近年来,越来越多的企业开始注重提升产品的可靠性。可靠性已经成为衡量产品质量的重要指标之一。所谓可靠性是指在规定的使用条件下,规定的时间内产品完成规定功能的概率。很多企业在实施可靠性管理时碰到的一个问题是当产品的可靠性管理发展到一定阶段,必定会用到统计建模方法,而由于可靠性统计建模方法相对更复杂,很多号称六西格玛黑带大师的咨询师都不敢轻易碰它,这无形中给可靠性分析蒙上了一层神秘的面纱。
质量管理大师朱兰在研究产品的质量元素时,曾将各种不同的质量特征归纳总结,分为三个大类:第一,技术特征,如强度、硬度、电压等;第二,心理特征,如知觉、视觉、味觉等;第三,与时间相关的特征,如可靠性、可维修性等。由此可见,可靠性是质量管理中不可或缺的重要内容。
许多知名汽车厂家已开展可靠性工作多年,通用公司就是最早引入可靠性概念进行产品设计生产的公司之一。经过了长期的可靠性工作开展后,通用汽车的可靠性水平显著上升。最近几年美国权威汽车调研机构J.D.Power公布的北美地区汽车车辆可靠性(VDS)调查报告显示,通用汽车旗下别克品牌长期位居三甲,表现非常稳定。
除了汽车行业,可靠性工程在其他制造业内也有广泛的应用。留心观察英特尔、陶氏化学等公司将可靠性工具融入企业原有的“研发、生产和顾客现场使用”价值链中的宝贵经验,不难发现,其成功的关键因素之一就是让可靠性不再成为少数研发精英的专宠,而是将可靠性分析可视化、简单化,使之成为众多技术人员都可以使用的寻常工具,可以从中获取决策依据的改善利器。
平心而论,十几年前,要实现这一点还是具有相当难度的,普通企业的感觉是可靠性“可望而不可即”。然而,近年来现代计算机技术的迅猛发展和成熟使企业具备了跨越传统技术障碍的前提条件,以专业质量管理统计软件JMP为代表的诸多可靠性工具载体,开创了交互性、可视化的先进分析模式,兼具操作简易、分析高效的优点,让可靠性走下神坛,走向“平民化”。
下面将着重介绍可靠性分析的几个主要应用方向,以及JMP交互式可视化的可靠性分析带给企业的帮助。
寿命数据分布
在可靠性工程中,如果能够将产品的寿命数据拟合为某一概率的分布,就可以利用这个分布的特性进行产品设计、制造的评估决策。但是困难的是,可靠性数据存在着删失特性,其概率分布比一般数据的分布拟合要复杂得多,也难理解得多。而借助JMP软件,工程师只要轻松点击鼠标,即可在几秒内从Weibull、对数正态、指数等十余种分布中进行智能识别,寻找出最匹配的寿命数据的分布类型,以便我们精确地预测产品的使用寿命、失效概率、失效概率密度和故障率等。
可靠性预测
在了解寿命数据的分布情况之后,我们还可以进一步做可靠性预测。JMP可以帮助我们预测将来失效的次数。使用交互式图形,调整将来产量和合同期限之类的因子,就可以估计将来的失效。
加速寿命试验
如果想进一步量化地了解不同的载荷条件可能对产品产生的影响,则需要用到比传统的一元回归分析要复杂得多的统计方法。JMP软件将这个分析过程化繁为简,把复杂的统计学原理转化为一系列图形组合,栩栩如生地展现出加速寿命因子(如本例中的温度等)在不同水平时对产品寿命的影响程度。
参数生存模型
很多情况下,影响产品寿命的还不仅仅只有温度一个载荷条件,还可能包括湿度、振动、辐射、压强、化学物质、沙尘、电压、电流和人为因素等。怎样才能综合、直观地表现所有因素对产品寿命的影响呢?在JMP中,这个问题的解决方案是用一种简单易懂的“模型刻画器”形式来精确地表现各个影响因素(如本例中的涂层、摄氏温度等)与产品可靠性的关系,瞬时同步地预测不同条件下的失效概率和产品使用寿命。
产品老化分析
如果要对产品的质量特性有更加深入的认识,我们不能仅仅用“失效”、“没有失效”来表示产品的质量状态,还要尽可能用一个连续变量来描述产品的特性变化。只要记录了相关的数据,工程师使用JMP就能通过线性或非线性形式对产品特性(如本例中的Current等)的老化过程进行更加精确的模型拟合,并以此为基础预测产品失效的发生时间,以及产品特性随时间变化的规律。
可靠性实验设计
可靠性分析的数据主要来源于可靠性实验,可靠性实验的时间一般较长,而且对产品都有破坏性。为了降低成本,我们需要用最少的实验样品、最短的实验时间来最大限度地获取信息。JMP是一款在实验设计领域享有声誉的软件,工程师可以灵活方便地计算开展可靠性检验实验和可靠性验证实验所需的样本数量和时间长度,还可以设置开展考虑因子间交互作用的单因子(如本例中的扭矩等)或双因子加速寿命实验时的实验条件组合,以及计算每种实验条件下的样本数量。
以上抛砖引玉地介绍了几款JMP核心的可靠性平台及应用,而在可靠性分析方面,JMP能做的远不止此。希望借助于久经验证的成熟分析技术,可以帮助你全面了解产品的性能,高效地预防产品缺陷,提高产品的质量保证。