5 nejlepších technik spolehlivosti pro analýzu odolnosti vůči chybám

Pokud části systému selžou, ale pokračují v provozu, jedná se o systém odolný vůči chybám. Tato schopnost je důležitá v široké škále aplikací, kde není možné mít výpadky.

 

Obrázek 1. Žádný systém nemůže zcela zabránit chybám a selháním. Obrázek použit s laskavým svolením Canva

 

Zde je pět nejlepších technik spolehlivosti pro analýzu odolnosti vůči chybám:

 

#1: Analýza stromu chyb (FTA)

FTA je technika široce používaná k analýze odolnosti vůči chybám tím, že identifikuje různé kombinace selhání komponent, které mohou vést k katastrofickému selhání celého systému. Cílem FTA je vyhodnotit pravděpodobnost různých scénářů a najít způsoby, jak jim předcházet nebo je zmírnit.

 

Obrázek 2. Diagram toku analýzy stromu chyb (FTA). Obrázek použit s laskavým svolením Adobe Stock

 

FTA začíná s vrcholovou katastrofickou událostí, která je analyzována, a postupuje směrem dolů k identifikaci všech kombinací selhání komponent, které vedou k této vrcholové události.

Selhání komponent jsou reprezentována základními událostmi propojenými s vrcholovou událostí pomocí různých logických operátorů, jako jsou AND, OR a NOT. Pravděpodobnost každé základní události je odhadnuta a tyto pravděpodobnosti jsou kombinovány pro výpočet celkové pravděpodobnosti vrcholové události.

Lokalizace zdrojů selhání v mechanických systémech je klíčová v moderních výrobních zařízeních. FTA se používá téměř v každé inženýrské disciplíně, protože identifikuje vady a slabiny systému a analyzuje je jak kvalitativně, tak kvantitativně.

 

#2: Analýza režimů a účinků selhání (FMEA)

FMEA lze použít k analýze odolnosti vůči chybám tím, že identifikuje potenciální režimy selhání systému a vyhodnotí jejich důsledky. Poskytuje strukturovaný a systematický přístup k identifikaci možných problémů a jejich prioritizaci za účelem prevence nebo zmírnění jejich dopadů. Také pomáhá identifikovat nejkritičtější oblasti, které je třeba řešit pro zlepšení celkové spolehlivosti a bezpečnosti systému.

 

Obrázek 3. FMEA analyzuje jak účinky chyb, tak jejich závažnost.  Obrázek použit s laskavým svolením Adobe Stock

 

FMEA začíná vyjmenováním všech komponent nebo částí systému a následnou identifikací, jak může každá komponenta selhat. Pro každý potenciální režim selhání jsou vyhodnoceny dopady selhání na celý systém a je přiřazeno hodnocení závažnosti na základě dopadu selhání na bezpečnost, výkon nebo jiné kritické faktory.

Je to jeden z nejpraktických nástrojů pro návrh implementovaných v návrhu produktů pro analýzu možných selhání a zlepšení návrhu. Provádění FMEA již v raných fázích vývoje produktu vám umožní činit informovanější rozhodnutí o rizicích, která můžete později objevit.

 

#3: Monte Carlo

Monte Carlo lze použít k vytvoření více náhodných scénářů a simulaci různých typů chyb, které se mohou v systému vyskytnout, a k výpočtu jejich pravděpodobností. Metoda může být aplikována náhodným generováním vstupů, které představují potenciální selhání, a jejich použitím k simulacím systému.

 

Obrázek 4. Simulace Monte Carlo poskytují pravděpodobnost potenciálních chyb a omylů. Obrázek použit s laskavým svolením Wikimedia Commons

 

Výsledky těchto simulací mohou určit charakteristiky odolnosti systému vůči chybám, celkovou spolehlivost systému a pravděpodobnosti různých typů selhání. Výsledky analýzy Monte Carlo můžete použít k identifikaci potenciálních slabých míst v systému a tím zlepšit jeho odolnost vůči chybám.

Digitální transformace, běžně známá jako Průmysl 4.0, vyžaduje přesné hodnocení kvality procesu. Spolehlivost strojů bude mít v továrně budoucnosti zásadní význam a tyto simulace mohou hrát důležitou roli při zlepšování těchto odhadů.

Metoda Monte Carlo se používá v různých oborech jako biotechnologie, chemické, energetické a environmentální inženýrství.

 

#4: Analýza příčin selhání (RCA)

RCA je systematický přístup k identifikaci základní příčiny selhání. Začínáte sběrem dat o selhání nebo problému – včetně jeho příznaků, příčin a přispívajících faktorů. Data jsou poté analyzována, aby se určila základní příčina selhání, identifikovaly se slabiny, které k selhání přispěly, a pomohlo se vyvinout nápravná opatření k zabránění opakování selhání.

 

Obrázek 5. Analýza příčin selhání sleduje problémy zpět k jejich původnímu bodu, čímž zabraňuje budoucím podobným selháním.

 

RCA poskytuje přístup k identifikaci základních příčin selhání a vývoji nápravných opatření, která zabrání opakování selhání. Pomáhá zlepšit celkovou spolehlivost a bezpečnost systému.

RCA často provádějí inženýři ve výrobě, aby zjistili, co, jak nebo proč došlo k vyvolávající události. Pomáhá identifikovat přispívající faktory k problémům s kvalitou v jejich provozech.

Ford Motor Company vyvinula standardizovanou metodu pro řešení problémů s návrhem a výrobou, přičemž RCA byla jednou z nich. RCA byla provedena po nehodě Tesla Model S 70D po prvních úmrtích při autonomní jízdě.

 

#5: Model Markovova řetězce

Markovův proces je flexibilní a výkonný nástroj pro analýzu odolnosti vůči chybám tím, že vyvíjí matematický model, který ukazuje pravděpodobnostní chování systému. Může předpovídat selhání systému v čase a poskytovat odhady očekávané doby mezi selháními.

Modely Markovova řetězce lze použít k analýze chování široké škály systémů, včetně systémů s více komponentami, systémů s redundancí a systémů s možnostmi opravy a údržby. Poskytují flexibilní a výkonný nástroj pro modelování chování systému. Můžete je použít k analýze široké škály scénářů – včetně spolehlivosti systému, dostupnosti systému a požadavků na údržbu systému.

 

Obrázek 6. Komplexní systémy s redundancí a mnoha proměnnými často spoléhají na model Markovova řetězce pro analýzu chyb. Obrázek použit s laskavým svolením Wikipedia

 

Provozovatelé obnovitelných energetických systémů musí vždy řídit nejistotu a používají model Markovova řetězce k hodnocení a zajištění spolehlivosti elektrických dodávek. Také s exponenciálním růstem autonomních elektrických vozidel se výzkum analýzy spolehlivosti autonomní jízdy často provádí pomocí modelu Markovova řetězce.

 

Závěrečné myšlenky

Odolnost vůči chybám je požadavkem pro mnoho kritických aplikací, protože zajišťuje, že systém pokračuje v provozu i při selhání některých jeho komponent. Je to klíčový aspekt moderního návrhu systémů a zásadní úvaha pro aplikace, kde musí být doba výpadku minimální.