Creo que los colegas que se dedican al trabajo de confiabilidad tienen una pregunta: ¿Cómo elegir el número de muestras en la etapa de investigación y desarrollo? En la etapa de desarrollo del producto, inevitablemente habrá especificaciones de prueba del producto, que describen qué rango de temperatura pueden cumplir nuestros productos, cuántos valores de tensión de choque y vibración pueden soportar, etc.
Luego comenzamos a organizar pruebas para verificar si nuestros productos podían cumplir con los requisitos de las especificaciones del producto. Entonces, para cada elemento de prueba, ¿cuántas muestras probamos antes de poder decir que nuestro producto cumple con nuestras especificaciones?
Comparta un método introducido en el libro Ingeniería práctica de confiabilidad que estoy leyendo, y también comparta la explicación y los casos de cálculo de algunos términos básicos de medición de confiabilidad.
Selección del número de muestras de prueba en la etapa de I+D.
Primero, consulte el concepto de distribución binomial: la distribución binomial se repite en ensayos independientes de Bernoulli. Solo hay dos resultados posibles en cada ensayo, y si los dos resultados ocurren son opuestos entre sí e independientes entre sí. No tienen nada que ver con los resultados de otros ensayos. La probabilidad de que el evento ocurra o no permanece sin cambios en cada ensayo independiente. .
En la etapa de desarrollo del producto, se considera que la probabilidad del resultado de la prueba (Pasa) o (Falla) de cada muestra de I+D en cada elemento de prueba permanece sin cambios en cada prueba independiente. Según la teoría de la distribución binomial, cite Ingeniería de confiabilidad práctica 14.3 2 La fórmula para la confianza en la distribución de artículos es la siguiente:
La fórmula anterior supone que el número de fallas k=0, y la fórmula simplificada es la siguiente: C=1-R^N; el número de muestras de prueba es N=Ln(1-C)/Ln(R); La captura de pantalla siguiente es una cita de ingeniería de confiabilidad práctica.
Para el ejemplo de captura de pantalla anterior, tenga en cuenta: R aquí se refiere a la probabilidad de demostrar la confiabilidad de las especificaciones de prueba del producto. No lo confunda con la confiabilidad de la distribución exponencial. R=e^(-λt) de distribución exponencial; cambia con el tiempo. .
Tomando el ejemplo anterior como R=90% y C=50%, el número calculado de muestras de prueba en la etapa de I+D es 7. El significado popular es el siguiente: cuando se seleccionan 7 muestras de prueba, si el Los resultados de las pruebas de las 7 muestras pasan, hay un 50% de confianza en que el producto que desarrollamos cumplirá con las especificaciones de la prueba del producto con un 90% de probabilidad (sin importar cuántos productos vendamos en el futuro en el mercado, siempre que las 7 muestras Probado en la etapa de I + D, podemos declarar al mundo exterior que tenemos un 50% de confianza en que el 90% de los productos en el mercado pueden cumplir con las especificaciones de prueba de nuestros productos. Por supuesto, la premisa aquí es garantizar que la I + D etapa es igual que el segmento de lote).
Después de leer la introducción del libro, el estándar de la industria para la automatización industrial es utilizar R=97% y C=50%, lo que da como resultado N=23. Algunas personas aquí pueden tener preguntas, ¿qué departamento define los valores de R y C? ¿Cómo definirlo? Esta también es mi pregunta, y también es una dificultad en el desarrollo de confiabilidad y trabajo de calidad... Por ejemplo, los costos de investigación y desarrollo de algunos productos son demasiado altos. Por lo general, el proyecto solo proporcionará un producto para pruebas de investigación y desarrollo. Si pasa la prueba según esta muestra, solo puede decir C=50%, R=50%... Creo que esta también es la situación actual de la mayoría de las empresas...
Explicación de términos básicos de medición de confiabilidad y ejemplos de cálculo.
Recientemente, me encontré con un cliente en el trabajo que me preguntó sobre el cálculo de PPM, MTBF y probabilidad de confiabilidad R. No hablaré sobre el caso del cliente, pero compartiré lo que vi en Ingeniería práctica de confiabilidad;
MTBF: Tiempo intermedio entre fallas; R(t)=e^(-1/MTBF*t) en distribución exponencial;
PPM: Partes Por Millón; R(t)=1-PPM(t)/(10^6);
BX-Life: Si x=10 aquí, significa R=90%;
Análisis del ejemplo anterior: el producto requiere que la vida útil de B10 sea de 5 años, lo que significa que la confiabilidad del producto después de 5 años es del 90%. En el ejemplo, es MTTF (MeanTime To Failure), que satisface la distribución exponencial. Sustitúyalo en la fórmula 14.2 en la figura anterior para obtener MTTF=47.5 años, lo que significa la tasa de falla anual λ=0.021 (aquí se introduce otra afirmación, porque MTTF {{10} }.5 años, entonces la tasa de reparación anual=1/47.5=2.1%, que es muy alta... Generalmente los productos de consumo son inferiores al 0,3 %...); el valor de PPM es 100,000, lo que significa que después de 5 años, 100,000 productos por millón fallarán.