Nuovo al calcolo MTBF

Le previsioni basate su standard internazionali sono delle procedure classiche nel mondo dell’ingegneria dell’affidabilità. Sebbene esistano metodologie più innovative, in molti casi un’analisi di predizione è l’unico metodo disponibile per compiere un’analisi di affidabilità. Infatti, potrebbe essere impossibile ottenere dati dal campo circa l’affidabilità di un prodotto a causa della mancanza di dati storici o di un numero di prodotti sufficiente da poter testare. In questo articolo, corredato di una dimostrazione video del programma Lambda Predict, tratteremo dei pregi e difetti delle predizioni di affidabilità, e presenteremo una breve panoramica su due degli standard più utilizzati.

Perché calcolare MTBF

Prima di immettere un prodotto sul mercato, è altrettanto raccomandabile quanto desiderabile determinarne l’affidabilità onde prevedere gli oneri di assistenza e garanzia, i pezzi di ricambio necessari e il potenziale commerciale. Da queste analisi preliminari emergono due dati che sono alla base delle previsioni di affidabilità: il tasso di guasto e il Mean Time Between Failures (MTBF). Benché effettuare previsioni di elevata precisione in questo ambito sia difficoltoso, le predizioni di affidabilità risultano comunque utili durante la fase di progettazione, permettendo di confrontare diverse soluzioni e di valutarne i pregi.

I dati di affidabilità di un sistema già esistente forniscono un punto di partenza ragionevole per stimare l’affidabilità di uno nuovo e simile al precedente. Ciononostante, quest’ultimo potrebbe incorporare caratteristiche, come ad esempio la presenza di nuovi sottosistemi e controlli software, che potrebbero determinare un comportamento difforme rispetto alle previsioni affidabilistiche iniziali. Inoltre, nuovi protocolli di collaudo o un diverso approccio in termini di gestione aziendale rivolto alla qualità del prodotto finito influenzano significativamente l’affidabilità del sistema, alterandola in maniera considerevole.

Inizialmente le stime vengono formulate a livello di sistema e possono divenire più particolareggiate man mano che quest’ultimo viene definito con maggiore precisione. Sarebbe auspicabile addentrarsi in un’analisi dettagliata a livello dei singoli componenti e considerare i rispettivi contributi in termini di affidabilità; tuttavia, tale approccio potrebbe rendere più incerte le previsioni circa il sistema nel suo complesso. Non dobbiamo infatti dimenticare che non tutti i guasti del sistema derivano da malfunzionamenti dei suoi componenti e non tutti i guasti dei componenti causano un guasto generale del sistema.

Il metodo più diffuso per effettuare una previsione di affidabilità è valutare i contributi dei singoli componenti del sistema in base a tassi di guasto presenti in banche dati standard.

Limiti del calcolo MTBF e dell’affidabilità

Per realizzare previsioni di affidabilità, nel corso del tempo sono stati sviluppati modelli matematici di varia complessità basati sui principi fisici relativi ai componenti analizzati. Ad esempio, un modello di affidabilità per un componente elettrico deve considerare la legge di Ohm. Tuttavia, questi modelli potrebbero non riuscire a descrivere in maniera esaustiva la natura dei guasti, poiché questi possono essere influenzati da fattori casuali, come errori nell’utilizzo, condizioni ambientali sfavorevoli in cui il componente opera o variazioni nella qualità costruttiva del componente stesso.

Inoltre, la percezione del guasto varia tra gli individui, mettendo in discussione il determinismo tipico del modello matematico. Un altro ostacolo nello sviluppo di modelli matematici per supportare le previsioni di affidabilità deriva dalla natura statistica intrinseca ai modelli stessi: i risultati ottenuti dalle analisi non sono mai assolutamente certi, ma altamente probabili e vengono calcolati esaminando un campione limitato dell’intera popolazione.

Di conseguenza, si crea un circolo vizioso in cui i risultati statistici possono essere ritenuti validi soltanto se supportati da una solida teoria di base, mentre l’elaborazione di un modello teorico può avvenire esclusivamente a partire dai dati statistici. Infine, ricordiamo queste limitazioni intrinseche agli standard:

obsolescenza delle banche dati, in particolare delle categorie e dei parametri dei componenti
definizione di guasto sconosciuta
impossibilità di determinare le procedure di raccolta dei dati
mancanza di componenti nelle librerie
difficoltà a mappare le informazioni presenti nei datasheet a quelle presenti negli standard

Standard più comuni per il calcolo MTBF

Il metodo più utilizzato per effettuare analisi di affidabilità è senza dubbio quello basato su standard internazionalmente riconosciuti. In queste norme sono catalogati un gran numero di componenti insieme ai loro tassi di guasto e ai relativi fattori che li influenzano. Alla base di questi standard vi sono due ipotesi fondamentali: i dispositivi sono considerati in serie, per cui il guasto di un componente causa il guasto dell’intero sistema, e si presume una frequenza di guasto costante, modellata mediante una funzione esponenziale.

Tipicamente vengono illustrati i tassi di guasto, espressi come guasti per unità di tempo, calcolati in un intervallo di milioni o miliardi di ore. Pertanto, si può definire il FIT (Failure in Time), come il singolo guasto ogni miliardo di ore. Per i sistemi non riparabili, questo indice può essere interpretato come il contributo del singolo componente al tasso di guasto dell’intero sistema. Sommando ciascun contributo, si ottiene il tasso di guasto complessivo del sistema. Questo metodo viene detto ‘parts count’ ed è un metodo alternativo per effettuare previsioni secondo lo standard MIL-HDBK-217F all’interno del programma Lambda Predict. Il suo pregio è la possibilità di essere attuato con una quantità modesta di informazioni, tipicamente il numero di componenti, i livelli di qualità e l’ambiente di lavoro. È consigliabile utilizzare il metodo ‘parts count’ solo durante le primissime fasi di progettazione del prodotto, quando è impossibile reperire informazioni sufficienti per avvalersi di altre metodologie. Nei prossimi paragrafi analizzeremo in dettaglio due degli standard più comuni, ovvero il MIL-HDBK-217F e il Telcordia SR-332. Per un confronto approfondito sugli standard di predizione più utilizzati per l’analisi di componenti elettronici, vedasi il webinar WBS05 – Reliability Prediction: a comparison study of MIL217F, Telcordia SR332-3 and FIDES .

MIL-HDBK-217F

Questo standard, oggetto di ultima revisione nel 1995, costituisce la base di gran parte degli altri standard internazionali, sebbene i dati che offre siano oggi considerati discutibili. Sviluppato dall’esercito americano, prevede l’impiego di due distinti metodi per effettuare previsioni di affidabilità, denominati ‘parts count’ e ‘parts stress’. Il primo metodo presuppone l’applicazione di livelli di stress costanti e il calcolo del tasso di guasto mediante la seguente formula:

È importante ricordare che i fattori di qualità variano a seconda dei tipi e delle categorie di parti.

Il metodo ‘part stress’, invece, viene utilizzato nelle fasi avanzate del progetto, durante le quali vengono sviluppati hardware e circuiti. Per impiegare tale metodo, è necessario acquisire informazioni specifiche riguardanti l’ambiente di utilizzo del prodotto, lo stress elettrico applicato, la temperatura di operatività e altre informazioni rilevanti per la categoria del componente. Ad esempio, il tasso di guasto previsto per un microprocessore viene calcolato nel modo seguente:

Sebbene lo standard MIL-HDBK-217F sia il più famoso e utilizzato, negli anni sono state mosse molte critiche nei suoi confronti, tra cui:

Solo un’esigua parte di rotture di componenti elettronici è dovuta a cause interne;
la relazione temperatura-guasto non è sempre supportata dalle moderne conoscenze di fisica del guasto;
alcuni parametri utilizzati nell’analisi di predizione sono di dubbia utilità;
i modelli utilizzati non prendono in considerazione molti fattori che influiscono sull’affidabilità, quali stress transitorio eccessivo, cicli di temperatura, interferenze e compatibilità elettromagnetica e il controllo dell’assemblaggio, dei test e della manutenzione.

In sintesi, lo standard possiede delle lacune di una certa importanza, le quali sono state colmate da metodi di previsione più moderni.

Telcordia SR-332

Sviluppato dai laboratori Bell di AT&T, questo standard si basa sul MIL-HDBK-217F, le cui equazioni sono state adattate per meglio rappresentare le esigenze dell’industria delle telecomunicazioni. Il modello si divide in tre metodi, in base ai risultati che possiamo ottenere:

un tasso di guasto generico basato sullo standard Telcordia;
una combinazione del risultato precedente con i dati provenienti dai test di laboratorio;
una combinazione tra il risultato del metodo 1 e i dati provenienti dal campo.

Una particolarità dello standard SR-332 è l’enfasi posta sui problemi di mortalità infantile e sulle contromisure adottate dai produttori per mitigarli. Inoltre, lo standard applica un ‘moltiplicatore del primo anno’, il quale tiene conto dell’effetto che la mortalità infantile ha sulle previsioni. Questo moltiplicatore è ridotto applicando un ‘credito’ basato sul periodo di burn-in.

Standard aggiuntivi

Altri standard degni di menzione sono:

IEC 62380
NSWC-06/LE10
PRISM e 217Plus
China 299B
Siemens SN 29500

Esempio di calcolo MTBF

Il seguente video mostra le funzionalità principali del programma Lambda Predict, e illustra un semplice previsione di affidabilità compiuta attraverso due standard differenti.

Conclusioni

Come mostrato nella parte finale del video, lo standard MIL-HDBK-217F fornisce risultati pessimistici ed è in larga parte obsoleto, mentre il Telcordia SR-332 fornisce risultati più realistici e rispecchia maggiormente le caratteristiche dei componenti elettronici odierni.

Di seguito viene mostrata una tabella riassuntiva che confronta le caratteristiche dell’analisi di predizione e dell’analisi Weibull, mettendone in evidenza pregi e difetti.

	Analisi di predizione	Analisi Weibull
Impostazione	Tratta dati teorici provenienti da librerie	Gestisce risultati reali
Metodo di calcolo	Sommatoria di tutti i componenti facenti parte l’apparato in questione	Analisi statistica dei dati di durata dell’intero apparato monitorato
Applicazione	Componentistica elettronica o meccanica	Indipendente dal tipo di componentistica
Modello utilizzato	Esponenziale (vita utile)	Weibull (mortalità infantile, vita utile, usura)
Tipologia di dato richiesto	Tasso di guasto e/o parametri elettrici, termici… di ogni singolo componente	Storico dei guasti, analisi per singola modalità di guasto
Tasso di guasto	Costante	Variabile
Confidenza del risultato	Non fornisce livelli di confidenza	Presenta risultati con livelli di confidenza
Risultato finale	MTBF vs Stress Tasso di guasto vs Stress Probabilità di guasto vs Stress	Affidabilità Probabilità di guasto Affidabilità condizionata Probabilità di guasto condizionata BX% Vita media Vita media rimanente Tasso di guasto
Accuratezza del risultato	Analisi prettamente teorica il cui risultato dipende dalla validità del database, dalla configurazione del circuito da modellare, dalla validità del modello esponenziale applicato ad ogni componente, dai processi produttivi dei componenti utilizzati…	Analisi dei dati reali insensibile a qualsiasi ipotesi teorica. Rappresenta l’uso e l’abuso del prodotto nel reale. Migliora con l’aumentare dei dati di guasto

Per scoprire di più riguardo alle previsioni di affidabilità e al software Lambda Predict, vi invitiamo a prenotare una dimostrazione via web con un nostro consulente.