تحلیل ویبول، زمان تا خرابی تعریف‌شده را با توزیعی مدل میکند که شکل آن رفتارهای متفاوت وابسته به عمر را توصیف میکند. B10 سنی است که مدل برازش‌شده یا فرضی، خرابی ده درصد جمعیت را تا آن پیش‌بینی میکند. عمر تضمین‌شده یا فاصله تعویض خودکار نیست. واحدهای هنوز خراب‌نشده را در صورت مناسببودن، به‌عنوان مشاهده سانسورشده نگه دارید. محاسبه این مقاله فرضی است و ادعا نمی‌کند از چند نتیجه آموزشی، قابلیت اطمینان کارخانه را برازش کرده است.
میانگین عمر، B10 و خطر شرطی وابسته به عمر را جدا کنید.
واحدهای هنوز در حال کار را در سابقه نگه دارید.
پیش از انتخاب عمر نگهداری، فرضها را بشناسید.
یک حالت خرابی و مبنای سنجش عمر را تعریف کنید
مطالعه زمان تا اولین خرابی، جمعیت، نقطه شروع، واحد سنجش کارکرد و تعریف روشن خرابی می‌خواهد. ساعت کار، چرخه و زمان تقویمی به سؤال‌های متفاوت پاسخ می‌دهند. حالت خرابی متفاوت یا قطعه بازطراحی‌شده شاید به جمعیت جدا نیاز داشته باشد، نه یک منحنی برازش‌شده مشترک.
NIST، مدل عمر را از مدل فرایند خرابی سامانه تعمیرپذیر جدا میکند. MTBF و MTTR محدوده‌های دیگری را خلاصه می‌کنند. رویداد تعمیر ناوگان تجهیز را نمی‌توان خودکار عمر مستقل قطعات نو دانست.
شکل و مقیاس را بخوانید، بدون حدس‌زدن سازوکار خرابی
در مدل دوپارامتری ویبول، قابلیت اطمینان از R(t) = exp(−(t/eta)^beta) به دست می‌آید؛ t نامنفی، پارامتر شکل beta مثبت و پارامتر مقیاس eta مثبت است. نرخ خطر، شدت لحظه‌ای خرابی میان واحدهای هنوز سالم است. وقتی beta برابر یک باشد، این نرخ ثابت می‌ماند؛ با beta بزرگ‌تر از یک، با افزایش عمر زیاد می‌شود و با beta کوچک‌تر از یک کاهش می‌یابد. این توصیف مدل است، نه اثبات سازوکار خرابی.
Eta سنی است که مدل تا آن حدود ۶۳٫۲ درصد خرابی پیش‌بینی میکند؛ میانگین عمر نیست. شکل برازش‌شده، سازوکار فیزیکی را اثبات نمی‌کند. پیش از تفسیر آن به فرسودگی یا رفتار ابتدای عمر، برازش، سازگاری جمعیت و عدمقطعیت را بررسی کنید.
F احتمال تجمعی خرابی در مدل عمر اعلام‌شده است. پارامترهای مثال بعدی فرض شده‌اند و از سابقه نمونه جداگانه برآورد نشده‌اند.
B10 را برای مدل صریحاً فرض‌شده حساب کنید
مدل آموزشی ما beta = 2 و eta = 1000 ساعت کار را فرض میکند. نتیجه، B10 برابر ۳۲۴٫۵۹ ساعت، میانه عمر ۸۳۲٫۵۵ ساعت و میانگین عمر ۸۸۶٫۲۳ ساعت است. این‌ها خلاصه‌های متفاوت همان توزیع فرضی‌اند و نتیجه اندازه‌گیری کارخانه نیستند.
مدل در ۱۰۰ ساعت، ۰٫۹۹۵ درصد و در ۱۰۰۰ ساعت، ۶۳٫۲۱۲ درصد خرابی پیش‌بینی میکند. احتمال خرابی در ۱۰۰ ساعت بعدی، به شرط بقا تا ساعت ۹۰۰، برابر ۱۷٫۳۰۴ درصد است. آن را با ۰٫۹۹۵ درصد در صد ساعت اول مقایسه کنید. در این مدل فرضی، عمر اهمیت دارد.
| کمیت | نتیجه مدل فرضی | معنا |
|---|---|---|
| B10 | ۳۲۴٫۵۹ ساعت | ده درصد خرابی تجمعی |
| میانه | ۸۳۲٫۵۵ ساعت | پنجاه درصد خرابی تجمعی |
| میانگین | ۸۸۶٫۲۳ ساعت | عمر مورد انتظار، نه فاصله تضمین‌شده |
| خرابی در صد ساعت اول | ۰٫۹۹۵٪ | واحد نو در زمان صفر |
| خرابی از ساعت ۹۰۰ تا ۱۰۰۰، به شرط بقا تا ۹۰۰ | ۱۷٫۳۰۴٪ | احتمال شرطی برای واحد باقی‌مانده |
واحدهای هنوز خراب‌نشده را نگه دارید
در سابقه جمع‌آوری فرضی جداگانه، هشت واحد نو یکسان هم‌زمان وارد کار می‌شوند. چهار واحد در ساعت‌های ۳۰۰، ۵۰۰، ۷۰۰ و ۹۰۰ خراب می‌شوند. چهار واحد هنگام پایان مشاهده در ساعت ۱۰۰۰ هنوز کار می‌کنند. عمر مشاهدهشده این چهار واحد، سانسورشده از راست است؛ نه خرابی در ساعت ۱۰۰۰ است و نه ردیف مفقود.
NIST، روش‌های درست‌نمایی برای داده عمر سانسورشده ارائه می‌دهد. این مقاله beta و eta فرضی را از آن هشت واحد برازش نمی‌کند. حذف واحدهای باقی‌مانده یا خراب علامت‌زدن آن‌ها، شواهد را عوض و برآورد عمر را مخدوش میکند.
- جمعیت و مبنای عمر را تعریف کنید
نسخه قطعه، حالت خرابی، شروع و واحد سنجش کارکرد را ثبت کنید.
- خرابی و عمر مشاهدهشده سانسورشده را نگه دارید
برای هر واحد داخل مطالعه، سن مشاهده و وضعیت رویداد را ذخیره کنید.
- مدل مناسب را برازش و بررسی کنید
فرض سانسور، حالت‌های رقیب، برازش و عدمقطعیت بازه را بررسی کنید.
- تصمیم را جدا ارزیابی کنید
پیامد و اثربخشی کار را ملاک بگیرید؛ B10 را دستور نگهداری ندانید.
فرض سانسور و انتخاب نمونه را بررسی کنید
واحدی که به دلیل نشانه افت وضعیت خارج شده، با مشاهده تصادفیِ واحد هنوز در حال کار یکسان نیست. دلیل پایان مشاهده را ثبت کنید. محدودشدن دامنه نمونه، تعویض، تغییر شرایط و حالت خرابی رقیب ممکن است تحلیل متفاوت بخواهند.
از چند خرابی، سیاست تعویض دقیق نتیجه نگیرید. راهنمای RCM مناسببودن کار مبتنی بر عمر را بررسی میکند. نگهداری پیش‌بینانه سؤال دیگری درباره هشدار قابل تشخیص و پاسخ دارد.
محدوده مدل را کنار عدد بنویسید
سابقه مفید قابلیت اطمینان، تعریف داده، قواعد سانسور، روش برآورد پارامتر، عدمقطعیت و تصمیم مورد نظر را نشان می‌دهد. نتیجه برازش‌شده را از سناریوی فرضی جدا نگه دارید. منحنی صاف می‌تواند شواهد ضعیف ورودی را مطمئن‌تر از واقعیت نشان دهد.
فایل، محاسبات مدل فرضی و سابقه جداگانه جمع‌آوری داده هشت واحد را دارد؛ مدلی به آن هشت واحد برازش نشده است. از این محاسبه یا یک سناریوی تولید، تأیید عمر تعویضِ مرتبط با ایمنی نتیجه نگیرید.
مثالی مرتبط از ابوالفضل
توقف برابر ناشی از خرابی پرتکرار یا بازیابی کند را مقایسه کنید.
به انگلیسی در وبلاگ شخصی ابوالفضل، بنیان‌گذار Vrolen. مطالعهٔ مرتبط است، نه منبع فنی مستقل.
چک‌لیست عملی
- یک جمعیت و حالت خرابی تعریف کنید.
- مبنای سنجش عمر را انتخاب کنید.
- همه واحدهای داخل مطالعه را ثبت کنید.
- خرابی را از سانسور جدا کنید.
- دلیل خروج یا پایان مشاهده را نگه دارید.
- پارامتر فرضی را از برآورد برازش‌شده جدا کنید.
- برازش و عدمقطعیت را بررسی کنید.
- پیش از انتخاب کار یا فاصله، پیامد را بسنجید.
پرسش‌های متداول
پرسش‌های متداول
منابع و مطالعهٔ بیشتر
منابع معتبر استفاده‌شده برای پژوهش و بررسی این راهنما.