من معتقدم همکارانی که مشغول کار پایایی هستند یک سوال دارند: چگونه تعداد نمونه را در مرحله تحقیق و توسعه انتخاب کنیم؟ در مرحله توسعه محصول، به طور اجتناب ناپذیری مشخصات تست محصول وجود خواهد داشت، که توضیح می دهد محصولات ما چه محدوده دمایی را می توانند برآورده کنند، چه مقدار ضربه و استرس ارتعاشی را می توانند تحمل کنند و غیره.
سپس شروع به ترتیب دادن تست هایی برای بررسی اینکه آیا محصولات ما می توانند الزامات مشخصات محصول را برآورده کنند، شروع کردیم. بنابراین برای هر مورد آزمایشی، قبل از اینکه بگوییم محصول ما با مشخصات محصول ما مطابقت دارد، چند نمونه را آزمایش می کنیم؟
روش معرفی شده در کتاب مهندسی قابلیت اطمینان عملی را که در حال مطالعه آن هستم به اشتراک بگذارید و همچنین توضیح و موارد محاسباتی برخی از اصطلاحات اساسی اندازه گیری قابلیت اطمینان را به اشتراک بگذارید.
انتخاب تعداد نمونه های آزمایشی در مرحله تحقیق و توسعه
ابتدا به مفهوم توزیع دو جمله ای مراجعه کنید: توزیع دوجمله ای در آزمایشات مستقل برنولی تکرار می شود. در هر کارآزمایی فقط دو نتیجه ممکن وجود دارد و اینکه آیا این دو نتیجه متضاد و مستقل از یکدیگر هستند. آنها هیچ ارتباطی با نتایج آزمایشات دیگر ندارند. احتمال وقوع یا عدم وقوع رویداد در هر آزمایش مستقل بدون تغییر باقی می ماند. .
در مرحله توسعه محصول، در نظر گرفته می شود که احتمال نتیجه آزمایش (Pass) یا (Fail) هر نمونه تحقیق و توسعه در هر مورد آزمایشی در هر آزمون مستقل بدون تغییر باقی می ماند. با توجه به تئوری توزیع دو جمله ای، نقل قول Practical Reliability Engineering 14.{1}} فرمول اطمینان توزیع آیتم به شرح زیر است:
فرمول بالا تعداد خرابیها را k=0 فرض میکند و فرمول ساده شده به صورت زیر است: C=1-R^N; تعداد نمونه های آزمایشی N=Ln(1-C)/Ln(R) است. تصویر زیر از Practical Reliability Engineering نقل شده است.
برای مثال تصویر بالا، توجه داشته باشید: R در اینجا به احتمال نشان دادن قابلیت اطمینان مشخصات تست محصول اشاره دارد. آن را با قابلیت اطمینان توزیع نمایی اشتباه نگیرید. R{0}}e^(-λt) توزیع نمایی. با زمان تغییر می کند .
با در نظر گرفتن مثال بالا بهعنوان R=90% و C=50%، تعداد نمونههای آزمایشی محاسبهشده در مرحله تحقیق و توسعه 7 است. معنی رایج به این صورت است: وقتی 7 نمونه آزمایشی انتخاب میشود، اگر نتایج تست هر 7 نمونه تایید می شود، 50٪ اطمینان داریم که محصولی که ما توسعه می دهیم با احتمال 90٪ مشخصات تست محصول را برآورده می کند (مهم نیست در آینده چند محصول در بازار بفروشیم، تا زمانی که هر 7 نمونه آزمایش شده در مرحله R&D، ما می توانیم به دنیای خارج اعلام کنیم که 50٪ مطمئن هستیم که 90٪ محصولات موجود در بازار می توانند مشخصات تست محصولات ما را برآورده کنند. البته، فرض در اینجا اطمینان از این است که R&D مرحله همان بخش دسته ای است).
پس از خواندن مقدمه کتاب، استاندارد صنعتی برای اتوماسیون صنعتی استفاده از R=97% و C=50% است که نتیجه آن N=23 است. برخی از افراد در اینجا ممکن است سؤالاتی داشته باشند که کدام بخش مقادیر R و C را تعریف می کند؟ چگونه آن را تعریف کنیم؟ این هم سوال من است و همچنین یک مشکل در توسعه کار قابل اطمینان و باکیفیت است ... مثلاً هزینه تحقیق و توسعه برخی از محصولات بسیار زیاد است. معمولاً این پروژه فقط یک محصول را برای آزمایش تحقیق و توسعه ارائه می دهد. اگر بر اساس این نمونه از آزمون عبور کند، فقط می تواند بگوید C=50%, R=50%... من معتقدم وضعیت فعلی اکثر شرکت ها نیز همین است...
توضیح شرایط اساسی اندازه گیری قابلیت اطمینان و مثال های محاسباتی
اخیراً با مشتری در محل کار مواجه شدم که در مورد محاسبه PPM، MTBF و احتمال اطمینان R سؤال کرد.
MTBF: فاصله بین شکست. R(t)=e^(-1/MTBF*t) در توزیع نمایی;
PPM: قطعات در میلیون R(t)=1-PPM(t)/(10^6);
BX-Life: اگر x=10 در اینجا، به معنی R=90% است.
تجزیه و تحلیل مثال بالا: برای محصول باید عمر B10 5 سال باشد، به این معنی که قابلیت اطمینان محصول بعد از 5 سال 90٪ است. در مثال، MTTF (MeanTime To Failure) است که توزیع نمایی را برآورده می کند. آن را با فرمول 14.2 در شکل بالا جایگزین کنید تا MTTF=47.5 years، که به معنی نرخ شکست سالانه λ=0.021 است، (گزاره دیگری در اینجا معرفی شده است، زیرا MTTF {{10} }.5 سال، سپس نرخ تعمیر سالانه=1/47.5=2.1% که بسیار بالاست... معمولاً محصولات مصرفی کمتر از 0.3 درصد هستند...); مقدار PPM 100 است،000، به این معنی که بعد از 5 سال، 100،000 محصول در هر میلیون شکست میخورد.