Careers

arrow_back_ios

Main Menu

arrow_back_ios

Main Menu

See All Logiciels See All Équipement d'essai de vibration See All Electroacoustique See All Systèmes d'essais acoustiques de fin de ligne See All Matériels See All Transducteurs See All Académie
arrow_back_ios

Main Menu

See All Logiciel d'analyse et de simulation See All Logiciel DAQ See All Drivers et API See All utilitaire de logiciel See All Contrôle des vibrations See All Accessoires pour les équipements d'essais de vibrations See All Contrôleurs de vibration See All Excitateurs de mesure See All Excitateurs modaux See All Amplificateurs de puissance See All Agitateurs LDS See All Solutions d'essai See All Actionneurs See All Moteurs à combustion See All Durabilité See All eDrive See All Test de production Capteurs See All Transmission et boîtes de vitesses See All Chargeur turbo See All Systèmes de haute précision et d'étalonnage See All Systèmes DAQ See All Appareils portables See All Électronique industrielle See All Analyseur de puissance See All Conditionneur de signaux See All Transducteurs acoustiques See All Capteurs de courant et de tension See All Capteurs de déplacement See All Capteurs de force See All Cellules de charge See All Capteurs à composants multiples See All Capteurs de pression See All Capteurs de contrainte See All Jauges de contrainte See All Capteurs de température See All Capteurs d'inclinaison See All Capteurs de couple See All Transducteurs de vibrations See All Cours de formation
arrow_back_ios

Main Menu

See All nCode - Logiciel d'analyse de durabilité et d'estimation de la durée de vie en fatigue See All ReliaSoft - Logiciel d'analyse et de gestion de la fiabilité See All API

Modèles de croissance de fiabilité

Le logiciel RGA de ReliaSoft vous permet d’appliquer les modèles de croissance de fiabilité afin d’analyser les données issues de systèmes réparables en exploitation et d'essai de développement. En phase développementale vous permet de quantifier et suivre la croissance de fiabilité du système à travers plusieurs phases d’essai tout en fournissant des méthodes avancées pour les projections de croissance, gestion et planification de la fiabilité. Pour les systèmes en opération, RGA vous permet de calculer le temps de révision optimal ainsi que d'autres résultats sans avoir besoin de l'ensembles de données qui sont normalement requis.

Le développement de RGA est le fruit d'une collaboration entre la société ReliaSoft et le Dr. Larry Crow qui est la plus haute autorité dans le domaine de l'analyse de croissance de fiabilité, ainsi que plusieurs représentants industriels et gouvernementaux. Ce partenariat a permis le développement d'un progiciel axé sur les applications et qui comprend tous les principaux modèles de croissance de fiabilité ainsi que des formules de calcul qui ne sont disponibles nulle part ailleurs.

chevron_left
chevron_right
  • Projeter le MTBF ou la fiabilité selon les améliorations prévues au système.
  • Quantifier la croissance de fiabilité sur plusieurs phases d’essai.
  • Déterminer la viabilité d’accomplir un objectif MTBF avec une stratégie d’essai de gestion de données.
  • Évaluer l'amélioration de la fiabilité prévue en déployant des correctifs pour un parc d'unités opérant sur le terrain.
  • Calculer les temps de révision optimaux et autres résultats des systèmes en exploitation sans les ensembles de données détaillés qui sont d’habitude requis pour des analyses des systèmes réparables.
  • Facilite les projections de croissance de fiabilité, la panification du programme de croissance de fiabilité et l’analyse de la croissance de fiabilité à phases multiples.
  • Comprend l'analyse traditionnelle de la croissance de fiabilité à l'aide des modèles applicables, tels que Crow-AMSAA (NHPP), Crow Etendu, Crow Etendu -Évaluation Continue.
  • Prend en charge une variété de types de données développementales (temps avant défaillance (succès/défaillance) et des données de fiabilité).
  • Aide à créer des plans d’expérience opérationnels qui balancent efficacement tous les profils de mission à tester.
  • Fournit l'opportunité d'analyser des systèmes réparables en exploitation y compris une méthode d’analyse de comportement de fiabilité d’un système au fil du temps et analyse discrète et ponctuelle.

RGA offre une intégration intelligente entre les activités et les outils de programme de fiabilité tout en facilitant le partage efficace de l'information et la coopération entre les équipes d'ingénierie de toute taille. Le logiciel vous permet de :

  • Extraire les données de rapport d’incident à partir de XFRACAS pour les analyser dans RGA.
  • Extraire le premier temps de défaillance de chaque mode de défaillance à partir d’un ensemble de données RGA pour les analyser dans Weibull++.
  • Publier des modèles basées sur les analyses de données effectuées dans les folios RGA qui rendent les informations disponibles aux analyses effectuées dans d’autres applications de ReliaSoft. Vous pouvez aussi créer des métriques afin de suivre et afficher les indicateurs clés de performance à partir des analyses sélectionnées.
  • Publier des analyses et rapports sélectionnés pour un accès facile via le portail Web SEP.
Les formations suivantes comportent des exercices/exemples pratiques avec RGA :

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.
Vous pouvez aussi utiliser le modèle Crow étendu pour les systèmes réparables en exploitation si vous souhaitez évaluer l’amélioration (c.-à-d., le saut en MTBF) qui peut être atteint en déployant un ensemble des corrections pour tous les systèmes en exploitation.


  • 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.

Modern Slavery Statement     Imprint    Cookie Policy    Privacy Policy    Sitemap

 

© 2024 Hottinger Brüel & Kjær

 

 

close
nCode logo
Graphics Brand

We haved moved ${referer} to www.hbkworld.com

 

This will bring together HBM, Brüel & Kjær, nCode, ReliaSoft, and Discom brands, helping you innovate faster for a cleaner, healthier, and more productive world.

close
ReliaSoft-Logo-webp
Graphics Brand

We haved moved ${referer} to www.hbkworld.com

 

This will bring together HBM, Brüel & Kjær, nCode, ReliaSoft, and Discom brands, helping you innovate faster for a cleaner, healthier, and more productive world.

close
Prenscia HBM-Logo rgb
Graphics Brand

We haved moved ${referer} to www.hbkworld.com

 

This will bring together HBM, Brüel & Kjær, nCode, ReliaSoft, and Discom brands, helping you innovate faster for a cleaner, healthier, and more productive world.