Beruflich Dokumente
Kultur Dokumente
ZMS SoSe 2021 Vorlesungsfolien
ZMS SoSe 2021 Vorlesungsfolien
Zuverlässigkeit
mechatronischer Systeme
Dr. R. Schubert
Institut für Produktentwicklung und Gerätebau
Leibniz Universität Hannover
8. Systemzuverlässigkeit
- Serielle und parallele Subsysteme
- Verknüpfte Wahrscheinlichkeiten
- Vernetzte Strukturen
9. Projektbeispiele
- Umsetzung aller Methoden an einem ausgewählten Projekt
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).
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])
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)
Quelle: Continental AG
Quelle: Continental AG
NOX Sensor
Quelle: Continental AG
Li - Ion Battery
Quelle: Continental AG
Das Ereignis, dem eine bestimmte Auftretenswahrscheinlichkeit zugeordnet wird, nimmt nur diskrete Werte an
Stetig
Das Ereignis, dem eine bestimmte Auftretenswahrscheinlichkeit zugeordnet wird, kann alle Werte aus dem reellen
Zahlenraum annehmen.
𝐹 𝜑 = 1 − 𝑒 −𝜑
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
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).
- Jedes Kettenglied hat eine Ausfallwahrscheinlichkeit bis zu einer Zeit t von 10%, also eine
Überlebenswahrscheinlichkeit von 90%.
Wichtigste Einschränkung:
Jede Weibullverteilung darf NUR (!) für jeden einzelnen Schadensfall durchgeführt werden.
Bei n Schadensfällen müssen dann n Weibullverteilungen mathematisch verknüpft werden.
𝑡 𝑏
𝐹 = 1 − 𝑒𝑥𝑝 −
𝑇
𝐹 = 1 − 𝑒𝑥𝑝 −𝜆𝑡
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 − ⋅ ⋅
𝜕𝑡 𝑇 𝑇 𝑇
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.
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏
= 𝑒𝑥𝑝 − ⋅ ⋅
𝜕𝑡 𝑇 𝑇 𝑇
𝜕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
F(t)
t
© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 26
Statistische Grundlagen
Weibullverteilung - Verlauf
F(t)
Richtig
t
© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 27
Statistische Grundlagen
Weibullverteilung - Verlauf
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
90
80
kumulierte Ausfallwahrscheinlichkiet [%]
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.
Das heißt, dass bis t = T eine Anzahl von 63,2% der ursprünglichen Bauteile ausgefallen ist.
b < 1: Frühausfälle
b = 1: Zufällige Ausfälle
z.B. Elektronikbauteile
b > 1: Spätausfälle
z.B. Kupplung, Auspuff, Stoßdämpfer
𝑡
Bei t = T sind 63,2 % der Bauteile ausgefallen: 1,0 =
𝑇
Beispiel:
Ausgehend von 20 Bauteilen sehen wir in einem Lebensdauerversuch folgende Ausfälle:
1h 1 Bauteil 1 Bauteil
2h 3 Bauteile 4 Bauteile = 3 + 1
3h 2 Bauteile 6 Bauteile = 4 + 2
4h 2 Bauteile 8 Bauteile = 6 + 2
Das heißt:
Die Weibullverteilung addiert alle Ausfälle BIS zum Zeitpunkt, die sich IN den jeweiligen Zeitpunkten t ereignet haben.
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.
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.
Das heißt:
Die vorhin bereits errechnete erste Ableitung der Weibullfunktion ist die Dichtefunktion, also die Ausfallwahrscheinlichkeit IM
Zeitpunkt t.
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏
= 𝑒𝑥𝑝 − ⋅ ⋅
𝜕𝑡 𝑇 𝑇 𝑇
Die vorhin berechnete 2. Ableitung der Weibullverteilung zur Bestimmung des Wendepunktes ist daher die 1. Ableitung der
ersten Ableitung
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏 = 𝐷𝑖𝑐ℎ𝑡𝑒𝑓𝑢𝑛𝑘𝑡𝑖𝑜𝑛
= 𝑒𝑥𝑝 − ⋅ ⋅
𝜕𝑡 𝑇 𝑇 𝑇
Dazu brauchen wir die erste Ableitung der Dichtefunktion, die wir ja schon haben, weil sie die 2. Ableitung der Weibullfunktion
darstellt:
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏
𝜕 𝐷𝑖𝑐ℎ𝑡𝑒𝑓𝑢𝑛𝑘𝑡𝑖𝑜𝑛
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏 =
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇 𝜕𝑡
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
Konstante
Für t -> 0: Term geht -> 1
Für t -> 0: Term geht -> 0
Das heißt:
Weiter betrachten wir die Ableitung der Dichtefunktion – also die 2. Ableitung der Weibullfunktion.
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇
Für t -> 0 nimmt die Steigung der Dichtefunktion den Wert 0 an.
Man kann nun eine mathematische Grenzwertbetrachtung für die Dichtefunktion und deren Ableitung durchführen.
Man kann sich aber auch ganz einfach die Weibullverteilung ansehen:
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
Konstante
Für t -> 0: Term geht -> 1
Für t -> 0: Term geht -> 0
Das bedeutet:
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏
= ⋅ 𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇
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:
Es gilt auch hier wieder die gleiche Schlussfolgerung aus der Betrachtung der Weibullverteilung:
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
Konstante
Für t -> 0: Term geht -> 1
Für t -> 0: Term geht -> 0
Das bedeutet:
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏
= ⋅𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇
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
Es gilt auch hier wieder die gleiche Schlussfolgerung aus der Betrachtung der Weibullverteilung:
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
Momentane Ausfallwahrscheinlichkiet [%]
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
Das bedeutet:
1
Eine Dichtefunktion mit b = 1 zeigt für t = 0 die Steigung − 2
𝑇
Es gilt auch hier wieder die gleiche Schlussfolgerung aus der Betrachtung der Weibullverteilung:
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,
Momentane Ausfallwahrscheinlichkiet [%]
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
𝜕𝐹 𝑡 𝑏 𝑡 𝑏−1 𝑏
= 𝑒𝑥𝑝 − ⋅ ⋅
𝜕𝑡 𝑇 𝑇 𝑇
Konstante
Für t -> 0: Term geht -> 1 Für t -> 0: Term geht -> ∞
Das bedeutet:
𝜕2𝐹 𝑏 𝑏−2 𝑡 𝑏 𝑡 𝑏
= ⋅𝑡 ⋅ 𝑒𝑥𝑝 − ⋅ 𝑏−1−𝑏
𝜕𝑡 2 𝑇𝑏 𝑇 𝑇
𝜕 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:
Es gilt auch hier wieder die gleiche Schlussfolgerung aus der Betrachtung der Weibullverteilung:
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
b>2 0
b=2 0
1<b<2 0
b=1 1/ T
b<1 ∞
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 ∞ ∞
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):
Diese Gleichung ist allgemeingültig und nicht spezifisch für die Weibullverteilung !
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
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
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
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
MTTFF (Mean Time To First Failure): Mittlere Zeit bis zum 1. Ausfall
MTBF (MeanTime Between Failures): Mittlere Zeit zwischen 2 Ausfällen nach Reparatur
∞ ∞
𝜕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)
Im folgenden gilt weiter: Alle Daten, die die Weibullgleichung wiedergeben soll, liegen in vollem Umfang vor.
𝑡 𝑏
𝐹 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇
𝑡 𝑏
𝐹 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇
1
𝑙𝑛 𝑙𝑛 = 𝑏 ⋅ ln 𝑡 − 𝑏 ⋅ ln 𝑇
1−𝐹 𝑡
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
𝑦𝑖 = 𝑏 ⋅ 𝑥𝑖 +𝑑
den Streuparameter b und (mit b und d) den Lageparameter T bestimmen (z. B. durch lineare Regression)…..
Wenn wir die Werte Fi jedoch benötigen, aber nicht wissen, dann schätzen wir sie einfach:
i − 0,3
1 Fi =
n + 0,4
________ < 𝑛 < ________
i
2 Fi =
n+1
________ < 𝑛 < ________
i−1
3 Fi =
n−1
________ < 𝑛 < ________
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
Rudolf Schubert
C ontinental AG
22.06.2011
14:31:09
10,000
100,000 1000,000 10000,000
Zeit, (t)
η = 63 %
Wahrscheinlichkeit in %
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.
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%
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:
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.
„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
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
1
𝑞 𝑏
𝜕𝐹𝐺𝑒𝑠 𝜕𝐿 1
= =0 𝑇= ⋅ 𝑡𝑖𝑏
𝜕𝑇 𝜕𝑇 𝑞
𝑖=1
Achtung !!!
Daten Prognose
Daten !!
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.
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.
Betrachtung: 42.000 137 41.863 Wir sprechen hier von „zensierten Daten“!
1. Qu 2015
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.
Produktionsmenge: 100.000 Bauteile / Monat (gedanklich alle punktuell auf den 15. projiziert)
Klasse 2
5.000 km / 28,1 %
Klasse 3
10.000 km / 42,2 %
Produktionsmenge: 100.000 Bauteile / Monat (gedanklich alle punktuell auf den 15. projiziert)
Erkenntnis:
Mit zunehmender Betriebsdauer wird sich die durchschnittliche Laufleistung der vorliegenden Ausfälle erhöhen.
Damit stellt sich die aus der Weibullverteilung abgeleitete Risikoprognose zu positiv dar.
Statistische Korrektur:
Methode:
Innerhalb einer Versuchsreihe (eines Prüfloses) Abbruch bei erstem Ausfall der m Teile.
Damit stehen nur i Ausfälle aus N Probanden zur Abschätzung zur Verfügung.
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
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
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
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
𝑖 − 0,3 𝑗𝑖 − 0,3
Wir ersetzen 𝐹𝑖 = durch 𝐹𝑖 =
𝑛 + 0,4 𝑛 + 0,4
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
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 %
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
𝑏
2 𝑡
𝐹𝑓𝑖𝑟𝑠𝑡 𝑡 = 1 − 𝑒𝑥𝑝 −
𝑇𝑓𝑖𝑟𝑠𝑡
8
zweiparametrige Weibullverteilung für die ersten Ausfälle.
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:
27
3. „mittlere“ Ausfallzeit
Vereinfachtes Sudden Death Verfahren:
3. „mittlere“ Ausfallzeit
Vereinfachtes Sudden Death Verfahren: 50 % FFirst
2 2 1705
Horizontale Betrachtung:
8 8 1100
Reduktion aller 6 Versuchsreihen auf EINE
„mittlere“ oder „repräsentative“.
14 14 1410
Aus einer Matrix wird eine Reihe
Damit nur noch 1 „mittlere“ Ausfallzeit statt 6
einzelner.
𝑡𝐹𝑖𝑟𝑠𝑡𝐴𝑣𝑒𝑟𝑎𝑔𝑒
3. „mittlere“ Ausfallzeit
Vereinfachtes Sudden Death Verfahren: 50 % FFirst
2 2 1705
Horizontale Betrachtung:
8 8 1100
Reduktion aller 6 Versuchsreihen auf EINE
„mittlere“ oder „repräsentative“.
14 14 1410
Aus einer Matrix wird eine Reihe
Damit nur noch 1 „mittlere“ Ausfallzeit statt 6
einzelner.
𝑡𝐹𝑖𝑟𝑠𝑡𝐴𝑣𝑒𝑟𝑎𝑔𝑒
F = 50% = 0,5
25 25 2430
b = 3,32
3. „mittlere“ Ausfallzeit
Vereinfachtes Sudden Death Verfahren:
2 1705
Horizontale Betrachtung:
8 1100
Reduktion aller 6 Versuchsreihen auf EINE
„mittlere“ oder „repräsentative“.
14 1410
Aus einer Matrix wird eine Reihe
Damit nur noch 1 „mittlere“ Ausfallzeit statt 6
einzelner.
𝑡𝐹𝑖𝑟𝑠𝑡𝐴𝑣𝑒𝑟𝑎𝑔𝑒 = 1685
25 2430
27 1200
3. „mittlere“ Ausfallzeit
Vereinfachtes Sudden Death Verfahren:
4. Nun ist nur noch eine Versuchsreihe mit 5 Probanden und 1 Ausfall zu behandeln
Vereinfachtes Sudden Death Verfahren:
Repräsentativer Erstausfall bei 1685
2 Die ganze Matrix reduziert sich auf eine repräsentative Reihe
und diese (horizontale) Betrachtung der Reihe ist die
Horizontale Betrachtung:
8 Gesamtbetrachtung: horizontale Reihe = Gesamtbild
Reduktion aller 6 Versuchsreihen auf EINE
„mittlere“ oder „repräsentative“.
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
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
Da wir nur 6 Werte haben, wählen wir das Schätzverfahren und erhalten die Werte:
b = 2,60
𝑡 2,60
𝐹𝐹𝐼𝑅𝑆𝑇 𝑡 = 1 − 𝑒𝑥𝑝 −
2078
𝑡1 1805
𝑇𝐺𝑒𝑠 = 1 𝑇𝐺𝑒𝑠 = 1 = 4111
1 𝑏 1 2,60
𝑙𝑛 𝑙𝑛
1 − 𝐹𝐺𝑒𝑠,1 1 − 0,111
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
𝑁 − 𝑛𝑓
𝑚= +1
𝑛𝑓 + 1
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
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
𝐻𝑁𝑒𝑙,𝑖 = 𝜆𝑁𝑒𝑙,𝑖
𝑖=1
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
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
𝑡
𝜕𝑅 𝑡 𝑡
𝜕𝑡 𝑑𝑡 = − 𝑢′
𝐻𝑁𝑒𝑙 𝑡 = − 𝑑𝑡 = − ln 𝑢 = −𝑙𝑛 𝑅 𝑡
0 𝑅 𝑡 0 𝑢
𝐻𝑁𝑒𝑙 𝑡 = −𝑙𝑛 1 − 𝐹 𝑡
𝐹 𝑡 = 1 − 𝑒 −𝐻𝑁𝑒𝑙 𝑡
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
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.
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“).
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]
© 2021 IPeG Dr. R. Schubert Zuverlässigkeit mechatronischer Systeme 127
Risikoabschätzung mit der Weibullverteilung
Methode nach Kaplan - Meier (vorhandene Information)
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
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:
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:
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
Ln (FGes) nach beiden Parametern ableiten und beide Ableitungen zu Null setzen.
𝑞 𝑟
𝐹𝐺𝑒𝑠 = 𝑓 𝑡𝑖 ⋅ 1 − 𝐹 𝑡𝑗
𝑖=1 𝑗=1
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
Angaben auf der y – Achse: registrierte Ausfallquote der Fahrzeuge / Bauteile (i. d. R. in ppm [partes per million], nicht in
Prozent)
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
… und umgekehrt
90
80
kumulierte Ausfallwahrscheinlichkiet [%]
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
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:
Wöhlerlinie
Beanspruchung Log S
Zeitfestigkeit
Dauerfestigkeit:
unterhalb SD
Keine Schädigung mehr
SD
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)
Bei der Definition der inneren Beanspruchung muss die wahrscheinliche Schadensstelle bekannt sein und ein Bezug
zwischen äußerer und innerer Beanspruchung bekannt sein !
... und das ist mehrfach und mit wachsendem Grad an Komplexität geschehen:
𝜎 𝑛𝑏𝑎𝑠
𝑁 = 𝑁𝐷 ∙
𝜎𝐷 nbas: Steigung der Wöhlerlinie nach Basquin
Werkstoffbezogene Kennwertermittlung:
- definierte Beanspruchung
- Zusammenhang zwischen äußerer Belastung und innerer Beanspruchung ist bekannt (z. B.
FEM)
Beispiel:
Bauteilbezogene Kennwertermittlung:
Eine eindeutige Zuordnung der äußeren Belastung zu einer inneren Beanspruchung (bei der
wahrscheinlichen Schadensstelle) ist nicht oder nur unzureichend möglich, weil
• 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) ,
n1 : Beaufschlagt
N1: Ertragbar
S1 𝑞
𝑛𝑖
=1 : Schädigung / Versagen
𝑁𝑖
𝑖=1
S2
n1 N1 N2
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
Betriebszeit
Dr. Rudolf Schubert
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
T2 T1 Betriebszeit
Dr. Rudolf Schubert
Beispiel:
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
𝑛
𝑖=1 𝑛𝑖
𝐿𝐷 = 𝑁𝐷 ∙ 𝑛𝑏𝑎𝑠 (2 𝑛𝑏𝑎𝑠 −1)
𝑚 𝜎𝑖 𝑛 𝜎𝑖
𝑖=1 + 𝑖=𝑚 +1
𝜎𝐷 𝜎𝐷
Mit
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)
Prinzip der Wöhlerlinie gilt auch hier: Je höher die Beanspruchung, desto kürzer die
Lebensdauer.
Berechnungsgrundlage:
Für den Fall b = 2: inverse power law -> Coffin – Manson Gleichung,
2
wenn Bi = ΔTi als Temperaturzyklus definiert wird. ΔT1
𝑡2 = 𝑡1 ∙
ΔT2
Achtung: Dabei dürfen die maximalen Temperaturen im Laborbetrieb nie über die als zulässig
definierten Grenzwerte steigen.
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
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 %
𝝑 : absolute Temperatur in K
Ausfallrate λ ~ ρ
Mit λ ~ ρ und 𝐸𝑎
−
𝜌 = 𝜌0 𝑒 𝑘𝜗
𝐸𝑎
−
𝜆 = 𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 ∙ 𝜌 = 𝐾𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 ∙ 𝜌0 𝑒 𝑘𝜗
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
unterhalb 𝝑max !!
𝝑 Fahrbetrieb [°C] Rel. Zeitanteil [%] Abs. Zeitanteil [h] Raffungsfaktor Prüfzeit [h]
75 °C 6 40 22,63 1,8
∑ = 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:
90
80
70
TCU-Temperatur [°C]
60
50
40
30
20
10
0
0 5000 10000 15000 20000 25000 30000 35000
Time (sec)
A Bx By C D
Production
Sample Sample Sample Sample Sample
DV PV Test
Test
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.
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
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
(HTOE)
(LTOE)
Eigentlich:
Highly Accelerated Temperature / Humidity Stress Test:
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.
R (t) 1 - R (t)
𝐹 =1−𝑅 𝑡 𝑛
Wahrscheinlichkeit dafür, dass mindestens ein Bauteil ausfällt:
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
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
Das Ereignis, das erfahren wird, liegt soweit vom Erwartungswert weg, dass Zweifel an
der Hypothese (und an den zugrundeliegenden Annahmen) angebracht sind !
Vertrauensbereich, Aussagewahrscheinlichkeit:
Annahme, dass die Hypothese stimmt (und mit ihr die zugrunde liegenden Annahmen)
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.
F0 = 59,0 %
F1 = 32,8 %
F2 = 7,3 %
F3 = 0,8 %
F4 = 0,0(5) %
F5 = 0,0(01) %
bzw. 1
𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡 𝑛 𝑅 t = 1 − 𝐶𝑂𝑁𝐹 𝑛
1
𝑅 t = 1 − 𝐶𝑂𝑁𝐹 𝑛
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).
Beispiele:
CONF = 95 %
CONF = 90 %
CONF = 80 %
CONF = 50 %
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
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹 𝐿𝑏𝑉 ⋅𝑛
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:
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
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹 𝐿𝑏𝑉 ⋅𝑛
1
𝑙𝑛 𝑅 𝑡𝑆 = ⋅ 𝑙𝑛 1 − 𝐶𝑂𝑁𝐹
𝐿𝑏𝑉 ⋅ 𝑛
𝑙𝑛 1 − 𝐶𝑂𝑁𝐹
𝐿𝑏𝑉 ⋅ 𝑛 = → 𝐿𝑏𝑉 ⋅ 𝑛 = 13,1
𝑙𝑛 𝑅 𝑡𝑆
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
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:
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹 𝐿𝑏𝑉 ⋅𝑛
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%
Success Run
Ziel:
Möglich nur über Erhöhung der Anzahl der Prüflinge, um bei identischem (gefordertem) R(t)
n = n (CONF , R(t), x) nur in- situ numerisch oder grafisch oder mittels Tabellen zu lösen.
Success Run
Beispiel:
R(t) = 0,75
x=0
n=8
ergibt: CONF = 90%
FCONF
Nun: x = 2 Ausfälle
n=?
n = 20
Versuchsrelevanzmatrizen
Voraussetzung / Annahme: Kein Ausfall
𝐶𝑂𝑁𝐹 = 1 − 𝑅 𝑡𝑆 𝐿𝑏𝑉 ⋅𝑛
aus der Herleitung des Success Run
Nun: Verschiedene Tests mit jeweils einer unterschiedlichen Anzahl von Prüflingen
n = 20 n = 12 n=8
Versuchsrelevanzmatrizen
Ist es möglich, eine Gesamtmindestzuverlässigkeit zu errechnen?
Folgende Annahme eines Gesamtbildes:
3 verschiedene Schädigungen (1 Schädigungsart = 1 Zuverlässigkeitsverteilung nach Weibull)
3 verschiedene Tests (Beispiel)
………………………….
……………………………
Vibration
Korrosion
Versuchsrelevanzmatrizen
Matrixstruktur: Welcher Test trägt in welchem Umfang zu welcher Schädigung
bei?
Die Werte für Φi sind Erfahrungswerte mit einem Produkt und / oder einer Produktfamilie
Versuchsrelevanzmatrizen
Versuchsrelevanzmatrizen
Gesamtausfallwahrscheinlichkeit / Gesamtaussagewahrscheinlichkeit:
Der Beitrag einer Prüfung zur jeweiligen Schädigung Φi erfolgt über die Gewichtung der Prüfzeit
Lvi :
Lvi Φi x Lvi
Bzw.: 1
𝑅 𝑡𝑆 = 1 − 𝐶𝑂𝑁𝐹𝐺𝑒𝑠 𝜙𝑖⋅𝐿𝑉𝑖 𝑏 ⋅𝑛𝑖
Versuchsrelevanzmatrizen
Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
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)
Versuchsrelevanzmatrizen
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 %.
Versuchsrelevanzmatrizen
Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
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
0,927
Nachweisbare Mindestzuverlässigkeit R (t)
Versuchsrelevanzmatrizen
Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
Versuche n Lv
Versuchsrelevanzmatrizen
Versuchsrelevanzmatrizen
Beispiel:
Anzahl Versuche
Schadensart
LN-Faktor
Gesamt
physikalische
Mechanische
Schädigung
Schädigung
Schädigung
Chemisch –
Elektrische
Versuche
Versuche n Lv
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.
Prinzip:
Am „grünen“ Tisch identifizieren alle an der Entwicklung Beteiligten oder am
Fertigungsprozess Beteiligten möglicherweise auftretende Fehler und bewerten sie.
Risikoprioritätszahl RPZ = A x B x E
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
Prozess-FMEA Produkt-FMEA
Prozess- /
Name / Abteilung: Erstellt durch: Datum: Überarbeitet durch / am:
Produktname:
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.
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
% Entdeckung % Entdeckung
Entdeckungswahrscheinlichkeit
gem. QS-9000 interpoliert
2 99,92
3 99,85
>= 99,70
4 99,77
5 99,70
6 99,13
8 98,00
10 Unwahrscheinlich 10,00
Ishikawa Diagramm
Kaoru Ishikawa
Jahren.
Ishikawa Diagramm
Entwickelt wurde die FTA zur Bestimmung von Fehlerursachen und deren Wahrscheinlichkeiten
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
Transfair-Gatter(ein)
(Transfair gate (in)) Kleines Haus
Transfair-Gatter (aus)
(Transfair gate (aus)) Fault event
Beispiel:
Beispiel:
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.
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.
Seriell
Komponente A
überlebt
Komponente B
überlebt
Parallel
Komponente A
überlebt
Komponente B
überlebt
Systemausfall
Komponente C Alle anderen Pfade führen NICHT zum bei Ausfall
überlebt Ausfall des Systems ALLER
Komponenten
Komponente A
Komponente B
Komponente C
Komponente A
Komponente D
Komponente B
Komponente E
Komponente C
Komponente F Komponente G
Serienstruktur von 2
Subsystemen
Komponente F Komponente G
Serienstruktur von 2
Komponenten
Subsystem ABCDE
Subsystem FG