Fonctionnalités Principales: Module Reliability Growth

Explorez l'ensemble des fonctionnalités du module

Modèles d'analyse de la croissance de la fiabilité
Types de données de croissance de la fiabilité
Projections, planification et gestion de la croissance de la fiabilité

Résultats d'analyse de la croissance de la fiabilité, graphiques et rapports
Classifications des modes de défaillance et facteurs d'efficacité

Analyse des systèmes réparables sur le terrain
Simulation de Monte Carlo

Modèles d'analyse de la croissance de la fiabilité

Le module de croissance de la fiabilité prend en charge tous les modèles d'analyse de croissance de la fiabilité traditionnels, tels que Crow-AMSAA (NHPP), Duane, Standard et Gompertz modifié, Lloyd-Lipow et Logistique.

Types de données de croissance de la fiabilité

Données de temps de défaillance

Lorsque vous disposez de données provenant de tests de développement dans lesquels les systèmes ont été exploités en continu jusqu'à la défaillance, vous pouvez utiliser les modèles Crow-AMSAA (NHPP) ou Duane. Le module offre un choix de types de données pour les temps de défaillance individuels ou groupés, et pour la combinaison de données provenant de plusieurs systèmes identiques. Cela peut inclure des situations où tous les systèmes fonctionnent simultanément, vous avez enregistré les temps de fonctionnement exacts pour les systèmes défaillants et non défaillants ou vous avez enregistré la date calendaire de chaque défaillance afin d'estimer les temps de fonctionnement des systèmes non défaillants en fonction du taux d'utilisation quotidien moyen pour la période pertinente.

Avec le modèle Crow-AMSAA (NHPP), il existe des options d'analyse supplémentaires pour certaines situations, telles que l'analyse des écarts (si vous pensez qu'une partie des données est erronée ou manquante) ou le changement de pente (si un changement majeur dans la conception du système ou l'environnement opérationnel a entraîné un changement significatif de l'intensité de défaillance observée lors des tests).

Données discrètes (également appelées données d'attribut, de type tout ou rien ou de succès/échec)

Lorsque vous disposez de données provenant de tests de croissance de fiabilité à un coup (réussite/échec) (et selon le type de données), le module prend en charge des modèles de données mixtes qui peuvent être utilisés avec les modèles Crow Extended et Crow Extended-Continuous Evaluation. Pour les données discrètes, il existe un choix de types de données qui peuvent gérer des tests dans lesquels un seul essai est effectué pour chaque configuration de conception, plusieurs essais par configuration, ou une combinaison des deux. Le module prend également en charge la réduction des échecs, si vous avez enregistré les modes de défaillance spécifiques à partir de tests séquentiels à un coup.

Données de fiabilité

Lorsque vous souhaitez simplement analyser les valeurs de fiabilité calculées pour différents temps/stades au sein des tests de développement, vous pouvez utiliser les modèles Gompertz standard, Gompertz modifié, Lloyd-Lipow ou logistique.

Projections, planification et gestion de la croissance de la fiabilité

Le module de croissance de fiabilité prend en charge plusieurs approches innovantes qui s'appuient sur des méthodes de croissance de fiabilité traditionnelles de manière à mieux représenter les pratiques de test réelles et les applications pratiques.

Le modèle Crow Extended vous permet de classer les modes de défaillance en fonction de leur correction et du moment où ils seront corrigés. Cela vous permet de faire des projections de croissance de fiabilité et d'évaluer la stratégie de gestion de la croissance de fiabilité.

Le Folio de planification de croissance vous aide à créer un plan de test de croissance de fiabilité multi-phases. De plus, vous pouvez utiliser le modèle Crow Extended – Continuous Evaluation pour analyser les données provenant de plusieurs phases de test et créer un graphique multi-phases pour comparer vos résultats de test par rapport au plan. Cela aidera à déterminer s'il est nécessaire d'apporter des ajustements dans les phases de test suivantes afin d'atteindre vos objectifs de fiabilité.

Le folio de planification de croissance de fiabilité discrète vous permet de développer la stratégie globale pour les dispositifs à un coup.

Le Folio de profil de mission vous aide à créer un plan de test opérationnel équilibré et à suivre les tests réels par rapport au plan pour vous assurer que les données seront adaptées à l'analyse de croissance de fiabilité.

Un modèle de planification MIL-HDBK-189 est disponible dans le folio de planification de croissance continue.

Résultats d'analyse de la croissance de la fiabilité, graphiques et rapports

Pour l'analyse traditionnelle de croissance de fiabilité, vous pouvez calculer le MTBF, l'intensité des échecs ou la fiabilité pour un temps/stade donné. Vous pouvez déterminer la quantité de tests qui sera nécessaire pour démontrer un MTBF, une intensité d'échec ou une fiabilité spécifiés. De plus, vous pouvez estimer le nombre attendu d'échecs pour un temps/stade donné. Le module facilite la création d'un ensemble complet de graphiques et de diagrammes pour présenter votre analyse de manière graphique.

Classifications des modes de défaillance et facteurs d'efficacité

Bien que l'analyse traditionnelle de croissance de fiabilité nécessite l'hypothèse que toutes les améliorations de conception sont incorporées avant la fin du test (test-correction-test), de nombreux scénarios de test réels peuvent également inclure certains modes de défaillance qui ne sont pas corrigés, et d'autres où certaines ou toutes les corrections sont retardées jusqu'à un moment ultérieur (test-correction-trouver-test ou test-trouver-test). Avec les modèles Crow Extended et Crow Extended – Continuous Evaluation, vous pouvez utiliser les classifications de modes de défaillance pour fournir le traitement d'analyse approprié pour l'une de ces stratégies de gestion. Pour les corrections retardées, les deux modèles utilisent des facteurs d'efficacité pour indiquer dans quelle mesure l'intensité de défaillance de chaque mode sera réduite une fois la correction mise en œuvre.

Analyse des systèmes réparables sur le terrain

Le module de croissance de la fiabilité offre des opportunités pour l'analyse des systèmes réparables déployés. Analyse des systèmes réparables pour analyser les données provenant de systèmes réparables fonctionnant sur le terrain dans des conditions d'utilisation typiques des clients. De telles données peuvent être obtenues à partir d'un système de garantie, d'un dépôt de réparation, de tests opérationnels, etc. Plus précisément, vous pouvez utiliser les modèles Power Law ou Crow-AMSAA (NHPP) pour l'analyse des systèmes réparables en supposant une réparation minimale (c'est-à-dire que le système est "aussi mauvais que l'ancien" après chaque réparation) pour calculer une variété de métriques utiles, y compris :

Temps de révision optimal pour un coût de réparation et un coût de révision donnés
Fiabilité conditionnelle, MTBF ou intensité de défaillance pour un temps donné
Nombre attendu de défaillances pour un temps donné
Temps pour une fiabilité conditionnelle, MTBF ou intensité de défaillance donnée
Calcul des défaillances attendues de la flotte pour le nombre de défaillances qui devraient se produire pour tous les systèmes dans un délai spécifié

Vous pouvez également utiliser le modèle Crow Extended pour les systèmes réparables déployés si vous souhaitez évaluer l'amélioration (c'est-à-dire le saut dans le MTBF) qui pourrait être réalisée en déployant un ensemble de corrections pour tous les systèmes fonctionnant sur le terrain.

La conception de tests de fiabilité pour les systèmes réparables utilise le modèle NHPP pour déterminer le temps de test requis par système (ou le nombre de systèmes qui doivent être testés) afin de démontrer un objectif de fiabilité spécifié, défini en termes de MTBF ou d'intensité de défaillance à un moment donné.
Profils de mission opérationnelle pour s'assurer que les tests sont appliqués de manière équilibrée afin de produire des données adaptées à l'analyse de la croissance de la fiabilité. Les folios de profil de mission peuvent vous aider à créer un plan de test opérationnel, à suivre l'utilisation prévue par rapport à l'utilisation réelle pour tous les profils de mission et à vérifier que les tests ont été réalisés. Cela vous aide à regrouper automatiquement les données à des "points de convergence" spécifiés afin que le modèle de croissance puisse être appliqué de manière appropriée.

Simulation de Monte Carlo

Créez des ensembles de données qui peuvent être analysés directement dans l'un des folios standard de la croissance de la fiabilité. Vous pouvez également utiliser l'utilitaire SimuMatic® pour analyser et tracer automatiquement les résultats d'un grand nombre d'ensembles de données qui ont été créés par simulation. Ces outils de simulation intégrés peuvent être utilisés pour effectuer une grande variété de tâches de fiabilité, telles que :

Conception de tests de croissance de la fiabilité.
Obtention de limites de confiance basées sur la simulation.
Expérimentation sur les influences des tailles d'échantillon et des types de données sur les méthodes d'analyse.
Évaluation de l'impact du temps de test alloué.

Main Menu

Main Menu

Main Menu

Main Menu

Find Your Sensor

Fonctionnalités Principales: Module Reliability Growth

Explorez l'ensemble des fonctionnalités du module

Modèles d'analyse de la croissance de la fiabilité

Types de données de croissance de la fiabilité

Données de temps de défaillance

Données discrètes (également appelées données d'attribut, de type tout ou rien ou de succès/échec)

Données de fiabilité

Projections, planification et gestion de la croissance de la fiabilité

Résultats d'analyse de la croissance de la fiabilité, graphiques et rapports

Classifications des modes de défaillance et facteurs d'efficacité

Analyse des systèmes réparables sur le terrain

Simulation de Monte Carlo

Nous avons déménagé ${referer} vers www.hbkworld.com

Nous avons déménagé ${referer} vers www.hbkworld.com

Nous avons déménagé ${referer} vers www.hbkworld.com

Nous avons déménagé ${referer} vers www.hbkworld.com

Nous avons déménagé ${referer} vers www.hbkworld.com

Nous avons déménagé ${referer} vers www.hbkworld.com