Weibull案例8-如何给客户一个合理的产品可靠性指标

今日话题:最近碰到好多朋友提到类似的问题脑痒了睡不着半夜起来写一篇。希望对大家有所帮助。过程和原理与之前发表的案例6类似不过应用场景有所区别。​过程其实不那么复杂1、了解客户需求和可用资源2、收集数据3、进行分析4、给出结果甚至还可以算个命(预测未来同学问老师我们客户需要我们提供一下产品的可靠性指标请问您客户帮个忙吗老师答请问客户需要具体什么可靠性指标呢同学问客户需要我们产品的Beta值和Eta值。老师答哦那一定是客户希望了解你们的产品寿命分布希望得到其Weibull分布的两个参数了。同学问是的老师答请问你们对这个产品做过寿命试验吗同学问没有做呢请问您可以根据您的经验给我一个经验值吗老师答这有点为难我了...虽然我们自嘲自己是“算命工程师”但至少需要点依据啊。老师答那请问你们计划做这个试验吗同学问这个可能来不及了客户需要我们这两天就提供。而且这个部件不是我们自己生产的我们只是采购过来再组装起来销售给客户。老师答好的那请问之前有销售过这个部件吗有没有客户现场的返修或索赔数据同学问这个是有的我们的产品已经销售了1年多一共1万多个产品并且现场有10几个索赔数据。老师答了解了那么我们可以基于销售和返修数据通过Weibull分析即寿命数据分析得到这个零部件的可靠性指标提供给你们的客户。同学问那这个过程应该怎么来做呢我查了很多资料理论方面方面偏多具体怎么分析一时半会好像很难学会。老师答没关系咱们今天通过一个例子了解一下整个分析过程。1、背景简介在实际工作中很多朋友都会碰到这样的情况客户或者领导需要提供产品或者某个部件的可靠性指标比如Bx寿命、R(t)或F(t)---某个时间的可靠度或不可靠度、甚至是Weibull分布的Beta值和Eta值MTBF的情况以后找机会讨论通常来说比较合理方式是通过实际的数据计算给到客户一个结果数据来源主要是两个来源1、通过产品寿命试验得到寿命数据即运行多少时间失效或者不失效2、通过之前产品的销售和索赔返修数据很多时候通过现有的售后数据分析得到的结果成本更低客户的接受度会更高。今天我们就通过一个例子简单讲解一下整个过程。、收集数据基于售后数据的寿命数据收集主要是收集以下两个方面的数据1、产品的销售数据原始数据类似下表​注数据列明类似根据企业情况会有差别。2、索赔或者返修数据即现场发生失效的数据类似下表​注数据列名类似根据企业情况会有差别。3、数据处理根据上一步中收集到的数据我们可以很容易通过Excel的透视表工具整理得到以下的数据1、产品的销售数据统计本例中按月统计​2、产品的失效数据​注本例中是按月统计其实也可以使用其他的方式进行。请持续关注我们的文章。3、数据分析将整理后的数据输入到软件中3.1、选择软件模块​3.2、数据输入​3.3、点击“分析”得到处理后的寿命数据​3.4、选择分布Weibull两参数设置分析方法极大似然估计然后点击“计算”​3.5、得到图形和Beta值和Eta值从图中可以得到Beta1.50887Eta30.776508​3.6、检查确认分析过程和结果是正确的计算结果是可以说明您的产品达到或者超出客户的预期提交给客户。4、预测未来如果还需要预测一下未来可以通过软件自带的“预测”功能预测未来某段时间内这个产品的索赔和返修情况。​注分析过程和其中数据的处理原理请参考之前的文章。5、总结和说明销售及售后数据可以很好地作为产品可靠性指标计算的数据来源。文中只是介绍了一种基于售后数据进行Weibull分析的过程和方法。分析中时间取值只是以月为单位作为时间的维度很多时候可能会是有偏差的其实还可以以天数、里程等维度来进行分析数据处理也有其他更复杂的方式在以后的文章中我们会对此展开进一步的说明本文旨在介绍基于售后数据的数据处理和分析过程故分析过程中的很多细节没有展开进行详细说明介绍。