ฉันเชื่อว่าเพื่อนร่วมงานที่ทำงานด้านความน่าเชื่อถือมีคำถาม: จะเลือกจำนวนตัวอย่างในขั้นตอนการวิจัยและพัฒนาได้อย่างไร ในขั้นตอนการพัฒนาผลิตภัณฑ์ จะต้องมีข้อกำหนดในการทดสอบผลิตภัณฑ์อย่างหลีกเลี่ยงไม่ได้ ซึ่งอธิบายว่าผลิตภัณฑ์ของเราสามารถตอบสนองช่วงอุณหภูมิใด ค่าความเค้นจากการกระแทกและแรงสั่นสะเทือนที่สามารถรับได้มากน้อยเพียงใด เป็นต้น
จากนั้น เราจึงเริ่มจัดเตรียมการทดสอบเพื่อตรวจสอบว่าผลิตภัณฑ์ของเรามีคุณสมบัติตรงตามข้อกำหนดข้อมูลจำเพาะของผลิตภัณฑ์หรือไม่ ดังนั้นสำหรับแต่ละรายการทดสอบ เราจะทดสอบกี่ตัวอย่างก่อนที่จะบอกว่าผลิตภัณฑ์ของเรามีคุณสมบัติตรงตามข้อกำหนดผลิตภัณฑ์ของเรา
แบ่งปันวิธีการที่แนะนำในหนังสือ Practical Reliability Engineering ที่ฉันกำลังอ่านอยู่ และแบ่งปันคำอธิบายและกรณีการคำนวณของคำศัพท์การวัดความน่าเชื่อถือขั้นพื้นฐานบางคำ
การเลือกจำนวนตัวอย่างทดสอบในขั้นตอนการวิจัยและพัฒนา
ก่อนอื่น ให้อ้างถึงแนวคิดเรื่องการแจกแจงแบบทวินาม: การแจกแจงแบบทวินามซ้ำแล้วซ้ำอีกและการทดลองแบบเบอร์นูลลีแบบอิสระ การทดลองแต่ละครั้งมีเพียงสองผลลัพธ์ที่เป็นไปได้ และผลลัพธ์ทั้งสองจะเกิดขึ้นตรงข้ามกันและเป็นอิสระจากกันหรือไม่ พวกเขาไม่เกี่ยวข้องกับผลลัพธ์ของการทดลองอื่นๆ ความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้นหรือไม่ยังคงไม่เปลี่ยนแปลงในการทดลองอิสระแต่ละครั้ง .
ในขั้นตอนการพัฒนาผลิตภัณฑ์ถือว่าความน่าจะเป็นของผลการทดสอบ (ผ่าน) หรือ (ไม่ผ่าน) ของแต่ละตัวอย่าง R&D ในแต่ละรายการทดสอบยังคงไม่เปลี่ยนแปลงในการทดสอบอิสระแต่ละครั้ง ตามทฤษฎีการกระจายตัวแบบทวินาม อ้างอิงตาม Practical Reliability Engineering 14.3 2 สูตรสำหรับความเชื่อมั่นในการกระจายรายการมีดังนี้:
สูตรข้างต้นถือว่าจำนวนความล้มเหลว k=0 และสูตรแบบง่ายเป็นดังนี้: C=1-R^N; จำนวนตัวอย่างทดสอบคือ N=Ln(1-C)/Ln(R); ภาพหน้าจอด้านล่างนี้อ้างอิงจากวิศวกรรมความน่าเชื่อถือเชิงปฏิบัติ
สำหรับตัวอย่างภาพหน้าจอด้านบน หมายเหตุ: R ในที่นี้หมายถึงความน่าจะเป็นในการแสดงให้เห็นถึงความน่าเชื่อถือของข้อกำหนดการทดสอบผลิตภัณฑ์ อย่าสับสนกับความน่าเชื่อถือของการแจกแจงแบบเอ็กซ์โปเนนเชียล R=e^(-แลต) ของการแจกแจงแบบเอ็กซ์โปเนนเชียล เปลี่ยนแปลงตามเวลา .
จากตัวอย่างข้างต้นเป็น R=90% และ C=50% จำนวนตัวอย่างทดสอบที่คำนวณได้ในขั้นตอนการวิจัยและพัฒนาคือ 7 ความหมายที่นิยมมีดังนี้: เมื่อเลือกตัวอย่างทดสอบ 7 ตัวอย่าง หาก ผลการทดสอบจากตัวอย่างทั้ง 7 รายการผ่าน มีความมั่นใจ 50% ว่าผลิตภัณฑ์ที่เราพัฒนาจะตรงตามข้อกำหนดการทดสอบผลิตภัณฑ์ด้วยความน่าจะเป็น 90% (ไม่ว่าเราจะขายผลิตภัณฑ์ในอนาคตจำนวนเท่าใด ในตลาดตราบใดที่ทั้ง 7 ตัวอย่าง ผ่านการทดสอบในขั้นตอน R&D แล้ว เราสามารถประกาศให้โลกภายนอกทราบว่าเรามั่นใจ 50% ว่า 90% ของผลิตภัณฑ์ในตลาดสามารถตอบสนองข้อกำหนดการทดสอบของผลิตภัณฑ์ของเราได้ แน่นอนว่า สถานที่ตั้งที่นี่คือเพื่อให้แน่ใจว่า R&D สเตจเหมือนกับเซ็กเมนต์แบทช์)
หลังจากอ่านบทนำในหนังสือแล้ว มาตรฐานอุตสาหกรรมสำหรับระบบอัตโนมัติทางอุตสาหกรรมคือการใช้ R=97% & C=50% ซึ่งส่งผลให้มี N=23 บางคนในนี้อาจจะมีคำถามว่าแผนกไหนเป็นคนกำหนดค่าของ R และ C? จะกำหนดได้อย่างไร? นี่เป็นคำถามของฉันด้วย และนี่ก็เป็นปัญหาในการพัฒนาความน่าเชื่อถือและงานที่มีคุณภาพ... ตัวอย่างเช่น ต้นทุนการวิจัยและพัฒนาของผลิตภัณฑ์บางอย่างสูงเกินไป โดยปกติแล้วโครงการจะจัดหาผลิตภัณฑ์เพียงรายการเดียวสำหรับการทดสอบการวิจัยและพัฒนา หากผ่านการทดสอบตามตัวอย่างนี้ ก็ทำได้เพียง C=50%, R=50%... ฉันเชื่อว่านี่คือสถานการณ์ปัจจุบันของบริษัทส่วนใหญ่เช่นกัน...
คำอธิบายเงื่อนไขการวัดความน่าเชื่อถือขั้นพื้นฐานและตัวอย่างการคำนวณ
เมื่อเร็วๆ นี้ ฉันพบลูกค้าในที่ทำงานซึ่งถามเกี่ยวกับการคำนวณ PPM, MTBF และความน่าจะเป็นด้านความน่าเชื่อถือ R ฉันจะไม่พูดถึงกรณีของลูกค้า แต่แบ่งปันสิ่งที่ฉันเห็นใน Practical Reliability Engineering
MTBF: ระหว่างนี้ระหว่างความล้มเหลว R(t)=e^(-1/MTBF*t) ในการแจกแจงแบบเอ็กซ์โปเนนเชียล
PPM: ส่วนต่อล้านส่วน; R(t)=1-PPM(t)/(10^6);
BX-Life: ถ้า x=10 ตรงนี้ หมายความว่า R=90%;
การวิเคราะห์ตัวอย่างข้างต้น: ผลิตภัณฑ์ต้องมีอายุการใช้งานของ B10 เป็นเวลา 5 ปี ซึ่งหมายความว่าความน่าเชื่อถือของผลิตภัณฑ์หลังจาก 5 ปีคือ 90% ในตัวอย่าง คือ MTTF (MeanTime To Failure) ซึ่งเป็นไปตามการแจกแจงแบบเอ็กซ์โปเนนเชียล แทนที่ลงในสูตร 14.2 ในรูปด้านบนเพื่อให้ได้ MTTF=47.5 ปี ซึ่งหมายถึงอัตราความล้มเหลวต่อปี γ=0.021 (มีการใช้ข้อความอื่นที่นี่ เนื่องจาก MTTF {{10} }.5 ปี แล้วอัตราการซ่อมต่อปี=1/47.5=2.1% ซึ่งสูงมาก... โดยปกติสินค้าอุปโภคบริโภคจะต่ำกว่า 0.3 %...); ค่า PPM คือ 100,000 ซึ่งหมายความว่าหลังจาก 5 ปี 100,000 ผลิตภัณฑ์ต่อล้านจะล้มเหลว