如何通过维修数据预测未来备件数量

　　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)。