如何通过维修数据预测未来备件数量
Date: January 11,2021
我们知道可靠性寿命数据分析是指研究和观测到的产品生命建模,通过数据分析结果,评估产品或关键部件现有真实可靠性水平,帮助明确产品设计可靠性目标,保障质量同时,极大地提高设计的效率,那么寿命数据分析除了在设计和质量发挥着重要作用外,在产品维修及售后的预算工作中可以有哪些帮助呢,今天我们用一个案例通过寿命分析软件——Weibull++来分析寿命数据对运营维护成本控制的意义。
案例分析
某知名航空运营维护公司,想要获取其管理的市场上某型号飞机未来12个月(服役4000h)内的某零部件需要更换的数量?该类型飞机共有500架,零部件为一次性消耗品。
虽然知道从2018年1月到10月共计拆换78个零部件和每个零部件已在飞机上的服役时间(包括损坏的和未破损的)等信息,但是问题来了:
第一每架飞机上该零部件的服役时间都不一样,如何统一计算?
第二类似的消耗品,如何计算它的寿命以预估备件情况?
那么如何计算不同使用寿命消耗品的备件数量,让我们使用寿命数据分析软件来分步骤处理试试。
第一步:数据处理
首先进行数据处理,总共78个被换下零部件看作失效数据,剩余422个服役和新换上的78个看作删失数据;每个零部件的寿命都统计在excel中,部分截图如下(F代表失效,S代表还在服役中):
第二步:数据分析
其次进行数据分析,到这里就需要寿命数据分析软件工具,数据分为失效数据和删失数据使用Weibull++处理,将以上结果输入到Weibull++的计算结果:
Weibull的双参数
12个月(4000h)内的失效率
但实际航空公司需要的是已服役的零部件在未来4000h的失效率,所以应该是条件概率
例如:已服役5105h的零部件在未来12个月(4000h)内的条件失效率:
数据分析采用Weibull++的寿命数据分析得到使用中零部件12个月内的失效率为0.01
第三步:数据结果
最后计算出数据结果,使用Weibull++的工具簿功能,将所有在服役的零部件统计于A列,利用内置条件失效概率函数,统一计算所有飞机上零部件,可以得到:目前服役零部件未来12个月(4000h)失效个数范围16(D列数据)到26根(E列数据),其中B列为C10的概率,C列为C90的概率,做加权后成为D1和E1,结果是可以准备的一年期备件数目为26根。
预测结果为零部件未来12个月(4000h)失效个数范围16到26个(考虑C90的上下限)
Weibull++ 寿命数据分析的标准软件
通过三步即可快速得出维修备件量,对备件成本控制有着非常大的意义,在航空运维中寿命分析发挥着非常关键的作用,在提高运维效率上就离不开寿命分析软件,ReliaSoft Weibull++是全球数千家公司寿命数据分析(Life Data Analysis)的行业标杆,该软件支持常用的数据类型和产品寿命周期分布。软件还提供了相关可靠性分析工具,如质量保证数据分析、退化数据分析、非参数数据分析、复发事件数据分析、可靠性测试设计和实验设计与分析(DOE)。