«Landfill sebagai Sumber Energi | Main | CAFE Standar dan Speed Limits, Round 2»
Menghitung Keandalan dengan Hasil Uji Parsial
Oleh Jeremy Gernand | 14 Mei 2008
Mendapatkan jawaban sebelum Anda selesai. Mengapa orang selalu tidak sabar? Mengapa mereka tidak bisa menunggu sampai pengujian selesai sebelum mereka meminta jawaban? Saya rasa itu hanya sifat manusia, seperti Aku telah mendengar pertanyaan itu setiap kali aku pernah terlibat dalam program pengujian kehandalan. Dan, meskipun kita akan tahu lebih jika kita menunggu untuk lebih banyak data untuk meluncur masuk, ada saat-saat yang kita dapat menilai mana proyek kami berdiri atas dasar hasil tes parsial.
Pikirkan tentang hal itu. Anda mungkin menyadari bahwa dalam percobaan medis kadang-kadang (jarang) beberapa waktu ke multi-tahun penyelidikan efektivitas beberapa obat-obatan, prosedur medis, atau perangkat sidang dihentikan. Itu karena statistik cukup telah dikumpulkan untuk menentukan bahwa obat atau prosedur yang berbahaya atau sangat menguntungkan. Itu adalah hasil yang luar biasa untuk datang begitu pagi. Peneliti menghabiskan jumlah besar usaha untuk memastikan bahwa persidangan desain mereka termasuk jumlah yang tepat orang dan tepat waktu panjang untuk menentukan jawaban. Etika menuntut eksperimen tidak dilakukan terlalu banyak individu terlalu lama selama jangka waktu tertentu. Jadi, apa ini memberitahu kita adalah bahwa sebagian statistik dari pengujian mungkin dapat memberi kita informasi penting.
Biarkan saya menggambarkan situasi yang ideal di mana Anda mungkin harus memberikan jawaban pada hasil tes parsial. Banyak situasi yang dapat memberikan sedikit data bahkan membuat penyediaan jawaban sangat lemah di terbaik berdasarkan kredibilitas Anda sebagai seorang analis kehandalan. Katakanlah kita menguji populasi unit (20) dalam ujian kehidupan dipercepat. Pada setara dari 27 siklus hidup dari 100, 6 unit dari total 20 kita telah gagal. Dari pengujian kami sebelumnya kami mengharapkan Weibull beta faktor bentuk sekitar 2.4, dan waktu untuk kegagalan kita data yang diplot pada grafik eksponensial sejalan dengan (lihat halaman ini untuk contoh). Faktor ini akan menjadi sumber ketidakpastian sampai tes selesai. Dan, tentu saja, kita mengasumsikan bahwa pengujian kami benar dirancang.
Sekarang, dengan menggunakan enam standar teknik sigma (setidaknya yang dasar), data kami tidak menambahkan hingga banyak. Tidak ada satu unit telah menyelesaikan tes dengan sukses, dan jadi kita akan banyak bicara tentang apakah atau tidak ada unit bahkan dapat bertahan hidup lama tes. Tapi, kita dapat sesuai data kami untuk sebuah kurva distribusi Weibull persen gagal diberi nilai-nilai kita pada suatu titik waktu tertentu dan nilai beta diasumsikan kita. Sekali lagi, ini tidak akan sama persis dengan apa yang kita menghitung pada akhirnya, tetapi dapat memberikan informasi yang berguna pada tahap peralihan ini.
Menggunakan kalkulator Weibull gratis tersedia di situs ini, saya memberikan masukan saya nilai-nilai dan meninjau hasil. Ini adalah kesempatan yang sangat baik untuk menguji sensitivitas dari hasil masukan Anda, sebagai informasi kami tidak yakin pada tahap ini. Memvariasikan input sebesar 10% sampai 15% dan mengutip hasil awal dalam rentang nilai yang didasarkan pada varians dapat memberikan lebih percaya diri bahwa Anda memiliki sekurangnya mengidentifikasi daerah yang mungkin nilai-nilai akhir. Gambar di bawah ini menunjukkan hasil yang diperoleh dari kalkulator. 
Seperti yang anda lihat, hasil kami menunjukkan bahwa 99,97% dari unit kita akan gagal sebelum sampai 100 siklus, dengan rata-rata waktu antara kegagalan dari sekitar 42 siklus. Itu bukan situasi yang baik. Kami akan disarankan sekarang untuk menghentikan menguji dan memperbaiki desain kami, meskipun 70% dari unit uji kami beroperasi dengan sempurna. Dalam kasus ini, kami memiliki data yang memadai pada tahap ini proses untuk membuat kesimpulan. Jika kita melanjutkan tes, itu benar, kita akan mampu membuat bahkan lebih kesimpulan dan melakukan lebih banyak analisis, tapi kenapa pergi ketika kita mengetahui akhir cerita.
Artikel Terkait:- Nol-Kegagalan Reliabilitas Pengujian
- Convert B10 atau L10 Bearing Life untuk MTBF (Mean Time Antara Kegagalan)
- Kemajuan sejati Pers Gratis Weibull Reliability Kalkulator
- Keandalan adalah Tidak Konstan
- Review - IRCMS (Integrated Reliability Centered Maintenance System) oleh NAVAIR
Topik: analisis |