基于威布尔分析的汽车单一零件失效模式预测方法

《基于威布尔分析的汽车单一零件失效模式预测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、周哲仁(东风日产乘用车公司技术中心，广州510800)摘要:主要介绍了一种以威布尔保质分析来对汽车单一零部件失效模式进行预测的方法，通过在样本既定的失效模式下，应用威布尔分布对失效数据进行分析，从该失效模式的样本数据中估计出产品或者零部件的重要寿命特征，应用该重要寿命特征参数，进而预测在既定的保有量状况下，未来一段时间或者某一时刻产品或零件的失效率。关键词:威布尔分布;失效模式;寿命特征;预测;失效率APredictMethodofSinglePartFailModeonAutomobileBasedonWei

2、bullDistributionAnalysisZHOUZheren(DongfengNissanPassengerCarCompany，Guangzhou510800，China)Abstract:Inthispaper，apredictmethodwasintroducedforsinglepartfailmodeonautomobilewhichwasbasedonweibulldistributionwarrantyanalysis，foracertainfailmode，weibulldistribu

3、tewasusedtoanalyzethesamplesoffaildata，theimportantlifedataparametersofthispatorproductwasgotten，whichhasthesamefailmode．Andthentheseparameterswereusedtopredictthefailurerateofthispartorproductforthewholesamplespaceinoratsometimeunderthesamecondition．Keyword

4、s:Weibulldistribution;Failmode;Lifedataparameter;Predict;Failurerate引言随着中国汽车工业的不断发展和成熟，对质量管理控制和成本控制提出了越来越多的要求，其中最重要的就是如何减少成本。但是生产中，随着产品保有量和销售量的不断增大，产品失效越来越受到关注，成为新产品先行开发和售后服务的关注对象。那么对于数以百万计的产品保有量，以及新开发产品不断被纳入开发管理计划，产品失效模式的研究以及在目前保有量基础上，产品未来失效数量或者失效率的研究，成为众多知

5、名公司品质管理目标制定的重要方面，同时由于品质目标设定越来越追求基于数据的管理，如何科学而有效地制定未来的品质目标也是各大公司研究的主流方向。文中通过对威布尔分布的理论分析，结合品质管理中的具体问题，结合Minitab软件提出了一种有效的预测方法。的问题尽早发现，提前拟定对策，以减少浪费;0(2)对单一模式的失效能用简单易懂的图表进行说明，特别是对短时间内数据不充分或者不连续的样本情况，仍然能进行有效的预测;(3)能够提供基于威布尔分布的累积失效概率图，借此可以分析未来产品失效的走势及预测失效数量。1.2威布尔

6、分布函数基本概念威布尔分布函数是Waloddiweibull教授在1937年首次提出，在1951年，weibull教授在其代表作“一个具有广泛适用性的统计分布函数”中进行了详尽的阐述，直到1975年美国空军认可了其研究观点才被广泛应用且接受。威布尔概率密度函数的表达式为β(T－γ)β－1e－(T－γ)μf(T)=(1)η威布尔分布的简介威布尔分布是在失效数据的分析中，被公认为应用最为广泛的分布之一。以往的正态分布以及其他类型的分布，在进行失效分析时，需要的样本量较大，并且经验要求也很重要，往往无法满足日常品质管

7、理的要求。特别是面对样本数量较少，且样本数据较小的情况下，正态分布或者其他分布由于误差较大而往往不能满足要求，而威布尔分析则能进行非常有效的分析，特别是对于产品涉及安全性或者极端情况的分析是非常有效的。η1η其中:β为形状参数，它确定了威布尔分布中样本数据的分布相关性;η为尺度参数，也叫特征寿命或者比例参数，它确定了样本数据63.2%的数据的分布状态。γ为位置参数，一般只要是β和η参数确定后，整个样本数据的基本分布状态就确定了，γ仅仅改变其位置分布。在一般的实际应用中，除非特别要求，一般都是两参数的威布尔分布。

8、1.2.1形状参数β的含义其中对于形状参数β，不同取值的β，代表了不同的含义:威布尔分析的优点威布尔分布越来越多地应用于机械、化工、电子、材料等领域的失效问题研究，之所以被广泛地应用，和它的功能是密不可分的，其优点在于:(1)能提供比较有效准确的失效分析，特别是对于小数据样本的失效预测也比较准确，进而对潜在的引起巨大成本浪费(1)β＜1.0时，表明部品元件在正常使用时有可能失效，1.1