Saya percaya rakan sekerja yang terlibat dalam kerja kebolehpercayaan mempunyai soalan: Bagaimana untuk memilih bilangan sampel dalam peringkat penyelidikan dan pembangunan? Dalam peringkat pembangunan produk, pasti akan terdapat spesifikasi ujian produk, yang menerangkan julat suhu yang boleh dipenuhi oleh produk kami, berapa banyak nilai tekanan kejutan dan getaran yang boleh mereka tahan, dsb.
Kemudian kami mula mengatur ujian untuk mengesahkan sama ada produk kami boleh memenuhi keperluan spesifikasi produk. Jadi untuk setiap item ujian, berapa banyak sampel yang kami uji sebelum kami boleh mengatakan bahawa produk kami memenuhi spesifikasi produk kami?
Kongsi kaedah yang diperkenalkan dalam buku Kejuruteraan Kebolehpercayaan Praktikal yang saya baca, dan kongsikan juga penjelasan dan kes pengiraan beberapa istilah pengukuran kebolehpercayaan asas.
Pemilihan bilangan sampel ujian dalam peringkat R&D
Mula-mula rujuk konsep taburan binomial: taburan binomial diulang n percubaan Bernoulli bebas. Terdapat hanya dua hasil yang mungkin dalam setiap percubaan, dan sama ada kedua-dua hasil itu berlaku adalah bertentangan antara satu sama lain dan bebas antara satu sama lain. Mereka tidak ada kena mengena dengan keputusan ujian lain. Kebarangkalian peristiwa itu berlaku atau tidak kekal tidak berubah dalam setiap percubaan bebas. .
Dalam peringkat pembangunan produk, adalah dianggap bahawa kebarangkalian keputusan ujian (Lulus) atau (Gagal) setiap sampel P&P dalam setiap item ujian kekal tidak berubah dalam setiap ujian bebas. Menurut teori pengedaran binomial, sebutkan Kejuruteraan Kebolehpercayaan Praktikal 14.3 2 Formula untuk keyakinan pengedaran item adalah seperti berikut:
Formula di atas menganggap bahawa bilangan kegagalan k=0, dan formula yang dipermudahkan adalah seperti berikut: C=1-R^N; bilangan sampel ujian ialah N=Ln(1-C)/Ln(R); tangkapan skrin di bawah dipetik daripada kejuruteraan Kebolehpercayaan Praktikal.
Untuk contoh tangkapan skrin di atas, ambil perhatian: R di sini merujuk kepada kebarangkalian menunjukkan kebolehpercayaan spesifikasi ujian produk. Jangan keliru dengan kebolehpercayaan taburan eksponen. R=e^(-λt) taburan eksponen; berubah mengikut masa. .
Mengambil contoh di atas sebagai R=90% dan C=50%, bilangan sampel ujian yang dikira dalam peringkat R&D ialah 7. Maksud popular adalah seperti berikut: apabila 7 sampel ujian dipilih, jika keputusan ujian kesemua 7 sampel lulus, terdapat 50% keyakinan bahawa produk yang kami bangunkan akan memenuhi spesifikasi ujian produk dengan kebarangkalian 90% (tidak kira berapa banyak produk yang kami jual pada masa hadapan Di pasaran, asalkan kesemua 7 sampel diuji dalam pas peringkat R&D, kami boleh mengisytiharkan kepada dunia luar bahawa kami 50% yakin bahawa 90% produk di pasaran boleh memenuhi spesifikasi ujian produk kami. Sudah tentu, premis di sini adalah untuk memastikan bahawa R&D peringkat adalah Sama seperti segmen kelompok).
Selepas membaca pengenalan dalam buku, standard industri untuk automasi industri ialah menggunakan R=97% & C=50%, yang menghasilkan N=23. Sesetengah orang di sini mungkin mempunyai soalan, jabatan manakah yang mentakrifkan nilai R dan C? Bagaimana untuk menentukannya? Ini juga soalan saya, dan ia juga merupakan kesukaran dalam pembangunan kebolehpercayaan dan kerja berkualiti... Contohnya, kos penyelidikan dan pembangunan sesetengah produk terlalu tinggi. Biasanya, projek hanya akan menyediakan satu produk untuk ujian penyelidikan dan pembangunan. Jika ia lulus ujian berdasarkan sampel ini, ia hanya boleh Sebut C=50%, R=50%... Saya percaya ini juga situasi semasa kebanyakan syarikat...
Penjelasan istilah pengukuran kebolehpercayaan asas dan contoh pengiraan
Baru-baru ini, saya bertemu dengan pelanggan di tempat kerja yang bertanya tentang pengiraan PPM, MTBF dan kebarangkalian kebolehpercayaan R. Saya tidak akan bercakap tentang kes pelanggan, tetapi berkongsi apa yang saya lihat dalam Kejuruteraan Kebolehpercayaan Praktikal;
MTBF: Sementara itu antara kegagalan; R(t)=e^(-1/MTBF*t) dalam taburan eksponen;
PPM: Bahagian Per Juta; R(t)=1-PPM(t)/(10^6);
BX-Life: Jika x=10 di sini, ia bermakna R=90%;
Analisis contoh di atas: Produk memerlukan hayat B10 selama 5 tahun, yang bermaksud bahawa kebolehpercayaan produk selepas 5 tahun ialah 90%. Dalam contoh, ia adalah MTTF (MeanTime To Failure), yang memenuhi taburan eksponen. Gantikannya ke dalam formula 14.2 dalam rajah di atas untuk mendapatkan, MTTF=47.5 tahun, yang bermaksud kadar kegagalan tahunan λ=0.021, (pernyataan lain diperkenalkan di sini, kerana MTTF {{10} }.5 tahun, kemudian kadar pembaikan tahunan=1/47.5=2.1%, iaitu sangat tinggi... Biasanya produk pengguna lebih rendah daripada 0.3 %...); nilai PPM ialah 100,000, bermakna selepas 5 tahun, 100,000 produk bagi setiap juta akan gagal.