Weibull-analys


hur man utför Weibull-analys

i tidigare avsnitt granskade vi en del historia av Weibull-analysen, typer av data, en definition av Weibull-analys och varför den ofta används. I det här avsnittet kommer vi att undersöka hur man utför eller slutför en Weibull, eller Livdata, analys.,g en Weibull-analys:

  1. samla in livsuppgifter för en del eller produkt och identifiera vilken typ av data du arbetar med (komplett, höger censurerad, intervall, vänster censurerad)
  2. välj en livstidsfördelning som passar data och modellera delens eller produktens livslängd
  3. Bestäm de beräknade parametrarna som passar fördelningen till data
  4. generera diagram eller diagram som uppskattar livsegenskaperna för delen eller produkten

Weibull Analysis example

detta exempel kommer att analysera Livdata för motorer i maskiner som för närvarande används i fältet., Enhetens prestanda är en funktion av körtid i år. Det första steget är att undersöka Distributions-ID-plottet för data och välja den linje som bäst passar våra data. Leta efter lägsta Anderson-Darling normalitet värde. Dessutom, om data följer en rak linje och inte konkav när ritas på en log-log graf, Weibull distribution kan effektivt beskriva tid till fel data. Det lägsta värdet anger att uppgifterna bäst passar en Weibull-analys och data verkar också passa linjen i en rak linje som indikerar att den kan beskrivas med hjälp av en Weibull-distribution.,

nästa steg är att köra en Probability Density Function (PDF) beräkning och producera en motsvarande graf. PDF är en matematisk funktion som beskriver fördelningen. Det liknar ett histogram genom att det illustrerar fördelningen av felfrekvenser över en tidsperiod. B eller lutningsvärdet är större än 1 och motsvarande diagram indikerar att felfrekvensen är högst på cirka 2 år. Detta kan bero på för tidigt slitage eller ange produktens förväntade livslängd., En grundlig Grundorsaksanalys (RCA) övning bör slutföras för att bestämma orsaken eller orsakerna till misslyckande och arbeta för att lösa problemet.

det finns andra beräkningar som också kan utföras och diagram genereras för att ytterligare undersöka datamängden. Ett par exempel är Överlevnadsfunktionen, representerad av S (t), och Farofunktionen, representerad av H (t).

  • överlevnadsfunktionsgrafen visar produktens chans att överleva från introduktion eller i drift till en viss tid., Istället för att leta efter den andel av produkten som kommer att misslyckas med tiden undersöker vi den del av produkten som förväntas överleva.
  • Riskfunktionsgrafen visar felfrekvensen under en viss tid. Det är inte en sannolikhet utan en räkning av misslyckanden. Denna graf visar tydligt den tidpunkt då misslyckandena börjar stiga och procentsatsen inom ett visst intervall. I det här exemplet är det uppenbart att felfrekvensen börjar stiga dramatiskt mellan 2 och 2,05 års användning.,

flera ytterligare formler och beräkningar finns tillgängliga för att undersöka livdata i Weibull Analysis toolbox. Detta exempel fokuserar på sannolikhetsdensitetsfunktionen och Sannolikhetsplotten för bästa passform till linjeövning. Några exempel på ytterligare information som kan undersökas med hjälp av en Weibull-analys listas nedan. Detta är en provlista och bör inte betraktas som en fullständig lista:

  • tillförlitlighet vid angiven tidpunkt: beräknar sannolikheten för att en produkt eller komponent fortfarande kommer att fungera vid en viss tidpunkt.,
  • Sannolikhet för fel vid angiven tidpunkt: beräknar sannolikheten för att en produkt eller komponent kommer att misslyckas vid en viss tidpunkt. Sannolikheten för misslyckande kallas ibland ”opålitlighet”.
  • medeltid eller medeltid till misslyckande (MTTF): anger den genomsnittliga tid då produkten eller komponenten förväntas fungera framgångsrikt före misslyckande. Även känd som medeltid före misslyckande (MTBF).
  • felfrekvens: anger mängden produkt-eller komponentfel som förväntas under en viss tidsperiod.,
  • pålitlig livslängd (garantitid): beräknad tid då produktens tillförlitlighet kommer att motsvara ett förutbestämt mål, till exempel 90% tillförlitlighet. Det uppskattas till exempel att 90% av produkterna på fältet kommer att fungera om 5 år.

Weibull-distributionen är ett mångsidigt och kraftfullt verktyg när det appliceras och tolkas korrekt. Det används ofta för att undersöka livsuppgifter genom fördelningsparametrarna. Under en Weibull-analys samlar vi tid till feldata, står för censurerade data, plottar data och passar den till en rad., Under vår analys undersöker vi också lutningen på linjen, vilket kan ge ledtrådar till typen och källan till misslyckandena. Weibull-analysen är en effektiv metod för att visualisera och förstå tid till feldata. Dessutom finns det ytterligare användningsområden för den information som härrör från en Weibull-analys. Beslut kan fattas om den återstående produkten inom området om eventuell reparation eller utbyte. Dessutom kan och bör informationen användas under nya Produktintroduktionsprojekt eller produktförbättringsaktiviteter.

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *