想象一下，你的新車在行駛60英里后出現故障。發動機燈亮起，您的車輛現在必須被拖去維修。這不僅是一個保修問題，也是一個由于產品可靠性不足而導致的現場問題。可靠性的定義是指產品在一段時間內的質量，從統計學上講，它是指產品在規定時間內不發生故障的概率。

本文由Serhan Anac先生共同撰寫，他是六西格瑪認證黑帶和謝寧RedX大師。Serhan Anac是一位解決問題的專家，在土耳其羅伯特博世公司有11年的經驗。在領導客戶質量項目的同時，Serhan還參與了研發工作，因此他對可靠性、蒙特卡羅模擬和更多的分析工程方法很感興趣。作為一個統計學、數據科學和Minitab的愛好者，Serhan幫助他的組織改進流程，并找到日常制造問題的解決方案，因此他很樂意分享他的最佳實踐，以幫助其他質量專業人士學習和成長。

失敗的風險

像這樣的情況，原始設備制造商（OEM）會有過錯。然后，這些原始設備制造商（OEM）必須迅速找到根本原因，并確定其他仍在外地運營的車輛的風險，這樣他們就可以預測有多少額外的車輛會帶著同樣的問題回來，或者繼續行駛而完全沒有問題（也稱為幸存者）。最終如果風險足夠大，可能需要在該市場進行車輛召回。

一旦找到了失效的零件，就會確定未決的風險*，并開始計算給定時間段的概率。一般來說，壽命數據(如周期、里程、工作時間)往往不符合正態分布，所以建議采用Weibull分布模型模型進行可靠性分析，利用Minitab統計軟件進行預測。

在Minitab統計軟件中進行可靠性分析時，需要以下數據：

• 故障量
• 故障時的里程數
• 失效日期
• 不合格部件的生產日期
• 車輛登記日期
• 有關期間的產量

有了以上數據，我們就可以利用Minitab統計軟件提供分析所需的輸入。

仔細觀察數據

有42輛汽車因燃油噴射設備故障而在外地發生故障。這些故障是由原始設備制造商報告的。與生產的1 190萬個零件相比，這個數字較低，因為早期的故障，即嬰兒死亡，也有記錄。即使有些零件已經失效，但幸存者仍在現場工作。我們需要考慮幸存者的數量及其迄今的里程數。

運行可靠性分析

參數分布分析將幫助我們計算出有多少車輛可能出現故障。

有多少車輛可能會出現故障？

車輛平均每年行駛約45000公里。下表顯示的是45000公里之前和135000公里之前的估計累積概率。

生產了1190萬件。95%的置信度上限估計，最大的預期返修故障為0.0000037。因此，在100萬個零部件中，預期會出現3.7個故障。在1190萬輛汽車中，有44輛汽車可能發生故障。1190萬個零件x每百萬個零件3.7個=44個零件可能發生故障。已經有42輛車出現故障，預計有2輛車可能在45000公里以下出現退貨。原始設備制造商通常與零部件供應商簽訂了保修協議：在規定的時間內，零部件不得出現故障。

這種數據驅動的方法是有用的 。Minitab 統計軟件為計算產品的可靠性提供了廣泛的功能，其中一些功能在本例中進行了演示。

注：風險的確定既有定性的，也有定量的，但我們在本文中只關注定量方面。

Minitab是做質量分析的工具，不知道您是否有產品質量這方面的困擾呢？不妨試試產品質量分析及預測方案吧！點擊咨詢在線客服