关键词: 可靠性,可靠性趋势,预防维护,Reliability, Reliability trend, TPM.
在开展精益生产和TPM预防性维护,传统的做法是对设备开展日检、月检、年检活动,做得更烂一点的公司,就是在每天擦机台,搞清洁,然后,做一大堆的维护记录。传统的做秀式的精益生产已经不适应时代发展的需要,传统的精益顾问师也已经没有市场,那么,怎样科学地预测零件的寿命?怎样科学地预测设备何时才需要开展一次维护?
1. 民用的高压电传输线路,你总不可能每天派人上去 check and tick 式的点检?
2. 核电站内的关键部件,你总不可能每天派人进去 check and tick 式的点检?
3. 全自动化的无人生产车间,你总不可能以 check and tick 式的点检来确保其正常的动作? …… 那么,凭什么能确保产品设计、系统、产品、设备的可靠性?
在这里,我想分享一个可靠性趋势分析的 案例。
拉普拉斯(Pierre-Simon Laplace,1749-1827)是法国分析学家、概率论学家和物理学家,法国科学院院 士。在这里主要想介绍拉普拉斯对可靠性趋势分析和预测方面的理论: 4.通过分析事件序列的到达值对趋势的影响,以确定上升、下降、恒定趋势? 到达值 x1,x2,…xn,是从 x=0 起算的独立变量的各个数值, 区间到达值 X1,X2,….Xn 是 X=0 起算的逐次发生的事件之间的区间,如下图所示。
如果 x0 是观察的周期,则对趋势检验的统计量:
这就是拉普拉斯检验。它将所观察的到达值与观察周期的中点进行比较。
如 U=0, 没有趋势
U<0, 下降
U>0, 上升
4. 可靠性的置信上限与置下限: 对于可靠性试验中的数据,其失效数据呈指数分布(高度偏斜),所以,其置信限的估算,不适应 正态分布理论,一般以 X2分布来估算。
Θ1 和 Θ0 为平均故障间隔时间(MTBF)的置信上、下限,T 是总的试验时间,а 是置信水平,n 是失效次数。
5. 案例分析:
某设备的失效数据如下:从运行 175 天失效第 1 次,到运行 791 天失效 12 次
5.1 拉普拉斯(Pierre-Simon Laplace)可靠性趋势
5.2 这种可靠性趋势,具有线性趋势吗?
说明失效的间隔时间越来越短的趋势,但不具有线性统计的显著性。
5.3 可靠性通常服从指数分布或 Weibull 分布,则
通过上述可靠性趋势分析、置信上、下限分析,可预测设备什么时候会发生故障?置信下限是 预防维护的起点(最早不能早于什么时候?),而置信上限(最迟不能迟于什么时候)又是下次预防维护的起点。
6. 可靠性趋势分析的作用与意义:
6.1 可作为类似产品六西格玛设计改善其可靠性的方向;
6.2 合理估算产品、设备的维护费用,减少保修费用;
6.3 开展精益生产、预防性维护、TPM 的依据,我见过很多国内做 TPM 的砖家,瞎搞成了盲目 的 Check and tick 式的点检,宣传、板画、清洁擦机台的工作。能实现降低故障率、节省成本的 目标?
7. 上文中的计算方法及书中的数据文件
书中的相关的案例数据文件,是JMP格式,读者可以从官网下载JMP软件的试用版学习、理解其中的数据分析方法。如果你想要用JMP Pro 13学习, 我有这个,你懂的。QQ:2725848194
提醒:本书绝对是作者的原创,只供学习使用,不得在其它网上、论坛、QQ、微信发布,否则,将视同侵犯版权,并承担相关的法律责任!