Answers:
这是一个普遍的问题,尤其是对于故障率可低至的现代组件或系统 。为了解决这个问题,您需要进行假设,创建模型和/或合并其他形式的数据。
INL的Lee Cadwallader 写道,
如果没有组件的运行经验数据(例如在设计阶段中的组件),则分析人员有以下几种选择:
分解-将组件分解为其组成部分,然后为这些部分分配手册故障率。如果分析人员对零件数据的准确性有信心,则此技术既繁琐又有用。如果零件上的数据不准确,则应使用其他技术。
分析师判断—可能需要根据系统可用性要求进行逆向估计,或者仅是对该类组件的通用故障率进行工程判断。
专家意见-从主题专家那里获得定性意见,并将其结合起来以得出数量级的失败率。
特定于组件的技术,例如用于管道的Thomas方法。
分解经常用于电子零件,如零件失效率手册所证明的那样。
其他资料表明,可以使用行业数据或经验来告知或代替测试数据。
在Weibull.com上讨论的其他技术包括
为了评估组件的磨损时间,可能需要长期测试。在某些情况下,占空比为100%(每天24小时在路面磨损模拟器中运行轮胎)可能会在几个月内提供有用的寿命测试。在其他情况下,实际产品可能每天使用24小时,因此无法加快工作周期。可能需要施加高水平的物理应力以缩短测试时间。这是一种新兴的可靠性评估技术,称为QALT(定量加速寿命测试),它需要考虑被测试材料的物理和工程学。
谨慎地看,这个问题与估计其他罕见事件(如小行星罢工和金融系统中的灾难性失败)(塔莱布的“黑天鹅”)之间有着相似的相似之处。。众所周知,后者的比率被低估了。