pålidelighedsmodeller

Pålidelighetsmodeller er matematiske og statistiske modeller som beskriver og forutsier hvor sannsynlig det er at et system eller en komponent fungerer over tid, eller når det vil svikte. De er sentrale i pålitelighetsingeniørkunst og vedlikeholdsplanlegging og baserer seg på tids-til-feil-data, ofte med censurering, samt vedlikeholdshistorikk.

De sentrale begrepene inkluderer pålitelighetsfunksjonen R(t), som er sannsynligheten for at en enhet er operativ etter tid t; kumulativt feilfunksjon F(t) = 1 - R(t); og farefunksjonen h(t), som beskriver feilraten over tid. Gjennomsnittlig tid til feil omtales som MTTF eller MTBF avhengig av kontekst. Data kan være rettet mot å estimere disse funksjonene, ofte med censurering inkludert.

Vanlige modeller inkluderer parametiske familier som exponential (konstant feilrate), Weibull (fleksibel form som kan modellere økende eller avtagende feilrate), lognormal og gamma. Ikke-parametriske metoder som Kaplan-Meier og Nelson-Aalen brukes når data ikke passer en bestemt fordeling. Parametriske modeller estimeres ofte med maksimum likelihood, spesielt ved bruk av censurerte data. Livsdatasanalyse (LDA) er en sentral tilnærming i feltet og legger grunnlag for sammenstilling av data fra flere enheter.

Anvendelser inkluderer utforming og vurdering av komponenters pålitelighet, planlegging av vedlikehold (tilstandsovervåking og forhåndsvarslet vedlikehold), livssyklusanalyse, garanti- og reservedelsstyring samt risikoanalyse.

Historisk sett har pålitelighetsmodeller utviklet seg fra statistikk og ingeniørfag og er nært knyttet til Life Data Analysis og Reliability Theory. Bruken spenner fra elektronikk og mekaniske systemer til programvare og komplekse industrielle systemer.