RGA prend en charge toutes les modèles conventionnels d'analyse de la croissance de fiabilité :

• Crow-AMSAA (NHPP)
• Duane
• Gompertz standard et modifié
• Lloyde-Lipow
• Logistique

Le logiciel prend en charge plusieurs approches innovantes qui s'appuient sur les méthodes conventionnelles de croissance de fiabilité pour mieux représenter les pratiques d'essai et les applications concrètes.

• Le modèle Crow étendu vous permet de classifier les modes de défaillance en fonction de si et quand elles seront corrigées. Ceci vous permettra de faire des projections de croissance de fiabilité et d’évaluer la stratégie de gestion de croissance de fiabilité.
• Le folio de planification de croissance vous aide à créer un plan d'essai de croissance de fiabilité à phases multiples. En plus vous pouvez utiliser le modèle Crow étendu ou d’évaluation continue pour analyser les données de plusieurs phases d’essai et créer un tracé à phases multiples pour comparer vos résultats d’essai contre le plan. Ceci vous aidera à déterminer si les modifications sont nécessaires dans les phases d’essai ultérieures afin d'atteindre vos objectifs de fiabilité.
• Le folio de planification de croissance de fiabilité discrète vous permet de développer une stratégie globale pour les appareils à mission unique.
• Le folio de profil de mission vous aide à créer un plan d’expérience opérationnel équilibré et à suivre l’essai réel contre le plan pour s’assurer que les données conviennent à l’analyse de croissance de fiabilité.

Temps avant défaillance : Quand vous avez des données d’essai de mise au point dans lesquelles les systèmes sont exploités en continu jusqu’à la défaillance, vous pouvez utiliser les modèles Crow-AMSAA (NHPP ou Duane). RGA fournit un choix de types de données des temps de défaillance groupée ou individuelle mais aussi en combinant les données à partir de plusieurs systèmes identiques. Cela peut comprendre des situations pendant lesquelles :

• Tous les systèmes fonctionnent simultanément pour que le temps de fonctionnement de chaque système non défaillant soit égal au temps enregistré pour le système en défaillance.
• Vous aviez enregistré les temps exacts de fonctionnement pour les systèmes non défaillants et en défaillance.
• Vous aviez enregistré la date de calendrier pour chaque défaillance pour que le logiciel puisse estimer les temps de fonctionnement des systèmes non défaillants en fonction du taux d'utilisation journalier moyen pour la période pertinente.

RGA offre des options d’analyse supplémentaires pour certaines situations avec les modèles Crow-AMSAA (NHPP).

• Analyse d'écart : Si vous pensez qu'une partie des données est erronée ou manquante, cette fonctionnalité vous permet de retenir la contribution de l'intervalle d'écart pour le temps total d’essai sans établir des hypothèses sur le nombre réel des défaillances pendant cette période.
• Changement de pente : Un modèle unique peut ne pas correspondre aux données si un changement majeur dans la conception du système ou environnement opérationnel a causé une modification importante dans l’intensité de défaillance observé pendant l’essai. Dans de tels cas, RGA peut diviser les données en deux segments et appliquer le modèle Crow-AMSAA (NHPP) pour chaque segment.

Données discrètes (appelées aussi données attribuées, mission unique ou données succès/défaillance) : Lorsque vous disposez de données issues d'essais de croissance de fiabilité en mission unique (succès/échec) (et selon le type de données), RGA prend en charge les modèles de données mixtes qui peuvent être utilisés avec les modèles d'évaluation Crow étendu-continue et étendue. Si vous disposez de données discrètes, le logiciel fournit un choix de types de données qui peuvent gérer les essais dans lesquels une tentative unique est effectuée pour chaque configuration de conception, plusieurs tentatives par configuration  ou une combinaison de deux. RGA prend en charge aussi une réduction de défaillance si vous aviez enregistré les modes de défaillance spécifiques issues des essais en mission unique séquentiel.

Données de fiabilité : Lorsque vous souhaitez simplement analyser les valeurs de fiabilité calculées pour des étapes/temps différents dans l’essai de développement, vous pouvez utiliser les modèles Gompertz standard, modifié et Lloyd-Lipow ou logistique.

Bien que l'analyse conventionnelle de la croissance de fiabilité exige l'hypothèse que toutes les améliorations de la conception sont intégrées avant la fin de l'essai (essai-correction-essai), de nombreux scénarios d'essais concrets peuvent également comprendre quelques modes de défaillance qui ne sont pas réparées et d’autres dans lesquelles toutes ou une partie des corrections sont retardées jusqu’à plus tard (essai-correction-rechercher-essai ou essai-rechercher-essai). Vous pouvez utiliser les classifications de mode de défaillance afin de fournir le traitement d'analyse approprié pour l’une ou l’autre de ces stratégies de gestion à l'aide des modèles l’évaluation de Crow étendu et Crow étendu-continu. Ces deux modèles utilisent les facteurs d’efficacité pour indiquer à quel point l’intensité de défaillance de chaque mode sera réduit une fois la correction est mise en œuvre pour les corrections retardées.

Vous pouvez calculer le MTBF, l’intensité de défaillance ou la fiabilité d’un temps/étape donné pour l’analyse traditionnelle de croissance de fiabilité. Le logiciel vous permet de déterminer le nombre d’essais qui sera exigé afin de démontrer un MTBF spécifique, l’intensité de défaillance ou la fiabilité. En plus vous pouvez estimer le nombre prévu de défaillances d’un temps/ étape donné. Le panneau de calcul rapide fournit un ‘’journal de calcul’’ tout en vous permettant d’enregistrer des résultats issus d’une série de différents calculs et puis copier/coller les informations si besoin.

L’application RGA facilite la création d’une gamme complète de tracés et diagrammes afin de présenter graphiquement vos analyses :

• La configuration de tracé vous permet de complètement personnaliser la ‘’présentation’’ des graphiques du tracé tandis que l’éditeur de graphiques métafichiers RS Draw permet d’insérer le texte, dessiner des objets ou marquer des points particuliers sur les graphiques du tracé. Vous pouvez également enregistrer vos tracés dans divers formats de fichiers graphiques pour utilisation dans d’autres documents.
• Tracés superposés vous permettent de tracer les résultats issus de plusieurs ensembles de données dans le même tracé. Ceci peut être un outil visuel efficace pour comparer des ensembles différents de données ou méthodes d’analyse.
• L’utilitaire de tracés juxtaposés vous permet d’afficher (et imprimer) plusieurs tracés pour un ensemble de données juxtaposées déterminées.

Rapports personnalisables : Le classeur Synthesis est un outil personnalisable de génération des rapports qui est intégré à RGA. Il intègre parfaitement les feuilles de calcul et est capable de traiter le texte tout en vous permettant d’inclure les résultats calculés et tracés de votre analyse.

RGA offre également la possibilité d'effectuer des analyses de systèmes réparables en exploitation.

• Analyse de systèmes réparables : Certains des modèles dans RGA peuvent être utilisés afin d'analyser des données issues des systèmes réparables qui sont en exploitation sous conditions d'utilisation typiques. Ces données sont généralement issues du système de garantie, centre de maintenance, essai opérationnels, etc. Vous pouvez utiliser les modèles de la loi puissance ou Crow-AMSAA (NHPP) pour l’analyse du système réparable selon l’hypothèse de réparation minime (c.-à-d., le système est ''en même temps mauvais et usé’’) pour calculer plusieurs métriques utiles y compris :
  • Le temps optimal de révision pour un coût donné de réparation et de révision.
  • Fiabilité conditionnelle, MTBF ou intensité de défaillance pour un temps donné.
  • Nombre de défaillances prévues pour un temps donné.
  • Temps d’une fiabilité conditionnelle, MTBF ou intensité de défaillance.

• Plan d’expérience de fiabilité pour les systèmes réparables : L’utilitaire plan d’expérience dans RGA a été conçu exclusivement pour les systèmes réparables. Cet outil utilise le modèle NHPP pour déterminer le temps d’essai requis par système (ou le nombre de systèmes qui doit être mis en essai) afin de démontrer un objectif de fiabilité spécifique, défini en termes de MTBF ou intensité de défaillance à un temps donnée.
• Profils de mission opérationnelle : Quand un système doit être testé pour divers profils de mission opérationnelle, il peut être difficile de s'assurer que les essais sont appliqués de façon équilibrée qui génèrera de données adaptées pour une analyse de croissance de fiabilité. Les folios de profil de mission de RGA peuvent vous aider de créer un plan d’expérience opérationnel, suivre l’utilisation réelle et prévu pour tous les profils de mission et vérifier que l’essai a été mené. Ceci vous aide de grouper automatiquement les données aux points de convergence spécifiés pour que le modèle de croissance puisse être appliqué de façon appropriée.

Vous pouvez utiliser la fonctionnalité de génération de données Monte Carlo de RGA pour créer des ensembles de données qui peuvent être analysés directement dans l’un des folios standards RGA. Vous avez également l'option d'utiliser l’utilitaire SimuMatic® afin d’analyser et tracer les résultats à  partir d’un grand nombre d'ensemble de données qui ont été créés par simulation. Ces outils intégrés de simulation peuvent être utilisés pour effectuer une large gamme des tâches de fiabilité telles que :

• Concevoir des essais de croissance de fiabilité.
• Obtenir des bornes de confiance axées sur la simulation.
• Expérimenter avec les influences la taille d’échantillons et les types de données sur les méthodes d’analyse.
• Evaluer l’impact de temps d’essai alloué.