ZMS SoSe 2021 Vorlesungsfolien

: Turning ideas into vision :
Zuverlässigkeit
mechatronischer Systeme
Dr. R. Schubert
Institut für Produktentwicklung und Gerätebau
Leibniz Universität Hannover
© 2021 IPeG Prof. Dr.-Ing. R. Lachmayer

Inhalt
1. Definitionen, Normen und Beispiele

- Definitionen und Normen, gesetzliche Vorgaben
- Beispiele mechatronischer Systeme aus der Automobilindustrie
2. Statistische Grundlagen – Weibullverteilung

- Weibullfunktion
- Ausfallraten
- Lösung durch Schätzverfahren
- Lösung durch Maximum Likelihood Methode
3. Risikoabschätzung mit der Weibullverteilung

- Datenstrukturen und zensierte Daten
- Methode nach Johnson (Sudden Death)
- Vereinfachte Sudden Death Methode
- Verfahren nach Nelson
- Verfahren nach Kaplan – Meier
- Maximum Likelihood Methode für Ausfälle und intakte Bauteile
- Schichtlinien
© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 2
Inhalt
4. Schadenseinträge und Schadensursachen

- Schadenseinträge durch mechanische Beanspruchung
- Schadensakkumulation nach Miner und Haibach
- Schadenseinträge durch thermische Beanspruchung
- Power Law Gesetz, Gesetz nach Coffin – Manson und Arrhenius
5. Nachweis der Zuverlässigkeit durch Versuche

- Definition von Versuchen, Tests und Prüfungen im Entwicklungszyklus
- Typische Tests zur Produktfreigabe und zur Serienabsicherung
- Spezielle Testverfahren (HALT, HAST, Burn-In)
- Beispiele aus der Praxis
6. Intelligente Versuchsplanung zur Zuverlässigkeit

- Aussagewahrscheinlichkeiten von Versuchsergebnissen
- Success Run ohne Ausfälle / mit Ausfällen
- Versuchsplanung mit Success Run
- Versuchsrelevanzmatrizen

Inhalt
7. Methoden der Schadensanalyse

- Ishikawa Diagramm
- Fehlerbaum Analyse (FTA)
- FMEA
8. Systemzuverlässigkeit
- Serielle und parallele Subsysteme
- Verknüpfte Wahrscheinlichkeiten
- Vernetzte Strukturen
9. Projektbeispiele
- Umsetzung aller Methoden an einem ausgewählten Projekt

Definitionen, Normen und Beispiele

Software
Elektronik Mechanik

Software
Physik /
Mechanik
Chemie
Elektronik

Die Zuverlässigkeit ist die Fähigkeit einer Ware, denjenigen durch den Verwendungszweck
bedingten Anforderungen zu genügen, die an das Verhalten ihrer Eigenschaften während einer
gegebenen Zeitdauer unter festgelegten Bedingungen gestellt werden (VDA).
Die Zuverlässigkeit ist die Wahrscheinlichkeit dafür, dass ein Produkt während einer definierten
Zeitdauer unter gegebenen Funktions– und Umgebungsbedingungen nicht ausfällt (VDI).
Die Zuverlässigkeit eines Produkts ist die Wahrscheinlichkeit dafür, dass es während der
definierten Betriebsdauer seine Eigenschaften beibehält. Eine Änderung der Eigenschaften ist
dabei nur im Rahmen der Toleranzen der Produktspezifikation erlaubt (Schubert).

Zuverlässigkeit: Wahrscheinlichkeit des Überlebens bis zum Zeitpunkt t

Unzuverlässigkeit: Wahrscheinlichkeit eines Ausfalls bis zum Zeitpunkt t
Statistische Gleichung: F(t) = Funktion (t, Parameter)
Ausfall: Komplementäre Wahrscheinlichkeit zur Zuverlässigkeit -> „Unzuverlässigkeit“

Wahrscheinlichkeit des Ausfalls = 1 – Zuverlässigkeit = 1 – Wahrscheinlichkeit des Überlebens
Lebensdauer: Zeitraum oder zeitäquivalenter Bereich, der von der Inbetriebnahme eines Bauteils
bis zu seinem Ausfall reicht (Zeit [h, Tagen,..], zeitäquivalente Größe:
z. B. Fahrleistung [km])

Schaden: Äußere Wahrnehmung eines Ausfalls, Istzustand des Bauteils nach Ausfall
Schadensbild: visuelle und oder messbare Wahrnehmung des Schadens
Schadensursache, Schadensgrund: Dem Schaden vorangegangene Ereignisse, die erst zum
Schaden führen.
„ 5Why „ - Methode: Fragekette des „Warum?“ solange, bis man zu einer oder mehreren
eindeutigen Maßnahmen gelangt, die den Schaden definitiv und nachhaltig nicht mehr auftreten
lassen.
Risiko:
Auftretenswahrscheinlichkeit eines Ausfalls x damit verbundene mögliche Auswirkung (Schaden)
Garantie, Kulanz: Selbstverpflichtung des Herstellers, bei einem Ausfall innerhalb eines
definierten Zeitraums oder zeitäquivalenten Bereichs für Ersatz, nachhaltige Verbesserung und
Minimierung des Schadens zu sorgen.


Qualitätsnormen dienen
- der präventiven Verhinderung von Ausfällen
- der Behandlung von Ausfällen
- der nachhaltigen Umsetzung der Verbesserungsmaßnahmen im Geschäftsprozess
Bekannte Qualitätsnormen:
- ISO 9002
- QS 9000 (speziell Automobilindustrie)
- ISO TS 16949 (speziell Automobilindustrie)
Im Sinne der Produkthaftung besteht aktive Meldepflicht bei Erkenntnis von Risiken – je nach
Schwere – gegenüber :
dem / den Kunden (z. B. Continental -> Fahrzeughersteller (OEM), OEM -> Verbraucher)
den zuständigen öffentlichen Stellen (z. B. Kraftfahrtbundesamt, NHTSA)

TPMS (Tire Pressure Monitoring System)
Wheel speed sensor
Quelle: Continental AG

ESC for hybrid vehicles

HECU (hydraulic electronic control
unit)
NOX Sensor
Piezo Common Rail Injector

Power Electronic Unit for

Hybrid Vehicles
Li - Ion Battery

Statistische Grundlagen
Weibullverteilung
Unterscheidung zwischen diskreten und stetigen Verteilungsfunktionen

Diskret
Das Ereignis, dem eine bestimmte Auftretenswahrscheinlichkeit zugeordnet wird, nimmt nur diskrete Werte an
Bekannteste Formel: Binomialverteilung
Beispiel: „Schwarze Kugeln / weiße Kugeln“
Ziehung von 3,4582 schwarzen Kugeln nicht möglich!

𝑛 𝑘 𝑛−𝑘
𝐹= 𝑝 1−𝑝
𝑘
Stetig
Das Ereignis, dem eine bestimmte Auftretenswahrscheinlichkeit zugeordnet wird, kann alle Werte aus dem reellen
Zahlenraum annehmen.
Bekannteste Formel: Normalverteilung

𝑡 − 𝜏−𝜇 2
1
𝐹= ⋅ 𝑒 2𝜎2 𝑑𝜏
𝜎 ⋅ 2𝜋 0

Weibullverteilung
Basis für die Berechnung der Zuverlässigkeit:

Gleichung nach Weibull – in ihrer originären Form
𝐹 𝜑 = 1 − 𝑒 −𝜑
Für φ = 0 wird F(φ) = 0, für φ = ∞ wird F(φ) = 1.
Damit ist stetiges Wachstum zwischen den Grenzen 0 (0%) und 1 (100%) gewährleistet.
Für die Anwendung und damit Anpassung an reale Verteilungen ist die Gleichung:
𝑡 − 𝑡0 𝑏
𝐹 = 1 − 𝑒𝑥𝑝 −
𝑇
b: Streuparameter
T: Lageparameter
t0 : Threshold, Totzeit

Weibullverteilung - Geschichte
Historie der Weibullgleichung:
Ernst Hjalmar Waloddi Weibull, Schwede
geb. am 18.06. 1887 Schweden
gest. am 12.10.1979 in Frankreich
 Ingenieur und Mathematiker
 Studium an der Königlich Technischen Hochschule

mit Abschluß Diplom 1924
 Promotion an der Universität in Uppsala
 Professor für Technische Physik an der Königlich

Technischen Hochschule in Stockholm 1941
 erste Veröffentlichung zur Weibullverteilung 1939

Weibullverteilung - Prinzip
Prinzip der These von Weibull:

 These kommt aus der Festkörperphysik
 Homogene Materialien sind nicht perfekt homogen, sondern weisen Inhomogenitäten, sogenannte Fehlstellen auf.
 Diese sind statistisch verteilt und können als weakest links angesehen werden (Art von Sollbruchstellen).
 Bild einer Kette:
- Jedes Kettenglied hat eine Ausfallwahrscheinlichkeit bis zu einer Zeit t von 10%, also eine
Überlebenswahrscheinlichkeit von 90%.
- Bei einer Kette mit 1 Glied ist die Überlebenswahrscheinlichkeit 90%

- Bei einer Kette mit 2 Gliedern ist die Überlebenswahrscheinlichkeit 90% x 90% = 81%
Ausfall beider Glieder: 10% x 10% = 1%
Ausfall des einen Gliedes: 90% x 10% = 9%
Ausfall des anderen Gliedes: 10% x 90% = 9%
Alle möglichen Fälle: 100%

Weibullverteilung - Prinzip
Wichtigste Einschränkung:
Jede Weibullverteilung darf NUR (!) für jeden einzelnen Schadensfall durchgeführt werden.
Bei n Schadensfällen müssen dann n Weibullverteilungen mathematisch verknüpft werden.
Achtung: Die Weibullverteilung ist eine kumulierende Verteilung:

Ausfallwahrscheinlichkeit BIS (!!) zum Zeitpunkt t !!

Weibullverteilung - Funktion
Sonderfälle der Weibullverteilung:
𝑡 𝑏
𝐹 = 1 − 𝑒𝑥𝑝 −
𝑇
Mit b = 1 und der Umschreibung λ = 1/ T entsteht die Exponentialverteilung:
𝐹 = 1 − 𝑒𝑥𝑝 −𝜆𝑡
Mit b = 2 entsteht die LogNormalverteilung oder Rayleigh-Verteilung:
𝑡 2
𝐹 = 1 − 𝑒𝑥𝑝 −
𝑇
Mit b > 3,6 nähert sich die Weibullverteilung der Normalverteilung an.

Um jetzt „professionell“ das Verhalten der Weibullgleichung beurteilen zu können, muss etwas
Kurvendiskussion sein:
Keine Angst – das geht schnell, ist interessant – und es lohnt sich !!!!!
Wir sehen uns die erste Ableitung an:
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 1
= −𝑒𝑥𝑝 − ⋅ −1 ⋅ ⋅𝑏⋅
𝜕𝑡 𝑇 𝑇 𝑇
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏
= 𝑒𝑥𝑝 − ⋅ ⋅
Man erkennt: Für alle t mit 0 < t < ∞ ist die erste Ableitung und damit die Steigung immer positiv,
Das heißt also: Die Weibullverteilung ist stetig ansteigend.

Und nun sehen wir uns die zweite Ableitung an:

Mit der ersten Ableitung
= 𝑒𝑥𝑝 − ⋅ ⋅
ergibt sich für die zweite Ableitung:
𝜕2𝐹 𝑡 𝑏 𝑏 𝑡 𝑏 𝑡 𝑏
= ⋅ 2 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇 𝑡 𝑇 𝑇
oder
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇

𝜕2𝐹 𝑡 𝑏 𝑏 𝑡 𝑏 𝑡 𝑏
= ⋅ 2 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇 𝑡 𝑇 𝑇
𝜕2𝐹
= 0  Wendepunkt
𝜕𝑡 2
𝑡 𝑏
 𝑏−1=𝑏
𝑇
 für b > 1  WP existiert

für b ≤ 1  kein WP
Für b ≤ 1: Zwischen 0 < t < ∞ ist die 2. Ableitung immer < 0

Heißt: Zwischen 0 < t < ∞ immer rechtsgekrümmt.

Weibullverteilung - Verlauf
Was wissen wir jetzt von der Weibullverteilung?

Zunächst der Fall b ≤ 1:
 Sie steigt stetig an von 0 bis 1 (100%) (1. Ableitung immer > 0)
 Sie startet bei t = 0 mit F = 0 und geht für t = ∞ gegen F = 1.
 Sie verläuft IMMER (0 < t < ∞) rechtsgekrümmt.
 Daraus folgt: Die Weibullverteilung nähert sich asymptotisch dem Wert 1 für t = ∞ „von unten“.
F(t)
t

Zunächst der Fall b ≤ 1:
 Es gibt noch einen anderen – logischen – Grund dafür, dass der Verlauf nur asymptotisch rechtsgekrümmt sein kann:
 Alle anderen Möglichkeiten verletzen nämlich die Regeln:
Falsch, da kein stetig ansteigendes Verhalten
F(t)
Richtig
Falsch, da kein asymptotisches Verhalten
t

Zunächst der Fall b > 1:
 Sie verläuft ebenfalls für t -> ∞ rechtsgekrümmt – also ebenfalls asymptotisch gegen 1.
 ABER: Da die Verteilung nun einen Wendepunkt besitzt UND sie für t -> ∞ rechtsgekrümmt sein MUSS, MUSS sie vor
dem Wendepunkt linksgekrümmt sein.
F(t)
Das ist jetzt der Das kennen wir vom Verlauf
linksgekrümmte Anteil am OHNE Wendepunkt:
Verlauf. WP Asymptotisch und
rechtsgekrümmt

120
100
kumulierte Ausfallwahrscheinlichkiet [%]
80
60
40
Wendepunkt ( b >1)
20
0
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241
Time in Service [days]

90
80
70
60
50
40
Kein Wendepunkt (b ≤ 1)
30
20
10
0
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241


 Daraus folgt: Die Weibullverteilung nähert sich asymptotisch dem Wert 1 für t = ∞ „von unten“ oder anders formuliert:
Die Weibullverteilung ist für t = ∞ rechtsgekrümmt.
 Sie besitzt keine Wendepunkte für b ≤ 1, das heißt, sie steigt stetig rechtgekrümmt an und nähert sich asymptotisch
dem Wert 1 (100%) : Die Wahrscheinlichkeit nimmt stetig zu, die Zunahme selbst wird jedoch geringer (degressive
Zunahme) (Für b ≤ 1 ist die 2. Ableitung stets < 0, nie 0)
 Sie besitzt 1 Wendepunkt für b > 1. Da die Weibullverteilung für t = ∞ nur rechtsgekrümmt sein kann und es 1
Wendepunkt gibt, muss vor dem Wendepunkt Linkskrümmung vorliegen.
 Das heißt: Die Verteilung nimmt progressiv zu bis zum Wendepunkt (Linkskrümmung), geht in Rechtskrümmung über
(degressive Zunahme), um sich so asymptotisch dem Wert 1 (100%) anzunähern.


Der Parameter T :
 Wenn t = T ist, dann nimmt F den Wert 63,2 % an.
 Das heißt, dass bis t = T eine Anzahl von 63,2% der ursprünglichen Bauteile ausgefallen ist.

b < 1: Frühausfälle
Quelle: VDA Bd. 3, „Zuverlässigkeit bei Automobilherstellern und Lieferanten“ /1/

z.B. systemische Elektronikfehler
b = 1: Zufällige Ausfälle
z.B. Elektronikbauteile
b > 1: Spätausfälle
z.B. Kupplung, Auspuff, Stoßdämpfer
Steigung für t = 0 ?...Später
𝑡
Bei t = T sind 63,2 % der Bauteile ausgefallen: 1,0 =
𝑇

Weibullverteilung - Dichtefunktion
Nochmal zur Klarstellung:

Die Weibullfunktion ist als statistische Verteilung eine kumulierende Verteilung:
Wie hoch ist die Ausfallwahrscheinlichkeit BIS zum Zeitpunkt t ?
Was ist dann die Ausfallwahrscheinlichkeit IM Zeitpunkt t ?
Beispiel:
Ausgehend von 20 Bauteilen sehen wir in einem Lebensdauerversuch folgende Ausfälle:
t IM Zeitpunkt t BIS zum Zeitpunkt t
1h 1 Bauteil 1 Bauteil
2h 3 Bauteile 4 Bauteile = 3 + 1

Das heißt:
 Die Weibullverteilung addiert alle Ausfälle BIS zum Zeitpunkt, die sich IN den jeweiligen Zeitpunkten t ereignet haben.
 Die Weibullverteilung ist in diesem einfachen Beispiel die Summe.
 Beschränkt man die einzelnen Parameter t - wie in diesem Beispiel - nicht auf ganzzahlige Stunden, sondern betrachtet
man die Zeit t kontinuierlich, dann kann es auch t = 5,637 h geben.
 Dann wird aus einer Summe ein Integral.
 Das heißt, die Weibullverteilung ist das Integral über die Verteilung „Ausfälle IM Zeitpunkt t“
 Oder umgekehrt: Die Verteilung „Ausfälle IM Zeitpunkt t“ ist das Differential (= Ableitung) der Weibullverteilung.
 Eine solche Verteilung „Ausfälle IM Zeitpunkt t“ heißt Dichtefunktion.

Das heißt:
Die vorhin bereits errechnete erste Ableitung der Weibullfunktion ist die Dichtefunktion, also die Ausfallwahrscheinlichkeit IM
Zeitpunkt t.
= 𝑒𝑥𝑝 − ⋅ ⋅
Die vorhin berechnete 2. Ableitung der Weibullverteilung zur Bestimmung des Wendepunktes ist daher die 1. Ableitung der
ersten Ableitung
 1. Ableitung der Weibullverteilung = Dichtefunktion
 2. Ableitung der Weibullverteilung = 1. Ableitung der Dichtefunktion

Wie sieht nun eine Dichtefunktion nach Weibull aus?
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏 = 𝐷𝑖𝑐ℎ𝑡𝑒𝑓𝑢𝑛𝑘𝑡𝑖𝑜𝑛
= 𝑒𝑥𝑝 − ⋅ ⋅
Auch hier praktizieren wir wieder etwas Kurvendiskussion.
Dazu brauchen wir die erste Ableitung der Dichtefunktion, die wir ja schon haben, weil sie die 2. Ableitung der Weibullfunktion
darstellt:
𝜕 𝐷𝑖𝑐ℎ𝑡𝑒𝑓𝑢𝑛𝑘𝑡𝑖𝑜𝑛
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏 =
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇 𝜕𝑡

2. Ableitung der 𝜕2𝐹 𝜕2𝐹 𝜕2𝐹

Weibullverteilung >0 <0 =0
𝜕𝑡 2 𝜕𝑡 2 𝜕𝑡 2
Steigung der
1. Ableitung der Weibullverteilung ist
Steigung der Steigung der
Weibullverteilung konstant
Weibullverteilung steigt Weibullverteilung fällt
= Steigung der Heißt:
Heißt: Heißt:
Weibullverteilung
Dichtefunktion steigt Dichtefunktion fällt Dichtefunktion ist konstant;
= Dichtefunktion
Minimum oder Maximum
„lineare“ Steigung
„steigende“ Steigung „fallende“ Steigung
= konstante Steigung
= zunehmende Steigung = abnehmende Steigung
= lineares Verhalten
Weibullverteilung = progressives Verhalten = degressives Verhalten
Kurve ist „gerade“,
Kurve ist linksgekrümmt Kurve ist rechtsgekrümmt
hat keine Krümmung,
Wendepunkt

Zunächst betrachten wir eine Dichtefunktion mit b > 2:

Was passiert bei t = 0? 𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏
= 𝑒𝑥𝑝 − ⋅ ⋅
Konstante
Für t -> 0: Term geht -> 1
Das heißt:
Für t -> 0 nimmt die Dichtefunktion den Wert 0 an.
Weiter betrachten wir die Ableitung der Dichtefunktion – also die 2. Ableitung der Weibullfunktion.
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
Konstante Für t -> 0: Term geht -> b - 1

Das bedeutet:
Für t -> 0 nimmt die Steigung der Dichtefunktion den Wert 0 an.

Zunächst betrachten wir eine Dichtefunktion mit b > 2:

Was passiert bei t -> ∞?
 Man kann nun eine mathematische Grenzwertbetrachtung für die Dichtefunktion und deren Ableitung durchführen.
 Man kann sich aber auch ganz einfach die Weibullverteilung ansehen:
Weibullverteilung (t -> ∞) Wert: 100% bzw. 1 Steigung: 0 Krümmung: 0

(„Lenkradhaltung“)
Dichtefunktion (t -> ∞) Wert: 0 Steigung: 0

 Da die Weibullfunktion nur 1 Wendepunkt hat, gibt es bei

Maximum der Dichtefunktion, der Dichtefunktion auch nur 1 Extremum …und das muss
0,900
WP der Verteilungsfunktion dann eben ein Maximum sein.
Wenn dieses 1 Extremum ein Minimum wäre, wäre man

0,800

wieder im negativen, also unsinnigen Ausfallbereich.
Momentane Ausfallwahrscheinlichkiet [%]
0,700
0,600
0,500
0,400 b>2
0,300
0,200
0,100
0,000
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241
Steigung ist 0 für t = 0 und t -> ∞

Nun betrachten wir eine Dichtefunktion mit b = 2:

Was passiert bei t = 0?
= 𝑒𝑥𝑝 − ⋅ ⋅
Konstante
Das bedeutet:


Und wieder betrachten wir die Ableitung der Dichtefunktion.
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
b = 2 eingesetzt
𝜕2𝐹 2 𝑡 2 𝑡 2
= ⋅ 𝑒𝑥𝑝 − ⋅ 2−1−2
𝜕𝑡 2 𝑇2 𝑇 𝑇
Konstante Für t -> 0: Term geht -> 1 Für t -> 0: Term geht -> b – 1 = 2 – 1 = 1
Das bedeutet:
 Eine Dichtefunktion mit b = 2 nimmt für t -> 0 den Wert 0 an

2
 Eine Dichtefunktion mit b = 2 besitzt für t -> 0 die Steigung
𝑇2


Was passiert bei t => ∞?
Es gilt auch hier wieder die gleiche Schlussfolgerung aus der Betrachtung der Weibullverteilung:


Maximum der Dichtefunktion,

WP der Verteilungsfunktion Da die Weibullfunktion nur 1 Wendepunkt hat, gibt es bei der
0,600
Dichtefunktion auch nur 1 Extremum…und das muss dann
eben ein Maximum sein.
0,500
0,400
0,300
b=2
0,200
0,100
0,000
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241
Steigung ist 0 für t -> ∞

Steigung ist 2/T2 für t -> 0:

Nun betrachten wir eine Dichtefunktion mit 1 < b < 2:

= 𝑒𝑥𝑝 − ⋅ ⋅
Konstante
Das bedeutet:


Und wieder betrachten wir die Ableitung der Dichtefunktion.
= ⋅𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
Konstante
Für t -> 0: Term geht -> ∞ Für t -> 0: Term geht -> 1 Für t -> 0: Term geht -> b - 1
Das bedeutet:
 Eine Dichtefunktion mit 1 < b < 2 nimmt für t = 0 ebenfalls den Wert 0 an
 Eine Dichtefunktion mit 1 < b < 2 zeigt die Steigung ∞ für t = 0


Was passiert bei t = ∞?


Maximum der Dichtefunktion, Da die Weibullfunktion nur 1 Wendepunkt hat, gibt es bei der
WP der Verteilungsfunktion
0,600 Dichtefunktion auch nur 1 Extremum …und das muss dann
eben ein Maximum sein.
0,500
0,400
0,300
0,200 1<b<2
0,100
0,000
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241

Steigung ist 0 für t = 0
Steigung ist ∞ für t = 0:

Und jetzt betrachten wir eine Dichtefunktion mit b = 1 :

𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏 𝑡 1
−
= 𝑒𝑥𝑝 − ⋅ ⋅ =𝑒 𝑇⋅
𝜕𝑡 𝑇 𝑇 𝑇 𝑇
Konstante
Das bedeutet:
1
Für t -> 0 nimmt die Dichtefunktion wiederum den Wert an.
𝑇
Und auch hier betrachten wir die Ableitung der Dichtefunktion.
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏 𝜕2𝐹 −

𝑡 1
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏 oder = −𝑒 𝑇⋅
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇 𝜕𝑡 2 𝑇2
Für t -> 0: Term geht -> 1 Konstante
Das bedeutet:
1
Eine Dichtefunktion mit b = 1 zeigt für t = 0 die Steigung − 2
𝑇

Und jetzt betrachten wir eine Dichtefunktion mit b = 1 :



Fallende Exponentialfunktion
0,700
mit dem Startwert 1/ T und der
negativen Steigung - 1 / T2
0,600
Für b = 1 besitzt die Weibullfunktion keinen Wendepunkt mehr,
daher liegt hier auch kein Maximum mehr vor.

0,500
0,400
0,300
0,200 b=1
0,100
0,000
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241

Und zuletzt betrachten wir eine Dichtefunktion mit b < 1 :

= 𝑒𝑥𝑝 − ⋅ ⋅
Dazu nehmen wir als Beispiel b = 0,5.

𝜕𝐹 𝑡 𝑡 𝑇 𝑏
= 𝑒𝑥𝑝 − ⋅ ⋅
𝜕𝑡 𝑇 𝑡 𝑇
Konstante
Für t -> 0: Term geht -> 1 Für t -> 0: Term geht -> ∞
Das bedeutet:
Für t -> 0 nimmt die Dichtefunktion den Wert ∞ an.


Und auch hier betrachten wir die Ableitung der Dichtefunktion mit b = 0,5.
= ⋅𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕 2 𝐹 0,5 −1,5 𝑡 𝑡
= ⋅𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ −0,5 − 0,5
𝜕𝑡 2 𝑇 𝑇 𝑇
Konstante
Für t -> 0: Term geht -> ∞
Für t -> 0: Term geht -> 1 Für t -> 0: Term geht -> - 0,5
Das bedeutet:
Für t -> 0 wird die Steigung der Dichtefunktion – (!) ∞ !




Für b < 1 besitzt die Weibullfunktion keinen Wendepunkt

3,000
mehr, daher liegt hier auch kein Maximum mehr vor.

Hyperbelfunktion mit dem Startwert
2,500
∞ und der negativen Steigung - ∞
2,000
1,500
1,000 b<1
0,500
0,000
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241

So … und nun schauen nochmal rückwirkend auf die Weibullverteilung:

Was können wir aus den Eigenschaften der Dichtefunktion für die Weibullfunktion ablesen?
Jede zweiparametrige Weibullfunktion startet für t = 0 mit dem Wert 0 – aber mit welcher Steigung?
Für t = 0 ergibt sich für die Dichtefunktion der Wert
b>2 0
b=2 0
1<b<2 0
b=1 1/ T
b<1 ∞

Weibullverteilung - Übersicht
Was können wir aus den Eigenschaften der Dichtefunktion für die Weibullfunktion ablesen?
Für t = 0 ergibt sich für die Dichtefunktion Für t = 0 besitzt die Weibullverteilung
der Wert die Steigung
b>2 0 0
b=2 0 0
1<b<2 0 0
b=1 1/ T 1/ T
b<1 ∞ ∞
 Alle Weibullverteilungen mit b > 1 starten mit der Steigung 0.
 Alle Weibullverteilungen mit b = 1 starten mit der Steigung 1/ T .
 Alle Weibullverteilungen mit b > 1 starten mit der Steigung ∞.

Ausfallrate
Definition: Wahrscheinlichkeit dafür, dass ein Bauteil im Zeitpunkt t ausfällt, wobei die „Vorgeschichte“,
also die bereits bis dahin ausgefallenen Bauteile zu berücksichtigen sind:
Ausfallrate λ (t):
Ausfälle im Zeitpunkt t0 + dt ( -> Dichtefunktion) / noch verbliebene Gesamtmenge im Zeitpunkt t 0
Rest: Alles vom Anfang (t = 0)

𝜕𝐹 𝑡 abzüglich der
𝜆 𝑡 = 𝜕𝑡 bis zum Zeitpunkt t
1−𝐹 𝑡 ausgefallenen Bauteile
Diese Gleichung ist allgemeingültig und nicht spezifisch für die Weibullverteilung !

Weibullverteilung - Ausfallrate
Wie sehen denn die Ausfallraten bei einer Weibullverteilung aus ?

𝑏 𝜕𝐹 𝑡 𝑡 𝑏 𝑡 𝑏−1 𝑏
𝑡
𝐹 𝑡 = 1 − 𝑒𝑥𝑝 − = 𝑒𝑥𝑝 − ⋅ ⋅
𝑇 𝜕𝑡 𝑇 𝑇 𝑇
𝑡 𝑏 𝑡 𝑏−1 𝑏
𝑒𝑥𝑝 − ⋅ ⋅
𝑇 𝑇 𝑇
𝜆 𝑡 = 𝑏
𝑡
𝑒𝑥𝑝 −
𝑇
𝑡 𝑏−1 𝑏
𝜆 𝑡 = ⋅
𝑇 𝑇
oder
𝑏
𝜆 𝑡 =𝑎⋅ 𝑡 𝑏−1 mit 𝑎= 𝑏
𝑇

Beispiele:

0 < b < 1:
Hyperbolisch mit der Zeit t abnehmende
Ausfallrate
b = 1:
Mit b = 1 und der Umschreibung λ = 1/ T
entsteht die Exponentialverteilung λ(t) =
const.
1 < b < 2:
Degressiv zunehmende Ausfallrate
b = 2:
Linear zunehmende Ausfallrate -> Kriterium
für eine LogNormalverteilung!
2<b<∞:
Progressiv zunehmende Ausfallrate

b<1 b=1 1<b<2 b=2 b>2
F(t)
F(t)
F(t)
F(t)
F(t)
t t t t t
δF/ δt
δF/ δt
δF/ δt
δF/ δt
δF/ δt
t t t t t
λ(t)
λ(t)
λ(t)
λ(t)
λ(t)
t t t t t

Beispiele: 𝛥𝜆 > 0

zu Beginn < am Ende

Typische Beispiele für konstante Ausfallraten:
Gewählte Einheit: FIT (Failure In Time) in [10-9 / h]
Widerstand 1,5
Silizium-Diode 3
Silizium-Transistor 5
Keramikkondensator 6
Folienkondensator 10
IC-Sockel (je Kontakt) 10
Steckkontakt 10
Tantal-Elektrolytkondensator 40
Silizium-Leistungsdiode 50
Silizium-Leistungstransistor 60
Integrierte Schaltung (SSI) 100
Integrierte Schaltung (MSI/LSI) 200
Aluminium-Elektrolytkondensator 500

Weibullverteilung - MTTF
Weitere Definitionen zur Lebensdauerverteilung:

MTTF (Mean Time To Failure): Mittlere Zeit bis zum Ausfall
MTTFF (Mean Time To First Failure): Mittlere Zeit bis zum 1. Ausfall
MTBF (MeanTime Between Failures): Mittlere Zeit zwischen 2 Ausfällen nach Reparatur
MTTF ist definiert als statistischer Erwartungswert :
∞ ∞
𝜕𝐹 𝑡
𝑀𝑇𝑇𝐹 = 𝐸 𝑡 = 𝑡 ⋅ 𝑓 𝑡 𝑑𝑡 = 𝑡⋅ 𝑑𝑡
0 0 𝜕𝑡
Weibull allgemein
𝑀𝑇𝑇𝐹 = Γ 1 𝑏 ⋅ 𝑇
𝑀𝑇𝑇𝐹 = 1 𝜆 = 𝑇 Exponentialfunktion (b = 1)

Weibullverteilung
Lösung und Anwendung der Weibullgleichung:

 Angewandt werden kann die Weibullverteilung, wenn sie bekannt ist, also gelöst vorliegt.
 Das heißt: Alle sie beschreibenden Parameter sind bekannt.
 Im folgenden gilt: Die Weibullverteilung ist 2 – parametrig
 Wie werden die 2 Parameter ermittelt?
 Im folgenden gilt weiter: Alle Daten, die die Weibullgleichung wiedergeben soll, liegen in vollem Umfang vor.

Lösung mit Schätzverfahren
Lösung der Weibullgleichung (Schätzverfahren)

Bestimmung der Parameter (und damit der Beschreibung der Gleichung)
𝑡 𝑏
𝐹 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇
Umformen der Weibullgleichung

𝑡 𝑏
1 − 𝐹 𝑡 = 𝑒𝑥𝑝 −
𝑇
𝑡 𝑏
𝑙𝑛 1 − 𝐹 𝑡 =−
𝑇
1 𝑡 𝑏
𝑙𝑛 =
1−𝐹 𝑡 𝑇
1
𝑙𝑛 𝑙𝑛 = 𝑏 ⋅ ln 𝑡 − 𝑏 ⋅ ln 𝑇
1−𝐹 𝑡

Bestimmung der Parameter (und damit der Beschreibung der Gleichung)
𝑡 𝑏
𝐹 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇
In anderer Form lautet die 2-parametrige Weibullgleichung also:
1
1−𝐹 𝑡
…oder mit einer diskreten Anzahl von Ereignissen i :
1
𝑙𝑛 𝑙𝑛 = 𝑏 ⋅ ln 𝑡𝑖 − 𝑏 ⋅ ln 𝑇
1 − 𝐹𝑖 𝑡

Wüsste man zu jedem Ereignis „Ausfall zur Zeit ti“ die entsprechende Einzelwahrscheinlichkeit Fi, könnte man mit
1
𝑦𝑖 = 𝑙𝑛 𝑙𝑛 𝑥𝑖 = ln 𝑡𝑖 𝑑 = −𝑏 ⋅ 𝑙𝑛 𝑇
1 − 𝐹𝑖 𝑡
und so mit der Gleichung
𝑦𝑖 = 𝑏 ⋅ 𝑥𝑖 +𝑑
den Streuparameter b und (mit b und d) den Lageparameter T bestimmen (z. B. durch lineare Regression)…..
….wenn man die Werte Fi wüsste….

Wenn wir die Werte Fi jedoch benötigen, aber nicht wissen, dann schätzen wir sie einfach:
Schätzer Geeignet für Stichprobe / Los
i − 0,3
1 Fi =
n + 0,4
________ < 𝑛 < ________
i
2 Fi =
n+1
________ < 𝑛 < ________
i−1
3 Fi =
n−1
________ < 𝑛 < ________

ReliaSoft Weibull++ 7 - www.ReliaSoft.com
Wahrscheinlichkeit - Weibull
99,000
Wahrscheinlichkeit-Weibull
Daten 1
Weibull-2P
M LE SRM M ED FM
F=6/S=0
Datenpunkte
Wahrscheinlichkeits-Linie
90,000
sog. Weibullpapier
1
U n z u v e rl ä s s i g k e i t, F ( t)
y → ln ln
1−F t
𝑥 → ln 𝑡
50,000
 b als Steigung der

Weibullgeraden im
Weibullplot interpretierbar
Rudolf Schubert
C ontinental AG
22.06.2011
14:31:09
10,000
100,000 1000,000 10000,000
Zeit, (t)
     

Weibullpapier β=b
η = 63 %
Wahrscheinlichkeit in %
Laufleistung logarithmisch: Teilung selbst definierbar

1
1−𝐹 𝑡
1 𝑑 = −𝑏 ⋅ 𝑙𝑛 𝑇
𝑦𝑖 = 𝑙𝑛 𝑙𝑛 𝑥𝑖 = ln 𝑡𝑖
1 − 𝐹𝑖 𝑡
𝑦𝑖 = 𝑏 ⋅ 𝑥𝑖 +𝑑
 Die Transferierung des Schätzers Fi in die doppellogarithmische Form ist notwendig, um aus der ursprünglichen
Weibullgleichung eine Weibullgerade zu generieren.
 Die Inhalte beider Gleichungen und beider Darstellungen sind identisch – nur kann allgemeinen mit Geraden bei
Lösungsfindung besser umgegangen werden (der Parameter b kann z. B. als Steigung interpretiert werden)
 Das Weibullpapier oder Weibulldiagramm erspart die Transferierung – hier ist auf der y – Achse bereits die
doppellogarithmische Umwandlung enthalten.

Interpretation des Weibullparameters b
Interpretation des Weibullparameters b
Je größer der Parameter b ist, desto steiler die Weibullgerade. Man sieht auch an den Beispielen, dass der Bereich, „in dem
was passiert“, kleiner ist, z. B. ist derjenige Bereich, in dem Ausfälle zwischen 1% Ausfallwahrscheinlichkeit und 99%
Ausfallwahrscheinlichkeit eintreten, umso kleiner ist, je größer b ist. Mit anderen Worten: Je größer b, desto kleiner ist die
Streuung.
Bereich für relativ kleines b
F = 99%
Bereich für relativ großes b

F = 1%
Laufleistung

Maximum Likelihood Verfahren
Lösung der Weibullgleichung (Maximum Likelihood Verfahren = MLE)
 Geeignet für Losgröße zwischen 40 und 100
 Es liegen q Bauteile vor, die IN den Zeitpunkten t1, t2, … tq ausgefallen sind.
 Die Wahrscheinlichkeit dafür, dass ein Bauteil IM Zeitpunkt ti ausfällt, wird durch die Dichtefunktion beschrieben: fi
 Legt man als Wahrscheinlichkeitsfunktion für einen Ausfall IM Zeitpunkt ti die zweiparametrige Weibullverteilung
zugrunde, lautet die Wahrscheinlichkeit: fi = f (b, T, ti)
 Man kann auch andere statistische Funktionen nehmen, z. B. Normalverteilung, aber wir nehmen hier die
Weibullverteilung!
 Dieser Wert fi ist für alle ti unbekannt, da ja noch die beiden Parameter b und T unbekannt sind.

 Die Wahrscheinlichkeit dafür, dass das erste Bauteil im Zeitpunkt t1 ausfällt UND das zweite im Zeitpunkt t2 UND das
dritte im Zeitpunkt t3 UND …..das q-te Bauteil im Zeitpunkt tq, ist:
𝑓1 ∙ 𝑓2 ∙ 𝑓3 ∙ ⋯ ∙ 𝑓𝑖 = 𝐹𝑔𝑒𝑛𝑎𝑢 𝑑𝑖𝑒𝑠𝑒𝑠 𝐸𝑟𝑒𝑖𝑔𝑛𝑖𝑠
 Das heißt: Dass genau diese Ausfallzeiten bei diesen Bauteilen auftreten, ist unter Verwendung der Dichtefunktion
gemäß Weibull:
𝑡𝑖 𝑏 𝑡𝑖 𝑏−1 𝑏
𝐹𝑔𝑒𝑛𝑎𝑢 𝑑𝑖𝑒𝑠𝑒𝑠 𝐸𝑟𝑒𝑖𝑔𝑛𝑖𝑠 = 𝐹𝐺𝑒𝑠 = 𝑒𝑥𝑝 −
𝑇 𝑇 𝑇
𝑖
 Da wir die Parameter b und T (ja immer noch) nicht wissen, kennen wir auch nicht den Wert für FGes.

 Es sind nun in Abhängigkeit der Parameter b und T unendlich viele Werte möglich, je nachdem, welchen Wert man für die
beiden Parameter annimmt.
 Die Annahme bei der Maximum Likelihood Methode ist nun:
„Dieses aufgetretene Ereignis mit den erhaltenen Lastspielzahlen t1 bis ti ist das wahrscheinlichste aller
möglichen Ereignisse, sonst wäre dieses Ereignis nicht aufgetreten.“
 Das heißt: Man muss nun die Parameter b und T so festlegen, dass der Wert FGes maximal wird.
 Wenn nun FGes maximal werden soll in Abhängigkeit der beiden Parameter b und T, dann bedeutet dies:
 Erste Ableitung der Funktion nach den beiden Parametern bilden und zu Null setzen .
𝜕𝐹𝐺𝑒𝑠 𝜕𝐹𝐺𝑒𝑠
=0 =0
𝜕𝑇 𝜕𝑏

Erste Ableitung der Funktion FGes nach den beiden Parametern b und T
𝑡𝑖 𝑏 𝑡𝑖 𝑏−1 𝑏
𝐹𝐺𝑒𝑠 = 𝑒𝑥𝑝 −
𝑇 𝑇 𝑇
𝑖
 Ein Produkt abzuleiten ist viel mühsamer als eine Summe.

 Daher wenden wir einen Trick an: Wir betrachten nun nicht mehr die Funktion FGes, sondern L = ln (FGes)
𝑞 𝑞
𝑏 𝑡𝑖 𝑏 𝑡𝑖
𝐿 = 𝑙𝑛 𝐹𝐺𝑒𝑠 = 𝑞 ⋅ 𝑙𝑛 − + 𝑏−1 ⋅ 𝑙𝑛
𝑇 𝑇 𝑇
𝑖=1 𝑖=1
 L heißt Likelihood-Funktion
 Und so bilden wir die Ableitungen wie folgt:
𝜕𝐹𝐺𝑒𝑠 𝜕𝐿 𝜕𝐿 𝜕𝐿 𝜕𝐹𝐺𝑒𝑠 1 𝜕𝐹𝐺𝑒𝑠

Wenn =0 dann =0 = ⋅ = ⋅
𝜕𝑇 𝜕𝑇 𝜕𝑇 𝜕𝐹𝐺𝑒𝑠 𝜕𝑇 𝐹𝐺𝑒𝑠 𝜕𝑇
𝜕𝐹𝐺𝑒𝑠 𝜕𝐿 𝜕𝐿 𝜕𝐿 𝜕𝐹𝐺𝑒𝑠 1 𝜕𝐹𝐺𝑒𝑠

Wenn =0 dann =0 = ⋅ = ⋅
𝜕𝑏 𝜕𝑏 𝜕𝑏 𝜕𝐹𝐺𝑒𝑠 𝜕𝑏 𝐹𝐺𝑒𝑠 𝜕𝑏

Erste Ableitung der Funktion FGes nach den beiden Parametern b und T
Ableitung nach b
𝑞 𝑞
𝜕𝐿 𝜕𝐹𝐺𝑒𝑠 𝑞 𝑞⋅ 𝑖=1 𝑡𝑖𝑏 ⋅ 𝑙𝑛 𝑡𝑖
= =0 → + 𝑙𝑛 𝑡𝑖 − 𝑞 𝑏
𝜕𝑏 𝜕𝑏 𝑏 𝑖=1 𝑡𝑖
𝑖=1
Numerische Lösung für b:

• Newton-Raphson-Verfahren
• orthogonales Extremwertverfahren
Ableitung nach T
1
𝑞 𝑏
𝜕𝐹𝐺𝑒𝑠 𝜕𝐿 1
= =0 𝑇= ⋅ 𝑡𝑖𝑏
𝜕𝑇 𝜕𝑇 𝑞
𝑖=1
explizit lösbar, wenn b bekannt.

Risikoabschätzung mit der Weibullverteilung
Achtung !!!
Daten Prognose
Daten !!
Probleme bei Zuverlässigkeitsaussagen entstehen in der Regel infolge

 von zu geringen Datenmengen (Faustformel: Mindestens 20 – 25 Lebensdauerwerte)
 von Daten, die nicht repräsentativ sind
 von „vermischten“ Daten,
- mehrere Schadensfälle (1 Weibull für 1 Schadensfall !! )
- verschiedene Designstände (Änderungen in der Serie nach Produktionsanlauf)
Im Folgenden gehen wir davon aus, dass alle Daten richtig und ordnungsgemäß zugordnet sind :
 Schadensfälle sind „ordentlich“ den Lebensdauerdaten zugeordnet.
 Datenvermischung (verschiedene Designstände, Datenfehler, u.ä.) treten nicht auf.

Dann haben wir folgende Informationsstände:
 Alle Bauteile sind ausgefallen – keine Bauteile, die noch im Betrieb sind und über deren Ausfallverhalten wir nichts
wissen.
z. B.: Entwicklungstests: 42 Bauteile in Labors getestet , bis alle ausgefallen sind - alle Lebensdauern bekannt.
 Neben den Ausfällen sind noch Bauteile im Betrieb (in Tests, auf der Straße), über die wir keinerlei Informationen besitzen
– außer ihrer Anzahl.
z. B.: Von insgesamt 42.000 Bauteilen im Straßenverkehr sind 137 Ausfälle mit ihrer jeweiligen Laufleistung
bekannt - von allen sich noch im Betrieb befindlichen ist nichts bekannt.
 Neben den Ausfällen sind noch Bauteile im Betrieb (in Tests, auf der Straße), über die wir einige Informationen besitzen:
Ihre Anzahl und ihre bisherige Lebensdauer.
Beispiel: nächste Seite…..

Beispiel für den Fall:

„ Alle Daten über die Ausfälle bekannt – einige Daten von den ‚Überlebenden‘ sind bekannt.“
Produktions- Ausfallteile in Überlebende in

Volumen in Stk. Stk. Stk. Information
1.Qu 2013 5.000 26 4.974 Alle Survivors: 24 Monate Betrieb
Betrachtung: 42.000 137 41.863 Wir sprechen hier von „zensierten Daten“!
1. Qu 2015

Beispiel für nicht repräsentative Daten Laufstreckenverteilung
Häufig benutzte Annahme:

Gesamtdurchschnitt 1.500 km / Monat, Premiumfahrzeuge 2.000 km / Monat

Problem:
 Die Risikoabschätzung in Form einer Weibullverteilung ist häufig zu einem Zeitpunkt gefordert, zu dem noch zu wenig
REPRÄSENTATIVE Daten vorliegen.
 Deuten z. B. die Weibullparameter eher auf Spätausfälle hin (b > 1), so resultieren diese Erkenntnisse weitgehend auf
Ausfällen bei hohen Laufleistungen
 Zum Zeitpunkt einer noch sehr frühen Risikoabschätzung ist jedoch zu berücksichtigen, dass erst wenige Fahrzeuge
diese relativ hohe Laufleistung erreicht haben.
 Die verwendeten Daten, die die Annahme von Spätausfällen nahe legen, sind genau in diesem Bereich der Laufleistung
nicht repräsentativ.

<2 2-5 5 - 10 10 - 15 > 15

Laufleistung / Monat [T km]

Produktionszeitraum: 01.01.2012 bis 30.04.2012 (4 Monate)
Produktionsmenge: 100.000 Bauteile / Monat (gedanklich alle punktuell auf den 15. projiziert)
Abschätzung eingefordert am 15.05.2012
Januar Februar März April

4 Monate 3 Monate 2 Monate 1 Monat
Klasse 1
2.000 km / 3,8 %
Klasse 2
5.000 km / 28,1 %
Klasse 3
10.000 km / 42,2 %
Klasse 4 24.000 Fzge

15.000 km / 24,0 % 60.000 km
Klasse 5 1.900 Fzge 1.900 Fzge 1.900 Fzge

25.000 km / 1,9 % 100.000 km 75.000 km 50.000 km

Produktionszeitraum: 01.01.2012 bis 30.04.2012 (4 Monate)
Produktionsmenge: 100.000 Bauteile / Monat (gedanklich alle punktuell auf den 15. projiziert)
Abschätzung eingefordert am 15.05.2012
Erkenntnis:
Mit zunehmender Betriebsdauer wird sich die durchschnittliche Laufleistung der vorliegenden Ausfälle erhöhen.
Der Streuparameter b wird damit bei aktualisierten Berechnungen wachsen.
Damit stellt sich die aus der Weibullverteilung abgeleitete Risikoprognose zu positiv dar.
Statistische Korrektur:
- Ständige Korrektur der Weibullverteilung mit aktualisierten Daten
- Sofortige Korrektur durch das „Anwärter“ – Verfahren.

Verfahren bei fehlender Information der Survivor:

Methode nach Johnson und Sudden Death Methode
 Bisher: Alle Bauteile fallen aus.
 Status nun: Abbruch einer Versuchsreihe nach dem ersten Ausfall.
 Ziel: Zeitersparnis, um schnell Aussagen über die Zuverlässigkeit zu gewinnen.
 Verwendung: Entwicklungsbereich – aber auch anwendbar bei Feldausfällen (später ☺)
 Methode:
 Auswahl einer Anzahl N von Prüflingen
 Einteilung aller N Prüflinge in i Versuchsreihen (Prüflose) mit je m Prüflingen (N = m x i)
 Innerhalb einer Versuchsreihe (eines Prüfloses) Abbruch bei erstem Ausfall der m Teile.
 Damit stehen nur i Ausfälle aus N Probanden zur Abschätzung zur Verfügung.
 Selbstverständlich: Alle Versuchsreihen werden identisch durchgeführt.

Methode nach Johnson (fehlende Information)
m
Beispiel:
i = 6 Prüflose bzw. Versuchsreihen mit je 2
m = 5 Prüflingen
N = 6 x 5 = 30 8
Ergebnis: t 8 < t 27 < t 14 < t 2 < t 18 < t 25
14
i
18
25
27

1. Nun ordnen wir die Versuchsreihen nach der zeitlichen Reihenfolge des Erstausfalls.
t 8 < t 27 < t 14 < t 2 < t 18 < t 25
8 Versuchsreihe mit dem frühesten Erstausfall (A)
27 Versuchsreihe mit dem zweitfrühesten Erstausfall (B)
14 Versuchsreihe mit dem drittfrühesten Erstausfall (C)
2 Versuchsreihe mit dem viertfrühesten Erstausfall (D)
18 Versuchsreihe mit dem fünftfrühesten Erstausfall (E)
25 Versuchsreihe mit dem sechstfrühesten Erstausfall (F)

2. Betrachten wir nun den Rang der Probe 14 (Reihe C).

t 8 < t 27 < t 14 < t 2 < t 18 < t 25
A 8 6 7 9 10
B 27 26 28 29 30
C 14 11 12 13 15
In Reihe D gilt: t 2 < t 1 , t 3 , t 4 , t 5 (Nr. 2 ist der Erstausfall !!!)
D 2 1 3 4 5 Es gilt aber auch: t 14 < t 2 (unser angenommenes Ergebnis)
Damit kann keine Probe aus Reihe D früher als t 14 ausfallen
E 18 16 17 19 20
Dasselbe gilt auch für die Reihen E und F analog.
F 25 21 22 23 24

3. Damit betrachten wir für die Ordnungszahl der Probe 14 nur noch die ersten drei Reihen A, B und C
t 8 < t 27 < t 14 < t 2 < t 18 < t 25
A 8 6 7 9 10
Es gilt aber auch: t 14 < t 11 , t12 , t 13 , t 15
B 27 26 28 29 30
Damit ist für die Ordnungszahl der Probe 14 nur noch wichtig:
C 14 11 12 13 15
D 2 1 3 4 5
E 18 16 17 19 20
F 25 21 22 23 24

4. Bezüglich der Ordnungszahl der Probe 14 betrachten wir nun 2 Extrema:

t 8 < t 27 < t 14 < t 2 < t 18 < t 25
1. Alle Probanden 6, 7, 9,10 und 26, 28, 29, 30 WÄREN (!) bis zu
ihrem jeweiligen Ausfall länger gelaufen als Proband 14 –
A 8 6 7 9 10
HÄTTE (!) man sie bis zu ihrem Ausfall laufen lassen, dann
WÄRE # 14 nicht nur der erste Ausfall in Reihe C, sondern auch
B 27 26 28 29 30 absolut gesehen der dritt-früheste Ausfall – nach den Bauteilen
8 und 27.Also: Rang 3 !
C 14 11 12 13 15 2. Alle Probanden 6, 7, 9,10 und 26, 28, 29, 30 WÄREN (!) bis zu
ihrem jeweiligen Ausfall kürzer gelaufen als Proband 14 –
HÄTTE (!) man sie bis zu ihrem Ausfall laufen lassen, dann
D 2 1 3 4 5
WÄRE # 14 nicht nur der erste Ausfall in Reihe C, sondern auch
absolut gesehen der elft-früheste Ausfall – nach allen Bauteilen
E 18 16 17 19 20 der Reihen A und B. Also: Rang 11 !
F 25 21 22 23 24
Da die Versuche nach dem jeweiligen Erstausfall immer abgebrochen wurden, kann theoretisch jeder Rang zwischen 3
und 11 möglich sein, weil wir wegen Abbruch die Ausfallzahlen ja nicht kennen.
Analog dazu kann man dies gedanklich auch für die Probanden 2, 18 und 25 durchgehen….

5. Analog dazu kann man dies gedanklich auch für die Probanden 2, 18 und 25 durchgehen
t 8 < t 27 < t 14 < t 2 < t 18 < t 25
Lebensdauer Ordnungszahl
A 8 6 7 9 10 t8 1
B 27 26 28 29 30 t 27 2…6
C 14 11 12 13 15 t 14 3 ….. 11
D 2 1 3 4 5 t2 4 … ….16
E 18 16 17 19 20 t 18 5 ……… 21
F 25 21 22 23 24 t 25 6 ………… 26

„mittlere“ Ordnungszahl
Zuwachs oder Korrektur
Aus dem Beispiel bekannt: i = 6 (Versuchsreihen), m = 5, N = 30
30 + 1 − 0
𝑗1 = 0 + =1
1 + 30 − 0
Keine Versuchsreihe davor
30 + 1 − 1
𝑗2 = 1 + = 2,15
1 + 30 − 5
1. Versuchsreihe mit 5 Teilen davor
30 + 1 − 2,15
𝑗3 = 2,15 + = 3,52
1 + 30 − 10
1. und 2. Versuchsreihe mit je 5 Teilen davor

… und wozu brauchen wir die mittleren Ordnungszahlen?
𝑖 − 0,3 𝑗𝑖 − 0,3
Wir ersetzen 𝐹𝑖 = durch 𝐹𝑖 =
𝑛 + 0,4 𝑛 + 0,4
und erhalten folgende Schätzer:
30 + 1 − 0 1 − 0,3
𝑗1 = 0 + =1 𝐹1 = = 0,023
1 + 30 − 0 30 + 0,4
30 + 1 − 1 2,15 − 0,3
𝑗2 = 1 + = 2,15 𝐹2 = = 0, 061
1 + 30 − 5 30 + 0,4
30 + 1 − 2,15 3,52 − 0,3

𝑗3 = 2,15 + = 3,52 𝐹3 = = 0,106
1 + 30 − 10 30 + 0,4

6. Berechne mittlere Ordnungszahlen und Schätzer

t 8 < t 27 < t 14 < t 2 < t 18 < t 25
A 8 6 7 9 10 t8 j1 = 1 F1 = 2,3 %
B 27 26 28 29 30 t 27 j2 = 2,15 F2 = 6,1 %
C 14 11 12 13 15 t 14 j3 = 3,53 F3 = 10,6 %
D 2 1 3 4 5 t2 j4 = 5,24 F4 = 16,3 %
E 18 16 17 19 20 t 18 j5 = 7,59 F5 = 24 %
F 25 21 22 23 24 t 25 j6 = 11,49 F6 = 36,8 %

Methode Vereinfachter Sudden Death (fehlende Information)
m
Beispiel:
i = 6 Prüflose bzw. Versuchsreihen mit je
2
m = 5 Prüflingen
N = 6 x 5 = 30
8
Ergebnis:
t 2 = 1705
14
t 8 = 1100 i
t 14 = 1410
18
t 18 = 2180
t 25 = 2430
25
t 27 = 1280
27

1. Ausschließliche Betrachtung der Ausfälle (also NUR die Spalte 1):
𝑏
2 𝑡
𝐹𝑓𝑖𝑟𝑠𝑡 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇𝑓𝑖𝑟𝑠𝑡
8
zweiparametrige Weibullverteilung für die ersten Ausfälle.
14 Anzahl der Ausfälle = Anzahl der Prüflose = Anzahl der

Versuchsreihen = 6
18
Kann errechnet werden über Schätzer (oder MLE bei höherer
Anzahl von Erstausfällen)
25
Parameter mit den 6 Ausfallszeiten t 2 , t 8 , t 14 , t 18 , t 25 , t 27
27
𝑘 b = 3,32 und T = 1881 = TFirst
𝑡
𝑃𝐴𝑓𝑖𝑟𝑠𝑡 = 1 − 𝑒𝑥𝑝 −
𝑡𝑣𝑓𝑖𝑟𝑠𝑡

2. Horizontale Betrachtung:
 Alle 6 Ausfallwerte der „Ausfallspalte“ werden auf 1 mittleren Ausfallwert bezogen:
 Es gibt jetzt keine 6 verschiedene Ausfallwerte mehr, sondern nur noch 1 „mittleren“, der alle ersten Ausfallzeiten
repräsentiert.
 Hintergrund: Bei einer Wiederholung der Versuche würde man die Lastspielzahlen der einzelnen 6 Erstausfälle nicht
mehr treffen – wesentlich eher aber den Durchschnittswert, also den „mittleren“ Ausfallwert .
 Daher ist dieser für eine Gesamtaussage wichtiger als die Einzelwerte.

2. Horizontale Betrachtung
Vereinfachtes Sudden Death Verfahren:
2  Reduktion aller 6 Versuchsreihen auf EINE

„mittlere“ oder „repräsentative“ Reihe
Horizontale Betrachtung:
8  Aus einer Matrix wird eine Reihe
 Reduktion aller 6 Versuchsreihen auf EINE
Damit
 oder
„mittlere“ nur noch „mittlere“ Ausfallzeit statt 6
„repräsentative“.
14  Aus einereinzelner
Matrix wird eine Reihe
 Damit nur noch 1 „mittlere“ Ausfallzeit statt 6
einzelner.
Was ist die „mittlere Ausfallzeit“ ?

18
Was ist die „mittlere“ Ausfallzeit?
25
27

3. „mittlere“ Ausfallzeit
2 1705 Wie wird nun die repräsentative

mittlere Ausfallzeit berechnet?
8 1100 „mittlere“
 Reduktion aller -> 50% auf EINE
6 Versuchsreihen
„mittlere“ oder „repräsentative“. FA = 50%
tFirst Average über P
14 1410
 Aus einer Matrix wird eine Reihe
einzelner.
𝑡𝐹𝑖𝑟𝑠𝑡𝐴𝑣𝑒𝑟𝑎𝑔𝑒
18 2180
Wie errechnen wir den „Mittelwert“?
25 2430  Arithmetisches Mittel?
 Geometrisches Mittel?
27 1200  Statistisches Mittel?

Vereinfachtes Sudden Death Verfahren: 50 % FFirst
2 2 1705
8 8 1100
„mittlere“ oder „repräsentative“.
14 14 1410
einzelner.

18 18 2180
25 25 2430 Wir nehmen die Weibullverteilung zur

Berechnung des „Mittelwertes“…….
27 27 1200 …wenn wir sie schon haben !!!
t

Vereinfachtes Sudden Death Verfahren: 50 % FFirst
2 2 1705
8 8 1100
14 14 1410
einzelner.

18 18 2180 Mit:
F = 50% = 0,5
25 25 2430
b = 3,32
27 27 1200 T = 1881 = TFirst

t
Kann man tFirstAverage berechnen.

2 1705
8 1100
14 1410
einzelner.
𝑡𝐹𝑖𝑟𝑠𝑡𝐴𝑣𝑒𝑟𝑎𝑔𝑒 = 1685

18 2180
25 2430
27 1200

2 1685 +/- „etwas“

8 1685 +/- „etwas“
14 1685 +/-einer
 Aus „etwas“
Matrix wird eine Reihe
einzelner.
1685
18 1685 +/- „etwas“
25 1685 +/- „etwas“
27 1685 +/- „etwas“

4. Nun ist nur noch eine Versuchsreihe mit 5 Probanden und 1 Ausfall zu behandeln
Repräsentativer Erstausfall bei 1685
2  Die ganze Matrix reduziert sich auf eine repräsentative Reihe
und diese (horizontale) Betrachtung der Reihe ist die
8 Gesamtbetrachtung: horizontale Reihe = Gesamtbild
 Die Wahrscheinlichkeit eines einzelnen Ausfalls kann
14  Aus einer Matrix wird eine Reihe
geschätzt
 Damit werden1 „mittlere“
nur noch mit Ausfallzeit statt 6
einzelner.
Fi = i / (n + 1) mit i = 1 (und das war‘s – ist nur 1 Ausfall)
undistn =die
Was 5 „mittlere Ausfallzeit“ ?
18
F1 = 16,67 %
25
 Das heißt: Horizontal = gesamtheitlich betrachtet, ist die
Ausfallwahrscheinlichkeit für tFirst Average gleich F1 = 16,67 %
27

5. Betrachtung der Zeilen
𝑖 1 1
2 ? ? ? ? 𝐹1 = = = = 0,1667
𝑛+1 5+1 6
8 Reihen:
 Nur 1. Ausfall
 Unvollständige Daten
14  Berechenbar mit Schätzer nur für 1. Ausfall
18
Spalten:
25  alle Ausfälle
 Vollständige Daten
 Berechenbar mit Schätzer oder MLE
27
𝑘
𝑡 𝑏
𝑃𝐴𝑓𝑖𝑟𝑠𝑡 = 1 𝐹
− 𝑒𝑥𝑝𝑡 −= 1 − 𝑒𝑥𝑝 − 𝑡
𝑓𝑖𝑟𝑠𝑡 𝑡𝑣𝑓𝑖𝑟𝑠𝑡 𝑇𝑓𝑖𝑟𝑠𝑡

Beispielsrechnung (1/5): m=8

48 Bauteile im Test
Wir wählen z. B. 6 Versuchsreihen mit je 8 Bauteilen
1. Ausfall Prüflos 1: 1.410 cycles
1. Ausfall Prüflos 2: 870 cycles
1. Ausfall Prüflos 3: 2820 cycles i=6

Da wir nur 6 Werte haben, wählen wir das Schätzverfahren und erhalten die Werte:
b = 2,60
T = Tfirst = 2078 cycles


48 Bauteile im Test
b = 2,60, T = TFirst = 2078 cycles
Damit lautet unsere Weibullverteilung für die ersten

Ausfälle:
𝑏
𝑡
𝐹𝐹𝐼𝑅𝑆𝑇 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇𝐹𝐼𝑅𝑆𝑇
oder mit Einsetzung der ermittelten Parameter:
𝑡 2,60
2078


48 Bauteile im Test
𝑡 2,60
2078
Bei der Suche nach tFirstAverage wissen wir:
t = tFirstAverage wenn FFirst = 50% = 0,5
Oder nach tFirstAverage umgestellt:


48 Bauteile im Test
FFirst = 0,5, tFirstAverage = 1805
Nun betrachten wir die eine repräsentative Reihe.

Diese Reihe ist die horizontale Sicht oder Gesamtsicht und
repräsentiert die gesamte Versuchsteilematrix.
𝑡 𝑏
𝐹𝐺𝑒𝑠 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇𝐺𝑒𝑠
Die Gesamtsicht (= Sicht nur auf diese eine repräsentative
Reihe) zeigt:
 8 Bauteile
 Repräsentativer Erstausfall = mittlere Ausfallzeit = t1 = tFirstAverage = 1805 cycles
 Schätzer für diesen Erstausfall: i = 1 und n = 8
1
Daher: 𝐹𝐺𝑒𝑠,𝑖 = 𝐹𝐺𝑒𝑠,1 = = 0,111 = 11,1%
8+1


48 Bauteile im Test
FFirst = 0,5, tFirstAverage = 1805
FGes, 1 = 0,111, t1 = 1805
𝑏
𝑡
𝐹𝐺𝑒𝑠,1 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇𝐺𝑒𝑠
Damit ist nur noch der Wert für TGes unbekannt.

Wenn dieser bekannt, sind beiden Parameter der
Gesamtverteilung bekannt und damit die Gesamtverteilung
selbst.
Gesamtverteilung nach TGes umstellen.
𝑡1 1805
𝑇𝐺𝑒𝑠 = 1 𝑇𝐺𝑒𝑠 = 1 = 4111
1 𝑏 1 2,60
𝑙𝑛 𝑙𝑛
1 − 𝐹𝐺𝑒𝑠,1 1 − 0,111

Graphisch:
Beispielsrechnung Graphisch:

6 Versuchsreihen
FGes, 1 = 0,109
Beispiel für Prüflosgröße m = 6

und damit PAGes = 10,9%
Aus VDA Bd 3, „Zuverlässigkeit bei

Automobilherstellern und Lieferanten „/1/

Methode Sudden Death (fehlende Information)
Anwendung der Methode Sudden Death bei Feldausfällen:

 Bei Feldausfällen kann diese Methode ebenfalls angewandt werden.
 Mit N Fahrzeugen im Feld und nf defekten Fahrzeugen kann die Anzahl der Prüflose / Versuchsreihen simuliert werden.
 Mit N = 1.000.000 Fahrzeugen und nf = 1284 defekten Fahrzeugen ergeben sich somit 1284 „Versuchsreihen“ mit jeweils
m „Prüflingen“.
 m ≈ N / nf
 Genauere Beschreibung (ohne Herleitung):
𝑁 − 𝑛𝑓
𝑚= +1
𝑛𝑓 + 1

Methode nach Nelson (vorhandene Information)
Verfahren bei vorhandener Information der Survivor (Methode nach Nelson)

1. Analog zum Schätzverfahrens bildet man ein Ranking der Prüflinge mit aufsteigender Lebensdauer und
trägt die Ergebnisse in eine Tabelle ein
Der Unterschied nun ist jedoch, dass Survivors mitgezählt werden (F: Failed, S: Survived), der Wert t
eines Survivors beschreibt seine bisherige Lebensdauer (natürlich ohne Schaden)
Lebensdauer
i
ti
1 t1
2 t2
3 t3
4 t4
5 t5
6 t6
7 t7

2. Der Status der Prüflinge (F: Failed, S: Survived) wird Zeilenweise in die Tabelle eingetragen
Lebensdauer
i Status
ti
1 t1 F
2 t2 F
3 t3 S
4 t4 F
5 t5 F
6 t6 S
7 t7 S

3. Eingeführt wird nun das „inverse Ranking“: (Formel so, dass i antipodisch zu 𝑟𝑖 )
𝑟𝑖 = 𝑛 − 𝑖 + 1
Lebensdauer
i Status 𝑟𝑖
ti
1 t1 F 7
2 t2 F 6
3 t3 S 5
4 t4 F 4
5 t5 F 3
6 t6 S 2
7 t7 S 1

4. Nun wird die Ausfallrate nach Nelson eingeführt und berechnet:

1
𝜆𝑁𝑒𝑙,𝑖 =
𝑟𝑖
Für Survivor wird kein Wert berechnet (diese sind nicht ausgefallen – keine Ausfallrate)
Lebensdauer
i Status 𝑟𝑖 𝜆𝑁𝑒𝑙,𝑖
ti
1 t1 F 7 0,143
2 t2 F 6 0,167
3 t3 S 5 X
4 t4 F 4 0,250
5 t5 F 3 0,333
6 t6 S 2 X
7 t7 S 1 X

5. und zusätzlich wird die kumulative Ausfallrate nach Nelson eingeführt:

𝑛
𝐻𝑁𝑒𝑙,𝑖 = 𝜆𝑁𝑒𝑙,𝑖
𝑖=1
… und wie kommen wir jetzt zu unseren Ausfallwahrscheinlichkeiten Fi ?
Lebensdauer
i Status 𝑟𝑖 𝜆𝑁𝑒𝑙,𝑖 𝐻𝑁𝑒𝑙,𝑖 𝐹𝑖
ti
1 t1 F 7 0,143 0,143
2 t2 F 6 0,167 0,310
3 t3 S 5 X X
4 t4 F 4 0,250 0,560
5 t5 F 3 0,333 0,893
6 t6 S 2 X X
7 t7 S 1 X X

Durch Gleichsetzen der Ausfallrate, die wir per Definition kennen, mit der Ausfallrate nach Nelson
𝜕𝐹 𝑡
𝜆𝑁𝑒𝑙 𝑡 =𝜆 𝑡 = 𝜕𝑡
1−𝐹 𝑡
und mit der kumulativen Ausfallrate nach Nelson

𝑡
𝐻𝑁𝑒𝑙 𝑡 = 𝜆𝑁𝑒𝑙 𝑡 𝑑𝑡
0
ergibt sich
𝑡𝑡
𝜕𝐹
𝜕𝑃𝐴𝑡(𝑡)
𝑡 𝑡
𝜕𝑡
𝜕𝑡 𝑑𝑡𝑑𝑡
𝐻𝑁𝑒𝑙 𝑡 = 𝜆𝑁𝑒𝑙 𝑡 𝑑𝑡 = 𝜆 𝑡 𝑑𝑡 =
0 0 0 11 − 𝐹𝑃𝐴𝑡(𝑡)
oder
𝑡
𝜕𝐹 𝑡
𝐻𝑁𝑒𝑙 𝑡 = 𝜕𝑡 𝑑𝑡
0 1−𝐹 𝑡

𝑡
𝜕𝐹 𝑡
𝐻𝑁𝑒𝑙 𝑡 = 𝜕𝑡 𝑑𝑡
0 1−𝐹 𝑡
Mit
𝑅 𝑡 =1−𝐹 𝑡
und
𝜕𝐹 𝑡 𝜕𝑅 𝑡
=−
𝜕𝑡 𝜕𝑡
erhalten wir:
𝑡
𝜕𝐹 𝑡 𝑡
𝜕𝑅 𝑡
𝐻𝑁𝑒𝑙 𝑡 = 𝜕𝑡 𝑑𝑡 = − 𝜕𝑡 𝑑𝑡
0 1−𝐹 𝑡 0 𝑅 𝑡

𝑡
𝜕𝐹 𝑡 𝑡
𝜕𝑅 𝑡
𝐻𝑁𝑒𝑙 𝑡 = 𝜕𝑡 𝑑𝑡 = − 𝜕𝑡 𝑑𝑡
0 1−𝐹 𝑡 0 𝑅 𝑡
Mit der Substitution u = R(t) tut man sich leichter:
𝑡
𝜕𝑅 𝑡 𝑡
𝜕𝑡 𝑑𝑡 = − 𝑢′
𝐻𝑁𝑒𝑙 𝑡 = − 𝑑𝑡 = − ln 𝑢 = −𝑙𝑛 𝑅 𝑡
0 𝑅 𝑡 0 𝑢
… oder wieder zurück kommend auf F:
𝐻𝑁𝑒𝑙 𝑡 = −𝑙𝑛 1 − 𝐹 𝑡
…..oder aufgelöst nach F :
𝐹 𝑡 = 1 − 𝑒 −𝐻𝑁𝑒𝑙 𝑡

6. Damit lassen sich für die „F“ - Bauteile die Fi berechnen:
𝐹𝑖 𝑡 = 1 − 𝑒 −𝐻𝑁𝑒𝑙 𝑡𝑖
Lebensdauer
i Status 𝑟𝑖 𝜆𝑁𝑒𝑙,𝑖 𝐻𝑁𝑒𝑙,𝑖 𝐹𝑖
ti
1 t1 F 7 0,143 0,143 13,3 %
2 t2 F 6 0,167 0,310 26,6%
3 t3 S 5 X X X
4 t4 F 4 0,250 0,560 42,9 %
5 t5 F 3 0,333 0,893 59,1 %
6 t6 S 2 X X X
7 t7 S 1 X X X

Anmerkungen zur Methode nach Nelson:

 Auch hier bestimmen die Ausfallzahlen ti nicht direkt die Ausfallwahrscheinlichkeiten, sondern nur indirekt durch ihr
Ranking.
 Sollte z. B. die bisherige Lebensdauer t3 des Survivors auf Rang 3 höher sein als die des ausgefallenen Bauteils mit
Rang 4 mit t4, (evtl. nachträgliche Korrektur einer falschen Information) würden beide die Plätze tauschen, der Wert
r4alt = 0,25 würde durch r3neu = 0,2 ersetzt und in der Folge würde die Ausfallwahrscheinlichkeit Fi von 42,9 % auf 39,9
% sinken.
 … und das, OHNE dass sich die Ausfallzeit t4alt = t3neu selbst ändern würde – sondern nur dadurch, dass ein Survivor
seine bisherige Lebensdauer geändert hat.

Methode nach Kaplan - Meier (vorhandene Information)
Verfahren bei vorhandener Information der Survivor (Methode nach Kaplan - Meier)
 Das Verfahren nach Kaplan – Meier kommt aus der Medizin und lautet:
𝑛𝑖 − 𝑑𝑖
𝐹𝑖 = 1 −
𝑛𝑖
𝑡𝑖 ≤𝑡
 Wir nehmen an, ein Arzt führt einen medizinischen Test durch.
 Dann ist di die Anzahl derjenigen Probanden, die im Zeitpunkt ti ein Testergebnis zeigen (z. B. rote Flecken beim
Allergietest)
 Der Wert ni ist die Zahl derjenigen Patienten, die im Zeitpunkt ti noch übrig sind – der Rest ist ausgeschieden .
 Ein Teil der Patienten ist ausgeschieden, weil eine medizinische Wirkung nicht zu beobachten war. Sie wurden bereits
nach Hause geschickt („Survivor“).
 Der andere Teil ist ausgeschieden, weil die medizinische Wirkung eingesetzt hat. Dies wurde aufgenommen und die
Patienten ebenfalls bereits nach Hause geschickt („Ausfälle“).

Bauteile ni Fahrzeuge starten gemeinsam und beenden den Fahrversuch bei
23 -
unterschiedlichen Testdauern:
21 -
Grün: Fahrzeuge hören ohne Defekt aus bei ti auf (S = survivor) Fi
19 -
Rot: Fahrzeuge fallen bei ti aus (F = failed)
17 -
15 -
Bauteile ni
13 -
11 -
9 -
7 -
5 -
3 -
1 -
10.000 20.000 30.000 40.000 50.000 60.000 70.000 80.000 90.000 100.000
Versuchsdauer ti [z.tiB.[km]
Lebensdauer km]
Wie viele Bauteile ni sind Wie viele

Lebensdauer Anzahl di Π [(ni – di) /
i BIS zum Zeitpunkt ti scheiden bei ti (ni – di) / ni Fi
ti [km] Ausfälle bei ti ni]
noch „im Spiel“ ? aus?
1 11.000 23 2S 0 (23 – 0) / 23 = 1 1 X
2 23.500 21 1S+1F 1 (21 – 1) / 21 = 0,95 0,95 5%
0,95 x 0,89 =
3 31.250 19 2S+2F 2 (19 – 2) / 19 = 0,89
0,85
15 %
4 40.000 15 1S 0 (15 – 0) / 15 = 1 0,85 X

5 49.600 14 2S 0 (14 – 0) / 14 = 1 0,85 X
6 60.470 12 1S 0 (12 – 0) / 12 = 1 0,85 X
0,85 x 0,73 =
7 72.150 11 1S+3F 3 (11 – 3) / 11 = 0,73
0,62
38 %
8 80.890 7 4S 0 (7 – 0) / 7 = 1 0,62 X
0,62 x 0,33 =
9 94.050 3 2F 2 (3 – 2) / 3 = 0,33
0,21
79 %
10 100.000 1 1S 0 (1 – 0) / 1 = 1 0,21 X

Achtung Falle:
Verwechslung von Kalenderwoche mit Anzahl der Wochen / Monate Betriebszeit

Achtung Falle:

Achtung Falle:

Statistische Grundlagen – Weibullverteilung
Maximum Likelihood Methode (vorhandene Information)
Verfahren bei vorhandener Information der Survivor (Maximum Likelihood Methode)
 Es liegen q Bauteile vor, die IN den Zeitpunkten t1, t2, ….tq ausgefallen sind.
 Und es liegen r Bauteile vor, die BIS ZU den Zeitpunkten t1S, t2S,……tr nicht ausgefallen sind, also überlebt haben.
 Die Wahrscheinlichkeit dafür, dass ein Bauteil IM Zeitpunkt ti ausfällt, wird durch die Dichtefunktion beschrieben: fi
 Die Wahrscheinlichkeit dafür, dass ein Bauteil BIS ZUM Zeitpunkt tj NICHT ausgefallen ist, wird durch die Verteilungsfunktion
beschrieben: 1- Fj (!)
 Legt man als Wahrscheinlichkeitsfunktion für einen Ausfall IM Zeitpunkt ti die zweiparametrige Weibullverteilung zugrunde,
lautet die Wahrscheinlichkeit für die Ausfälle: fi = f (b, T, ti)
 Legt man als Wahrscheinlichkeitsfunktion die zweiparametrige Weibullverteilung zugrunde, lautet die Wahrscheinlichkeit für
die Überlebenden: 1 - Fi = f (b, T, ti)

 Die Wahrscheinlichkeit dafür, dass das erste ausgefallene Bauteil im Zeitpunkt t1 ausfällt UND das zweite ausgefallene im
Zeitpunkt t2 UND das dritte ausgefallene im Zeitpunkt t3 UND …..das q-te ausgefallene Bauteil im Zeitpunkt tq, ist:
𝑓1 ∙ 𝑓2 ∙ 𝑓3 ∙ ⋯ ∙ 𝑓𝑞 = 𝐹𝑔𝑒𝑛𝑎𝑢 𝑑𝑖𝑒𝑠𝑒𝑠 𝐸𝑟𝑒𝑖𝑔𝑛𝑖𝑠 𝑎𝑛 𝐴𝑢𝑠𝑓ä𝑙𝑙𝑒𝑛
 Die Wahrscheinlichkeit dafür, dass das erste überlebende Bauteil BIS zum Zeitpunkt t1S überlebt hat UND das zweite
überlebende Bauteil BIS zum Zeitpunkt t2S überlebt hat UND…..das r-te überlebende Bauteil BIS zum Zeitpunkt tr überlebt
hat, ist:
1 − 𝐹1𝑆 ∙ 1 − 𝐹2𝑆 ∙ 1 − 𝐹3𝑆 ∙ ⋯ ∙ 1 − 𝐹𝑟 = 𝐹𝑔𝑒𝑛𝑎𝑢 𝑑𝑖𝑒𝑠𝑒𝑠 𝐸𝑟𝑒𝑖𝑔𝑛𝑖𝑠 𝑎𝑛 𝑆𝑢𝑟𝑣𝑖𝑣𝑜𝑟𝑛
Das heißt:
Dass genau diese Ausfallzeiten UND (!) diese Überlebenszeiten bei den vorliegenden Bauteilen auftreten, ist unter Verwendung
der Dichtefunktion gemäß Weibull und der Verteilungsfunktion nach Weibull.

𝑞 𝑟
𝐹𝐺𝑒𝑠 = 𝑓 𝑡𝑖 ⋅ 1 − 𝐹 𝑡𝑗
𝑖=1 𝑗=1
Auch hier gilt:

 Alle Lebensdauern der Ausfälle sind bekannt.
 Alle Lebensdauern der Überlebenden sind bekannt.
 Nur die Parameter b und T sind unbekannt.
Gleiche Vorgehensweise wie bei MLE, wenn nur Ausfälle vorliegen:

 Aus FGes -> Ln (FGes) bilden
 Ln (FGes) nach beiden Parametern ableiten und beide Ableitungen zu Null setzen.

𝑞 𝑟
𝐹𝐺𝑒𝑠 = 𝑓 𝑡𝑖 ⋅ 1 − 𝐹 𝑡𝑗
𝑖=1 𝑗=1
Analog lauten die beiden zu lösenden Gleichungen dann:
𝑞 𝑞+𝑟
𝜕𝐿 𝑞 𝑞⋅ 𝑖=1 𝑡𝑖𝑏 ⋅ 𝑙𝑛 𝑡𝑖
→ + 𝑙𝑛 𝑡𝑖 − 𝑞+𝑟 𝑏 =0
𝜕𝑏 𝑏 𝑖=1 𝑡𝑖
𝑖=1
1
𝑞+𝑟 𝑏
𝜕𝐿 1
=0→𝑇= ⋅ 𝑡𝑖𝑏
𝜕𝑇 𝑞
𝑖=1

Schichtliniendiagramme
 Angaben auf der y – Achse: registrierte Ausfallquote der Fahrzeuge / Bauteile (i. d. R. in ppm [partes per million], nicht in
Prozent)
 Angabe auf der x – Achse: Reparaturdatum des Fahrzeugs / Bauteils

12.000
10.000
8.000
6.000
4.000
2.000
0
2008-02
2008-04
2010-01
2010-03
2010-05
2012-02
2008-01
2008-03
2008-05
2008-06
2008-07
2008-08
2008-09
2008-10
2008-11
2008-12
2009-01
2009-02
2009-03
2009-04
2009-05
2009-06
2009-07
2009-08
2009-09
2009-10
2009-11
2009-12
2010-02
2010-04
2010-06
2010-07
2010-08
2010-09
2010-10
2010-11
2010-12
2011-01
2011-02
2011-03
2011-04
2011-05
2011-06
2011-07
2011-08
2011-09
2011-10
2011-11
2011-12
2012-01
2012-03
1 3 6 9 12 18 24

 Aus Weibullverteilungen können Schichtliniendiagramme entstehen
 … und umgekehrt
 Die Dichte der Schichtlinien bzw. deren Abstand voneinander geben
 eine Aussage über den Weibullschen Streuparameter b (oder β)

Nach 24 Monaten Ausfälle von 7.800 ppm

Nach 3 Monaten Ausfälle von 900 ppm
Nach 1 Monat Ausfälle von 300 ppm

 Damit sind 7 Datensätze mit jeweils ti und Fi vorhanden.

 Wenn sich der Abstand der Schichtlinien mit der Zeit zunehmend („nach oben“) verringert, ist b < 1,
wenn er sich zunächst vergrößert und dann verkleinert, ist b > 1.
Beispiel aus Übung:

100
90
80
70
60
50
40
30
20
10
0
1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241

Schadenseinträge und Schadensursachen
Mechatronische Bauteile können geschädigt werden

 statische Vorgänge:
 Belastung der Elektronik mit konstant hoher Leistung (z. B. Lithium-Ionen Zellen)
 Beaufschlagung mechanischer Bauteile mit konstant hohen äußeren Kräften und Momenten (örtlich plastische
Dehnung)
 Beanspruchung von elastomeren Bauteilen durch Umwelteinflüsse (z. B. Metall durch Salznebel, Elastomere durch
Sonnenlicht)
 zyklische Vorgänge:
 Ein – und Ausschaltvorgänge bei elektrischen und elektronischen Komponenten
 Temperaturzyklen ( T = T(t), „Spaltenfrost“)
 schwingende mechanische Beanspruchung ( z. B. Vibrationen [Resonanzen])
Im Folgenden Beschränkung auf zyklische Vorgänge !

Mechanischer Schadenseintrag durch zyklische Belastung
Wöhlerlinie
Beanspruchung Log S
Kurzzeitfestigkeit (Low Cycle Fatigue): örtliche Beanspruchung an der Schadensstelle

> Rm oder Re
Zeitfestigkeit
Dauerfestigkeit:
unterhalb SD
Keine Schädigung mehr
SD
Ertragbare Zyklenzahl bis Schadenseintritt Log N

Die Beanspruchung S kann sein

 eine äußere Beanspruchung wie eine Kraft F(t) oder ein Moment M(t) – wechselnd oder schwellend (Schwingkräfte oder
Torsionsmomente an Gelenkwellen)
 eine repräsentative Kenngröße für eine Beanspruchung wie eine Längengröße s(t) (Federwege an Fahrzeugen) oder
eine entsprechende Dehnung Δl(t)
 eine innere Beanspruchung an der wahrscheinlichen späteren Schadensstelle in Form von Zug – oder Druckspannungen
σ(t) oder Dehnungen ε(t) oder Schub - bzw. Scherspannungen γ(t) oder entsprechenden planaren Verformungen γ(t)
 Definition äußerer Beanspruchung meist einfacher 
 Bei der Definition der inneren Beanspruchung muss die wahrscheinliche Schadensstelle bekannt sein und ein Bezug
zwischen äußerer und innerer Beanspruchung bekannt sein !

Kann die Wöhlerlinie mathematisch beschrieben werden?

 JA !
 ... und das ist mehrfach und mit wachsendem Grad an Komplexität geschehen:
Jahr Autor Formel
1870 Wöhler log N = a – b x S
1910 Basquin log N = a – b x log S
1914 Stromeyer log N = a – b x log (S – SD)
1924 Palmgren log (N + B) = a – b x log (S – SD)
1949 Weibull log (N + B) = a – b x log [(S – SD) / (Rm – SD)]
1955 Stüssi log N = a – b x log [(S – SD) / (Rm – S)]
1963 Bastenaire log N = a – log (S – SD) – b (S – SD)c

 In den meisten Fällen: Zeitfestigkeitsbereich
𝜎 𝑛𝑏𝑎𝑠
𝑁 = 𝑁𝐷 ∙
𝜎𝐷 nbas: Steigung der Wöhlerlinie nach Basquin
 Die Kennwerte ND, σD, und nbas werden experimentell ermittelt.
 Werkstoffbezogene Kennwertermittlung:
- definierte Beanspruchung
- genormte Versuchsproben (inkl. Bearbeitungsverfahren)
- wahrscheinliche Schadensstelle ist bekannt (bzw. konstruiert -> genormt)
- Zusammenhang zwischen äußerer Belastung und innerer Beanspruchung ist bekannt (z. B.
FEM)
 Parameter sind reine Werkstoffdaten (inkl. Technologie)

 Beispiel:
Aus Haibach, „Betriebsfestigkeit“ /2/

 Bauteilbezogene Kennwertermittlung:
Kennwerte sind werkstoff – UND geometrieabhängig
Eine eindeutige Zuordnung der äußeren Belastung zu einer inneren Beanspruchung (bei der
wahrscheinlichen Schadensstelle) ist nicht oder nur unzureichend möglich, weil
• die Berechnung der inneren örtlichen Beanspruchung zu unsicher ist (FEM –

Berechnung bei Schweißnähten und Lötverbindungen),
• die Örtlichkeit der wahrscheinlichen Schadensstelle zu unsicher ist und sich von Bauteil
zu Bauteil durch Schwankungen im Produktionsprozess ändern kann (mehrere
gleichwertige Schweißnähte an einer Vorderradachse) ,
• mehrere Stellen als gleichwertig wahrscheinlichste Orte der Schädigung angesehen

werden können („Mehrlochkonstruktionen“).

 Schadensakkumulation nach Miner:

- Quotient von beaufschlagter Zyklenzahl ni zu ertragbarer Zyklenzahl Ni pro Schadenshorizont berechnen.
- Summe aller Quotienten bilden
- Bei Erreichen von 100 % oder 1 ist die Schädigung erreicht.
n1 : Beaufschlagt
N1: Ertragbar
S1 𝑞
𝑛𝑖
=1 : Schädigung / Versagen
𝑁𝑖
𝑖=1
S2
n1 N1 N2

Schadensakkumulation nach Miner:  Pro Lasthorizont n Versuche und den 50% Wert als Wert der
Wöhlerlinie suchen.
 Diesen findet man wieder auf der 1 – R(t) Kurve
 Die Werte für b sind bei den Belastungen 1 und 2 gleich
S2  Daher ergeben sich für beide Werte der Beanspruchung S
wiederum 2 Kurven mit 2 verschiedenen Werten des
S1 Parameters T.
3 We ib u ll d ist r ib u t i o n s
1 ,0
0 ,8
L ik e lih o o d t o f a il
0 ,6
1 – R(t)
50%
0 ,4
Blaue Kurve kann nicht

0 ,2 verwendet werden da
anderer Wert b !
0 ,0
0 28 56 84 112 140
Time in Service [mths]
Betriebszeit
Dr. Rudolf Schubert

03.05.2021
Schadensakkumulation nach Miner:  Pro Lasthorizont n Versuche und den 50% Wert als Wert der
Wöhlerlinie suchen.
 Diesen findet man wieder auf der 1 – R(t) Kurve
 Die Werte für b sind bei den Belastungen 1 und 2 gleich
S2  Daher ergeben sich für beide Werte der Beanspruchung S
wiederum 2 Kurven mit 2 verschiedenen Werten des
S1 Parameters T.
3 We ib u ll d ist r ib u t i o n s
1 ,0
0 ,8
63,2%
L ik e lih o o d t o f a il
0 ,6
1 – R(t)
50%
0 ,4
Blaue Kurve kann nicht

0 ,2 verwendet werden da
anderer Wert b !
0 ,0
0 28 56 84 112 140
Time in Service [mths]
T2 T1 Betriebszeit
Dr. Rudolf Schubert

03.05.2021
 Schadensakkumulation nach Miner

𝑞
Schaden bei: 𝑛𝑖
=1
𝑁𝑖
𝑖=1
Beispiel:
Beanspruchungshorizont ertragbare Zyklenzahl aufgebrachte Zyklenzahl
S1 N1 = 108 n1 = 5 x 107
S2 N2 = 107 n2 = 1 x 106
S3 N3 = 109 n3 = 3 x 108
S4 N4 = 105 n4 = 2 x 103
5 ∙ 107 106 3 ∙ 108 2 ∙ 103 5 1 3 2

𝐷= + 7+ + = + + + = 92%
108 10 109 105 10 10 10 100

 Nachteile der (elementaren) Miner – Regel:
- Der Einfluss der Dauerfestigkeit wird nicht berücksichtigt.
- Keine Berücksichtigung des Reihenfolgeeinflusses (S1 , S4 , S2 , S3…… S4, S3 , S1 , S2)
 Daher ein fortschrittlicherer Ansatz nach Haibach:
𝑛
𝑖=1 𝑛𝑖
𝐿𝐷 = 𝑁𝐷 ∙ 𝑛𝑏𝑎𝑠 (2 𝑛𝑏𝑎𝑠 −1)
𝑚 𝜎𝑖 𝑛 𝜎𝑖
𝑖=1 + 𝑖=𝑚 +1
𝜎𝐷 𝜎𝐷
Mit
n: Anzahl aller Beanspruchungshorizonte, die durchfahren werden
m: Anzahl der durchfahrenen Beanspruchungshorizonte, die unterhalb der Dauerfestigkeit liegen
ND: Lastspielzahl, ab der Dauerfestigkeit gilt.

Schadenseintrag bei elektronischen Bauelementen durch zyklische Beanspruchung:
 Schadenseinträge bei elektronischen Bauteilen (Microcontroller, Transistoren,

Kondensatoren)
 Schadenseinträge weitgehend über Wärmeeintrag (Temperatur, Temperaturzyklen)
Unterschiedliche Mechanismen des Temperatureintrags:
 Schädigung des Bauteils wird durch Temperaturwechsel von außen generiert, die absolute
Temperatur spielt eine eher sekundäre Rolle (Anzahl der Wärmeeinträge von außen)
z. B. : Verbrennungsmotor erwärmt sich zyklisch durch Starten und Abschalten, die ECU
nahe am Motor erfährt Temperaturzyklen
 Schädigung des Bauteils wird durch Temperaturwechsel von innen generiert durch
operativen Betrieb (Anzahl der im Gerät generierten Wärmeeinträge)
- z. B.: Ein – und Ausschaltvorgänge bei Leistungselektroniken (PWR bei Hybridfahrzeugen

[500 V, 200 A])

 Schadenseintrag bei elektronischen Bauelementen durch zyklische

Beanspruchung:
 Prinzip der Wöhlerlinie gilt auch hier: Je höher die Beanspruchung, desto kürzer die
Lebensdauer.
 Berechnungsgrundlage:
inverse power law: 𝑏 mit

𝐵1
𝑡2 = 𝑡1 ⋅ Bi : Beanspruchung und
𝐵2
ti : Lebensdauer/Zyklen
 Für den Fall b = 2: inverse power law -> Coffin – Manson Gleichung,
2
wenn Bi = ΔTi als Temperaturzyklus definiert wird. ΔT1
𝑡2 = 𝑡1 ∙
ΔT2

Anwendung des Coffin Manson Gesetzes:
 Verkürzung von Entwicklungstests

2
ΔT𝐹𝑎ℎ𝑟𝑡
𝑡𝐿𝑎𝑏𝑜𝑟 = 𝑡𝐹𝑎ℎ𝑟𝑡 ∙
ΔT𝐿𝑎𝑏𝑜𝑟
Durch Δ TLabor > Δ TFahrt können Tests zum Nachweis der Zuverlässigkeit schneller erbracht
werden.
 Achtung: Dabei dürfen die maximalen Temperaturen im Laborbetrieb nie über die als zulässig
definierten Grenzwerte steigen.
 Bei Schadenseintritt: Schaden (Labortest) = Schaden (Fahrbetrieb) !!!!!!!

Ein Temperaturzyklenprofil setzt sich aus n (z. B hier 3) ΔT Zyklen zusammen:
Δ T1 Δ T2 Δ T3
t1 Zyklen t2 Zyklen t3 Zyklen
Ersetzt werden soll diese Abfolge durch ein konstantes Profil mit dem Temperaturzyklus ΔT0
Δ T0
t0 Zyklen

Dann wird nach Coffin – Manson das Profil ΔT1, das für die Dauer t1 läuft, wie folgt umgerechnet:
𝟐
𝚫𝑻𝟏
𝒕𝟎𝟏 = 𝒕𝟏
𝚫𝑻𝟎
Das Profil ΔT1 mit der Anzahl an Zyklen t1 wird nun schädigungsäquivalent ersetzt durch das
Profil ΔT0 mit der Anzahl an Zyklen t01.
Analog führen wir das mit den anderen Profilen ebenso aus.
Somit wird das Gesamtprofil aus den 3 bzw. n Temperaturprofilen mit ihren jeweiligen Zyklen
ersetzt durch das konstante Temperaturprofil ΔT0 und der Anzahl an Zyklen t0:
𝟐
𝚫𝑻𝒊
𝒕𝟎 = 𝒕𝟎𝒊 = 𝒕𝒊
𝚫𝑻𝟎

 Beispiel: Messungen aus Fahrbetrieb
Temperatur - Klassierung Anteil ΔT

+ 40 gradC → + 70 gradC → + 40 gradC 13 % 30 K
+ 70 gradC → + 105 gradC → + 70 gradC 9% 35 K
- 10 gradC → + 60 gradC → - 10 gradC 8% 70 K
100 % entspricht 1553 h

Δ TLabor = 80 gradC = 80 K
tLabor = 0,13 x 1533 h x (30 / 80)2 + 0,42 x 1533 h x (50 / 80)2 +….. = 0,439 · 1533 h
= Reduktion um 56 %

Beanspruchung durch konstante Temperaturen:
 Zur Schädigung des Bauteils tragen physikalisch – chemische Reaktion bei.
 Dabei entspricht die Schadensentstehungsgeschwindigkeit der Reaktionsgeschwindigkeit,

die zum Schaden führt. Diese ist temperaturabhängig.
 Temperaturabhängigkeit der Reaktionsgeschwindigkeit ρ:
mit ρ0: Proportionalitätskonstante
𝐸𝑎 k : Boltzmannkonstante (8,617 x 10-5 eV/K)

−
𝜌 = 𝜌0 𝑒 𝑘𝜗
Ea: Aktivierungsenergie (bauteilspezifisch in eV)
𝝑 : absolute Temperatur in K
 Bei Beschränkung auf konstante Ausfallraten λ (Weibullparameter b = 1), also bei

„normalem“ Verschleiß, kann angenommen werden:
 Ausfallrate λ ~ ρ

 Mit λ ~ ρ und 𝐸𝑎
−
𝜌 = 𝜌0 𝑒 𝑘𝜗
ergibt sich für λ:
𝐸𝑎
−
𝜆 = 𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 ∙ 𝜌 = 𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 ∙ 𝜌0 𝑒 𝑘𝜗
Bei 2 verschiedenen Temperaturen ergeben sich daraus:
𝐸𝑎
−
𝜆𝑤 = 𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 ∙ 𝜌0 𝑒 𝑘𝜗𝑤 mit w: warm
k: kalt
𝐸𝑎
−
𝜆𝑘 = 𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 ∙ 𝜌0 𝑒 𝑘𝜗𝑘

 Mit aufwendigen Versuchen können die konstanten Werte „Konstante“ und ρ0 bestimmt
werden, aber hier gehen wir einen einfacheren Weg:
 Setzt man beide Gleichungen für die Ausfallrate λ zueinander ins Verhältnis, erhält man:
𝐸𝑎 1 1
− ∙ −
𝑘 𝜗𝑤 𝜗𝑘
𝜆𝑤 = 𝜆𝑘 ∙ 𝑒
 oder den Beschleunigungsfaktor A:
𝐸𝑎 1 1
𝜆𝑤 − ∙ −
𝑘 𝜗𝑤 𝜗𝑘
𝐴= =𝑒
𝜆𝑘
 Ziel: Durch VERTRETBARE (!) Temperaturerhöhung Versuchsreihen schneller

durchzuführen.
 „Vertretbar“ heißt: Der Schädigungsmechanismus wird nicht verändert.

 Beispiel: Leistungstransistor (MOSFET) 𝝑Labor = 120°C
unterhalb 𝝑max !!
𝝑 Fahrbetrieb [°C] Rel. Zeitanteil [%] Abs. Zeitanteil [h] Raffungsfaktor Prüfzeit [h]
75 °C 6 40 22,63 1,8
85 °C 22 145 11,31 12,8
95 °C 38 254 5,66 44,9
100 °C 30 200 4,00 50
105 °C 4 27 2,83 9,5
∑ = 666 h ∑ = 119 h

Beispiel:
"Normal"-Profil (6h)
100
MP_Idle_Svt_TempH …
90
80
70
TCU-Temperatur [°C]
60
50
40
30
20
10
0
0 5000 10000 15000 20000 25000
Time (sec)

Beispiel:
Taxi-Profil (Simulierte Fahrt)

100
90
80
70
TCU-Temperatur [°C]
60
50
40
30
20
10
0
0 5000 10000 15000 20000 25000 30000 35000
Time (sec)

Nachweis der Zuverlässigkeit durch Versuche
Produktentstehungsprozess (Product Life Cycle – PLC) bei Continental Automotive:
Final Production Production Production Series Delivery

Opportunity Quote Order Concept Design Design Design Process Part Launch Production Obligation
approved approved received approved defined frozen approved confirmed approved completed ended ended
FSM 0 FSM 1 FSM 2 FSM 3 FSM 4

Innovation Concept Industri- Product Production Series After
& Roadmap Quotation Refinement Development alization Validation Ramp-Up Production Series
A Bx By C D
Production
Sample Sample Sample Sample Sample
DV PV Test
Test

Versuche, Tests und Prüfungen:
 Grundsätzlich sind alle Versuche während der Entwicklungsphase zulässig, die zur
Weiterentwicklung des Produkts dienen.
 Diejenigen Versuche, die zur Erreichung eines Meilensteins in der Entwicklungsphase nötig
sind, heißen Prüfungen (formaler Charakter, Prüfspezifikation, dokumentationspflichtig). Eine
andere Bezeichnung lautet z. B. Freigabetest.
 Freigabetests dienen zum Nachweis der Produktzuverlässigkeit im Alltagsbetrieb.
 In den Tests werden die Bauteile nicht / teilweise / stets operativ betrieben und äußeren
Beanspruchungen ausgesetzt wie mechanischen Belastungen, Temperaturen und
Temperaturwechseln und Umwelteinflüssen wie Staub, Feuchtigkeit, Wasser und korrosiven
Medien.
 Die Tests dienen sowohl der Entwicklungsfreigabe (Design ist ok) als auch der Absicherung
in der Serienfertigung – vor allem während der Anlaufphase.

 Entwicklungsfreigabe:
- Alle Tests sind mit B – Mustern bestanden
-> Designverifikationstests (DV)
- Design ist ok
 Produktvalidierungstests:
- Alle Tests sind mit seriennahen D – Mustern bestanden
-> Produktvalidierung (PV)
- Produktionsprozess ist ok
Beispiel 1: Schraubverbindung
Beispiel 2: Lötverbindung

 Serienbegleitende Tests:
- speziell während der Serienanlaufphase
 in – process testing:
- 100% aller Bauteile
- Funktionstest am Ende der Produktion (EOL, End of Line Test)
- kurzzeitiger Lebensdauertests (1%...5% der Solllebensdauer) -> screening
 Test(s) stammen aus den DV Prüfungen
 Überwachung der Funktionen während des Tests oder nichtzerstörende Analyse
nach Testende
- erneuter EOL Test
 in – parallel testing:
- stichprobenartige Entnahme
- Funktionstest (EOL Test)
- Lebensdauertest bis Vorschädigung oder bis Ausfall -> Highly Accelerated Load Audit
Test(s) stammen aus den DV Prüfungen
 Überwachung der Funktionen während des Tests oder nichtzerstörende Analyse
nach Testende
- Analyse nach Testende – Befundung

Testbezeichnung Testparameter Testdauer

(Prüfspezifikation)
Power Thermal Cycle Endurance Test • 100% operativer Betrieb 800 h bis 1220 h
• Temperaturwechsel zwischen (360 bis 550 Zyklen)
(PTCE) - 40°C und 105°C
High Temperature Operating • Operativer Betrieb 1450 h

Endurance • Konstante Temperatur 105°C
(HTOE)
Low Temperature Operating • Operativer Betrieb soweit möglich 120 h

Endurance • Konstante Temperatur - 40°C
(LTOE)


Thermal Shock Test • Passiv 500 h

• Temperaturwechsel zwischen (500 Zyklen)
- 40°C und 105°C
• Temperaturwechsel innerhalb
30 s vollzogen
High Temperature and Humidity • Operativer Betrieb intermittierend 990 h

Endurance • Rel. Luftfeuchte: 85%
(HTHE) • Temperatur: 85°C
Thermal Humidity Cycle • Operativer Betrieb intermittierend 240 h

• Relative Luftfeuchte: 93%
• Temperaturwechsel zwischen
- 10°C und 65°C


Mechanical Vibration • Operativer Betrieb intermittierend 20 h bis 48 h
• Definiertes Vibrationsprofil gemäß je Achse
vorgegebener PSD je Achse
• Temperaturwechsel zwischen
- 40°C und 105°C
Mechanical Shock • Kein operativer Betrieb 10 Impulse pro Achse

• Maximale Beschleunigung: 1 Wiederholung
500 m/s2 Summe: 60 Impulse
• Dauer des Impulses: 11 ms
• Test bei Raumtemperatur
…………..und, und, und…

Highly Accelerated Stress Test (HAST)
Eigentlich:
Highly Accelerated Temperature / Humidity Stress Test:
 Entwickelt von Nihal Sinnadurai, 1968, British Telecommunications Research Laboratories
 Alternative zu HTHE (High Temperature Humidity Endurance)
Testende HTHE: ca. 1000 h

Testende HAST: ca. 96 - 100 h
 Sinnadurai entdeckte die relative Luftfeuchtigkeit als Parameter, die Alterung elektronischer
Bauelemente zu beschleunigen.

Burn – In – Test
 Verkürzung des High Temperature Operating Endurance Tests (HTOE)
 Ziel ist, durch geeignete Adaption der Prüfparameter Bauteile mit Tendenz zum Frühausfall zu
finden.
 „Leicht“ verschärfte Prüfparameter:
- Erhöhung der elektrischen Belastung
- Betriebsfrequenzen werden erhöht (z. B. Ein – und Ausschalfrequenzen)
- Temperaturerhöhung auf 125 °C
- Testdauer: ca. 48 h, maximal 168 h (HTOE: ca. 1450 h)
 Einsatz als Entwicklungstest oder Freigabetest:
- Burn – In ist zerstörend -> (Früh-) Ausfälle treten auf
 Einsatz als serienbegleitender Test in der Produktion:
- Einsatz nur als zerstörender Test
- Unabhängig von Ausfällen ist das Bauteil (vor-) geschädigt.

Intelligente Versuchsplanung zur Zuverlässigkeit
Zuverlässigkeit eines Bauteils = Überlebenswahrscheinlichkeit bis t = T: R (t)
Bei n Probanden im Versuch:
R (t) 1 - R (t)
Nur auf diesem Pfad

überleben alle Bauteile
𝐹 =1−𝑅 𝑡 𝑛
Wahrscheinlichkeit dafür, dass mindestens ein Bauteil ausfällt:

Allgemeine Verteilungsfunktion diskreter Ereignisse: Binomialfunktion !!
𝑛
𝐹= ∙ 1 − 𝑅(𝑡) 𝑖 ∙ 𝑅(𝑡)𝑛−𝑖 R(t): Zuverlässigkeit eines Probanden
𝑖 1 – R(t): Ausfallwahrscheinlichkeit eines Probanden
n: Anzahl der Probanden
i: Anzahl der Ausfälle
F: Gesamtausfallwahrscheinlichkeit
Beispiel: R(t) = 0,9, n = 5
F0 = 59,0 %
F1 = 32,8 %
F2 = 7,3 %
F3 = 0,8 %
F4 = 0,0(5) %
F5 = 0,0(01) %

Vertrauensbereich, Aussagewahrscheinlichkeit
Beispiel: stetige Verteilung n >> 1
Kann man annehmen, obwohl weit vom

Erwartungspunkt entfernt, aber dafür
nur mit „Fläche“ als Vertrauensbereich
Das Ereignis, das erfahren wird, liegt soweit vom Erwartungswert weg, dass Zweifel an
der Hypothese (und an den zugrundeliegenden Annahmen) angebracht sind !

Vertrauensbereich, Aussagewahrscheinlichkeit:
Es gibt nun 2 Möglichkeiten:
 Annahme, dass die Hypothese stimmt (und mit ihr die zugrunde liegenden Annahmen)
Akzeptanz der Hypothese mit dem Vertrauensbereich α (und dem „Restzweifel“ β)
 Annahme, dass die Hypothese nicht stimmt (da doch zu weit von der Erwartung weg). Da das
Ereignis jedoch durchaus bei dieser Hypothese eintreffen kann (wenn auch mit geringer, d. h.
α-Wahrscheinlichkeit), kann die Ablehnung auch mit dieser Wahrscheinlichkeit α zu Unrecht
erfolgen.
Ablehnung der Hypothese mit der Irrtumswahrscheinlichkeit α.

Beispiel: R(t) = 0,9, n = 5

Vertrauensbereich
F0 = 59,0 %
F1 = 32,8 %
F2 = 7,3 %
F3 = 0,8 %
F4 = 0,0(5) %
F5 = 0,0(01) %
Hypothese: „R(t) = 0,9“

Ergebnis nach Testende: 2 von 5 Bauteilen sind ausgefallen.
Schlussfolgerung: Hypothese wird akzeptiert (obwohl „sehr unwahrscheinlich“), aber nur mit
einem Vertrauen von α.
Vertrauensbereich = Aussagewahrscheinlichkeit der Hypothese = CONF.

CONF = 1 – (F0 + F1 + F2) = 100% - 99,1% = 0,9% = α
gehört dazu ?

Damit kann die Aussagewahrscheinlichkeit einer Hypothese über die

Ausfallwahrscheinlichkeiten der Ergebnisse definiert werden.
Allgemein lautet die Formulierung für die Aussagewahrscheinlichkeit:
𝑥 R(t): Zuverlässigkeit eines Probanden

𝑛 𝑖 𝑛−𝑖 n: Anzahl der Probanden
𝐶𝑂𝑁𝐹 = 1 − 1−𝑅 𝑡 ⋅𝑅 𝑡
𝑖 x: Anzahl der Ausfälle
𝑖=0
Für Prüfungen ohne Ausfälle:
bzw. 1
𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡 𝑛 𝑅 t = 1 − 𝐶𝑂𝑁𝐹 𝑛
Bei n >> 1 Übergang der Binomialverteilung in die stetige Verteilung.
Dann gilt die Umkehrung mit R(t) = f (CONF, n) auch exakt.

Was bedeutet denn die Umkehrung der Aussagewahrscheinlichkeit ?
Aufstellung der Hypothese (Behauptung): R(t) = 0,9

Ergebnis nach Testende: Kein Ausfall bei n = 20 Probanden
Daraus folgt: CONF = 88 %.

𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡 𝑛
In Worten: „ Mit einer Aussagewahrscheinlichkeit von 88 % kann gesagt werden, dass

die Zuverlässigkeit R(t) 90 % beträgt.“
1
𝑅 t = 1 − 𝐶𝑂𝑁𝐹 𝑛
Mit der Umkehrformel kann auch gesagt werden:
„Mit einer Aussagewahrscheinlichkeit von 50 % kann gesagt werden, dass

die Zuverlässigkeit R(t) sogar 97 % beträgt.“

Was bedeutet denn die Umkehrung der Aussagewahrscheinlichkeit ?
 Die Zuverlässigkeit ist eine Produkteigenschaft – definiert durch Design und

Produktionstechnologie !
 Die Zuverlässigkeit ist KEINE Größe des Versuchsumfangs (n Probanden) !
 Umfangreicheres Testen kann keine höhere Zuverlässigkeit bringen als reduziertes Testen!
 Daher kann die Herleitung von R(t) als Funktion von n und CONF immer nur eine Sichtweise
von außen sein.
 Der ermittelte Wert R(t) ist somit anzusehen als Mindestzuverlässigkeit, also als diejenige
Zuverlässigkeit, die durch den Versuch mindestens nachgewiesen wird (untere Grenze der
Abschätzung).
 Die tatsächliche Zuverlässigkeit kann dabei höher sein.

Beispiele:
CONF = 95 %
CONF = 90 %
CONF = 80 %
CONF = 50 %

Automobilherstellern und Lieferanten /1/

Success Run
Wir kennen jetzt:
1
𝑅 t = 1 − 𝐶𝑂𝑁𝐹 𝑛
Was passiert, wenn die Prüfung über die Zeit t = tS (definiert als Testende mit tS als
Solllebensdauer) hinaus fortgesetzt wird ?
Versuchsende jetzt tP statt tS mit tP > tS! tS Solllebensdauer, tP Prüfdauer
𝑡𝑆 𝑏 𝑡𝑃 𝑏
𝑅 𝑡𝑆 = 𝑒𝑥𝑝 − 𝑅 𝑡𝑃 = 𝑒𝑥𝑝 −
𝑇 𝑇
Nachzuweisende Mindestzuverlässigkeit Nachgewiesene Mindestzuverlässigkeit
bei ursprünglichem Testende (Solllebensdauer) bei einem späteren Testende (Prüfdauer)
𝑏
𝑡𝑃 𝑡𝑆
𝑅 𝑡𝑃 = 𝑒𝑥𝑝 − ⋅
𝑡𝑆 𝑇

Success Run
Mit dem Lebensdauerverhältnis LV und LV = tP / tS > 1
wird
𝑡𝑆 𝑏
𝑅 𝑡𝑃 = 𝑒𝑥𝑝 − ⋅𝐿
𝑇 𝑉
bzw
𝑏 𝐿𝑏𝑉
𝑡𝑆
𝑅 𝑡𝑃 = 𝑒𝑥𝑝 −
𝑇
und damit
𝐿𝑏𝑉 𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡𝑆 𝐿𝑏𝑉 ⋅𝑛
𝑅 𝑡𝑃 = 𝑅 𝑡𝑆
und damit
Dies führt letztlich zur „Schlüsselformel“ der Versuchsplanung mit Success Run:
1
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹 𝐿𝑏𝑉 ⋅𝑛

Success Run:
1
Das heißt:
Bei der Aufgabe,
- eine geforderte Mindestzuverlässigkeit nachzuweisen R(tS)
- bei einer Aussagewahrscheinlichkeit CONF
- und einem bekannten Weibullparameter b (aus vorliegenden und vorhergehenden Versuchen)
kann eine Optimierung / Gestaltung einer Prüfung vorgenommen werden:
Wie viele? (n) Wie lange? (LV)

Success Run
Beispiel 1:
CONF = 0,75 = 75 %, R(tS) = 0,9 = 90 % und Weibullparameter b = 1,8 und nur n = 3 Probanden
Um wie viel müssen die Bauteile länger laufen als in der ursprünglichen Testspezifikation, um
diese Werte zu erreichen? 1
Lösung: Umformung auf doppellogarithmische Gleichung
1
𝑙𝑛 𝑅 𝑡𝑆 = ⋅ 𝑙𝑛 1 − 𝐶𝑂𝑁𝐹
𝐿𝑏𝑉 ⋅ 𝑛
𝑙𝑛 1 − 𝐶𝑂𝑁𝐹
𝐿𝑏𝑉 ⋅ 𝑛 = → 𝐿𝑏𝑉 ⋅ 𝑛 = 13,1
𝑙𝑛 𝑅 𝑡𝑆
d.h. um 127 % länger zu testen als in der Spezifikation gefordert.

→ 𝐿𝑉 = 2,27 Achtung: Lv hat Obergrenzen und Untergrenzen

Success Run
Beispiel 2:
CONF = 0,8 = 80 %, R(tS) = 0,95 = 95 % und Weibullparameter b = 2,0, LV und n sind frei
Kosten:
Rüsten eines Versuches: € 2.000 / Bauteil (inkl. Bauteilkosten)
Prüfkosten: € 500 / 0,1 LV
𝑙𝑛 1 − 𝐶𝑂𝑁𝐹 𝑙𝑛0,2
Lösung mit Gleichung aus Beispiel 1: 𝐿𝑏𝑉 ⋅ 𝑛 = = = 31,3
𝑙𝑛 𝑅 𝑡𝑆 𝑙𝑛0,95
n1 = 1  Lv = 5,60 1 x € 2000 + 56,0 x € 500 = € 30 000

n2 = 2  Lv = 3,96 2 x € 2000 + 39,6 x € 500 = € 23 800
n3 = 3  Lv = 3,23 3 x € 2000 + 32,3 x € 500 = € 22 150
n4 = 4  Lv = 2,80 4 x € 2000 + 28,0 x € 500 = € 22 000
n5 = 5  Lv = 2,30 5 x € 2000 + 25,0 x € 500 = € 22 500

Success Run
Beispiel 3:
CONF = 0,8 = 80 %, Weibullparameter b = 2,0
Zugelassene Kosten: Gesamtlaufzeit aller Versuche: 120.000 Zyklen
120 000 𝑍𝑦𝑘𝑙𝑒𝑛
Mindestlaufzeit für ein Bauteil: 40.000 Zyklen 𝐿𝑣 ∙ 𝑛 =
40 000 𝑍𝑦𝑘𝑙𝑒𝑛
1
Lösung:
3 Möglichkeiten:
1
1 Bauteil 120.000 Zyklen 𝐿𝑣 = 3 𝑛=1 32,0 ∙ 1 = 9 𝑅 𝑡𝑠 = 0,2 9 = 83,6%
1
2 Bauteile je 60.000 Zyklen 𝐿𝑣 = 1,5 𝑛=2 1,52,0 ∙ 2 = 4,5 𝑅 𝑡𝑠 = 0,2 4,5 = 70,0%
3 Bauteile je 40.000 Zyklen 1

𝐿𝑣 = 1 𝑛=3 12,0 ∙ 3 = 3 𝑅 𝑡𝑠 = 0,2 3 = 58,5%
4 Bauteile je 30.000 Zyklen

unter Lv = 1

Success Run – bisher OHNE Ausfälle:

1
𝑅 t = 1 − 𝐶𝑂𝑁𝐹 𝑛 𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡 𝑛
Was ist aber, wenn Bauteile während des Tests ausfallen?

Was passiert dann mit der Aussagewahrscheinlichkeit?
𝑥
𝑛 𝑖 𝑛−𝑖
𝐶𝑂𝑁𝐹 = 1 − 1−𝑅 𝑡 ⋅𝑅 𝑡
𝑖
𝑖=0
Beispiel: „Nur“ 1 Ausfall (x = 1):
𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡 𝑛 −𝑛⋅ 1−𝑅 𝑡 1 ⋅𝑅 𝑡 𝑛−𝑖
Bei n = 30 und R(t) = 0,9

CONF = 1 – 0,930 = 95,7 % (ohne Ausfall)
CONF = 81,6 % (1 [!] Ausfall)

Success Run
Ziel:
CONF = 81,6 % (1 Ausfall) CONF = 95,7 % (1 Ausfall)
Möglich nur über Erhöhung der Anzahl der Prüflinge, um bei identischem (gefordertem) R(t)
dieselbe Aussagewahrscheinlichkeit CONF zu erhalten
nalt = 30, x = 0 Ausfälle nneu = ?, wenn x = 2 Ausfälle

𝑥
𝑛 𝑖 𝑛−𝑖
𝐶𝑂𝑁𝐹 = 1 − 1−𝑅 𝑡 ⋅𝑅 𝑡
𝑖
𝑖=0
n = Funktion (CONF , R(t), x) = …???
n = n (CONF , R(t), x) nur in- situ numerisch oder grafisch oder mittels Tabellen zu lösen.
Grafisch: Larson Nomogramm

Success Run
Beispiel:
R(t) = 0,75
x=0
n=8
ergibt: CONF = 90%
FCONF
Nun: x = 2 Ausfälle
n=?
n = 20
Erhöhung von 8 auf 20 Probanden

bei „nur“ 2 Ausfällen

Automobilherstellern und Lieferanten“
/1/

Versuchsrelevanzmatrizen
Voraussetzung / Annahme: Kein Ausfall 
𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡𝑆 𝐿𝑏𝑉 ⋅𝑛
aus der Herleitung des Success Run
Bis jetzt: Alle Bauteile durchlaufen denselben Test.
Nun: Verschiedene Tests mit jeweils einer unterschiedlichen Anzahl von Prüflingen
n = 20 n = 12 n=8
PTCE Vibration Korrosion

Ist es möglich, eine Gesamtmindestzuverlässigkeit zu errechnen?
Folgende Annahme eines Gesamtbildes:
 3 verschiedene Schädigungen (1 Schädigungsart = 1 Zuverlässigkeitsverteilung nach Weibull)
 3 verschiedene Tests (Beispiel)
Beitrag zur mechanischen Schädigung
Beitrag zur elektrischen Schädigung

PTCE
Beitrag zur chemisch - physikalischen Schädigung
………………………….
……………………………
Vibration
Korrosion

Matrixstruktur: Welcher Test trägt in welchem Umfang zu welcher Schädigung
bei?
Mechanische Elektrische Chem. – phys.

Schädigung Schädigung Schädigung
PTCE Φ1 = 0,35 Φ1 = 1,00 Φ1 = 0,20
Vibration Φ2 = 1,00 Φ2 = 0,40 Φ2 = 0,00
Korrosion Φ3 = 0,05 Φ3 = 0,00 Φ3 = 1,00
Σ Φi > 1 !! Versuchsrelevanzmatrix !!!

Dr. Robert Savić – Firma ZF
Jeder Schädigungsfall wird für sich betrachtet! 1 Schadensfall = 1 Weibullverteilung = 1 Spalte
Die Werte für Φi sind Erfahrungswerte mit einem Produkt und / oder einer Produktfamilie

Betrachtung zunächst nur Spalte 1: „mechanische Schädigung“

Teststart
n1 Prüflinge beim Test 1 (PTCE) ohne Ausfall mit LV1 getestet,

b für mechanische Schädigung über vorhergehende Versuche bekannt
𝐶𝑂𝑁𝐹1 = 1 − 𝑅 𝑡𝑆 𝐿𝑏𝑉1 ⋅𝑛1
n2 Prüflinge beim Test 2 (Vibrationstest) ohne Ausfall mit LV2 getestet,

b für mechanische Schädigung über vorhergehende Versuche bekannt
𝐶𝑂𝑁𝐹2 = 1 − 𝑅 𝑡𝑆 𝐿𝑏𝑉2 ⋅𝑛2
Gesamtaussagewahrscheinlichkeit CONFGes = CONF1 ○ CONF2 ○…. (Mathematische Verknüpfung)

Gesamtausfallwahrscheinlichkeit / Gesamtaussagewahrscheinlichkeit:
𝐶𝑂𝑁𝐹𝐺𝑒𝑠 = 1 − 𝑅 𝑡𝑆 𝐿𝑏𝑉𝑖 ⋅𝑛𝑖
Wie kommt nun Φi ins Spiel?
Der Beitrag einer Prüfung zur jeweiligen Schädigung Φi erfolgt über die Gewichtung der Prüfzeit
Lvi :
Lvi Φi x Lvi
Und damit wird die Gesamtaussagewahrscheinlichkeit CONFGes:
𝐶𝑂𝑁𝐹𝐺𝑒𝑠 = 1 − 𝑅 𝑡𝑆 𝜙𝑖 ⋅𝐿𝑉𝑖 𝑏 ⋅𝑛𝑖
Bzw.: 1
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹𝐺𝑒𝑠 𝜙𝑖⋅𝐿𝑉𝑖 𝑏 ⋅𝑛𝑖

Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
Ziel CONF 80%
Streuparameter nach Weibull b 2,2
Versuche n Lv
Φ = 0,35
PTCE - Test 20 1,35
Φ = 1,00
Vibrationstest 12 1,18
Φ = 0,05
Salzsprühnebeltest 8 1,12
???
Nachweisbare Mindestzuverlässigkeit R (t)

Mindestzuverlässigkeit bei „Mechanischer Schädigung“:
1
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹𝐺𝑒𝑠 𝜙𝑖⋅𝐿𝑉𝑖 𝑏 ⋅𝑛𝑖
Wir haben:
- b = 2,2
- CONF = 0,8 = 80%
- LV1 = 1,35, n1 = 20, φ1 = 0,35 LV2 = 1,18, n2 = 12, φ2 = 1,00 LV3 = 1,12, n3 = 8, φ3 = 0,05
Damit ergibt sich für den Exponenten: 0,04733 und somit für R(tS): R(tS) = 92,7 %.

Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
Ziel CONF 80%
Versuche n Lv
Φ = 0,35
PTCE - Test 20 1,35
Φ = 1,00
Φ = 0,05
0,927

Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
Ziel CONF 80%
Versuche n Lv
Φ = 0,35 Φ = 1,00 Φ = 0,20

PTCE - Test 20 1,35
Φ = 1,00 Φ = 0,40 Φ = 0,00

Φ = 0,05 Φ = 0,00 Φ = 1,00

92,7 % 95,4% 88,2 %


Mindestzuverlässigkeit gegenüber allen Schädigungen:
R(t)Ges = R(t)Mech x R(t)Elektr. x R(t)chem-phys.

Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
Ziel CONF 80%
Versuche n Lv
Φ = 0,35 Φ = 1,00 Φ = 0,20

PTCE - Test 20 1,35
Φ = 1,00 Φ = 0,40 Φ = 0,00

Φ = 0,05 Φ = 0,00 Φ = 1,00

92,7 % 95,4% 88,2 % 78,0 %


Methoden der Schadensanalyse
Fehlermöglichkeits- und Einflussanalyse
 Kurzname: FMEA
 englische Bezeichnung: Failure Mode and Effects Analysis (englische Kurzbezeichnung FMEA)
 Die FMEA stellt eine Methode dar, um frühzeitig neue Entwicklungen bei Produkten und
Prozessen zu untersuchen. Mit Hilfe von gedanklich simulierten Szenarien werden dabei
mögliche Fehler, deren Auswirkungen und Ursachen ermittelt sowie festgehalten, welche
Möglichkeiten es gibt, aufgetretene Fehler zu detektieren.
 Folgende verschiedene FMEA Arten sind üblicherweise in Gebrauch:

Konstruktions- oder Design FMEA (Mechanik, Elektronik)
System FMEA (Zusammenwirken von Mechanik, Elektronik und Software)
Maschinen FMEA (Fertigungseinrichtung)
Prozess FMEA (Zusammenwirken von Fertigungseinrichtungen -> Fertigungsprozess)

Prinzip:
 Am „grünen“ Tisch identifizieren alle an der Entwicklung Beteiligten oder am
Fertigungsprozess Beteiligten möglicherweise auftretende Fehler und bewerten sie.
 Die Bewertung erfolgt nach einem Punktsystem:
Auftrittswahrscheinlichkeit A: 1 Punkt (sehr unwahrscheinlich)…10 Punkte (sehr hoch)
Bedeutung B: 1 Punkt (kaum wahrnehmbar)…….10 Punkte (äußerst schwerwiegend)
Entdeckung E: 1 Punkt (sehr hoch)…………………10 Punkte (sehr unwahrscheinlich)
Risikoprioritätszahl RPZ = A x B x E
Je höher die RPZ, desto kritischer ist der Fehler !

Beispiele:
 Ein Label mit einem Barcode zur Identifizierung des Bauteils bei Werkstattbesuchen kann sich
im Fahrbetrieb über die Jahre lösen und verloren gehen.
A = 8 Punkte (Klebstoff löst sich im Lauf der Jahre durch Umwelteinflüsse)
B = 1 Punkte (Bedeutung für Fahrbetrieb: keiner, erschwert der Werkstatt die Arbeit)
E = 6 Punkte (außerhalb von Werkstattbesuchen nicht wahrnehmbar)
RPZ = 48
 ABS Sensor fällt während der Fahrt aus:

A = 1Punkt (umfangreiche Tests bis Freigabe, Sicherheitsbauteil: erhöhte Testanforderungen !!)
B = 8 Punkte (äußerste schwerwiegend, aber: andere Sensoren können Funktion übernehmen)
E = 8 Punkte (während der Fahrt über Überwachungssensorik detektierbar VOR Einsatz ABS)
RPZ = 64


FMEA: Formblatt
Prozess-FMEA Produkt-FMEA
Prozess- /
Name / Abteilung: Erstellt durch: Datum: Überarbeitet durch / am:
Produktname:
Derzeitiger Zustand Verbesserter Zustand

Kontroll
Fehlerort / maßnah Empfohlene Verantwortli Getroffene
Fehlermerkmal Potentielle Fehler Fehlerfolge Fehlerursache men A* B* E* RPZ* Maßnahmen ch Maßnahmen A* B* E* RPZ*
Bruch der Welle Belastungsart nicht Belastung durch BOR Festigkeitsnachweis
Totalausfall korrekt erkannt geeigneten der Welle
1. Welle 3 10 10 300 Berechnungsansatz 1 10 10 100
erfassen
Spiel in der unexakte Lockern der Zusätzliche Sicherung KAS

2. Lageranordnung Funktionserfüllung Wellenmutter im 3 8 10 240 der Wellenmutter 1 8 10 80
Betrieb
Dichtung frühzeitiger Dichtung genügt nicht Radialwellendichtring KAS
Lagerung durchlässig Lagerverschleiß den Anforderungen nach DIN verwenden
3. 2 5 10 100 1 5 10 50
Falsche Adresse Retoursendung / Unachtsamkeit beim Regelm Bessere Schulung der SEP Zielgerichtete
Kundenverlust Kundenkontakt äßige CallCenter Mitarbeiter Auswahl von
Stichpro CallCenter
4. Vertrieb 4 9 10 360 1 8 10 80
ben im Mitarbeitern
CallCent
er
Unvollständige CV's Nachreichen von Keine aktuellen CV's Entwickeln einer CV TOK
Unterlagen vorhanden Datenbank
5. Aquisitionsprozess 6 8 10 480 3 5 10 150
6.


Umrechnung auf Ausfallwahrscheinlichkeiten („Punkte“ auf ppm [1 ppm = 0,0001% = 10-6])
Fehlerrate Fehlerrate
Auftrittswahrscheinlichkeit Zugehöriger PPM-Wert Zugehöriger PPM-Wert
Gem. VDA Gem. QS-9000
1 1 1
2 10 50
3 100 100
4 500 500
5 2.000 1.000
6 5.000 5.000
7 10.000 10.000
8 30.000 50.000
9 100.000 100.000
10 500.000 500.000

Umrechnung auf Ausfallwahrscheinlichkeiten („Punkte“ auf %)
% Entdeckung % Entdeckung
Entdeckungswahrscheinlichkeit
gem. QS-9000 interpoliert
1 >= 99,99 99,99
2 99,92
3 99,85
>= 99,70
4 99,77
5 99,70
6 99,13
7 >= 98,00 98,57
8 98,00
9 >= 90,00 90,00
10 Unwahrscheinlich 10,00

Ishikawa Diagramm
Kaoru Ishikawa
 Entwicklung der Methode in den 40er
Jahren.
 Ursprünglich bestehend aus 4 „M“

Material, Mensch, Methode, Maschine
 Heute bis zu 8 „M“: zusätzlich noch
Management, Money, Milieu, Messung
 Auch Cause and Effect Diagram genannt
 Auch Fishbone Diagram genannt.
Quelle Bild: CoachCompany, Baden- Württemberg

Ishikawa Diagramm

Fehlerbaum Analyse (Fault Tree Analysis -> FTA)
 Methode zur logischen Aufschlüsselung von aufgetretenen Fehlern
 Entwickelt wurde die FTA zur Bestimmung von Fehlerursachen und deren Wahrscheinlichkeiten
 Top Down Methode (vom Ereignis zu den Wurzeln – Baumstruktur)
 Verbindung der Ereignisse in logischen Strukturen (UND / ODER Zusammenhänge) und in verschiedenen Ebenen.
 Das übergeordnete Ereignis ist dabei die Folge eines Fehlers, der auf der Ebene darunter zu finden ist.
 Anwendung sowohl zur Fehleranalyse als auch zur Unterstützung von z. B. FMEAs.
 Entstanden ursprünglich in den 60er Jahren, Anwendung als Standard in den 80er Jahren in der Luft- und Raumfahrt.

 Logische Elemente
Gatter Ereignisse
and UND-Gatter (AND Basisereignis

gate)
ODER-Gatter Nicht untersuchtes

or Ereignis (undeveloped
(OR-gate )
event)
Transfair-Gatter(ein)
(Transfair gate (in)) Kleines Haus
Transfair-Gatter (aus)
(Transfair gate (aus)) Fault event

 Beispiel:

 Beispiel:

Systemzuverlässigkeit
Vernetzte Strukturen
 Technische Systeme bestehen aus mehreren Komponenten, die miteinander in Funktion verbunden sind.
 Im Bereich der Mechatronik gehört außer den einzelnen „physischen“ Komponenten auch die Software dazu.
 Ebenso als zugehörig müssen Verbindungen betrachtet werden, die keine eigenen „physischen Bauteile“ darstellen, wie z.
B. Lötverbindungen oder Bondverbindungen.
 Die Ausfallwahrscheinlichkeit von Systemen ist sehr stark abhängig von der Ausfallwahrscheinlichkeit der schwächsten
Komponente (weakest link).
 Sind die Komponenten in funktioneller Weise zu einem Gesamtsystem verbunden, so wird das Ausfallverhalten des
Systems davon abhängen, ob der Ausfall einer Komponente oder der Ausfall mehrerer oder sogar erst aller Komponenten
zum Gesamtausfall führt.
 Beispiel 1: Die Komponente „Rad“ kommt bei einem Fahrzeug 4 mal vor. Der Ausfall EINES Rades führt zum Ausfall des
Systems „Auto“.
 Beispiel 2: Die Komponente „remote control“ / „Funkschließung“ führt nicht zum Ausfall des Systems „Auto“, da die
Komponente „Schlüssel mit Türschloss“ den Ausfall ausgleicht.

Vernetzte Strukturen
 Mechatronische Systeme sind häufig auch so ausgelegt, dass Komponenten (passive und aktive Bauelemente, Stecker und
Leitungen) redundant vorkommen: Fällt eine Komponente aus, übernimmt die andere die Funktion der ersten.
 Man spricht hier von Parallelschaltung der Funktionen: Erst wenn beide Komponenten ausfallen, fällt das Gesamtsystem
aus.
 Serienschaltung von Komponenten heißt: Wenn nur eine einzige Komponente ausfällt, fällt das Gesamtsystem aus.
 Beispiel aus dem Leben: „Tannenbaumbeleuchtung“.
 Ganz wichtiger Hinweis: Die Ausfallwahrscheinlichkeiten der Komponenten untereinander müssen voneinander unabhängig
sein !!!
 Beispiel: „Tannenbaumbeleuchtung“: Bei Parallelschaltung der Lampen fällt bei Ausfall einer Lampe nicht die gesamte
Beleuchtung aus. ABER: Durch den minimal erhöhten Strom, der durch diesen Ausfall die anderen Lampen belastet, kann
der Ausfall einer weiteren Lampe eventuell beschleunigt werden. Daher streng genommen: Keine Unabhängigkeit der
Ereignisse voneinander.

Serielle und parallele Subsysteme
Seriell
Komponente A
überlebt
Komponente B
überlebt
Komponente C Alle anderen Pfade führen zum Ausfall des

überlebt Systems
Bedingung für serielle funktionelle Anordnung: ALLE

Komponenten müssen überleben.

Serielle und parallele Subsysteme
Parallel
Komponente A
überlebt
Komponente B
überlebt
Systemausfall
Komponente C Alle anderen Pfade führen NICHT zum bei Ausfall
überlebt Ausfall des Systems ALLER
Komponenten
Bedingung für parallele funktionelle Anordnung:

MINDESTENS 1 Komponente muss überleben.

Serielle und parallele Subsysteme:
1. (Extrem)fall: Funktionelle Logik: „Serienschaltung“
Komponente A Komponente B Komponente C
Fällt EINE Komponente aus, fällt das System aus.
Rsys(t) = RA(t) x RB(t) x RC(t) x ……
FSys (t) = 1 - Rsys(t) = 1 – Π Ri(t) = 1 – Π [1 – Fi (t)] i = 1..n
FSys (t) = 1 – Π [1 – Fi (t)]

2. (Extrem)fall: Funktionelle Logik: „Parallelschaltung“
Komponente A
Komponente B
Komponente C
Fallen ALLE Komponenten aus, fällt das System aus
FSys (t) = Π Fi (t) mit i = 1, ..., n

Rsys = 1 - FSys (t) = 1 – Π Fi(t) = 1 – Π [1 – Ri (t)]


Parallelstruktur von 2
Parallelstruktur von 3 Komponenten
Wie geht man vor bei „Mischstrukturen“? Komponenten
Komponente A
Komponente D
Komponente B
Komponente E
Komponente C
Komponente F Komponente G

Wie geht man vor bei „Mischstrukturen“?
Serienstruktur von 2
Subsystemen
Subsystem ABC Subsystem DE
Komponente F Komponente G
Serienstruktur von 2
Komponenten

Wie geht man vor bei „Mischstrukturen“?
Parallelstruktur von 2 Subsystemen
Subsystem ABCDE
Subsystem FG

Näherungsrechnung bei kleinen Ausfallraten:
Annahme: Serielle Schaltung von 3 Komponenten
FSys (t) = 1 – Π [1 – Fi (t)]
FSys (t) = 1 – (1 – F1 (t)) x (1 – F2 (t)) x (1 – F3 (t))
FSys (t) = 1 – [1 – F1 (t) – F2 (t) – F3 (t) +
F1 (t) x F2 (t) + F1 (t) x F3 (t) + F2 (t) x F3 (t)
- F1 (t) x F2 (t) x F3 (t)]
FSys (t) ≈ 1 – [1 – F1 (t) – F2 (t) – F3 (t)]
FSys (t) ≈ F1 (t) + F2 (t) + F3 (t)

ZMS SoSe 2021 Vorlesungsfolien

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

ZMS SoSe 2021 Vorlesungsfolien

Hochgeladen von

Copyright:

Verfügbare Formate

: Turning ideas into vision :

© 2021 IPeG Prof. Dr.-Ing. R. Lachmayer

1. Definitionen, Normen und Beispiele

2. Statistische Grundlagen – Weibullverteilung

3. Risikoabschätzung mit der Weibullverteilung

4. Schadenseinträge und Schadensursachen

5. Nachweis der Zuverlässigkeit durch Versuche

6. Intelligente Versuchsplanung zur Zuverlässigkeit

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 3

7. Methoden der Schadensanalyse

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 4

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 5

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 6

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 7

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 8

Zuverlässigkeit: Wahrscheinlichkeit des Überlebens bis zum Zeitpunkt t

Ausfall: Komplementäre Wahrscheinlichkeit zur Zuverlässigkeit -> „Unzuverlässigkeit“

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 9

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 10

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 11

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 12

Wheel speed sensor

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 13

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 14

Piezo Common Rail Injector

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 15

Power Electronic Unit for

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 16

Unterscheidung zwischen diskreten und stetigen Verteilungsfunktionen

Bekannteste Formel: Binomialverteilung

Beispiel: „Schwarze Kugeln / weiße Kugeln“

Ziehung von 3,4582 schwarzen Kugeln nicht möglich!

Bekannteste Formel: Normalverteilung

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 17

Basis für die Berechnung der Zuverlässigkeit:

Für φ = 0 wird F(φ) = 0, für φ = ∞ wird F(φ) = 1.

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 18

Historie der Weibullgleichung:

Ernst Hjalmar Waloddi Weibull, Schwede

geb. am 18.06. 1887 Schweden

gest. am 12.10.1979 in Frankreich

 Ingenieur und Mathematiker

 Studium an der Königlich Technischen Hochschule

 Promotion an der Universität in Uppsala

 Professor für Technische Physik an der Königlich

 erste Veröffentlichung zur Weibullverteilung 1939

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 19

Prinzip der These von Weibull:

 Bild einer Kette:

- Bei einer Kette mit 1 Glied ist die Überlebenswahrscheinlichkeit 90%

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 20

Achtung: Die Weibullverteilung ist eine kumulierende Verteilung:

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 21

Sonderfälle der Weibullverteilung:

Mit b = 1 und der Umschreibung λ = 1/ T entsteht die Exponentialverteilung:

Mit b = 2 entsteht die LogNormalverteilung oder Rayleigh-Verteilung:

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 22

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 23

Und nun sehen wir uns die zweite Ableitung an:

ergibt sich für die zweite Ableitung:

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 24

 für b > 1  WP existiert

Für b ≤ 1: Zwischen 0 < t < ∞ ist die 2. Ableitung immer < 0

© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 25