في مجال تحليل فشل المكون ، تلعب الأساليب الإحصائية دورًا محوريًا في الكشف عن الأسباب الجذرية للفشل ، والتنبؤ بالفشل في المستقبل ، وتحسين الموثوقية الشاملة للمكونات. بصفتنا موردًا رئيسيًا لتحليل فشل المكون ، لدينا خبرة واسعة في تطبيق مجموعة متنوعة من التقنيات الإحصائية لمعالجة سيناريوهات الفشل المعقدة. سوف يستكشف منشور المدونة هذا الأساليب الإحصائية الرئيسية المستخدمة في تحليل فشل المكون وكيفية المساهمة في قدرتنا على توفير رؤى دقيقة وقابلة للتنفيذ.
الإحصائيات الوصفية
الإحصاءات الوصفية هي أساس أي تحليل للبيانات ، بما في ذلك تحليل فشل المكون. أنها توفر ملخصًا للبيانات ، مما يسمح لنا بفهم الخصائص الأساسية لأحداث الفشل. تشمل الإحصاءات الوصفية الشائعة المستخدمة في تحليل الفشل مقاييس الاتجاه المركزي (مثل الوسط والمتوسط والوضع) ومقاييس التشتت (مثل المدى والتباين والانحراف المعياري).
على سبيل المثال ، عند تحليل أوقات فشل مجموعة من المكونات الإلكترونية ، يمكننا حساب متوسط وقت الفشل للحصول على فكرة عن متوسط عمر المكونات. يمكن للانحراف المعياري أن يخبرنا بعد ذلك مدى اختلاف أوقات الفشل حول الوسط. إذا كان الانحراف المعياري كبيرًا ، فهذا يشير إلى وجود انتشار واسع لأوقات الفشل ، والتي قد تكون بسبب عوامل مثل تباين التصنيع أو الإجهاد البيئي.
يمكن أيضًا استخدام الإحصائيات الوصفية لإنشاء تمثيلات مرئية للبيانات ، مثل الرسوم البيانية ، وآلام الصناديق ، ومخططات مبعثرة. يمكن أن تساعدنا هذه التصورات في تحديد الأنماط والاتجاهات في البيانات التي قد لا تكون واضحة من الملخصات العددية وحدها. على سبيل المثال ، يمكن أن يظهر لنا رسم بياني لأوقات الفشل ما إذا كان التوزيع طبيعيًا أو منحرفًا ، والذي يمكن أن يوفر أدلة حول آليات الفشل الأساسية.
توزيعات الاحتمالات
يتم استخدام توزيعات الاحتمالات لنمذجة احتمال وجود نتائج مختلفة في عملية عشوائية. في تحليل فشل المكون ، نفترض غالبًا أن أوقات فشل المكونات تتبع توزيعًا معينًا للاحتمالية. التوزيعات الأكثر استخدامًا في تحليل الفشل هي التوزيع الأسي ، وتوزيع Weibull ، والتوزيع الطبيعي.
غالبًا ما يتم استخدام التوزيع الأسي لنمذجة أوقات فشل المكونات التي لها معدل فشل ثابت. هذا يعني أن احتمال فشل المكون في فترة زمنية معينة مستقلة عن المدة التي تم تشغيل المكون بالفعل. يتميز التوزيع الأسي بمعلمة واحدة ، معدل الفشل λ ، والذي يمثل متوسط عدد الفشل لكل وحدة زمنية.
توزيع Weibull هو توزيع أكثر مرونة يمكن استخدامه لنمذجة المكونات مع معدلات الفشل المتزايدة أو المتناقصة أو الثابتة. يتميز بمعلمتين ، معلمة الشكل β ومعلمة المقياس η. تحدد معلمة الشكل شكل وظيفة معدل الفشل ، بينما تحدد معلمة المقياس الحياة المميزة للمكون.
يتم استخدام التوزيع الطبيعي لنمذجة المتغيرات المستمرة التي يتم توزيعها بشكل متماثل حول القيمة المتوسطة. في تحليل الفشل ، يمكن استخدام التوزيع الطبيعي لنمذجة المتغيرات مثل أبعاد المكونات أو قوة المواد.
من خلال تركيب بيانات الفشل لتوزيع الاحتمالات ، يمكننا تقدير معلمات التوزيع واستخدامها لتقديم تنبؤات حول حالات الفشل المستقبلية. على سبيل المثال ، إذا علمنا أن أوقات فشل مجموعة من المكونات تتبع توزيع Weibull ، فيمكننا استخدام المعلمات المقدرة لحساب احتمال أن يفشل المكون خلال فترة زمنية معينة.
تحليل الموثوقية
يعد تحليل الموثوقية جانبًا رئيسيًا في تحليل فشل المكون الذي يركز على تحديد احتمال أن يقوم المكون بوظائفه المقصودة لفترة زمنية محددة في ظل ظروف التشغيل المحددة. يتم تعريف وظيفة الموثوقية r (t) على أنها احتمال أن يبقى المكون ما بعد الوقت t.
واحدة من أهم المفاهيم في تحليل الموثوقية هي وظيفة معدل الفشل λ (t) ، والتي تمثل معدل الفشل الفوري في الوقت t. يمكن تقدير وظيفة معدل الفشل من بيانات الفشل باستخدام طرق غير بارامترية أو عن طريق تركيب البيانات لتوزيع الاحتمال.
مفهوم مهم آخر في تحليل الموثوقية هو متوسط الوقت للفشل (MTTF) ، وهي القيمة المتوقعة لتوزيع وقت الفشل. يوفر MTTF مقياسًا لعمر متوسط مكون. بالنسبة للمكونات ذات معدل الفشل الثابت ، فإن MTTF يساوي المعاملة المتبادلة لمعدل الفشل λ.
يمكن أيضًا استخدام تحليل الموثوقية لإجراء اختبار الحياة المتسارع ، والذي يتضمن إخضاع مكونات لمستويات أعلى من الإجهاد (مثل درجة الحرارة أو الجهد أو الاهتزاز) مما كانت عليه عادة في الخدمة. من خلال تحليل بيانات الفشل من اختبارات الحياة المتسارعة ، يمكننا تقدير موثوقية المكونات في ظل ظروف التشغيل العادية والتنبؤ بعمرها.
تحليل الانحدار
تحليل الانحدار هو تقنية إحصائية تستخدم لنمذجة العلاقة بين متغير تابع وواحد أو أكثر من المتغيرات المستقلة. في تحليل فشل المكون ، يمكن استخدام تحليل الانحدار لتحديد العوامل التي تؤثر على معدل فشل المكونات والتنبؤ بمعدل الفشل بناءً على هذه العوامل.
على سبيل المثال ، قد نرغب في التحقيق في العلاقة بين معدل فشل رقاقة أشباه الموصلات وعوامل مثل درجة الحرارة والجهد والرطوبة. من خلال جمع البيانات حول معدل الفشل وهذه العوامل على مدى فترة زمنية ، يمكننا أن نلائم نموذج الانحدار للبيانات واستخدامه للتنبؤ بمعدل الفشل في ظل ظروف تشغيل مختلفة.
هناك عدة أنواع من تحليل الانحدار ، بما في ذلك الانحدار الخطي ، والانحدار متعدد الحدود ، والانحدار اللوجستي. يتم استخدام الانحدار الخطي عندما تكون العلاقة بين المتغير التابع والمتغيرات المستقلة خطية. يتم استخدام الانحدار متعدد الحدود عندما تكون العلاقة غير خطية ويمكن تقريبها من خلال وظيفة متعددة الحدود. يتم استخدام الانحدار اللوجستي عندما يكون المتغير التابع ثنائيًا (على سبيل المثال ، فشل أو غير فشل).
اختبار الفرضية
اختبار الفرضية هو طريقة إحصائية تستخدم لاتخاذ القرارات حول السكان بناءً على بيانات العينة. في تحليل فشل المكون ، يمكن استخدام اختبار الفرضيات لاختبار ما إذا كان هناك فرق كبير بين معدلات فشل مجموعتين أو أكثر من المكونات أو لاختبار ما إذا كان عامل معين له تأثير كبير على معدل الفشل.
على سبيل المثال ، قد نرغب في اختبار ما إذا كان هناك فرق كبير بين معدلات فشل مجموعتين مختلفتين من المكونات الإلكترونية. يمكننا صياغة فرضية فارغة (على سبيل المثال ، معدلات فشل الدعامتين متساوية) وفرضية بديلة (على سبيل المثال ، معدلات فشل الدعامتين ليست متساوية). نجمع بعد ذلك بيانات عن معدلات فشل الدعامتين ونستخدم اختبارًا إحصائيًا (مثل اختبار t أو اختبار chi-square) لتحديد ما إذا كان سيتم رفض الفرضية الفارغة.
إذا كانت قيمة p للاختبار الإحصائي أقل من مستوى أهمية محدد مسبقًا (على سبيل المثال ، 0.05) ، فإننا نرفض الفرضية الفارغة ونستنتج أن هناك فرقًا كبيرًا بين معدلات الفشل في الدُفعات. خلاف ذلك ، نفشل في رفض الفرضية الفارغة ونستنتج أنه لا يوجد أدلة كافية تشير إلى اختلاف كبير.
تصميم التجارب (DOE)
يعد تصميم التجارب نهجًا منهجيًا للتخطيط وإجراء التجارب لتحسين أداء النظام أو العملية. في تحليل فشل المكون ، يمكن استخدام وزارة الطاقة لتحديد العوامل التي لها تأثير أهم على معدل فشل المكونات ولتحديد المستويات المثلى لهذه العوامل لتقليل معدل الفشل.
على سبيل المثال ، قد نرغب في التحقيق في تأثير درجة الحرارة والجهد والرطوبة على معدل فشل شريحة أشباه الموصلات. يمكننا تصميم تجربة نختلف فيها هذه العوامل في مستويات مختلفة وقياس معدل فشل الرقائق تحت كل مجموعة من مستويات العوامل. من خلال تحليل البيانات من التجربة باستخدام الطرق الإحصائية ، يمكننا تحديد العوامل التي لها تأثير أهم على معدل الفشل وتحديد المستويات المثلى لهذه العوامل لتقليل معدل الفشل.
هناك عدة أنواع من التصميمات التجريبية ، بما في ذلك التصميمات الكاملة للتصميمات الموضعية ، والتصاميم الفكرية الكسرية ، وتصميمات سطح الاستجابة. تتضمن التصميمات الكاملة للتصميمات الفاعلة اختبار جميع مجموعات مستويات العوامل الممكنة ، والتي يمكن أن تستغرق وقتًا طويلاً ومكلفة للغاية. تتضمن التصميمات الفكرية الكسرية اختبار مجموعة فرعية فقط من المجموعات المحتملة لمستويات العوامل ، والتي يمكن أن تقلل من التكلفة التجريبية والوقت. تُستخدم تصميمات سطح الاستجابة لنمذجة العلاقة بين متغير الاستجابة (على سبيل المثال ، معدل الفشل) والمتغيرات المستقلة (على سبيل المثال ، درجة الحرارة والجهد والرطوبة) ولإيجاد المستويات المثلى للمتغيرات المستقلة لزيادة أو تقليل متغير الاستجابة.
خاتمة
في الختام ، الأساليب الإحصائية هي أدوات أساسية في تحليل فشل المكون. إنها تسمح لنا بتلخيص بيانات الفشل وتحليلها ، ونمذجة عملية الفشل ، والتنبؤ بالفشل المستقبلي ، وتحديد العوامل التي تؤثر على معدل فشل المكونات. كمورد لتحليل فشل المكونات ، نستخدم مجموعة من هذه الأساليب الإحصائية لتزويد عملائنا برؤى دقيقة وقابلة للتنفيذ في الأسباب الجذرية لفشل المكون ومساعدتهم على تحسين موثوقية منتجاتهم.
إذا كنت تواجه مشكلات فشل المكونات وتحتاج إلى مساعدة الخبراء في تحليل الفشل ، فإننا ندعوك إلى [الاتصال بنا للحصول على استشارة] (JavaScript: void (0)). فريقنا من المهندسين والإحصائيين ذوي الخبرة على استعداد للعمل معك لحل مشاكلك وضمان موثوقية مكوناتك.
مراجع
-
Meeker ، WQ ، & Escobar ، LA (1998). الطرق الإحصائية لبيانات الموثوقية. وايلي.
-
مونتغمري ، العاصمة (2017). تصميم وتحليل التجارب. وايلي.
-
Vardeman ، SB ، & Jobe ، JM (2001). طرق ضمان الجودة الإحصائية للمهندسين. وايلي.