Please use this identifier to cite or link to this item: http://dx.doi.org/10.18419/opus-4117
Authors: Delonga, Melani
Title: Zuverlässigkeitsmanagementsystem auf Basis von Felddaten
Other Titles: Reliability management process based on field data
Issue Date: 2007
metadata.ubs.publikation.typ: Dissertation
Series/Report no.: Berichte aus dem Institut für Maschinenelemente;123
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-33571
http://elib.uni-stuttgart.de/handle/11682/4134
http://dx.doi.org/10.18419/opus-4117
ISBN: 3-936100-24-1
Abstract: Ein ganzheitliches Zuverlässigkeitsmanagementsystem beinhaltet das Zusammenwirken unterschiedlicher Zuverlässigkeitsmethoden über alle Lebensphasen eines Produkts hinweg. Eine effektive Rückführung von Informationen in die Produktentwicklung muss erfolgen, um frühzeitig Risiken zu erkennen und Maßnahmen ergreifen zu können. Im Rahmen dieser Arbeit wurde ein praxisgerechtes Zuverlässigkeitsmanagementsystem aufgebaut, das eine robuste Prognose der Lebensdauer sowie der zu erwartenden Garantiekosten eines reparierbaren Systems ermöglicht. Hierbei wurden qualitative und quantitative Methoden zu unterschiedlichen Zeitpunkten im Produktentstehungsprozess eingesetzt und entsprechend erweitert. Die Vorgehensweise wurde am Beispiel eines Planetengetriebes verdeutlicht. Die klassische Vorgehensweise bei der Auswertung von Daten aus der Erprobung sowie dem Feld wurde erläutert und um Methoden zur Analyse unvollständiger Daten erweitert. Die Methoden wurden gegenübergestellt und Vorteile bzw. Defizite aufgezeigt. Durch eine Erweiterung der Methoden konnten die Ergebnisse verbessert und robuste Zuverlässigkeitsprognosen trotz unvollständiger Daten erzielt werden. Da Felddaten häufig mit einer Ungenauigkeit behaftet sind, wurde eine Vorgehensweise vorgestellt, die die Berücksichtigung ungenauer Daten bei der Analyse mit Hilfe der Monte-Carlo Simulation ermöglicht. Die Methoden zur Analyse unvollständiger, ungenauer Felddaten bilden die Grundlage für die Erstellung des Zuverlässigkeitsmanagementsystems. Zu Beginn der Zuverlässigkeitsanalyse des Beispielsystems Planetengetriebe wurden die kritischen Komponenten ermittelt. Anschließend wurde aufgezeigt, wie die Lebensdauerberechnung der Komponenten gemäß den Grundsätzen der Betriebsfestigkeit erfolgt. Zur Verifizierung der Ergebnisse bedarf es an Lebensdauererprobungen, die sehr zeit- und kostenaufwendig sind. Um den finanziellen Aufwand so gering wie möglich zu halten, werden diese zeitraffend durchgeführt. Die Ermittlung von Raffungsfaktoren und der Korrelation zwischen Feld und Erprobung wurde auf Basis der aus der Literatur bekannten Methoden zusammengestellt. Des Weiteren wurde eine Vorgehensweise vorgestellt, wie mittels Diagnoseverfahren Lastkollektive ermittelt werden können und folglich die aktuelle Zuverlässigkeit des Planetengetriebes im Feld bestimmt werden kann. Diagnosesysteme können aus Kostengründen nicht immer eingesetzt werden. Zur Bestimmung des Ausfallverhaltens im Feld ist die Dokumentation und Analyse von Felddaten unabdingbar. Die Anpassung und Verbesserung existierender Produkte bei der Neuentwicklung setzt voraus, dass die aus der Produktnutzung gewonnenen Informationen über das Gebrauchsverhalten und Fehlergeschehen in die Planung zurückgeführt werden. Die Analyse von Felddaten ermöglicht im Gegensatz zur reinen Versuchsdurchführung eine Betrachtung der Frühausfälle, die durch Bedienungsfehler, eine falsche Konfiguration oder auch durch eine inadäquate Betriebsweise verursacht werden. Durch die Nutzung dieser Informationen an vergleichbaren Produkten kann eine optimierte Ursachenanalyse erfolgen und entsprechende Maßnahmen abgeleitet werden. Des Weiteren kann der Bereich der Frühausfälle erfasst und dargestellt werden. Ein weiteres Thema dieser Arbeit bildet die Untersuchung der zu erwartenden Garantiekosten des Planetengetriebes. In diesem Zusammenhang wurde ein Modell entwickelt, das das Planetengetriebe als reparierbares System behandelt, und mit Hilfe dessen die Abhängigkeiten beim Reparaturverhalten berücksichtigt werden können. Das Ausfall- und Reparaturverhalten wurde mit der zweiparametrigen Weibullverteilung beschrieben. Da es sich hierbei um zeitabhängige Übergangsraten zur Beschreibung des Ausfall- und Reparaturverhaltens handelt sowie Abhängigkeiten zwischen den Komponenten vorhanden sind, wurde das Modell auf Basis der Monte-Carlo Simulation erstellt. Bei der Simulation wurden ungenaue Daten berücksichtigt, die zu streuenden Garantiekosten führten. Unterschiedliche Beispiele verdeutlichen die Auswirkung streuender Eingangsparameter auf die Garantiekosten sowie deren Auswirkung bei einer Garantieerweiterung. Bei der Optimierung einzelner Komponenten im Planetengetriebe hat sich gezeigt, wie eine Reduzierung der Garantiekosten am effektivsten erfolgen kann. Die mit dieser Arbeit abgeschlossenen Untersuchungen bezüglich der Analyse von Felddaten wurden auf Basis fiktiver Daten untersucht. Weitergehende Untersuchungen sollten die Anwendbarkeit der hier aufgeführten Methoden mit realen Daten absichern. Des Weiteren sollten weiterführende Analysen bezüglich der Methoden, die eine Laufleistungsverteilung zu Grunde legen, durchgeführt werden. Das im Rahmen dieser Arbeit vorgestellte Kostenprognosemodell beschränkt sich auf die zu erwartenden Garantiekosten. Eine Prognose der Lebenszykluskosten sowie deren Minimierung würden die Untersuchungen abrunden.
A well organized reliability management process is very important for manufacturers in order to achieve the reliability requirements set by the customers and to continuously maintain market position. The prediction of the failure behavior of a product in the field should be accomplished as early as possible. An optimized reliability management process contains qualitative and quantitative reliability methods based on fatigue damage calculations, test data, condition monitoring, field failure data and warranty cost analysis, which have to be fused to a closed loop failure analysis system in order to consider all lessons learned in the analysis tools used in product development. At the beginning of a reliability analysis a qualitative analysis has to be done to identify the critical components in a system that has to be analyzed and to discover possible high risk issues in the design. The definition of the critical components in a system helps to delimitate the complexity of the subsequent analysis. The evaluation of the lifetime of a product and its components during early development stages can result from established design calculations if the two variables stress and strength are given. The results of the calculation may not be sufficiently representative, since there are influencing parameters that can not be covered completely in the calculation. Life testing can demonstrate the failure behavior of a product under specified environmental conditions and can be used to verify the design calculation with regard to the major influencing factors. The failure behavior of the product during inhouse testing compared to the failure behavior of the product in the field can vary immense due to differences in the conditions and the treatment. The true operating conditions in the field can be determined for example by condition monitoring. As condition monitoring is not feasible in general for every single product in the field due to increasing costs, the field data collection and the analysis becomes very important. Field failure data reflects the true environmental conditions, which define the customer usage and gives an insight into the current failure situation of a product in the field. However, field data is often only available as incomplete and unprecise warranty data. Two methods were suggested in this work that consider lost information of the field data and can be used to perform representative reliability predictions. The Monte Carlo simulation allows the consideration of the uncertainty in the drive performance of the field data and yields to distributed parameters of the lifetime distribution. The results of the field data analysis can be used to simulate the expected warranty costs. The prediction of the warranty costs was accomplished for a synthetic example in terms of a repairable planetary gear. As the maintenance behavior of the components of the planetary gear is influenced by dependencies, the model was devel-oped based on the Monte-Carlo simulation. The simulation model considers unprecise warranty data that yield to distributed warranty costs. Different examples were presented that illustrate the effects of distributed parameters of the lifetime distributions in case of extended warranties. The presented analysis is limited to the prediction of the expected warranty costs. Further investigations should focus on the minimization of the life cycle costs of complex systems based on the minimization of the validation costs and the expected warranty costs.
Appears in Collections:07 Fakultät Konstruktions-, Produktions- und Fahrzeugtechnik

Files in This Item:
File Description SizeFormat 
Dissertation_Delonga.pdf1,47 MBAdobe PDFView/Open


Items in OPUS are protected by copyright, with all rights reserved, unless otherwise indicated.