تحقيق – توسعه مدل جدیدی برای پیش بینی قابلیت اعتماد محصولات بر اساس رویکرد بیز- قسمت …

همان‌طور که در بخش‌های قبل بیان شد، واحد خدمات پس از فروش، نقش مهمی در جمع‌آوری داده‌های خرابی محصولات بر عهده دارد. برومباچر[۲۱] و همکارانش [۱۲]، خرابی محصولات را به ۴ دسته تقسیم کردند. شکل ۲-۶ برای درک بهتر این موضوع است.
d : زمان توسعه محصول (سال)
pl : عمر عملیاتی محصول (سال)
نوع خرابی
مرتبط
غیر مرتبط
انواع صنایع:
C : محصولات حرفه‌ای
A : محصولات با تکنولوژی بالا
B : کالاهای مصرفی (تلویزیون، ماشین )
شکل ‏۲-۶- ارتباط بین فرآیند تولیدی متفاوت و دسته‌بندی خرابی‌ها [۵]
خرابی‌های بدون کارکرد: این نوع خرابی مربوط به محصولاتی است که خارج از مشخصه‌های عملکردیشان وارد بازار می‌شوند. ممکن است محصول در آزمایش‌های نهایی دچار خرابی شود و یا در حمل و نقل آسیب ببیند و یا توسط مصرف‌کننده خارج از دستورالعمل پیش‌بینی شده‌ی آن استفاده شود.
فرسودگی زودهنگام: گاهی مشاهده می‌شود زیر مجموعه‌ای از محصولاتی که در حال استفاده هستند، دارای کیفیت و یا قابلیت اعتماد متفاوتی نسبت به هم مجموعه‌هایشان هستند. به عبارتی محصول مورد نظر دارای فرسودگی زودهنگام است.
خرابی تصادفی: خرابی محصول در هر بازه‌ای از زمان جز خرابی تصادفی محسوب می‌شود. محصولات برای استفاده در شرایط پیش‌بینی شده‌ای طراحی شده اند. حوادثی خارج از این محدوده‌ی پیش‌بینی شده منجر به خرابی محصول می‌شود.
فرسودگی سیستم: خرابی محصول به دلیل فرسایش مواد به کار رفته در آن در این دسته قرار می‌گیرد.
بنابراین در کل خرابی‌ها به ۴ دسته تقسیم می‌شوند. از طرفی سه نوع فرآیند مختلف تولیدی نیز معرفی شده است [۱۲].
نوع A : زمان در این نوع فرآیند تولیدی از اهمیت ویژه‌ای برخوردار است. این دسته اختصاص به محصولات با تکنولوژی جدید دارد. آن‌چه سود این صنایع را بیشینه می‌کند،تمرکز بر استراتژی کوتاه کردن زمان معرفی به بازار است. عمر اقتصادی این محصولات کمتر از عمر تکنیکی آن‌هاست.
نوع B : فاکتور مهم در این دسته، هزینه است. اما همان‌طور که قبلاً بیان شد (۳)، برای محصولات با نرخ مصرف بالا، زمان معرفی به بازار و توسعه محصول نیز اهمیت دارد. در این حالت پیش‌بینی دقیق قابلیت اعتماد برای این نوع صنایع مهم بوده، چراکه قابلیت اعتماد و هزینه ارتباط تنگاتنگی با هم دارند و عمر اقتصادی محصول با عمر تکنیکی آن قابل مقایسه است.
نوع C : این دسته بر بیشینه کردن میزان بهره‌مندی و استفاده از سرمایه و یا به بیان دیگر بازگشت سرمایه تمرکز دارد. برای این محصولات قابلیت اعتماد و ایمنی بسیار مهم بوده و فرآیند تولیدی در نهایت دقت و کیفیت دنبال می‌شود. عمر اقتصادی محصولات این دسته از عمر تکنیکی آن‌ها به مراتب بیشتر است.
با توجه به شکل (۲-۶) و توضیحات ارائه شده، در این تحقیق بر محصولات دسته‌ B با خرابی‌های نوع ۱، ۲ و ۳ تمرکز شده است.

جمع آوری داده‌ها

یکی از اصلی‌ترین دلایلی که پیش‌بینی زودهنگام قابلیت اعتماد را دور از دسترس می‌کند، تاخیر زمانی در جمع‌آوری داده‌هاست. محصولی که در حین استفاده دچار خرابی می‌شود به سه طریق به کارخانه برمی‌گردد. محصول می‌تواند به صورت مستقیم به کارخانه ارجاع داده شود و یا از طریق واسطه به کارخانه منتقل گردد. گاهی اوقات به دلیل نقص فنی در دسته‌ای از محصولات، کارخانه تمامی محصولات فروخته شده را فراخوانی می‌کند تا این نقص در همه‌ی آن‌ها بر طرف شود.
تاخیر زمانی در پیش‌بینی قابلیت اعتماد محصولات جدید از دو قسمت تشکیل شده است، تاخیر در فرآیند فروش و تاخیر در فرآیند بازگشت محصولی که دچار خرابی شده است. این دو تاخیر باعث می‌شوند تا اطلاعات و داده‌های مربوط به خرابی از دقت بالایی برخوردار نباشد و نبود داده‌های دقیق منجر به پیش‌بینی‌های نادرستی در مورد قابلیت اعتماد شود. بنابراین تلاش در راستای برطرف کردن این مشکل در اولویت است.
در بحث پیش‌بینی قابلیت اعتماد سیستم، علاوه بر پارامترهایی که در مدل به دنبال آن‌ها هستیم، نوع داده‌ای که در دسترس ما قرار دارد نیز از جمله عوامل بسیار مهم در تحلیل‌ها است. بر حسب شرایط حاکم بر مسئله، داده‌ها به دو دسته‌ی داده‌های کامل[۲۲] و داده‌های سانسور شده[۲۳] تقسیم می‌شوند. همچنین تحلیل داده‌های عمر عادی محصول به دلیل عمر زیاد آن در بسیاری از موارد سخت است. آزمایش‌های تشدید طول عمر برای این منظور پیشنهاد شده است. بنابراین نوع دیگری از داده‌ها در بحث قابلیت اعتماد، داده‌های حاصل از آزمایش‌های تشدیدی است. در ادامه به بررسی این دو نوع داده‌های سانسور شده و تشدید شده می‌پردازیم.

داده کامل

هرگاه در مطالعه طول عمر، n موجود مورد آزمایش قرار گیرند و بتوان طول عمر تمامی آن‌ها را به طور کامل مشاهده کرد، داده‌ی کامل از زمان کارکرد تا خرابی موجود در اختیار است. شکل ۲-۷ نشاندهنده‌ی مشاهده‌ی داده‌ی کامل طول عمر ۵ موجود می‌باشد[۱۴].
شکل ‏۲-۷- نمودار داده‌های کامل مربوط به ۵ محصول [۱۴]
داده‌های کامل به نوبه‌ی خود به دو نوع قابل جمع‌آوری هستند. در نوع ۱، موجود را در یک محیط آزمایشگاهی یا واقعی در نظرگرفته و مدت زمان کارکرد تا خرابی آن‌را یادداشت نموده و به محض خرابی موجود یکسان دیگری را جایگزین کرده و این روند را ادامه می‌دهیم. داده‌های حاصل از این طرح، داده‌هایی هستند که به صورت تصادفی از متغیر طول عمر موجود تولید شده‌اند.
در نوع ۲، n موجود یکسان را در یک محیط آزمایشگاهی یا واقعی مورد مطالعه قرار داده و مدت زمان کارکرد تا خرابی آن‌ها را یادداشت می‌کنیم. بدین صورت داده‌های حاصل، داده‌های مرتب شده از یک متغیر تصادفی مثل T است.
به عنوان مثال داده‌های جمع‌آوری شده برای نوع ۱ به صورت ۱۵، ۲۵، ۱۷، ۸ ، ۲۲ و ۳ هستند و برای نوع ۲ به صورت ۳، ۸، ۱۵، ۱۷، ۲۲ و ۲۵ مشاهده شده‌است.

داده سانسور شده

آن‌چه همواره تحلیل داده‌های خرابی را با مشکل مواجه می‌کند، پدیده‌ی سانسورشدگی یا گم‌شدگی داده‌هاست. این اصطلاحات به مواقعی اطلاق می‌شود که اطلاعات در طول دوره‌ی پیگیری خرابی محصولات، از دست رفته و یا گم شده باشد و در واقع قادر به ثبت وضع نهایی آن‌ها به دلیل وقوع حادثه و رخدادی نیستیم. از آن‌جا که این نوع اطلاعات در جای خود ارزشمند بوده و حداقل حاوی اطلاعات نمونه تا قبل از سانسور یا گم‌شدگی هستند، نه می‌توان این داده‌ها را دور ریخت، چراکه در بحث قابلیت اعتماد با کمی داده های در دسترس مواجه هستیم و هر داده‌ای می‌تواند مفید باشد، و نه می‌توان زمان سانسور یا گم‌شدگی را با طول عمر واقعی موجود یکی دانست، زیرا منجر به اریبی در نتایج می‌شود. لذا تحلیل این نوع داده‌ها روش‌های آماری خاصی را می‌طلبد. نکته‌ی قابل توجه این است که در بسیاری از مواقع تحلیل‌گر خود به این نتیجه می رسد که به دلیل طولانی بودن زمان آزمایش با سانسور کردن آن می‌توان سریع‌تر به داده‌های مورد نظر دست یابد. در ادامه انواع روش های سانسور کردن داده‌ها شرح داده می‌شود[۱۴].
سانسور کردن از راست[۲۴] : در این سانسور جمع‌آوری اطلاعات تا زمان tc ادامه دارد. به عبارتی از دست دادن قطعه و یا خرابی محصول در روی محور زمان در طرف راست نقطه‌ی ورود به مطالعه اتفاق می‌افتد[۱۴].
سانسور کردن از چپ[۲۵] : در این سانسور، از دست دادن قطعه در روی محور زمان در طرف چپ نقطه‌ی ورود به مطالعه اتفاق می‌افتد. در این حالت مطالعه و بررسی محصولات بعد از زمان tc خواهد بود [۱۴].
نمایش گرافیکی دو نوع سانسور کردن راست و چپ به ترتیب در شکل‌های ۲-۸ و ۲-۹ آمده است.
شکل ‏۲-۸- نمودار داده‌های سانسور شده‌ی از طرف راست برای ۵ محصول [۱۴]
شکل ‏۲-۹- نمودار داده‌های سانسور شده‌ی از طرف چپ برای ۵ محصول [۱۴]
سانسور کردن دوطرفه (فاصله‌ای)[۲۶] : این نوع سانسور در حقیقت ترکیبی از دو نوع سانسور راست و چپ می‌باشد. به عبارتی خرابی محصول در یک فاصله زمانی بین t1 و t2 اتفاق افتاده است. بدیهی است در این حالت اگر t1=0 باشد، داده‌ی سانسور شده از سمت چپ و اگر t2 به سمت بینهایت میل کند، داده‌ی سانسور شده از سمت راست خواهیم داشت [۱۴].
سانسور تصادفی[۲۷] : این سانسور به مواقعی اطلاق می‌شود که توقف در جمع‌آوری اطلاعات مشاهدات در اختیار و کنترل تحلیل‌گر نباشد. دلایل متعددی برای این کار وجود دارد. به عنوان مثال شرکتی که قطعه تحت مطالعه را تولید کرده است، بنا به دلایلی تا مدتی تولید خود را متوقف کند و یا قطعه به علل دیگر که مد نظر مطالعه نیست از بین رفته باشد. حالت دیگر سانسور تصادفی وقتی است که زمان توقف مطالعه برای همه‌ی قطعات نمونه یکسان و از قبل مشخص شده باشد ولی زمان ورود آن‌ها به مطالعه متفاوت باشد. در این نوع بررسی‌ها به جای یک دوره‌ی زمانی مشخص، تاریخ اتمام بررسی را از فبل مشخص می‌کنند. بنابراین همه‌ی قطعاتی که در آن تاریخ از کار نیفتاده‌اند، داده‌های سانسور شده‌ی تصادفی هستند [۱۴].
سانسور تصادفی در مطالعات پزشکی و مهندسی کاربردهای فراوانی دارد. در این مطالعات حالت‌های مختلفی از داده‌های سانسور شده را می‌توان داشت. مثلاً در بررسی طول عمر در یک بیماری خاص و یا مدت زمان کارکرد یک دستگاه، ممکن است برخی واحدها تا پایان دوره مطالعه سالم بمانند و یا به علتی غیر از عوامل مورد نظر از مطالعه خارج شوند [۱۵].

دانلود متن کامل پایان نامه در سایت jemo.ir موجود است