Springen naar inhoud

Statistiek faalkans berekenen


  • Log in om te kunnen reageren

#1

RaYK

    RaYK


  • >250 berichten
  • 844 berichten
  • Ervaren gebruiker

Geplaatst op 15 december 2011 - 20:47

Hey,

ik ben bezig met een project voor preventief en predictief onderhoud, waarbij ik eens wou zien of het te voorspellen wat de kans was dat een component in een machine zou falen na een bepaalde periode. Ik zou een database kunnen samenstellen met alle componenten van een machine en de frequentie's van wanneer ze gefaald zijn, maar zit nu wat verveeld met de statistiek erachter. Ik heb m'n boeken van vroeger er nog eens bijgenomen en wat ik denk dat ik zou kunnen gebruiken is de formule van 'Relative Frequency Approximation of Probability':


LaTeX

n = number of times A occurred
m = number of times the trial was repeated

probleem is dat ik hier niet direct inzie wat ik hier met die noemer moet doen.. we werken hier niet met aantal trials dus..
iemand een idee?

thx,
Ray
Steun de wetenschap en het forum en versterk ons boinc team! - voor meer info kijk op de hoofdpagina onder 'distributed computing'

"The beginning of knowledge is the discovery of something we do not understand" - Frank Herbert (1920-1986)

Dit forum kan gratis blijven vanwege banners als deze. Door te registeren zal de onderstaande banner overigens verdwijnen.

#2

wesleyc

    wesleyc


  • >25 berichten
  • 99 berichten
  • Ervaren gebruiker

Geplaatst op 15 december 2011 - 21:02

Hey,

ik ben bezig met een project voor preventief en predictief onderhoud, waarbij ik eens wou zien of het te voorspellen wat de kans was dat een component in een machine zou falen na een bepaalde periode. Ik zou een database kunnen samenstellen met alle componenten van een machine en de frequentie's van wanneer ze gefaald zijn, maar zit nu wat verveeld met de statistiek erachter. Ik heb m'n boeken van vroeger er nog eens bijgenomen en wat ik denk dat ik zou kunnen gebruiken is de formule van 'Relative Frequency Approximation of Probability':


LaTeX



n = number of times A occurred
m = number of times the trial was repeated

probleem is dat ik hier niet direct inzie wat ik hier met die noemer moet doen.. we werken hier niet met aantal trials dus..
iemand een idee?

thx,
Ray

Houd het voor alle zelfde componenten bij en dan is m toch het aantal componenten?

Stel je hebt 10 dezelfde componenten in 10 machines, als er in het door jou gestelde tijdsinterval 5 falen dan is de kans daarop toch 5/10=0,5?

#3

RaYK

    RaYK


  • >250 berichten
  • 844 berichten
  • Ervaren gebruiker

Geplaatst op 15 december 2011 - 22:03

Ah nja, ik bekeek het eigenlijk met 1 component van 1 machine.
Ik wou proberen te voorspellen wanneer dus een bepaald component van een machine het meeste kans had om te falen, afhankelijk van het aantal keer falen in het verleden. En dat dan toepassen op alle componenten. Probleem is dus dat ik hier niet echt trials uitvoer.
Steun de wetenschap en het forum en versterk ons boinc team! - voor meer info kijk op de hoofdpagina onder 'distributed computing'

"The beginning of knowledge is the discovery of something we do not understand" - Frank Herbert (1920-1986)

#4

Jaimy11

    Jaimy11


  • >250 berichten
  • 614 berichten
  • Ervaren gebruiker

Geplaatst op 16 december 2011 - 00:56

Ah nja, ik bekeek het eigenlijk met 1 component van 1 machine.
Ik wou proberen te voorspellen wanneer dus een bepaald component van een machine het meeste kans had om te falen, afhankelijk van het aantal keer falen in het verleden. En dat dan toepassen op alle componenten. Probleem is dus dat ik hier niet echt trials uitvoer.


Dan ga je dus niets berekenen....
Als de kans na 1 jaar 1/1000 is en je neemt net die ene foute dan is je hele idee weg...

Wat ik bedoel is, je zult een grotere steekproef moeten doen om een waarheidsgetrouwe faalkans te achterhalen...

#5

RaYK

    RaYK


  • >250 berichten
  • 844 berichten
  • Ervaren gebruiker

Geplaatst op 16 december 2011 - 04:08

Ok, maar als je nu eens uitgaat van een theoretische levensduur opgegeven door de fabrikant van het component dan zou je bijv. toch moeten kunnen berekenen wat de kans is dat het component faalt naar gelang de tijd passeert, en als het component dan faalt dat dan in rekening brengen met de theoretische levensduur die al had van voordien?
Steun de wetenschap en het forum en versterk ons boinc team! - voor meer info kijk op de hoofdpagina onder 'distributed computing'

"The beginning of knowledge is the discovery of something we do not understand" - Frank Herbert (1920-1986)

#6

petertv

    petertv


  • 0 - 25 berichten
  • 1 berichten
  • Gebruiker

Geplaatst op 19 januari 2012 - 10:43

Het beste kun je de faalkansen opvragen bij de leverancier. Sommige leveranciers van componenten zijn vooruitstrevend en noemen de getallen al in de datasheets. Een voorbeeld is Pilz veiligheidsrelais. Je krijgt dan een getal van 1x10^-6 = een kans van 1 op een miljoen bijvoorbeeld
Waar je ook eens kunt gaan lezen is hier: http://maintenance-e...hp/naslagwerken
Daar staan o.a. de NASA faulttree handboek. Daarin staat goed uitgelegt hoe je foutenbomen op kunt bouwen. Ook de genoemde "red book" bevat een schat van informatie.

Om bij het begin te beginnen kun je het beste een FMEA of FMECA opstellen, waarbij je van elk component of onderdeel gaat vast stellen, wat er fout kan gaan, en wat dan het gevolg is. Als je dat helder hebt, kun je vervolgens de foutenkansen in een foutenboom zetten, wat je dan een totale beschikbaarheid kan opleveren.
Als je puur voor wilt kijken voor onderhoudszaken, is een FMEA/FMECA al voldoende. De faalkans druk je dan uit in het verwachte aantal keren dat een onderdeel faalt over een bepaald tijdsbestek.





0 gebruiker(s) lezen dit onderwerp

0 leden, 0 bezoekers, 0 anonieme gebruikers

Ook adverteren op onze website? Lees hier meer!

Gesponsorde vacatures

Vacatures