fejlmålinger er et måleværktøj, der bruges til at estimere eller forudsige ydeevnen for ethvert udstyr, maskiner eller dets komponenter. I den moderne verden af Industri 4.0 og en æra med konstant kommunikation og kontrol er tekniske hændelser og udstyrsafbrydelser langt mere kritiske, end de plejede at være. Nedetid koster penge og kan føre til alvorlige konsekvenser såsom ubesvarede frister, projektforsinkelser og i sidste ende forsinkede betalinger.
det er derfor vigtigt for virksomheder at spore både oppetid og nedetid og vurdere, hvor hurtigt og effektivt ydelsesproblemer løses. MTTF er en af en gruppe af almindeligt anvendte Key Performance Indicator metrics, der hjælper analytikere til at planlægge vedligeholdelse og / eller udskiftning af udstyr. Disse målinger inkluderer:
- MTTF (Middeltid til fejl)
- MTBF (Middeltid mellem fejl)
- MTTR (Middeltid til genopretning, reparation, respons eller opløsning)
selv om det kan hævdes, at sådanne målinger ikke er rigtig særlig nyttige i sig selv (primært fordi det vigtigere spørgsmål om ‘hvordan’? kan ikke måles), de giver et godt grundlag for at udforske dette spørgsmål.
Hvad er MTTF?
MTTF står for Gennemsnitlig tid til fiasko og er en sikkerhedsværdi beregnet i overensstemmelse med visse parametre – såsom antallet af år, det vil tage en maskine eller komponent at mislykkes eller mislykkes farligt (MTTF med et abonnement d står for Gennemsnitlig tid til farlig fiasko). Disse sikkerhedsværdier er foreskrevet af Den Internationale Standardiseringsorganisation i henhold til ISO 13849-1 og kan beregnes ved hjælp af de medfølgende tabeller. Det er også muligt at beregne gennemsnit ved hjælp af B10-værdier, som er de forventede værdier for sikkerhed indtil svigt på 10% af komponenterne. For pneumatisk udstyr og komponenter bestemmes B10-værdierne ved udholdenhedsprøvning af udstyret i overensstemmelse med ISO 19973-tabeller.
hvert stykke udstyr vil mislykkes på et tidspunkt, men den smarte tilgang er at planlægge for dette sker og handle, før det sker (forudsigelig vedligeholdelse). Fejl kan også være relativ, idet det kan være delvis, hvis kun en komponent fejler, og maskinen er i stand til at fortsætte med at køre. Alternativt kan det hele gå ned, i hvilket tilfælde Det er total fiasko. I den enkleste definition betyder fejl, at en komponent, enhed eller system ikke længere er i stand til at producere de specifikke resultater, du har brug for. Dette gælder også for mere abstrakte fejl, såsom en reduktion i forventet enhedsoutput, selvom en maskine stadig fungerer.
at forudse og håndtere fejl korrekt kan reducere deres negative indvirkning betydeligt, og det er her overvågning af disse kritiske målinger kommer ind. At vide, hvordan man beregner MTTF, erstatter gætteri med pålidelige hårde data til analyse. Dette vil derefter føre til informerede beslutninger om vedligeholdelsesplanlægning og reparationer. Logning af alle disse oplysninger kan være kedelig, men det er en vigtig rutine, hvis operationerne skal forbedres. At gøre det manuelt er også tidskrævende, men der findes nu apps, der gør det muligt at optage disse oplysninger på en enhed, og som automatisk foretager de nødvendige beregninger. Den afgørende faktor er, at dataene skal være fuldstændige, nøjagtige og pålidelige, da indførelsen af fejl eller udeladelser i optagelsen vil gøre oplysningerne ubrugelige. Endnu værre kan det at reagere på fejlagtige data medføre nye og uforudsete problemer.
de fleste brancher og forretningsapplikationer er afhængige af disse MTBF -, MTTF-og MTTR-metrics, selvom dataene kun vil være virkelig pålidelige, hvis de måles over hele varens levetid. Kortvarige udstyrsfejl, såsom pærer, vil naturligvis være lettere at spore end en kompleks maskine med en levetid på mange år, så i slutningen af dagen er mange af disse forudsigelser kun gennemsnit baseret på Sandsynlighed.
for at fejlstatistikker skal være virkelig meningsfulde, kræver de en betydelig mængde pålidelige og relevante data. Generelt skal input ved beregning af målinger til analyse indeholde en vedligeholdelseshistorik med mindst følgende oplysninger:
- driftstid (baseret på de samlede forventede driftstimer minus den samlede nedetid)
- antal uoprettelige udstyrsfejl
når omkostningerne er involveret i dine beregninger, skal du også medtage antallet af arbejdstimer, der er brugt på vedligeholdelse.
Sådan beregnes MTTF
MTTF er et aritmetisk gennemsnit beregnet ved at dividere den samlede driftstid med antallet af enheder, der fejler uopretteligt.
for at komme med et rimeligt gennemsnit skal du sammenligne prøver, da en enhed kan vare meget længere end en anden. Et simpelt eksempel er pærer (fordi du kan køre dem konstant, indtil de brænder ud). Du vil vide, hvor længe et bestemt pæremærke i gennemsnit varer. Du har brug for en prøve i god størrelse for at nå frem til data, der er statistisk signifikante, så lad os til demonstrationsformål kalde det 100. Du skal også oprette de samme driftsbetingelser for hvert element, så der er paritet i testen, og der kan være betydelig tid involveret, indtil pæren fejler uopretteligt.
ved test finder du, at 25 af pærerne varede i 1.000 timer, 25 af dem fortsatte i 1.050 timer, 25 udbrændte efter 990 timer og 25 nåede kun 950 timer. I alt tilføjer mængden af funktionelle pæretimer op til 3.990. Ved at dividere dette tal med fire kommer MTTF ud som 997,5 timer. Dette er helt klart en forenklet beregning, og i virkeligheden bliver du nødt til at tilføje alle 100 forskellige tidspunkter sammen, men det tjener til at demonstrere princippet.
det er klart, at pærer er et meget grundlæggende eksempel, og de fleste fejlmålinger vil blive brugt til mere komplekst udstyr. I elektronik vil for eksempel en sikkerhedsfunktion typisk bestå af input -, output-og logiske kanaler sammen med deres forbindelser, og MTTF skal specificeres af producenten. At holde styr på MTTF er dog en kritisk del af vedligeholdelsescyklussen og bør hjælpe med at vende ingeniørpraksis væk fra den traditionelle reaktive tilgang og mod mere forudsigelig vedligeholdelse.