|
可靠性是一個在產品的設計、制造和使用的每個環節中都存在的問題。簡單地說，所謂可靠性就是產品不易發生故障的程度。眾所周知，產品在出廠檢驗時通常都是合格的，但是隨著時間的推移，產品的功能和性能會漸漸發生變化，最終導致故障的發生。雖然這一趨勢無法改變，但設計、制造出在指定時間內不出現故障的產品卻是企業和消費者都關心的話題。遠到二戰早期美軍戰斗機頻頻發生的通信故障，近到今年3·15期間屢屢曝光的某品牌筆記本電腦的質量問題，究其實質，都是產品可靠性不過關惹的禍。合理應用可靠性分析，可以幫助研發、工程、質量等部門的技術人員提高產品質量的穩定性，降低產品全壽命周期費用和售后服務成本，改善顧客的滿意度和忠誠度。 令人不解的是，很多企業已經意識到可靠性分析的重要性，卻依然在刻意地回避可靠性分析，這是為什么呢?原因很多，其中的一個主要原因是因為一般企業覺得常規的統計質量管理已經夠復雜了，而可靠性的研究還需要用到許多更高深的統計學知識，這對于沒有經過正規統計方法培訓的人來說，會讓人望而生畏，這在客觀上大大限制了可靠性方法在企業的推廣。 筆者嘗試過用不同軟件進行可靠性分析，SAS公司的高端六西格瑪軟件JMP是其中之一， 其交互式可視化分析的特點在可靠性方面也有很好的體現。下面以一個典型的實例來看看如何用JMP做可靠性分析。 例： 某公司為了對一個電子產品進行可靠性分析，收集了一批該產品的使用壽命數據(如圖一所示，當“刪失”=0時表示“時間”是精確的失效時間，當“刪失”=1時表示精確的失效時間不詳，但肯定大于“時間”所顯示的數值)。在這組具有代表性的數據下，我們來研究一下該產品的失效特性如何?當失效概率為90%時，該產品的可靠壽命是多少? 圖一 可靠性試驗原始數據表(部分) 按照可靠性方法的理論，要解決這兩個問題，需要首先解決一個基本問題：這組壽命數據是服從什么分布的?實在地講，這不是一個容易解決的問題，得一個一個分布地去嘗試、去比較、去驗證，什么威布爾Weibull分布啊，對數正態分布啊，指數分布啊，等等，少說也有十幾種。而一般質量工程師一聽這些專業的統計學名詞就犯暈，而且由于壽命數據中又含有“刪失”特性，判斷起來就更復雜了，通常需要通過一系列冗長的統計分析報表和統計指標去判斷。 筆者在用JMP軟件做分析的時候，發現JMP中有一條命令叫“擬合所有分布”，它可以在幾秒鐘的時間內對所有常規的可靠性分布逐一擬合，然后自動篩選出最佳的分布擬合。比如在下圖中，“對數正態”分布就是JMP在快速比較所有壽命分布后找到的最佳分布。如果不太懂統計學原理，只想直觀地看一看這個分布長什么樣的話，就看圖上那個紅色曲線及其周邊粉紅色的置信區間帶;如果對統計學原理比較懂，想深入了解統計學上的判別依據，還可以看下面那個“模型擬合”表格中的相關指標。總之，可以各取所需，完成最基本的分布模型識別的任務。 圖二 可靠性分布模型比較的可視化展示 此外，在獲得最佳擬合分布的同時，與該產品質量相關的各種可靠性特征(如可靠壽命、失效概率、失效概率密度、故障率等等)也可以用圖形化方式來表現。比如在下圖中，“分布刻畫器”和“分位數刻畫器”都顯示了失效概率與產品壽命之間的關系(兩者的主要差別是X軸和Y軸所代表的變量正好相反)，“危險率刻畫器”顯示的是危險率(即通常所說的Hazard Rate)隨產品壽命的變化而產生變化的規律(這可以用來實現可靠性理論中最著名的“浴盆曲線”)，“密度刻畫器”顯示的是失效概率密度隨產品壽命的變化而產生變化的規律。 圖三 可靠性分析中主要特征變量的刻畫器 利用這些圖形就可以形象地解釋第一個問題“該產品的失效特性如何?”了。現在我們來回答第二個問題“當失效概率為90%時，該產品的可靠壽命是多少?”在“分位數刻畫器”的X軸上輸入“0.9”，就可以在Y軸上得到紅色數值“412.0117”和藍色數值“[278.675,609.146]”，表明此時的可靠壽命應該是412.0117，其置信區間應該是[278.675,609.146]。 關于可靠性分析的內容還有很多，比如加速壽命分析、壽命數據的回歸分析和可維修性分析等等。這些在JMP軟件中都有對應的圖形化智能分析平臺，一個很直接的好處是可以讓非統計專業背景的工程師迅速跨越統計學的壁壘，直接進行技術問題的分析和研究，進而提升產品的可靠性，降低顧客投訴率以及售后服務成本。 |
