder der Zuverlässigkeit nicht reparierbarer Systeme gehen wir davon aus, dass eine Komponente nach ihrem Ausfall entsorgt wird und nicht repariert werden kann. Die Lebensdauer von Komponenten wird unter anderem mithilfe von Weibull- oder Lognormalverteilungen modelliert. Ziel ist es, den Zeitpunkt abzuschätzen, zu dem ein bestimmter Anteil von Teilen ausgefallen sein wird, oder den Anteil von Teilen, die zu einem bestimmten Zeitpunkt ausfallen werden.
Bei der Systemzuverlässigkeit oder der Zuverlässigkeit reparierbarer Systeme kann ein System nach einem Ausfall repariert werden, indem nicht reparierbare Komponenten durch neue ersetzt werden. Die Systemzuverlässigkeitsanalyse befasst sich mit der Modellierung von Systemausfällen mit nicht reparierbaren Komponenten. Die Daten stammen aus einem Zählprozess – die Antwort ist die Anzahl der Reparaturereignisse zu einem bestimmten Zeitpunkt. Das Ziel besteht darin, die mittlere kumulative Funktion C ( t ) zu modellieren, die die Gesamtzahl der Ereignisse über die Zeit t angibt. Aus dieser Schätzung können wir die Intensitätsfunktion I ( t ) schätzen, die die Reparaturrate angibt.
Analyse der Systemzuverlässigkeit
Wenn die Verteilung der Ausfälle kein Gedächtnis hat, d. h. die Zeit zwischen Ausfällen einer Exponentialverteilung folgt, dann charakterisiert die mittlere Zeit zwischen Ausfällen (MTBF) den Prozess vollständig. Wenn die Zeit zwischen Ausfällen jedoch einer anderen Verteilung folgt, dann ändert sich der Mittelwert im Laufe der Zeit und die MTBF charakterisiert den Prozess nicht ausreichend.
Mithilfe grafischer Analysen wie dem Ereignisdiagramm und dem Diagramm der mittleren kumulativen Funktion (Abbildung 1) lässt sich ermitteln, ob sich die Reparaturrate im Laufe der Zeit ändert. Statistische Modelle können angepasst werden, um die Zeit zwischen Ausfällen zu beschreiben. Die Parameter des Modells können als Funktionen von Gruppierungsvariablen oder Kovariaten behandelt werden.
Abbildung 1. Ereignisdiagramm und Diagramm der mittleren kumulativen Funktion für drei Systeme: eines mit zufälligen Ausfällen, eines mit verbesserter Zuverlässigkeit und eines mit abnehmender Zuverlässigkeit.
Zu den Modellen der Recurrence-Plattform gehören der homogene Poisson-Prozess und inhomogene Poisson-Prozesse. Jedes Modell gibt die Form der mittleren kumulativen Funktion als linear, polynomisch oder exponentiell an (Abbildung 2). Mit der Reliability Growth-Plattform können Sie Änderungen der Zuverlässigkeit modellieren, entweder eine Verbesserung oder eine Verschlechterung der Zuverlässigkeit (Abbildung 3).
Abbildung 2. MCF-Diagramm zur abnehmenden Zuverlässigkeit mit hinzugefügten Modellen des homogenen Poisson-Prozesses (linear) und des leistungsinhomogenen Poisson-Prozesses (polynomisch).
Abbildung 3. MTBF-Diagramm für das Zuverlässigkeitswachstum, modelliert durch einen stückweise Weibull-inhomogenen Poisson-Prozess.
Tauchen Sie tiefer in die Zuverlässigkeit reparierbarer Systeme ein
Sehen Sie sich diese Reihe kurzer Videos an, um zu erfahren, wie Sie die Systemzuverlässigkeit visualisieren, beschreiben und Rückschlüsse darauf ziehen können.
