目前位置:主页 > 媒体中心 > 技术中心 >

老化测试的标准和时间

日期:2019-09-27 类型:技术中心 

关键词老化,测试,

大家都知道了产品老化测试的作用,而产品老化的标准和时间又是怎么算出来的呢,下面我们再来展开讨论。
在估计模型参数并验证所获得的模型后,下一个任务是确定“最佳”老化时间。
“最佳”与目标函数有关。对于一个目标而言最佳的预烧时间也可能对其他目标而言并非最佳。因此,必须先开发适当的目标函数,然后再确定老化时间长度。目标可以是:

  1. 老化结束时的指定(或最小)故障率。
  2. 指定的(或最大)预烧任务可靠性。
  3. 预期的最低费用。
  4. 消除了怪胎人口。
  5. 指定的(或最大)预烧后平均剩余寿命。

分析师也可以定义自己的目标。在下面的讨论中,我们将提供基于故障模型和给定目标确定老化时间的示例。
 

符合指定故障率目标的老化时间

当产品的故障率降低时,通常使用此方法。估计的故障率函数如方程式中所示。(2)。让故障率目标是λ,则:

方程

从Eqn。(4),可以通过以下方式解决相应的预烧时间b

方程

通过查看Weibull ++ 7中的失效率图表,还可以轻松确定老化时间。例如,对于β = 0.5和η= 200 的Weibull分布,故障率图如图4所示。如果预烧后故障率目标是0.003,则从图4可以看出,相应的老化时间为147。

图4:Weibull分布的故障率图,故障率降低

图4:Weibull分布的故障率图,故障率降低

与任务可靠性目标相对应的老化时间

此方法可用于单威布尔分布和混合威布尔分布。对于b小时的老化的任务时间t,任务可靠性由下式给出:

对于故障率降低的单个Weibull模型:

如果给出Gβη和任务时间t,则从方程式中得出。(7),可以 使用Weibull ++中的非线性方程式根查找器求解相应的预烧时间b

对于双峰混合Weibull模型,等式。(6)变为:

b可以解决使用非线性方程求根或表1的表格的方法都可以使用。例如,让p = 0.366, β 1 = 0.57, η 1 = 530,β 2 = 1.82和 η 2 = 5900假设可靠性目标是0.99和任务时间是50小时。使用Weibull ++中提供的条件可靠性函数,我们得到的结果如表1所示。

表1:给定老化时间的任务可靠性

老化时间 可靠性目标 老化时间 可靠性目标
50 0.96320264 550 0.989308
100 0.97258375 600 0.989803
150 0.97758019 650 0.990222
200 0.98079726 700 0.990577
250 0.98307278 750 0.990880
300 0.98477570 800 0.991137
350 0.98609860 850 0.991356
400 0.98715362 900 0.991542
450 0.98801127 950 0.991700
500 0.98871850 1000 0.991832

从表1中,我们可以看到650的预烧时间将满足可靠性目标。方程的精确数值解。(8)是646.85小时。因此,从表1获得的结果非常接近精确的数值解。

与预期最低成本相对应的老化时间

此方法通常用于形状参数β <1 的单个Weibull分布。Weibull ++ 7具有一个模板,可用于通过最小化预期成本来找到最佳预烧时间。对此的更详细的讨论可以在参考资料中找到。[3]。

老化测试需要在指定时间内测试所有单元;因此,这增加了生产提前期和成本。以下预期成本模型解决了进行老化的成本与老化后的故障成本之间的折衷问题。让:

  • b =老化测试的单位时间成本
  • f =老化期间的每次故障成本
  • o =运行时的每次故障成本
  • b =老化测试的时间
  • t =设备的使用寿命

假设将n个单元置于老化测试中。那些在老化过程中失败的组件将被丢弃,其余的组件将继续运行。老化过程中的预期故障数为n [1- Rb)]。预期的操作故障数为:

预期总费用为:

威布尔分布的预期单位成本为:

对于基于等式的β = 0.529, η = 168,b = $ 70,f = $ 500和o = $ 4,000 的Weibull分布(11),使用Weibull ++ 7提供的老化模板,我们得到图5所示的图。通过检查成本曲线,可以找到导致最低预期成本的最佳老化时间。这个时间是2.5小时。

图5:老化测试报告

 

图5:老化测试报告