随着可靠性要求的确定,产品、材料、组件和/或制造工艺也随之改变。接下来,我们要确保识别和评估这些更新可能带来的关键风险。您可以通过验证以下任何一个关键检查点来估计可靠性风险:
- 所有功能的失效模式(硬件或软件故障、接口故障、材料退化等)。失效模式是指一个部件、(子)系统可能无法满足设计意图和客户要求的模式。
- 从先前设计中得出的保修数据
- 组件或材料变更
- 新采用的现有组件是否增加了压力和风险
- 行业专家附属材料/材料
- 有效期对于新设计而言是否是一个现实目标
- 有关材料和组件的供应商分析
- 退化估计
案例:含寿命数据的回归
为了证明其中一个检查点,我们将重点说明一位工程师如何在Minitab统计软件的帮助下评估重新设计的喷气发动机压缩机箱的可靠性。
- 案例背景
为了检验设计,工程师用一台机器向每个压缩机箱投掷一个抛射物。在抛射物撞击后,工程师每隔十二个小时就会检查压缩机,看是否故障。
工程师执行寿命数据回归分析,以评估机箱设计、抛射物重量和失效时间之间的关系。他们还想估计他们预计的1%和5%发动机故障的失效时间。工程师使用Weibull分布对数据进行建模。
- 软件操作
对上面对话框简单说明一下:
- 最多输入9个变量或因子,因子既可以是数值型,也可以是文本型;
- 如果不说明预测变量是因子,则默认为协变量。
3.结果解释
在“回归表”中,设计和重量的 p 值在 α 水平 0.05 处显著。因此,工程师断定,机箱设计和抛射物重量均对失效时间造成统计意义上显著的效应。预测变量的系数可用来定义描述机箱设计、抛射物重量和发动机失效时间之间关系的方程。
下方的“百分位数表”显示每个机箱设计和抛射物重量组合的第1个和第5个百分位数。在所有抛射物重量下,与标准机箱设计相比,新机箱设计在 1% 或 5% 的发动机失效之前经过的时间更长。例如,在受到 10 磅抛射物的冲击之后,具有标准机箱设计的发动机中有 1% 预计会在大约 101.663 小时之后失效。而对于新机箱设计来说,大约有 1% 的发动机预计会在大约 205.882 小时之后失效。
标准化残差的概率图显示,这些点近似呈一条直线。因此,可以认为该模型是合适的。
工程师可以自信地说,重新设计的喷气式发动机压缩机箱的可靠性要好于旧款。
本文由 MinitabChina 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/115898.html 。