コンポーネントの信頼性、または修復不可能なシステムの信頼性では、コンポーネントが故障すると、そのコンポーネントは廃棄され、修復できないと想定されます。コンポーネントの寿命は、ワイブル分布や対数正規分布などを使用してモデル化され、特定の割合の部品が故障するまでの時間、または特定の時間に故障する部品の割合を推定することが目標です。
システム信頼性、または修復可能なシステム信頼性では、システムが故障した後、修復不可能なコンポーネントを新しいものと交換することで修復できます。システム信頼性分析は、修復不可能なコンポーネントのシステムの故障をモデル化することに関係しています。データはカウント プロセスから取得され、応答は特定の時間における修復イベントの数です。目標は、平均累積関数C ( t ) をモデル化することです。これは、時間tを通じたイベントの合計数を示します。この推定値から、修復率を示す強度関数I ( t ) を推定できます。
システム信頼性の分析
故障の分布に記憶がない場合、つまり故障間隔が指数分布に従う場合、平均故障間隔 (MTBF) はプロセスを完全に特徴付けます。ただし、故障間隔が異なる分布に従う場合、平均は時間の経過とともに変化し、MTBF はプロセスを適切に特徴付けません。
イベント プロットや平均累積関数のプロット (図 1) などのグラフィカル分析を使用すると、修復率が時間の経過とともに変化しているかどうかを判断できます。統計モデルは、故障間隔を表すために適合できます。モデルのパラメーターは、グループ化変数または共変量の関数として扱うことができます。
図 1. 3 つのシステムのイベント プロットと平均累積関数プロット: 1 つはランダム障害、1 つは信頼性が向上しているシステム、1 つは信頼性が低下しているシステム。
反復プラットフォームのモデルには、同次ポアソン過程と非同次ポアソン過程が含まれます。各モデルでは、平均累積関数の形式を線形、多項式、または指数として指定します (図 2)。信頼性成長プラットフォームでは、信頼性の向上または低下のいずれかの信頼性の変化をモデル化できます (図 3)。
図 2. 同次ポアソン過程 (線形) とべき非同次ポアソン過程 (多項式) のモデルを追加した信頼性低下の MCF プロット。
図 3. 区分ワイブル非同次ポアソン過程によってモデル化された信頼性成長の MTBF プロット。
修理可能なシステムの信頼性を詳しく調べる
システムの信頼性を視覚化し、説明し、推論する方法を理解するには、この一連の短いビデオをご覧ください。
