توسعه مدل جدیدی برای پیش بینی قابلیت اعتماد محصولات بر اساس رویکرد بیز- قسمت ۳

از طرفی در یک تقسیم‌بندی دیگر دو نوع سانسور برای داده‌های مربوط به خرابی در نظر می‌گیرند. سانسور زمان یا سانسور نوع اول و سانسور تعداد یا سانسور نوع دوم. در عمل از این دو تقسیم‌بندی برای بیان نوع سانسور استفاده‌ی زیادی می‌شود.
در سانسور زمان، قبل از شروع آزمایش برای n موجود یک زمان معین در نظر می‌گیرند. اگر سانسور از سمت راست مطرح باشد، زمان L رابه عنوان زمان اتمام آزمایش در نظرگرفته و به مطالعه طول عمر موجوداتی که قبل از زمان L خراب می‌شوند، می‌پردازیم. در این حالت نیز می‌توانیم سانسور چپ، راست و یا سانسور دوطرفه داشته باشیم. در داده‌ها با سانسور زمان با دو نوع متغیر تصادفی زمان و تعداد خرابی‌ها سروکار داریم [۱۴].
در سانسور تعداد، طول عمر n موجود تا زمانی‌که rتای آن خراب شود، مورد مطالعه قرار داده و بعد از آن جمع‌آوری اطلاعات را متوقف می‌کنیم. در این حالت چون تعداد از قبل معین است، تنها یک متغیر تصادفی زمان خواهیم داشت. این داده‌ها نیز می‌تواند از سمت چپ یا راست و یا هر دوطرف سانسور شوند [۱۴].

آزمایش تشدیدی طول عمر

تحلیل و بررسی داده‌های عمر عادی محصول در بسیاری از موارد سخت است. یکی از راه‌حل‌های این مشکل استفاده از سانسور داده‌هاست که در بالا توضیح داده شد. طول عمر زیاد محصول، زمان کم بین طراحی و تولید و مشکلات تست کردن محصولاتی که به صورت پیوسته مورد استفاده قرار میگیرند، باعث می‌شود که جمع‌آوری داده‌های خرابی محصولات در بسیاری از مواقع امکان‌پذیر نباشد. بنابراین محققان به دنبال روشهایی بوده‌اند که راهی برای حل این مشکلات باشد. از این جمله میتوان به تجزیه و تحلیل آزمایشهای تشدیدی طول عمر[۲۸] اشاره کرد [۱۶].
از آزمایش‌های تشدیدی طول عمر برای تسریع در فرآیند جمع‌آوری اطلاعات مربوط به قابلیت اعتماد محصول در مرحله طراحی آن استفاده می‌شود. این روش معمولاً در مورد محصولات خاصی خصوصاً قطعات الکترونیکی قابل اجراست. به کمک آزمایش‌های تشدیدی می‌توان ضعف‌های محصول جدید طراحی شده را ارزیابی کرد.
آزمایشهای تشدیدی به صورت وسیع در صنایع مورد استفاده قرار میگیرد. در صنعت الکترونیک از آزمایشهای تشدید طول عمر برای پیشبینی قابلیت اعتماد این محصولات در مرحله طراحی و قبل از تولید انبوه استفاده چشمگیری میشود. متاسفانه در صنایع مربوط به تولید قطعات مکانیکی استفاده از این روشها بسیار محدود است.
به طور کلی سه هدف عمده برای انجام آزمایشهای تشدیدی طول عمر وجود دارد [۱۷]
تشخیص عیوب طراحی و تولید: با انجام این آزمایشها پی به عیوب محصول میبریم و در نهایت برای حذف یا کاهش عیوب موجود در محصول تغییراتی در طرح و یا مراحل تولید آن ایجاد میشود.
کنترل کیفیت و کارایی: برای آگاهی از کارایی و کیفیت محصول از آزمایش تشدیدی طول عمر استفاده میشود.
اندازهگیری قابلیت اعتماد: برای اندازهگیری میزان قابلیت اعتماد محصول جدید طراحی شده از این آزمایشها استفاده میشود. این موضوع اهمیت ویژهای دارد. با توجه به قابلیت اعتماد محصول میتوان ضمانت و خدمات پس از فروش آن را تخمین بزنیم. همچنین با توجه به نیازهای مشتری میتوان پی برد که محصول طراحی شده پاسخگوی آن‌ها است یا نه.
دانستن اینکه محصول چگونه دچار خرابی میشود برای طراح دارای اهمیت است و اطلاعات مفیدی را به او میدهد. در آزمایشهای تشدیدی طول عمر با استفاده از روشهای خاصی محصول را در شرایط عملیاتی تشدید شده قرار میدهند و نرخ خرابی آن را اندازهگیری میکنند. برای قطعات الکترونیکی از جمله شرایط تشدیدی می‌توان به افزایش میزان ولتاژ، جریان و … اشاره کرد.
مشکل اصلی در این روش تبدیل دادههای حاصل از شرایط تشدید شده برای محصول به اطلاعات واقعی در شرایط معمولی است. برای این منظور بدست آوردن ارتباط منطقی و صحیح بین دو حالت تشدید شده و معمولی اهمیت بسزایی دارد. به عنوان مثال در صنایع مربوط به دستگاههای سرمایشی مدت زمان ۱۰ روز تا ۱۰ هفته برای آزمایش‌های تشدیدی در نظر گرفته میشود. این مدت زمان در شرایط معمولی متناسب با ۱۰ تا ۲۰ سال است و دادههای خرابی در حالت تشدید شده باید به حالت معمولی تبدیل شوند.
آزمایشهای تشدیدی خود شامل انواع مختلفی هستند. این تستها به طور کلی به دو دسته، تست تشدیدی زمان و تست تشدیدی استرس و فشار وارد بر سیستم تقسیم‌بندی میشوند. در این روش باید رابطه بین طول عمر در استرسهای متفاوت با طول عمر در شرایط واقعی مدل‌سازی شود که برای این کار روشهای مختلفی وجود دارد از جمله مدل آرنیوس، مدل دما – رطوبت، روابط چندمتغیره … [۱۶].
به طور خلاصه در این فصل اهمیت پیش‌بینی قابلیت اعتماد محصولات مطرح شد. پیشبینی قابلیت اعتماد در مراحل اولیه منجر به برآورد دقیقتر پارامترهای مهمی از جمله توانایی تولید، نگهداری و تعمیرات، ضمانت و هزینه میشود. لذا محاسبه دقیق قابلیت اعتماد سیستم در این مرحله برای مدیریت بسیار با اهمیت بوده چرا که منجر به صرفه جویی در زمان و هزینه می‌شود. برای یک سیستم زمان بسیار با اهمیت است، بنابراین پیش بینی باید آن‌قدر زود در دسترس قرار گیرد که در مراحل طراحی و ساخت محصول از اطلاعات آن استفاده شود. در فصل بعد به معرفی انواع روش‌های پیش‌بینی قابلیت اعتماد محصولات می‌پردازیم.

فصل سوم

فصل سوم: روش‌های پیش‌بینی قابلیت اعتماد
در فصل قبل ضرورت وجود سیستم بازخورد سریع در مراحل ایجاد یک محصول مورد بحث قرار گرفت و اهمیت پیش‌بینی قابلیت اعتماد برای محصولات جدید مطرح شد. در این فصل توجه ویژه‌ای به روش‌ها و مدل‌های پیش‌بینی قابلیت اعتماد خواهیم داشت. در بخش اول این فصل تقسیم‌بندی از مدل‌های موجود در زمینه‌ی پیش‌بینی قابلیت اعتماد ارائه می‌کنیم. در بخش بعد تاریخچه‌ای از انواع مدل‌های پیش‌بینی قابلیت اعتماد بیان شده و مشکلات و محدودیت‌های هریک از این روش‌ها بررسی می‌شود. در ادامه به بررسی جایگاه نظریه بیز در زمینه‌ی پیش‌بینی قابلیت اعتماد محصولات می‌پردازیم و تحقیقات انجام شده در این زمینه و نقص مدل‌های موجود بررسی می‌شود.

تقسیم‌بندی مدل‌های موجود در بحث قابلیت اعتماد

شکل (۳-۱) شمای ساده‌ای از تقسیم‌بندی پیش‌بینی قابلیت اعتماد را نشان می‌دهد [۱۹]. مدل‌های پارامتری، بر اساس توزیع‌های احتمالی با پارامترهای مجهول بنا شده‌اند. از طرف دیگر برای مدل‌های ناپارامتری توزیع احتمالی شناخته شده‌ای نداشته و تلاش می‌شود تا بر اساس مدل‌های آماری مورد بررسی قرار گیرند.
مدل‌ برای محصولات تعمیرناپذیر
مدل‌ برای محصولات تعمیرپذیر
مدل‌ برای محصولات تعمیرناپذیر
مدل‌ برای محصولات تعمیرپذیر
مدل‌های ناپارا‌متری
مدل‌های پارا‌متری
پیش‌بینی قابلیت اعتماد
شکل ‏۳-۱- تقسیم‌بندی مدل‌های موجود در پیش‌بینی قابلیت اعتماد سیستم‌ها [۱۹]
وقتی می‌خواهیم قابلیت اعتماد اولیه محصول را برای تعیین دوره‌ی ضمانت آن پیش‌بینی کنیم، تنها زمان تا اولین خرابی مد نظر است. با این فرض محصولات مورد بررسی جزگروه تعمیرناپذیر[۲۹] محسوب می‌شوند. در عمل این محصولات به ندرت بیش از یک بار تحت تعمیر قرار می گیرند. پس به طور خلاصه این تحقیق بر محصولات تعمیرناپذیر و اولین زمان تا خرابی آن‌ها متمرکز است.

مدل‌های موجود برای پیش‌بینی قابلیت اعتماد

مدل‌های مختلفی برای پیش‌بینی قابلیت اعتماد سیستم‌ها یا محصولات وجود دارد که هر کدام بر ویژگی خاصی تاکید می‌کنند. همان‌طور که در فصل قبل اشاره شد بین قابلیت اعتماد و نرخ خرابی ارتباط وجود دارد و در واقع قابلیت اعتماد یک محصول با توجه به داده‌های نرخ خرابی آن بدست می‌آید. بر این اساس دو مدل کلی برای پیش بینی نرخ خرابی مطرح شده است [۱۶] :
پیش بینی نرخ خرابی بر اساس شرایط قبل[۳۰] : در این حالت با توجه به دادههای قبلی بدست آمده برای تجهیز در شرایط عملیاتی متفاوت و یا برای تجهیزی مشابه با آنچه مورد نظر است قابلیت اعتماد را پیش‌بینی میکنند.
پیش بینی نرخ خرابی بر اساس شرایط عملیاتی[۳۱] : در این حالت با توجه به دادههای حاصل از نتایج آزمایشها خصوصاً آزمایش‌های تشدیدی به پیشبینی قابلیت اعتماد سیستم میپردازند.
همان‌طور که بیان شد، روشهای مختلفی برای پیش بینی قابلیت اعتماد وجود دارد [۲۰]. هر کدام از این روش‌ها برای داده‌های خاصی قابل استفاده هستند که در ادامه به معرفی آن‌ها می‌پردازیم.
دادههای قبلی تولید: این دادهها شامل اطلاعات ضمانت ودیگر اطلاعات قبلی سیستم یا تجهیز مورد بررسی است. به کمک این دادهها میتوان نرخ خرابی دستگاه جدید را پیشبینی کرد. این پیش‌بینی نمی تواند از دقت بالایی برخوردار باشد چراکه ماهیتاً محصول جدید متفاوت از محصولات قبلی بوده و به طور کلی اطلاعات محصولات قبل در حد پیشبینی اولیه قابل استفاده است.
نتایج آزمایشهای تشدیدی : همان‌طور که در فصل قبل به صورت مفصل بحث شد، یکی از راه‌های پیش‌بینی قابلیت اعتماد استفاده از آزمایش‌های تشدیدی طول عمر است. این روش برای محصولات با طول عمر زیاد و یا مواقعی که زمان کمی بین طراحی و تولید وجود دارد و زمانی‌که مشکلات آزمایش کردن محصولات وجود دارد مورد استفاده قرار میگیرند. مدل‌های ریاضی مختلفی برای برقراری ارتباط بین داده‌های حاصل از این آزمایش‌ها با داده‌های بدست آمده در شرایط معمولی وجود دارد از جمله مدل آرنیوس و یا دما-رطوبت.
مدل‌های فیزیک خرابی [۳۲]: این مدل‌ها به طور گسترده مورد استفاده قرار میگیرد. در این حالت نیاز به اطلاعات آماری نیست. از جمله این روشها می توان به آنالیز درخت خطا[۳۳]، دیاگرام بلوکی[۳۴] و آنالیز بر اساس فرآیند تصادفی اشاره کرد.
دادههای عمومی در دسترس[۳۵] : در این زمینه میتوان به مرکز تجزیه و تحلیل قابلیت اعتماد[۳۶] اشاره کردکه اطلاعات مربوط به دادههای قابلیت اعتماد تجهیزات مختلف جمعآوری میشود.
مدل‌های تجربی[۳۷] : پرکاربردترین مدل‌ها در زمینه پیشبینی قابلیت اعتماد هستند. از معروفترین آن‌ها می‌توان به MIL-217 و Bellcore اشاره کرد، که اولی در سازمان نیروی نظامی آمریکا و دومی در صنایع مخابراتی مورد استفاده قرار میگیرند [۲].
مدل‌های کامپیوتری[۳۸] : با توسعه روزافزون کامپیوتر استفاده از این وسیله محاسباتی در زمینه پیشبینی نیز رو به توسعه است. از این جمله میتوان به شبیه سازی مونت کارلو[۳۹] [۲۱],[۲۲]، شبکههای عصبی[۴۰] [۲۳],[۲۴] و روشهای فراابتکاری مثل الگوریتم ژنتیک[۴۱] [۲۵] اشاره کرد.

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.