החלפת נתונים של כשל לשיפור מתמיד במערכות הנדסה

בנוף ההנדסה המודרנית, הכישלון אינו רק מכשול להתגבר עליו – זהו מקור קריטי לאינטליגנציה שמניעה חדשנות, אמינות ומצוינות תפעולית.נתוני הכישלון של פריטים מספקים מידע יקר ערך לאנשי מקצוע וניהול כאחד. ארגונים שאוספים באופן שיטתי, מנתחים ופועלים על כישלונות נתונים עצמם כדי להשיג שיפור מתמשך במערכות ההנדסה שלהם, מה שהופך את הסטיות ליתרונות אסטרטגיים.

ניתוח כשל הוא תהליך איסוף וניתוח נתונים של כשל, בדרך כלל לזהות את שורש הבעיה / השבר של הנכס. גישה מקיפה זו מאפשרת לצוותים הנדסיים להבין לא רק מה נכשל, אלא גם מדוע נכשל, מתי נכשל, וכמה כישלונות דומים ניתן למנוע בעתיד.

הערך האסטרטגי של כשל נתונים במערכות הנדסה

הנדסה של אמינות היא תחום של מחקר העוסק בהערכה, מניעה וניהול של כישלונות על ידי שילוב סטטיסטיקות, ניתוח סיכונים ופיסיקה. בבסיסה, משמעת זו מכירה כי כל מערכות ההנדסה בסופו של דבר יחוו כישלונות, מה שהופך את האוסף וניתוח של נתונים כשלים חיוני לניהול מחזורי חיים מערכת ופחתת סיכונים הקשורים.

כמות המאמץ הקשור לאמינות, שמונח במהלך עיצוב וייצור של מוצר, בדרך כלל עולה על ידי נתוני הכישלון שלו.זה אומר שנתוני הכישלון משמשים כמדד ישיר של איכות המוצר ויעילות עיצוב, מתן משוב שיכול להודיע מחזורי פיתוח עתידיים ותהליכי ייצור.

מדוע נתונים נכשלים חשובים

מידע זה יכול לשמש לשיפור עיצוב מכונה / שיתוף פעולה, להתאים את לוח הזמנים של תחזוקה ולשפר את תהליכי תחזוקה בסופו של דבר, המטרה שלה היא לשפר את האמינות הנכס.הערך האסטרטגי של נתונים של כשל משתרע על פני ממדים מרובים של פעולות הנדסיות:

(ב) ,0) אופטימיזציה של עיצוב: תבניות של כישלון 1:1 חשפו חולשות עיצוב שניתן לטפל בהן בעתיד
תכנון שימור:0 (FLT:1) שיטות הבנת כישלונות מאפשר אסטרטגיות יעילות יותר של תחזוקה מונעת
(ב) ניכוי:0) ניכוי: 1 (FLT:1 מניעת תקלות מפחיתה את זמן השבת, עלויות התיקון ושיבושים תפעוליים
(ב) ⁇ (ב"ה) ,0) שיפור בטיחותי: 1 , זיהוי מצבי כישלונ קריטי מגן על אנשי צוות וציוד
(FLT:0) ,regulatory Compliance:FLT:1) ניתוח כישלונות מתיעוד תומך בציות לתקני התעשייה ולתקנות

הנדסה של אמינות משמשת לעתים קרובות עבור מערכות בעלות חשיבות בטיחות קריטית (כגון בתעשייה הגרעינית), או במערכות שהן רבות (כגון כלי רכב או אלקטרוניקה) שבו העלות של בעיות אמינות ציצי יכול להיות יקר מאוד.

הבנת נתונים: סוגים, מקורות ושיטות איסוף

ניתוח כישלונות יעיל מתחיל עם איסוף נתונים מקיף.איכות ושלמות של נתונים כישלונות משפיעים ישירות על התובנות שניתן להשיג והשיפורים שניתן ליישם.

סוגי נתונים של כשל

נתוני אמינות מסורתיים מורכבים מתקופות כשלונות עבור יחידות אשר נכשלו ורץ פעמים עבור יחידות שלא נכשלו.עם זאת, איסוף נתונים מודרני התפתח באופן משמעותי מעבר למדדים בסיסיים אלה.

כיום ניתן להתקין חיישנים וצ'יפס חכמים במוצר כדי למדוד ולרשום את נתוני השימוש בתעריף / נתונים עתיריים על חיי המוצר.בנוסף ל-Time series להשתמש בנתוני קצב / התחדשות, אנו יכולים גם לצפות לראות התפתחויות נוספות בחיישנים שיספקו מידע, באותו קצב, על השפלה או אינדיקטורים של כשל בולט.

מקורות נתונים ראשוניים

ניתן לאסוף נתונים של כשל ממקורות מרובים לאורך מחזור החיים של המערכת:

(ב) ,0) ,התמ"ג: 1FLT: מסמך של תיקונים, החלפתם והתערבות שירות
(FLT:0)Sensor Readings:FLT:1 בזמן אמת נתונים ניטור של חיישנים מוטבעים ומכשירי IoT
(ב) ,0) דיווחים: FLT:1, כולל נסיבות והשפעות
(FLT:0) בחינת נתונים: 1FLT 1 תוצאות הערכה רגילות ותוצאות מעקב מצב
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
תוצאות חיפוש > 0 (FLT:0) תוצאות: 1.10 נתונים מבדיקות חיים מואצות ותכניות בדיקות אמינות
(ב) [15] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

יישום FRACAS עבור איסוף נתונים שיטתי

כדי להשיג מטרה זו יש להשתמש במערכת תוכנה מיוחדת בשם FRACAS (דוחת Failure, ניתוח ופעולות תיקון מערכת). FRACAS מייצגת גישה מובנת לניהול נתונים כישלונות שיוצרת מערכת משוב סגורה.

דוח על כשל, ניתוח ומערכת פעולה תיקון (FRACAS) הוא מסלול משוב סגור-פרלופ שבו המשתמשים עובדים יחד עם ספקים לאסוף, להקליט ולנתח את כשלי החומרה והתוכנה. גישה שיטתית זו מבטיחה כי נתונים של כשלים לא רק נאספים אלא גם לנתח ולפעול על ידי יצירת מחזור שיפור מתמשך.

מומחי ALD FRACAS הקימו את הליך איסוף הנתונים של כשלים המגדיר את סוגי הנתונים הקריטיים ביותר לכל שלב במחזור חיי המוצר ולהבטיח את העיבוד המקיף המוביל לפעולה תיקון ותחזוקה מונעת.

שיטות אנליטיות לכשלון דפוס הכרה

הרבה הנדסת אמינות כוללת ניתוח של נתונים (כגון זמן לנתוני כישלון), כדי לחשוף את הדפוסים כיצד מתרחשים כשלונות.לאחר איסוף נתוני הכישלון, טכניקות אנליטיות שונות ניתן ליישם כדי להפיק תובנות משמעותיות ולזהות דפוסים הניתנים לפעולה.

שיטות ניתוח סטטיסטי

שיטות לניתוח נתונים כגון צנזורה נכונה (סבירות לא פרמטרית וסבירות מקסימלית) פותחו בשנות החמישים וה-60 והפכו לידועים ביותר סטטיסטיקאים עד שנות ה-70. שיטות יסוד אלה ממשיכות לשמש כבסיס לניתוח אמינות מודרני.

Weibull Analysis and Distribution Fitting

קהילה של מהנדסים כבר מזמן את מה שנקרא "ניתוח Weibull", אשר מרמז על חלוקת Weibull נתונים כישלונות.אבל ההפצה של Weibull אינה תמיד ההפצה המתאימה לשימוש, ותוכנה מודרנית מאפשרת להתאים מספר של התפלגות parametric שונה.הרוב המכריע של יישומים באמינות, עם זאת, להשתמש ב- Weibull או הפצה נורמלית.

הכלי הפופולרי ביותר לניתוח נתונים לחיים הוא העלילה ההסתברותית, המשמש להערכת טוב ההפצה של התאמה, לזהות את האנומליות של נתונים, ולהציג את התוצאות של התפלגות parametric מתאימה.כלי חזותי אלה מסייעים למהנדסים לזהות במהירות אם נתונים כישלונות עוקבים אחר דפוסים צפויים או לחשוף את האנומליות הדורשות חקירה נוספת.

ניתוח Trend Analysis

ניתוח מגמה Accurate הוא אחד התוצאות החשובות ביותר של ניתוח זמן מוגדר היטב של תבניות מחסור מאפשר להגדיר מגמות כישלון אפשריות, ולבסוף לתרום למניעת תקלות ופעילויות תחזוקה מיותרות.

ניתוח מגמות בוחן נתונים של כשל לאורך זמן כדי לזהות:

עלייה או ירידה בשיעורי הכשל
תבניות עונתיות או מחזוריות
שחיתות בין תנאי הפעלה וכישלונות
אינדיקטורים מוקדמים של הידרדרות במערכת
יעילות של פעולות נכונות

ניתוח שורש (RCA)

מלבד תחזוקה שגרתית, זיהוי שורש גורם - וחיסולם - היא הדרך הטובה ביותר לשמור על התמוטטות במפרץ. Root לגרום ניתוח גורם עובר מעבר לזיהוי סימפטומים כדי לחשוף את הסיבות הבסיסיות מדוע כישלונות מתרחשים.

במקרים רבים, כשלי מכונה הם ביטויים ברמה פני השטח של בעיות עמוקות שלא טופלו בזמן.לפעמים, שילוב של גורמים שונים מוביל להתמוטטות בלתי צפויה.מורכבות זו דורשת שיטות חקירה שיטתיות שיכולות לעקוב אחר שרשרת כשלים חזרה למקורם.

טכניקות RCA

5 מדוע:5 מדוע: 1:1 שואל באופן רצוני "למה" לקדוח שורש
(ב) מיפוי חזותי של קטגוריות אפשריות
(ב) [15] ,ב"ה, ]]: "[[1924]]]]"
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ,0) , אנליזה של עץ: 1FLT: 1

ניתוח עץ Fault Tree Analysis (FTA)

עץ Fault הוא אחד השיטות הנפוצות ביותר באמינות המערכת וניתוח הסתברות כשלון. עץ Fault הוא ייצוג גרפי של אירועים במבנה היררכי, דמוי עץ.זה משמש כדי לקבוע שילובים שונים של חומרה, תוכנה, וכשלונות אנושיים שיכולים לגרום לסיכון או כשל מערכת מוגדר.

ניתוח עץ Fault עושה שימוש במערכות יחסים לוגיות בוזקות כדי לזהות את שורש הכישלון.זה מנסה מודל כיצד כשל מתפשט דרך מערכת.זה עוזר מהנדסי אמינות ליצור מערכות מוגדרות היטב עם אדמוניות נאותה שבו כשלים רכיב לא תמיד מקלות על כישלונות מערכתיים.

Reliability Metrics ו- Key Performance Indexs

הנדסה של אחריות מורכבת משיפור ההסתברות של כשל של רכיבים שונים, ניתוח מצבי כשל רכיב ובדיקה של האופן שבו הם יכולים להוביל לכישלון השירות המסופק על ידי מערכת. mtrics ניתחו כוללים זמן ממוצע לכישלון (MTTF), כלומר זמן לתקן (MT) ו- MTBF (זמן בין כישלונות).

מדדים אלה מספקים אמצעים ניתנים לכמת של ביצועי המערכת:

(FLT:0)MTBF (זמן בין כשלים): זמן תפעולי ממוצע בין כישלונות
(הראשונה לכשלון) ,0)10 (זמן לכישלון): חליל 1 (הראשונה לכשל)
(הופנה מהדף LT:0)01 (זמן תיקון): זמן ממוצע נדרש לשחזר פונקציונליות
(ב) ⁇ :0) ,% 1 של זמן המערכת היא תפעולית וגישה
שיעור הכשלים (FLT:0)
(ב) ⁇ :0) אחריות: 1 (ב) הסתברות של פעולה מוצלחת על פני תקופה מוגדרת

מצב ואפקטים ניתוח (FMEA): גישה פרואקטיבית

ניתוח מצב ואפקטים (FMEA), שפותח על ידי צבא ארה"ב בשנות ה-40, הוא גישה שיטתית, צעד אחר צעד לזהות ולקדם את הכשלים האפשריים בתהליך עיצוב, ייצור או ייצור, מוצר או שירות.זהו כלי ניתוח סיכון משותף.

הבנה של FMEA Fundamentals

"מצב של מחסור" פירושו הדרך, או מצב שבו משהו עלול להיכשל.כישלונות הם שגיאות או פגמים, במיוחד אלה המשפיעים על הלקוח, ויכולים להיות פוטנציאל או בפועל. "ניתוחי חרקים" מתייחס לבחינת ההשלכות של כישלונות אלה.

ניתוח מצבי כישלון ואפקטים (FMEA; לעתים קרובות נכתב עם "מצבי תיקון" בפלורלי) הוא תהליך של סקירה כמו רכיבים רבים, אסיפות, ומערכת משנה ככל האפשר כדי לזהות מצבי כישלונ פוטנציאליים במערכת וסיבותיהם ואפקטים שלהם.

סוגים של FMEA

ניתן להשתמש ב- FMEA בעיצוב (עיצוב FMEA, או DFMEA) כדי למנוע כישלונות מאוחר יותר, זה יכול לשמש עבור בקרת תהליכים (מעבד FMEA, או PFMEA), כמו גם לפני ובמהלך פעולות מתמשך.

עיצוב FMEA (DFMEA)

עיצוב FMEA מתייחס לאופן שבו מערכת, מוצר או שירות היה מושג.כפי שהשם מרמז, DFMEA מתמקדת בפן העיצוב של תהליך התפתחותי.זה מועיל בעיקר בבדיקת רעיונות חדשים של מוצרים לפני הצגתם לתרחישים אמיתיים.

מעבד FMEA (PFMEA)

האופי של PFMEA שונה במקצת כפי שהוא נראה לתהליכים והליכים הנוכחיים כי ארגון כבר פועל.PFMEA בדרך כלל יתייחס לכישלונות פוטנציאליים שיכולים להיות השפעות משמעותיות על פעולות רגילות. כמה דוגמאות של השפעות עסקיות הן דוכני תהליכים, שגיאות אנושיות, וסיכון סביבתי ובטיחות.

בשל אופיו, PFMEA יכול להתבצע ביעילות רבה יותר כאשר נתונים היסטוריים זמינים.זה הופך את PFMEA בעל ערך במיוחד עבור ניצול נתונים קיימים של כשל כדי לשפר את הפעילות המתמשכת.

תהליך FMEA

בנו צוות: להרכיב צוות רב תחומי, חוצה-תפקודי של אנשים עם ידע מגוון על התהליך, המוצר או השירות, כמו גם צרכי הלקוחות.האופי המשותף של FMEA מבטיח כי נקודות מבט מרובות נחשבות כאשר מזהים מצבי כישלונ פוטנציאליים.

תהליך FMEA בדרך כלל עוקב אחר השלבים העיקריים:

(ב) ,0) ,המערכת ותפקידיה של נפת' 1
(ב) ,0) ,החזקו את מצבי הכשל הפוטנציאליים
(ב) תוצאות של כשלון (FLT)
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ,0) ,1 ,5 ,
(ב) ,0) ,(התרחשות)
(ב) ,0) ,7
(ב) ,0) , ⁇ מספר עדיפות סיכון (RPN)
(ב) ,0) , ⁇ ומימוש פעולות תקנת:
(ב) ,0) , לאחר שיפור

שיעור הסיכון (RPN) Calculation

חומרת שיעור: לקבוע כמה רציני כל אפקט הוא.זה דירוג החומרה (S) בדרך כלל מדורג בקנה מידה בין 1 ל 10: אחד הוא חסר משמעות ו 10 הוא קטסטרופלי.

ה-RPN הוא פשוט המוצר של החומרה, המופע ודירוגי זיהוי: RPN = דירוג גבוה x Occurrence דירוג X Detection

ערך ה-RPN נותן אינדיקטור של הסיכון העיצובי, ובדרך כלל, הפריטים עם דירוגי RPN וחומרת החומרה הגבוהים ביותר צריכים להיות שיקול ראשון.העדיפות הזו מבטיחה כי משאבים מוקצה כדי לטפל בכישלונות הפוטנציאליים הקריטיים ביותר.

היתרונות והיישומים של FMEA

זה יכול לתרום לשיפור עיצובים למוצרים ולתהליכים, וכתוצאה מכך אמינות גבוהה יותר, איכות טובה יותר, בטיחות מוגברת, שביעות רצון לקוחות מוגברת ועלויות מופחתות.

FMEA גם מתעדת ידע ופעולות נוכחיות לגבי הסיכונים של כשלים לשימוש עבור מאמצי שיפור מתמיד.התיעוד הזה יוצר בסיס ידע ארגוני שיכול ליידע פרויקטים עתידיים לשרת כמשאב אימונים.

למרות שפותחה בתחילה על ידי הצבא, מתודולוגיה FMEA משמשת כיום נרחב במגוון תעשיות כולל עיבוד למחצה, שירות מזון, פלסטיק, תוכנה ובריאות.

חיזוי אמינות וכישלון קלקולציה

ניתוח חיזוי אמינות הוא אחת הטכניקות העיקריות המשמשות בתחום ההנדסה האמינות כדי לחשב את שיעור הכישלון הצפוי של מערכת אלקטרו-מכנית.לעתים נקרא MT AnalysisBF, חיזוי אמינות הוא כלי שימושי להערכת אמינות המערכת.

עיצוב ב Reliability

יתרון משמעותי אחד של חיזוי אחריות הוא כי זה מאפשר לך לעצב באמינות. כי הניתוח הוא חיזוי וניתן לעשות בשלב עיצוב המוצר, אתה יכול לעשות תיקונים לפני הייצור כדי להבטיח שהמוצר שלך יפגוש את מטרות האמינות שלך.

חיזוי יעילות

סטנדרטים של חיזוי אחריות מגדירים את השיטות הסטטיסטיות המשמשות להערכת שיעור הכשלונות.יש מספר תקני חיזוי אחריות בשימוש כיום, כולל MIL-HDBK-217, Telcordia SR-332 (לשעבר בלקור), 217Plus, IEC 61709, SN 29500, WC מכני, ANSI/VITA 51.1, ו-GJB/z 299.

מערכת כשל משקל

במקרה הפשוט ביותר, שיעור כשל המערכת הכולל הוא סכום כל שיעורי הכשלים של הרכיב.זהו המקרה האופייני לתחזיות אמינות מבוססות MIL-HDBK-217.

אחת הדרכים הנפוצות ביותר להתאים את שיעורי הכשל, המוגדרות בתקני החיזוי התלקולדיה ו 217Plus Reliability, היא להגביר את הערכת הכשלים של חיזוי אמינות עם נתוני מעבדה או נתונים המבוססים על שדה. מידע נוסף בעולם האמיתי יכול לעזור לחדד את ההערכות כדי לשקף ביצועים של מוצר אמיתי.

יישום שיפור מתמשך מבוסס על כשל נתונים

הערך האולטימטיבי של נתוני הכישלון אינו באוסף או בניתוח שלו, אלא בשיפורים שהוא מאפשר לארגונים לקבוע תהליכים שיטתיים לתרגום תובנות כישלונות לשיפורים הניתנים להפעלה.

פיתוח פעולה מתוקן

המומחים שלנו יסייעו לך בהגדרה של פעולות היערכות המבוססות על נתוני ההנדסה שנאספו.היתרונות של יישום מוקדם של פעולה תיקון הופכת לברור גם ליצרן כמקרים של כשלים יורדים בקו הייצור ובשדה.

קביעת רצף פעולה מתאים לתיקון היא אחת המטרות העיקריות של איסוף נתונים של כישלונות. פעולות תיקון יעילות להתמודד עם שורש סיבות ולא סימפטומים, מניעת הישנות ולא רק תיקון כישלונות בודדים.

אסטרטגיות תחזוקה מונעת וחיזוי

ניתוח נתונים של כשל מאפשר לארגונים לעבור מפעולות הפעלה מחדש לגישות תחזוקה אקטיביות:

תחזוקה מונעת

תחזוקה מונעת כוללת התערבות מתוכננת המבוססת על זמן, שימוש או סף מצב שזוהו באמצעות ניתוח נתונים כישלונות.על ידי הבנת דפוסי כשל טיפוסי וקווי זמן, ארגונים יכולים לבצע תחזוקה לפני שכשלונות מתרחשים, צמצום זמן השבתה בלתי מתוכנן והגדלת חיי הנכסים.

תחזוקה חיזוי

ביישומים מסוימים (למשל, מנועי מטוסים וחילופי כוח), נתוני מערכת בריאות / שימוש / קצב / נתונים עתיריים מ צי של מוצרים בתחום ניתן להחזיר למיקום מרכזי עבור ניטור בזמן אמת, ובמיוחד למטרות פרוגנוסטיות.סימן מתאים בנתונים אלה עשוי לעורר פעולה מהירה כדי למנוע כשל מערכת רציני (למשל, על ידי צמצום העומס על פני טרנספורמציה לא בריאה).

תחזוקה חיזויית מממנת ניטור בזמן אמת וניתוח מתקדם כדי לחזות מתי הכשלונות צפויים להתרחש, המאפשרת התערבות בזמן-מה רק כי למקסם את זמינות הציוד תוך צמצום עלויות תחזוקה.

שינויים בעיצוב ושינויים הנדסיים

נתונים של כשל לעתים קרובות חושפים חולשות עיצוב שניתן לטפל בהם באמצעות שינויים הנדסיים.השיפורים האלה עשויים לכלול:

(ב) ⁇ :0) בחירת אוויר: 1FLT: בחירת חומרים עמידים יותר או מתאימים המבוססים על ניתוח כשל
(ב) ,0) עיצוב מחדש של ה-FLT:1, מרכיבים בעלי כישלונ גבוה
(FLT:0) יישום מחדש: FLT:1 , הוספת מערכות גיבוי לפונקציות קריטיות
(ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

שיפור נוהל תפעול

כישלונות רבים נובעים מגורמים תפעוליים ולא פגמים בעיצובים טעונים.נתוני כישלון יכולים להנחות שיפורים:

נהלים תפעוליים והוראות עבודה
תוכניות הכשרה למפעילים ולאנשי תחזוקה
פרוטוקולי בטיחות ותהליכי תגובה חירום
בקרת איכות ותהליכי בדיקה
בקרת הסביבה והגבלות מצב תפעול

עקבו אחרי Feedback Loops

איסוף נתונים של כישלונות בזמן, הקלטה ועיבוד הנתמכות על ידי תוכנת ALD מסייע למנוע כישלונות לחזור על מנת לפשט ולצמצם את משימות התחזוקה.

שיפור מתמשך יעיל דורש ניטור מתמשך כדי לאמת שינויים מיושמים להשיג תוצאות הרצויות.זה כולל:

מעקב אחר שיעורי הכשל לפני ואחרי שיפורים
ניטור אינדיקטורים ביצועי מפתח (KPIs) הקשורים לאמינות
ביצוע ביקורות תקופתיות של מגמות נתונים כישלונות
התאמת אסטרטגיות המבוססות על דפוסי כישלון חדשים
שיעורים משותפים למדו ברחבי הארגון

שיטות ניתוח נתונים מתקדמות

ניתוח נתונים

בעוד שביקרתי במעבדות בל בשנות ה-70 וה-80 המאוחרות, התחלתי לראות מהנדסים באפליקציות של טלקומוניקציה אוספים את מה שציפינו "נתוני השמדה" במקרים מסוימים מהנדסים מקליטים את ההשפלה כתגובה הטבעית, אך הפניתי את התגובות לנתונים של כישלונות לניתוח (בעיקר בגלל שכל ספרי הלימוד והתוכנה באותה עת טופלו רק עם נתוני הניתוח).

כיום המונח "דהגרדציה" מתייחס להשפלה של ביצועים (למשל, פלט אור מ LED) או מידה מסוימת של השפלה כימית אמיתית (למשל, ריכוז של תרכובת כימית מזיקה). A Analysis Patterns מאפשר למהנדסים לחזות כישלונות לפני שהם מתרחשים, במיוחד יקר עבור מערכות אמינות גבוהה שבו כישלונות בפועל הם נדירים.

המונחים: כשלון ניתוח

דו"ח זה מציג מסגרת להכללת ההשפעה של כשלים נפוצים בהערכה לסיכון ואמינות.התוצאה המשותפת מוגדרת כהפחתה של כישלונות תלויים בהם גורמים אינם נכללים במפורש במודל הלוגיקה כאירועים בסיסיים.

המסגרת כוללת ארבעה שלבים עיקריים: (1) פיתוח מודל לוגיקה מערכת; (2) זיהוי של קבוצות Common Cause Component; (3) Common Cause Modeling and Data Analysis; ו (4) מערכת Quantification ופרשנות של תוצאות.המסגרת והשיטות שנידונו לביצוע השלבים השונים של הניתוח תובנות שהתקבלו מהערכות הנדסיות של המערכת והראיות ההיסטוריות מאירועים רבים של כשלים לתוך ניתוח שיטתי, הדדי, ומדכאי, נית, ומדורגנת.

Multi-State System Analysis

מערכות הנדסיות רבות אינן קיימות רק במדינות "עובדות" או "נכשלות", אלא יכולות לפעול ברמות שונות של ביצועים מחוסנים.טכניקות מתקדמות של ניתוח נתונים של כישלונות יכולות לעצב מערכות רב-מדינה אלה, ומספקות הבנה רבה יותר של התנהגות מערכתית ומאפשרות אסטרטגיות תחזוקה מתוחכמות יותר.

בניית תרבות נתונים

התחייבות ארגונית

יישום מוצלח של תוכניות נתונים כישלונות דורש מחויבות מכל הרמות הארגוניות.מנהיגות חייבת להקצות משאבים, לקבוע ציפיות ברורות, ולהפגין כי דיווח וניתוח כשל הם פעילויות מוערכות ולא תרגילים בתפקיד אשמה.

אימון ופיתוח תחרותי

בהתאם למטרה שלו, ניתוח כשל יכול להתבצע על ידי מהנדסי צמחי ותחזוקה, מהנדסי אמינות או מהנדסי ניתוח כישלונות לבצע ניתוח כשל ראשוני בהתבסס על הידע שלהם של פעולות הצמח.

תוכניות נתונים יעילות של כשל דורשות אנשי צוות עם מיומנויות מתאימות:

איסוף נתונים וטכניקות תיעוד
שיטות ניתוח סטטיסטי
סיבה שורש שיטות ניתוח
FMEA וכלים אחרים של ניתוח מובנה
עקרונות הנדסה
מצבי כישלונות ספציפיים בתעשייה ומנגנונים

יצירת דו"ח לא עונשי

ארגונים חייבים לטפח סביבה שבה ניתן לדווח על כישלונות באופן גלוי ללא חשש מעונש.כאשר אנשים דואגים להאשמה או להשלכות, נתוני הכישלון הופכים לא שלמים או לא מדויקים, תוך שהם שולטים בתהליך השיפור כולו.

ניהול ידע ולמידה מוסדית

הוא מספק בסיס ידע של מצב כשלון ומידע פעולה תיקון שניתן להשתמש בו כמשאב במאמצים לפתרון בעיות עתידיות וכמכשיר אימונים למהנדסים חדשים.

ארגונים צריכים להקים מערכות ללכידת ושיתוף ידע כשל:

מסדי נתונים של כשלים מרכזיים נגישים ברחבי הארגון
מפגשים קבועים והרצאות למידה
תיעוד של חקירות כישלונות ופעולות נכונות
שילוב של נתונים של כשלים לסקירות עיצוב ותכנון פרויקטים
שיתוף בין-תפקודי של תובנות כישלונות

טכנולוגיה וכלים לניהול נתונים

פתרונות Software Solutions

ניהול נתונים מודרני של כשל מבוסס על כלי תוכנה מיוחדים המאפשרים איסוף נתונים, ניתוח ודיווח. כלים אלה נעים מתבניות גיליון אלקטרוני פשוטות ועד מערכות ארגוניות מתוחכמות שמשתלבות עם תהליכים עסקיים אחרים.

נתונים שנאספו כפופים לניתוח סטטיסטי.מערכת כזו גם מעניקה ערך מוסף בזמן אמת לארגון ופועלים כמו מערכת ניהול צי, מערכת ניהול בטיחות, מערכת זרימת עבודה עם התראות והסלמה ועוד. איסוף נתונים והשגת שיעורי כשל שדה ניתן להשתמש בכל שיטות ניתוח כשל הכשל שהוזכרו להלן.

אינטרנט של דברים (IoT) ורשתות חיישנים

התפוצה של מכשירי IoT ורשתות החיישן מהפכה באיסוף נתונים של כישלונות.מערכות מודרניות יכולות לפקח באופן רציף על תנאי ציוד, לזהות באופן אוטומטי את האנומליות, ולהעביר נתונים לניתוח בזמן אמת.זה מאפשר זיהוי מוקדם יותר של בעיות מתפתחות והבנה מקיפה יותר של מנגנוני כישלונות.

אינטליגנציה מלאכותית ולמידה של מכונות

ניתוח מתקדם המופעל על ידי AI ו- Machine Learning יכול לזהות דפוסים מורכבים בנתונים של כשלים שעשויים להימלט מניתוח אנושי.

חיזוי כישלונות המבוססים על זיהוי דפוס עדין
באופן אוטומטי מסווג מצבי כישלונות
זיהוי התאמות לא ידועות בעבר בין תנאי הפעלה וכישלונות
לוח הזמנים של תחזוקה אופטימיזציה מבוסס על תחזיות כישלונות צפויות
יצירת תובנות מדיווחים לא מובנים והערות תחזוקה

יישומים תעשייתיים-מדעיים של ניתוח נתונים

ייצור ומערכות ייצור

בסביבות הייצור, ניתוח נתונים כישלונ מסייע אופטימיזציה של אמינות ציוד הייצור, להפחית את זמן השבת, ולשפר את איכות המוצר.תהליך FMEA הוא בעל ערך במיוחד לזיהוי מצבי כשל פוטנציאליים בתהליכי ייצור לפני שהם תוצאה של מוצרים פגומים או הפסקת ייצור.

תעופה ואוויר

תעשיית החלל כבר זמן רב מובילה בניתוח נתונים של כשלים עקב ההשלכות הבטיחותיות הקריטיות של כשלי מטוסים.מערכות דיווח מקיףות על כשלים, שיטות ניתוח קפדניות, דרישות רגולטוריות קפדניות להבטיח כי שיעורים שנלמדו מכישלונות מוחלים באופן שיטתי על מנת לשפר את הבטיחות ברחבי התעשייה.

מערכות בריאות

FMEA אומץ להעריך סיכונים לזהות אזורים הדורשים שיפור במערכת הבריאות.ארגוני הבריאות משתמשים בניתוח נתונים כשל כדי לשפר את בטיחות המטופל, להפחית שגיאות רפואיות ולשפר את האמינות של ציוד רפואי קריטי ותהליכים.

אנרגיה וסובלנות

מערכות ייצור חשמל ומערכות הפצה מסתמכות רבות על ניתוח נתונים של כשלים כדי לשמור על אמינות הרשת, למנוע את הפרסומות, וייעלות תחזוקה של תשתיות קריטיות.העלויות הגבוהות של מחוץ למתוכנן והשלכות הבטיחות של כישלונות מסוימים הן בעלות הנדסת אמינות חיונית חיונית במגזר זה.

תחבורה ולוגיסטיקה

מפעילי צי משתמשים בנתונים של כישלונות כדי להתאים את תחזוקה הרכב, להפחית את השבר, ולשפר את היעילות התפעולית.ניתוח דפוסי הכישלון על פני ציים גדולים יכול לחשוף בעיות מערכתיות והחלטות מדריך על מפרט הרכב, מרווחי תחזוקה, אסטרטגיות חלופיות.

אתגרים ופרקטיקה הטובה ביותר בניהול נתונים

אתגרים משותפים

בעיות איכות נתונים

נתונים לא שלמים, לא מדויקים או בלתי עקביים של כשל נתונים מערערים על מאמצי ניתוח.בעיות נפוצות של איכות נתונים כוללות:

דוחות של כישלון חסר או לא שלם
⁇ ⁇ ו-Siconsistent Term and סיווג
חוסר פרטים על נסיבות כשל
דיווח משוחד שמדליק פרטים חשובים
תיאורים של כישלונות סובייקטיביים או מוטים

המונחים: constraints

תוכניות נתונים כישלונות מקיף דורשות משאבים משמעותיים לאיסוף נתונים, ניתוח ויישום פעולה תיקון. ארגונים חייבים לאזן את עלויות התוכניות הללו נגד היתרונות של אמינות משופרת.

ארגון Silos

נתונים של כשל מפוזרים לעתים קרובות על פני מחלקות שונות, מערכות ומיקומים שונים.Break Down באתר של סילוס ארגוני כדי לאפשר איסוף נתונים מקיף וניתוח נתונים יכול להיות מאתגר אבל חיוני לניהול יעיל של כשל.

הפרקטיקה הטובה ביותר להצלחה

תקן Data Collection

לקבוע סטנדרטים ברורים לאיסוף נתונים של כשל, כולל:

סיווג כישלונות סטנדרטי
דרושים שדות נתונים לדיווחים על כשל
הגדרות ברורות של מצבי כישלון ואפקטים
חומרת מדרגה ודרגות דירוג עדיפות
הליכי חקירה סטנדרטיים

עקבו אחרי מערכות קיימות

ניהול נתונים של כשל צריך להשתלב עם מערכות עסקיות אחרות כגון ניהול תחזוקה, ניהול איכות ומערכות תכנון משאבים ארגוניים.אינטגרציה זו מפחיתה את כניסת נתונים לשכפל, משפרת את עקביות הנתונים ומאפשרת ניתוח מקיף יותר.

להתמקד בתובנות בלתי ניתנות למבצע

איסוף וניתוח נתונים צריך להיות תמיד מכוון ליצירת תובנות ניתנות לפעולה. להימנע משיתוק ניתוח על ידי התמקדות במצבי הכישלון הקריטיים ביותר ושיפורים אשר יספקו את רווחי האמינות הגדולים ביותר.

סגור את ה-Los

ודא כי חקירות כישלונות להוביל ליישום פעולות תיקון וכי יעילותן של פעולות אלה מאומתת באמצעות המשך ניטור.שיעורי המסמכים למדו וחולקים אותן ברחבי הארגון כדי למנוע כשלים דומים במקומות אחרים.

Benchmark ולומד מאחרים

כיום, ישנם מספר בנקים של נתונים כישלונות בעולם כולו.הם מודאגים ממוצרים חשמליים, אלקטרוניקה, פריטים מכניים, טעות אנושית וכו 'ארגונים יכולים ליהנות ממאגרי נתונים של כשלי תעשייה, נתונים של אמינות ולמידה משותפת בתוך קבוצות התעשייה.

צמצום ההשפעה של תוכניות נתונים של כישלון

כדי להצדיק המשך ההשקעה בתוכניות נתונים של כישלון ולהראות את הערך שלהם, ארגונים צריכים לעקוב אחר מדדים רלוונטיים:

(ב) ,0) טרנדים של שיעור הצמיגים: 1 בדצמבר (הפחתת שיעורי הכשלים) מצביעים על שיפור האמינות
(FLT:0) מעת לעת בין כשלים (MTBF): הגדלת MTBF ממחישה אמינות מערכת מוגברת
(ב) ,0) , ניכוי זמן: 1 (ב) ,התראות בלתי מתוכננת של זמן השבתה
(FLT:0) מגמות העלייה בצמיחה: FLT:1 ,התחזוקה מבוססת על נתונים של כשלים צריכה להפחית את העלויות הכוללות
(FLT:0) תחזיות של אירועים בטיחותיים: 1FLT:1, מספר מקרי בטיחות נוספים מצביעים על שיפור ניהול סיכונים
(ב) Satisfaction:0) ,Credited Satisfaction: FLT:1, צריכה לשפר את שביעות הרצון של הלקוחות
(ב) הפחתה של כפלת ה[[1924]]: [[1924]]]]]]
(FLT:0)Time to Resolution:FLT 1) רזולוציה של כישלונות מהירה יותר מעידה על תהליכי ניתוח יעילים יותר

עתיד ניתוח נתונים

תאומים וסימולציות

טכנולוגיית תאומים דיגיטלית יוצרת העתקים וירטואליים של מערכות פיזיות שניתן להשתמש בהם כדי לדמות תרחישים כישלונות, פעולות סלקטיביות, וחיזוי התנהגות מערכת בתנאים שונים.על ידי שילוב נתוני כשל בזמן אמת עם תאומים דיגיטליים, ארגונים יכולים לנהל מתוחכמת של אילו ניתוחים ואופטימיזציה של עיצובים במערכת ללא בדיקות פיזיות.

אבחון וניהול בריאות

מערכות פרוגנוסטיות מתקדמות משלבות ניטור בזמן אמת, מודלים המבוססים על פיזיקה, וניתוח מונע נתונים כדי לחזות חיים שימושיים ותזמון תחזוקה אופטימלי.מערכות אלה מייצגות את האבולוציה מתגובה של כישלון תגובתי למניעת כישלונות אקטיבית.

שיתוף נתונים משותף

פלטפורמות קונסורטוריות ושיתופיות מתפתחות כדי לאפשר שיתוף אנונימי של נתונים כישלונות על פני ארגונים.גישה זו של אינטליגנציה קולקטיבית מאפשרת לכל המשתתפים ליהנות מהתפרצות נתונים גדולה הרבה יותר מאשר כל ארגון יחיד יכול ליצור, מאיץ למידה ושיפור בתעשיות שלמות.

שילוב עם מטרות קיימות

ככל שהארגונים מתמקדים יותר ויותר בקיימות, ניתוח נתונים של כשלים משולב עם מטרות סביבתיות.הפחתת חיי הציוד באמצעות אמינות משופרת מפחיתה את צריכת המשאבים והבזבוז, בעוד תחזוקה אופטימיזציה מפחיתה את השימוש באנרגיה ואת ההשפעה הסביבתית.

מסקנה: שינוי הכישלונות לנכסים אסטרטגיים

נתונים של כשל מייצגים את אחד המשאבים החשובים ביותר אך לעתים קרובות בלתי ניתנים לארגונים הנדסיים.כאשר נאספים באופן שיטתי, מנתחים בקפידה, ופעלו ביעילות, נתוני הכישלון הופכים לנהג חזק של שיפור מתמשך, המאפשר לארגונים לשפר את האמינות, לשפר את הבטיחות, להפחית עלויות ולספק מוצרים ושירותים מעולים.

המסע מאירועי הכישלון ליישום שיפור דורש מחויבות, משמעת, והשילוב הנכון של אנשים, תהליכים וטכנולוגיה. ארגונים שהצטיין בתחום זה אינם רואים כישלונות כפי שהם עומדים להיות חבויים או מצטמצם, אלא כהזדמנויות למידה להיות מאומצים וממומנים.

על ידי יישום מערכות ניהול נתונים חזקות לניהול נתונים, יישום מתודולוגיות אנליטיות מוכחות כמו FMEA וניתוח שורש, וטיפוח תרבות ערכים למידה מכישלונות, ארגונים יכולים לשנות את הגישה שלהם להנדסת אמינות.התוצאה היא לא רק פחות כישלונות, אלא מערכות חכמות יותר, פעולות יעילות יותר, יתרון תחרותי בר קיימא בנוי על בסיס שיפור מתמשך.

בעוד הטכנולוגיה ממשיכה להתפתח, הכלים והטכניקות לניתוח נתונים לאסון יהפכו אפילו יותר מתוחכם.עם זאת, העיקרון הבסיסי נותר ללא שינוי: הבנה מדוע דברים נכשלים היא המפתח ליצירתם טוב יותר. ארגונים אשר שולטים בעיקרון זה יהיה הטוב ביותר לשגשג בנוף הנדסי מורכב ודרישה יותר.

לקבלת מידע נוסף על מתודולוגיות הנדסה וכישלון, בקר בחברה האמריקנית למשאבים של FMEA איכות (FLT:1) או לחקור את FLT:2comprehensive מדריכים על ניתוח נתונים אמינות ניתוח נתונים 3FLT 3 תובנות נוספות על יישום דוחות כישלונ שיטתי ניתן למצוא באמצעות משאבי ניהול תחזוקה מקצועיים FLT:2comprehensive Management:5:55: