Zuverlässigkeitsanalyse

Zuverlässigkeit ist nach DIN 40041 die Fähigkeit einer Betrachtungseinheit (Baueinheit, System, Anlage, Prozess), geforderte Leistungsparameter während einer vorgegebenen Zeitspanne einzuhalten. Ihre Analyse erfolgt mit Methoden der Stochastik, insbesondere mit Hilfe von Verteilungsfunktionen für das Ausfallgeschehen.

Ihr Nutzen:

Zuverlässigkeitsanalysen liefern objektive, quantifizierte Qualitätsbewertungen Ihrer Technik. Das reale Betriebsverhalten der Technik wird für Sie transparenter, nicht zuletzt sind die erhaltenen Kennwerte auch Verkaufs- bzw. Kaufargumente.

Wichtige Zuverlässigkeitskenngrößen sind Mittelwert, Streuung, Variationskoeffizient, Median und andere Quantile, Konfidenzgrenzen sowie die Graphen von Verteilungsfunktion, Zuverlässigkeitsfunktion, Dichte und Ausfallrate einschließlich ihrer Konfidenzbänder.

Solche Kenngrößen sind auch die Basis für Ihre weitergehenden Produktbewertungen:

• Aufdeckung von Schwachstellen und Kostentreibern
• Überprüfung von Vorgaben in Lastenheften und Ausschreibungen
• Prognose des Zuverlässigkeitsverhaltens neuer Produkte
• Zuverlässigkeitsbewertung größerer Systeme (FMEA und FTA)
• Abschätzung der Restlebensdauer
• Nachweis von Eigenschaften zur Verfügbarkeit des Produkts
• Nachweis der erforderlichen Ersatzstückzahl
• Berechnung der Lebenszykluskosten (LCC)
• Effizienzuntersuchungen und Optimierung von Abläufen in der Instandhaltung

Zuverlässigkeit ist durch abgesicherte Informationen zu belegen. Die dafür erforderlichen Stichproben können Sie durch Anbindung unserer Analyse-Software an Datenbanken Ihres betrieblichen Informationsmanagements weitgehend automatisiert generieren.

Zuverlässigkeit verändert sich mit der Entwicklung des Produkts. Wir unterstützen Sie bei

• der standardisierten Dokumentation Ihrer Analyseergebnisse und
• dem Aufbau einer Kennwertebibliothek als Wissensbasis für Zuverlässigkeitsprognosen.

Vorgehensweise:

• Aufstellen einer Stichprobe, also Zusammen- stellung aller Ausfallzeiten und Gutläuferzeiten oder anderer Zensierungen
• Berechnung der empirischen Verteilungsfunktion oder einzelner empirischer Kennwerte wie Erwartungswert u.a.
• Statistische Modellierung des Ausfallgeschehens (zum Beispiel Weibullanalyse)
• Berechnung weiterer Kenngrößen (Ausfallrate, Konfidenzgrenzen, ...)
• Interpretation der Ergebnisse, gegebenenfalls Datenbereinigung und neue Analyse
• Aufbereitung der Ergebnisse

Ausgewählte Referenzen:

• Projekt "BestVal" und weitere Analysen zur Baureihenoptimierung, Deutsche Bahn AG, Produktbereich Fahrzeug TFE 5
• Projekt "Natur" (... Neue(r) AspekTe von ZUverlässigkeitsuntersuchungen für DRAM Speicherchips), Infineon AG
• Projekt "FXM" (Field eXperience Management), SIEMENS AG