Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "ocena uszkodzeń" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Reliability analysis of the products subject to competing failure processes with unbalanced data
Oparta na niezbilansowanych danych analiza niezawodności produktów podlegających procesom powstawania uszkodzeń konkurujących
Autorzy:
Li, J.
Zhang, Y.
Wang, Z.
Fu, H.
Xiao, L.
Powiązania:
https://bibliotekanauki.pl/articles/1365849.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
reliability evaluation
competing failure model
unbalanced data
interval statistics
ocena niezawodności
model uszkodzeń konkurujących
dane niezbilansowane
statystyki przedziałowe
Opis:
Considering the degradation and catastrophic failure modes simultaneously, a general reliability analysis model was presented for the competing failure processes with unbalanced data. For the degradation process with highly unbalanced data, we developed a linear random-effects degradation model. The model parameters can be estimated based on a simple least square method. Furthermore, to fully utilize the degradation information, we considered the last measured times of the degradation units that had only one or two measured time points as zero-failure data or right-censored data of the catastrophic failure mode. Then the incomplete data set was composed of zero-failure data and catastrophic failure data. To analyze the incomplete data, the definition of the interval statistics was firstly given. The best linear unbiased parameter estimators of catastrophic failure were obtained based on the Gauss-Markov theorem. Then, the reliability function of the competing failure processes was given. The corresponding two-sided confidence intervals of the reliability were obtained based on a bootstrap procedure. Finally, a practical application case was examined by applying the proposed method and the results demonstrated its validity and reasonability.
W pracy przedstawiono ogólny model analizy niezawodności procesów związanych z powstawaniem uszkodzeń konkurujących, który pozwala na wykorzystanie danych niezbilansowanych oraz umożliwia jednoczesne uwzględnienie uszkodzeń wynikających z obniżenia charakterystyk i uszkodzeń katastroficznych. Opracowano liniowy model efektów losowych dla procesu degradacji o wysoce niezbilansowanych danych. Parametry tego modelu można określić na podstawie prostej metody najmniejszych kwadratów. Ponadto, aby w pełni wykorzystać informacje dotyczące obniżenia charakterystyk, dane pochodzące z ostatniego pomiaru jednostek podlegających degradacji, dla których przeprowadzono tylko jeden lub dwa pomiary, rozpatrywano jako dane o zerowym uszkodzeniu lub jako ucięte prawostronnie dane dotyczące uszkodzenia katastroficznego. W ten sposób otrzymano zbiór niepełnych danych składający się z danych o uszkodzeniach zerowych oraz danych o uszkodzeniach katastroficznych. Aby móc przeanalizować uzyskane niepełne dane, podano definicję statystyki przedziałowej. Najefektywniejszy nieobciążony estymator liniowy (BLUE) parametrów uszkodzeń katastroficznych uzyskano na podstawie twierdzenia Gaussa-Markowa. Następnie, podano wzór funkcji niezawodności procesów związanych z powstawaniem uszkodzeń konkurujących. Odpowiednie dwustronne przedziały ufności dla oszacowanej niezawodności uzyskano metodą bootstrapową. Na koniec, przedstawiono przypadek praktycznego zastosowania proponowanej metody, którego wyniki wykazały jej trafność i zasadność.
Źródło:
Eksploatacja i Niezawodność; 2016, 18, 1; 98-109
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Incorporating product robustness level in field return rate predictions
Przewidywanie rzeczywistego wskaźnika zwrotów towaru z uwzględnieniem poziomu odporności produktu
Autorzy:
Tekcan, A. T.
Kahramanoglu, G.
Gündüzalp, M.
Powiązania:
https://bibliotekanauki.pl/articles/301917.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
ocena niezawodności i wskaźnika zwrotów produktu
sztuczne sieci neuronowe
definiowanie rożnych typów uszkodzeń
poziom dojrzałości produktu
poziom odporności produktu
awarie w warunkach rzeczywistych
badania na poziomie produktu
badania na poziomie płyty testowej
jakość konstrukcyjna
reliability and return rate estimation
artificial neural networks
defining different failure types
product maturity level
product robustness level
field failures
product level testing
board level testing
design quality
Opis:
Reliability and return rate prediction of products are traditionally achieved by using stress based standards and/or applying accelerated life tests. But frequently, predicted reliability and return rate values by using these methods differ from the field values. The primary reason for this is that products do not only fail due to the stress factors mentioned in the standards and/or used in accelerated life tests. There are additional failure factors, such as ESD, thermal shocks, voltage dips, interruptions and variations, quality factors, etc. These factors should also be considered in some way when predictions are made during the R&D phase. Therefore, a method should be used which considers such factors, thus increasing the accuracy of the reliability and return rate prediction. In this paper, we developed a parameter, which we call Robustness Level Factor, to incorporate such factors, and then we combined this parameter with traditional reliability prediction methods. Specifically, the approach takes into account qualitative reliability tests performed during the R&D stage and combines them with life tests by using Artificial Neural Networks (ANN). As a result, the approach gives more accurate predictions compared with traditional prediction methods. With this prediction model, we believe that analysts can determine the reliability and return rate of their products more accurately.
Niezawodność i wskaźniki zwrotów towaru przewiduje się tradycyjnie przy użyciu norm obciążeniowych i/lub stosując przyspieszone badania trwałości. Jednakże, często wartości niezawodności i wskaźnika zwrotów przewidywane za pomocą tych metod różnią się od ich wartości rzeczywistych. Główną tego przyczyną jest fakt, że produkty nie ulegają awarii wyłącznie pod wpływem czynników obciążeniowych wymienianych w normach i/lub wykorzystywanych w przyspieszonych badaniach trwałości. Istnieją dodatkowe czynniki wpływające na intensywność uszkodzeń, takie jak wyładowania elektrostatyczne, wstrząsy termiczne, spadki, przerwy w dostawie i zmiany napięcia, czynniki jakościowe, itp. Te czynniki także powinny być w jakiś sposób uwzględnione przy dokonywaniu predykcji na etapie badań i rozwoju (R&D). Dlatego też zwiększenie trafności predykcji niezawodności i wskaźników zwrotów towaru wymaga metody, która uwzględniałaby tego typu czynniki. W niniejszej pracy opracowaliśmy parametr, nazwany przez nas "czynnikiem poziomu odporności", który pozwala na uwzględnienie takich czynników, a następnie wykorzystaliśmy ów parametr w połączeniu z tradycyjnymi metodami przewidywania niezawodności. W szczególności, przedstawione podejście bierze pod uwagę jakościowe badania niezawodnościowe wykonywane na etapie R&D łącząc je z badaniami trwałościowymi przy użyciu sztucznych sieci neuronowych ANN. Dzięki temu, w podejściu tym uzyskuje się bardziej trafne predykcje niż w tradycyjnych metodach prognozowania. Jesteśmy przekonani, że użycie powyższego modelu predykcyjnego umożliwi analitykom bardziej trafne wyznaczanie niezawodności oraz wskaźników zwrotów wytwarzanych przez nich produktów.
Źródło:
Eksploatacja i Niezawodność; 2012, 14, 4; 327-332
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies