Acredito que os colegas que estão envolvidos no trabalho de confiabilidade tenham uma pergunta: Como escolher o número de amostras na fase de pesquisa e desenvolvimento? Na fase de desenvolvimento do produto, inevitavelmente haverá especificações de teste do produto, que descrevem a faixa de temperatura que nossos produtos podem atender, quantos valores de tensão de choque e vibração eles podem suportar, etc.
Então começamos a organizar testes para verificar se nossos produtos atendiam aos requisitos das especificações do produto. Então, para cada item de teste, quantas amostras testamos antes de podermos dizer que nosso produto atende às especificações do produto?
Compartilhe um método apresentado no livro Practical Reliability Engineering que estou lendo e também compartilhe a explicação e casos de cálculo de alguns termos básicos de medição de confiabilidade.
Seleção do número de amostras de teste na etapa de P&D
Primeiro consulte o conceito de distribuição binomial: a distribuição binomial é repetida em tentativas independentes de Bernoulli. Existem apenas dois resultados possíveis em cada tentativa, e se os dois resultados ocorrem são opostos entre si e independentes um do outro. Eles não têm nada a ver com os resultados de outros ensaios. A probabilidade de o evento ocorrer ou não permanece inalterada em cada tentativa independente. .
Na etapa de desenvolvimento do produto, considera-se que a probabilidade do resultado do teste (Aprovado) ou (Reprovado) de cada amostra de P&D em cada item de teste permanece inalterada em cada teste independente. De acordo com a teoria da distribuição binomial, cite Practical Reliability Engineering 14.3 2 A fórmula para a confiança na distribuição de itens é a seguinte:
A fórmula acima assume que o número de falhas k=0, e a fórmula simplificada é a seguinte: C=1-R^N; o número de amostras de teste é N=Ln(1-C)/Ln(R); a captura de tela abaixo é citada da engenharia de confiabilidade prática.
Para o exemplo da captura de tela acima, observe: R aqui se refere à probabilidade de demonstrar a confiabilidade das especificações de teste do produto. Não confunda isso com a confiabilidade da distribuição exponencial. R=e^(-λt) de distribuição exponencial; muda com o tempo. .
Tomando o exemplo acima como R=90% e C=50%, o número calculado de amostras de teste na fase de P&D é 7. O significado popular é o seguinte: quando 7 amostras de teste são selecionadas, se o os resultados dos testes de todas as 7 amostras são aprovados, há 50% de confiança de que o produto que desenvolvemos atenderá às especificações de teste do produto com 90% de probabilidade (não importa quantos produtos venderemos no futuro no mercado, desde que todas as 7 amostras testados na fase de P&D, podemos declarar ao mundo exterior que estamos 50% confiantes de que 90% dos produtos no mercado podem atender às especificações de teste de nossos produtos. Claro, a premissa aqui é garantir que o P&D estágio é igual ao segmento de lote).
Depois de ler a introdução do livro, o padrão da indústria para automação industrial é usar R=97% & C=50%, o que resulta em N=23. Algumas pessoas aqui podem ter dúvidas, qual departamento define os valores de R e C? Como defini-lo? Essa também é a minha dúvida, e também é uma dificuldade no desenvolvimento de um trabalho confiável e de qualidade... Por exemplo, os custos de pesquisa e desenvolvimento de alguns produtos são muito altos. Normalmente, o projeto fornecerá apenas um produto para testes de pesquisa e desenvolvimento. Se passar no teste com base nesta amostra, só poderá dizer C=50%, R=50%... Acredito que essa também seja a situação atual da maioria das empresas...
Explicação dos termos básicos de medição de confiabilidade e exemplos de cálculo
Recentemente encontrei um cliente no trabalho que perguntou sobre o cálculo de PPM, MTBF e probabilidade de confiabilidade R. Não vou falar do caso do cliente, mas compartilhar o que vi na Engenharia Prática de Confiabilidade;
MTBF: Tempo médio entre falhas; R(t)=e^(-1/MTBF*t) em distribuição exponencial;
PPM: Partes por Milhão; R(t)=1-PPM(t)/(10^6);
BX-Life: Se x=10 aqui, significa R=90%;
Análise do exemplo acima: O produto exige que a vida útil de B10 seja de 5 anos, o que significa que a confiabilidade do produto após 5 anos é de 90%. No exemplo, é MTTF (MeanTime To Failure), que satisfaz a distribuição exponencial. Substitua-o na fórmula 14.2 na figura acima para obter MTTF=47,5 anos, o que significa a taxa de falha anual λ=0,021, (outra afirmação é introduzida aqui, porque MTTF {{10} },5 anos, então a taxa anual de reparo=1/47.5=2,1%, o que é muito alto... Geralmente os produtos de consumo são inferiores a 0,3%...); o valor do PPM é 100,000, o que significa que após 5 anos, 100,000 produtos por milhão falharão.