Vjerujem da se kolege koje se bave poslovima pouzdanosti postavljaju pitanje: Kako odabrati broj uzoraka u fazi istraživanja i razvoja? U fazi razvoja proizvoda, neizbježno će postojati specifikacije za testiranje proizvoda, koje opisuju koji temperaturni raspon naši proizvodi mogu zadovoljiti, kolike vrijednosti naprezanja na udare i vibracije mogu izdržati, itd.
Zatim smo započeli s dogovaranjem testova kako bismo provjerili mogu li naši proizvodi ispuniti zahtjeve specifikacija proizvoda. Dakle, za svaki ispitni predmet, koliko uzoraka testiramo prije nego što možemo reći da naš proizvod zadovoljava naše specifikacije proizvoda?
Podijelite metodu predstavljenu u knjizi Praktično inženjerstvo pouzdanosti koju čitam, a također podijelite objašnjenja i slučajeve izračunavanja nekih osnovnih pojmova za mjerenje pouzdanosti.
Odabir broja ispitnih uzoraka u fazi istraživanja i razvoja
Prvo se osvrnite na koncept binomne distribucije: binomna distribucija se ponavlja u nezavisnim Bernoullijevim pokusima. Postoje samo dva moguća ishoda u svakom ispitivanju, a da li se ta dva ishoda dešavaju suprotni su jedan od drugog i nezavisni jedan od drugog. Oni nemaju nikakve veze sa rezultatima drugih ispitivanja. Vjerovatnoća da će se događaj dogoditi ili ne ostaje nepromijenjena u svakom nezavisnom ispitivanju. .
U fazi razvoja proizvoda, smatra se da vjerovatnoća rezultata testa (Položen) ili (Neuspješan) svakog R&D uzorka u svakoj ispitnoj jedinici ostaje nepromijenjena u svakom nezavisnom testu. Prema teoriji binomne distribucije, citirajte Praktično inženjerstvo pouzdanosti 14.3 2 Formula za pouzdanost distribucije stavki je sljedeća:
Gornja formula pretpostavlja da je broj kvarova k=0, a pojednostavljena formula je sljedeća: C=1-R^N; broj test uzoraka je N=Ln(1-C)/Ln(R); snimak ekrana ispod je citiran iz Praktičnog inženjeringa pouzdanosti.
Za gornji primjer snimka ekrana, imajte na umu: R se ovdje odnosi na vjerovatnoću demonstriranja pouzdanosti testnih specifikacija proizvoda. Nemojte to brkati sa pouzdanošću eksponencijalne distribucije. R=e^(-λt) eksponencijalne distribucije; mijenja se s vremenom. .
Uzimajući gornji primjer kao R=90% i C=50%, izračunati broj testnih uzoraka u fazi istraživanja i razvoja je 7. Popularno značenje je sljedeće: kada je odabrano 7 testnih uzoraka, ako je rezultati testiranja svih 7 uzoraka prođu, postoji 50% povjerenja da će proizvod koji razvijamo zadovoljiti specifikacije testa proizvoda sa vjerovatnoćom od 90% (bez obzira koliko proizvoda prodamo u budućnosti Na tržištu, sve dok svih 7 uzoraka testirani u fazi istraživanja i razvoja, možemo izjaviti vanjskom svijetu da smo 50% sigurni da 90% proizvoda na tržištu može zadovoljiti testne specifikacije naših proizvoda. Naravno, ovdje je premisa osigurati da istraživanje i razvoj faza je Ista kao segment serije).
Nakon čitanja uvoda u knjizi, industrijski standard za industrijsku automatizaciju je korištenje R=97% & C=50%, što rezultira N=23. Neki ljudi ovdje mogu imati pitanja, koji odjel definira vrijednosti R i C? Kako to definisati? To je i moje pitanje, a to je i poteškoća u razvoju pouzdanosti i kvaliteta rada... Na primjer, troškovi istraživanja i razvoja nekih proizvoda su previsoki. Obično će projekt osigurati samo jedan proizvod za istraživanje i razvojno testiranje. Ako prođe test na osnovu ovog uzorka, može reći samo C=50%, R=50%... Vjerujem da je to i trenutna situacija većine kompanija...
Objašnjenje osnovnih pojmova mjerenja pouzdanosti i primjeri proračuna
Nedavno sam na poslu naišao na kupca koji me je pitao za izračunavanje PPM-a, MTBF-a i vjerovatnoće pouzdanosti R. Neću govoriti o slučaju kupca, ali podijelim ono što sam vidio u Praktičnom inženjeringu pouzdanosti;
MTBF: Međuvreme između otkaza; R(t)=e^(-1/MTBF*t) u eksponencijalnoj distribuciji;
PPM: Parts Per Million; R(t)=1-PPM(t)/(10^6);
BX-Life: Ako je x=10 ovdje, to znači R=90%;
Analiza gornjeg primjera: Proizvod zahtijeva životni vijek B10 od 5 godina, što znači da je pouzdanost proizvoda nakon 5 godina 90%. U primjeru, to je MTTF (MeanTime To Failure), koji zadovoljava eksponencijalnu distribuciju. Zamijenite ga u formulu 14.2 na gornjoj slici da dobijete MTTF=47.5 godina, što znači godišnju stopu neuspjeha λ=0.021, (ovdje se uvodi još jedna izjava, jer MTTF {{10} },5 godina, zatim godišnja stopa popravke=1/47.5=2.1%, što je veoma visoko... Obično su proizvodi široke potrošnje niži od 0,3 %...); PPM vrijednost je 100,000, što znači da će nakon 5 godina, 100,000 proizvoda na milion neće uspjeti.