Saya yakin rekan-rekan yang terlibat dalam pekerjaan keandalan memiliki pertanyaan: Bagaimana cara memilih jumlah sampel pada tahap penelitian dan pengembangan? Pada tahap pengembangan produk, pasti akan ada spesifikasi pengujian produk, yang menjelaskan kisaran suhu yang dapat dipenuhi produk kami, seberapa besar nilai tegangan guncangan dan getaran yang dapat ditahan, dll.
Kemudian kami mulai mengatur pengujian untuk memverifikasi apakah produk kami dapat memenuhi persyaratan spesifikasi produk. Jadi untuk setiap item pengujian, berapa banyak sampel yang kita uji sebelum kita dapat mengatakan bahwa produk kita memenuhi spesifikasi produk kita?
Bagikan metode yang diperkenalkan dalam buku Praktis Reliabilitas Teknik yang saya baca, dan bagikan juga penjelasan dan kasus perhitungan beberapa istilah dasar pengukuran reliabilitas.
Pemilihan jumlah sampel uji pada tahap R&D
Pertama lihat konsep distribusi binomial: distribusi binomial diulangi dalam percobaan Bernoulli independen. Hanya ada dua hasil yang mungkin terjadi dalam setiap percobaan, dan apakah kedua hasil yang terjadi adalah berlawanan satu sama lain dan tidak tergantung satu sama lain. Itu tidak ada hubungannya dengan hasil uji coba lainnya. Probabilitas suatu peristiwa terjadi atau tidak tetap tidak berubah dalam setiap uji coba independen. .
Pada tahap pengembangan produk, probabilitas hasil tes (Lulus) atau (Gagal) setiap sampel R&D pada setiap butir tes dianggap tidak berubah pada setiap pengujian independen. Menurut teori distribusi binomial, kutipan Rekayasa Reliabilitas Praktis 14.3 2 Rumus kepercayaan distribusi item adalah sebagai berikut:
Rumus di atas mengasumsikan jumlah kegagalan k=0, dan rumus yang disederhanakan adalah sebagai berikut: C=1-R^N; jumlah sampel uji adalah N=Ln(1-C)/Ln(R); tangkapan layar di bawah ini dikutip dari teknik Reliabilitas Praktis.
Untuk contoh tangkapan layar di atas, catatan: R di sini mengacu pada kemungkinan menunjukkan keandalan spesifikasi pengujian produk. Jangan bingung dengan keandalan distribusi eksponensial. R=e^(-λt) berdistribusi eksponensial; berubah seiring waktu. .
Mengambil contoh di atas sebagai R=90% dan C=50%, jumlah sampel uji yang dihitung pada tahap R&D adalah 7. Arti populernya adalah sebagai berikut: ketika 7 sampel uji dipilih, jika hasil pengujian dari ketujuh sampel tersebut lulus, terdapat keyakinan 50% bahwa produk yang kami kembangkan akan memenuhi spesifikasi pengujian produk dengan probabilitas 90% (tidak peduli berapa banyak produk yang kami jual di masa mendatang. Di pasar, selama ketujuh sampel tersebut diuji dalam tahap R&D, kami dapat menyatakan kepada dunia luar bahwa kami 50% yakin bahwa 90% produk yang ada di pasaran dapat memenuhi spesifikasi pengujian produk kami.Tentu saja, premis di sini adalah untuk memastikan bahwa R&D tahapnya Sama dengan segmen batch).
Setelah membaca pendahuluan di buku, standar industri untuk otomasi industri adalah menggunakan R=97% & C=50%, yang menghasilkan N=23. Beberapa orang di sini mungkin bertanya-tanya, departemen mana yang mendefinisikan nilai-nilai R dan C? Bagaimana cara mendefinisikannya? Ini juga pertanyaan saya, dan ini juga merupakan kesulitan dalam pengembangan keandalan dan kualitas kerja... Misalnya, biaya penelitian dan pengembangan beberapa produk terlalu tinggi. Biasanya proyek hanya akan menyediakan satu produk untuk pengujian penelitian dan pengembangan. Jika lulus pengujian berdasarkan sampel ini, ia hanya dapat Mengatakan C=50%, R=50%... Saya yakin ini juga merupakan situasi saat ini di sebagian besar perusahaan...
Penjelasan istilah dasar pengukuran reliabilitas dan contoh perhitungannya
Baru-baru ini, saya bertemu dengan seorang pelanggan di tempat kerja yang bertanya tentang penghitungan PPM, MTBF, dan probabilitas keandalan R. Saya tidak akan membicarakan kasus pelanggan tersebut, tetapi membagikan apa yang saya lihat di Rekayasa Keandalan Praktis;
MTBF: Sementara antara kegagalan; R(t)=e^(-1/MTBF*t) dalam distribusi eksponensial;
PPM: Bagian Per Juta; R(t)=1-PPM(t)/(10^6);
BX-Life: Jika x=10 di sini berarti R=90%;
Analisis contoh di atas: Produk memerlukan umur B10 selama 5 tahun, yang berarti keandalan produk setelah 5 tahun adalah 90%. Dalam contohnya adalah MTTF (MeanTime To Failure), yang memenuhi distribusi eksponensial. Substitusikan ke rumus 14.2 pada gambar di atas untuk memperoleh, MTTF=47,5 tahun, yang berarti tingkat kegagalan tahunan λ=0,021, (pernyataan lain dimasukkan di sini, karena MTTF {{10} }.5 tahun, maka tingkat perbaikan tahunan=1/47.5=2.1%, yang mana sangat tinggi... Biasanya produk konsumen lebih rendah dari 0,3 %...); nilai PPMnya adalah 100,000, yang berarti setelah 5 tahun, 100,000 produk per juta akan gagal.