UNI STUTTGART Tobias Leopold Ganzheitliche Datenerfassung für verbesserte Zuverlässigkeitsanalysen Bericht Nr. 140 Berichte aus dem Institut für Maschinenelemente Antriebstechnik • CAD • Dichtungen • Zuverlässigkeit D 93 ISBN 978-3-936100-41-9 Institut für Maschinenelemente Antriebstechnik • CAD • Dichtungen • Zuverlässigkeit Universität Stuttgart Pfaffenwaldring 9 70569 Stuttgart Tel. (0711) 685 – 66170 Prof. Dr.-Ing. B. Bertsche, Ordinarius und Direktor Ganzheitliche Datenerfassung für verbesserte Zuverlässigkeitsanalysen Von der Fakultät Konstruktions-, Produktions- und Fahrzeugtechnik der Universität Stuttgart zur Erlangung der Würde eines Doktor-Ingenieurs (Dr.-Ing.) genehmigte Abhandlung Vorgelegt von Dipl.-Ing. Tobias Leopold geboren in Günzburg Hauptberichter: Prof. Dr.-Ing. Bernd Bertsche Mitberichter: Prof. Dr.-Ing. Prof. E.h. Dr.-Ing. E.h. Dr .hc. mult. Engelbert Westkämper Tag der Einreichung: 07.10.2011 Tag der mündlichen Prüfung: 24.05.2012 Institut für Maschinenelemente 2012 Meiner Frau Steffi und meinen Kinder Felizitas und Antonia gewidmet Vorwort Die vorliegende Arbeit entstand im Rahmen des Forschungsprojekts „Zuverlässig- keitsanalyse und -optimierung eines elektro-pneumatischen Bremssystems“ der Knorr- Bremse Systeme für Nutzfahrzeuge GmbH. Die Arbeitsergebnisse wurden während meiner Tätigkeit als Wissenschaftlicher Mitarbeiter am Institut für Maschinenelemente (IMA) der Universität Stuttgart und als Zuverlässigkeitsingenieur bei der Knorr- Bremse Systeme für Nutzfahrzeuge GmbH in München erarbeitet. Mein besonderer Dank gilt meinem Doktorvater Herrn Prof. Dr.-Ing. Bernd Bertsche, Leiter des Instituts für Maschinenelemente, für die Ermöglichung dieser Arbeit. Insbe- sondere Danke ich für die fachliche und wissenschaftliche Unterstützung, für viele Diskussionen und Anregungen sowie für das entgegenbrachte Vertrauen. Prof. Dr.-Ing. Prof. E.h. Dr.-Ing. E.h. Dr .hc. mult. Engelbert Westkämper danke ich für die Übernahme des Mitberichts und die kritische Durchsicht meiner Arbeit. Ich bedanke mich besonders bei Herrn Dr. Eduard Gerum, Bereichsleiter der Knorr- Bremse Systeme für Nutzfahrzeuge GmbH, für die Initiierung und die kontinuierliche Unterstützung des Forschungsprojekts. Weiterhin danke ich den Herren Dr. Laszlo Palkovics, Dr. Gerd Fritsch, Dr. Jörg Riedel und Herrn Dipl.-Ing. Alexander Dobry für das Interesse und die Unterstützung bei der Erarbeitung vieler Projektaufgaben und weiterführender Zuverlässigkeitsaktivitäten bei der Knorr-Bremse SfN GmbH. Beson- ders danke ich Herrn Dipl.-Ing. Matthias Seidenschwang und Herrn Dipl.-Ing Horst Windisch für die vielen praktischen Anregungen und hilfreichen Diskussionen, die zum Gelingen dieser Arbeit beigetragen haben. Mein herzlicher Dank gilt allen aktiven und ehemaligen Mitarbeitern des Instituts für Maschinenelemente für die Kollegialität und Hilfsbereitschaft. Ganz besonders danke ich meinen Bürokollegen Dipl.-Ing. André Dittrich und Dipl.-Ing. (FH) Peter Müller für das äußerst angenehme Arbeitsumfeld und die vielen fachlichen Diskussionen und Anregungen, die zum Gelingen dieser Arbeit beigetragen haben. Ich danke außerdem Herrn Dipl.-Ing. Volker Schweizer für die intensive Durchsicht meiner Arbeit. Nicht zuletzt möchte ich mich bei allen Studienarbeitern, Diplomanden, Praktikanten und Werkstudenten am Institut für Maschinenelemente und bei der Knorr-Bremse SfN GmbH bedanken, die mir bei der Erarbeitung der Themenfelder geholfen haben. Stuttgart, im Mai 2012 Tobias Leopold i Inhalt 1 Einleitung ................................................................................................................. 1 1.1 Problemstellung ............................................................................................... 2 1.2 Ziele und Aufbau der Arbeit ............................................................................ 2 2 Grundlagen der Zuverlässigkeitstechnik ............................................................. 5 2.1 Begriffe und Definitionen ................................................................................ 5 2.2 Statistische Verteilungen ............................................................................... 10 2.2.1 Normalverteilung ................................................................................ 10 2.2.2 Exponentialverteilung ......................................................................... 11 2.2.3 Weibullverteilung ................................................................................ 12 2.2.4 Lognormalverteilung ........................................................................... 14 2.3 Grundgesamtheit und Stichprobe ................................................................... 15 2.4 Auswertung von Ausfalldaten ........................................................................ 16 2.4.1 Zensierungsarten von Ausfalldaten ..................................................... 16 2.4.2 Auswertung zensierter Daten .............................................................. 18 3 Anforderungsgerechtes Datenkonzept ............................................................... 21 3.1 Einteilungen von Daten .................................................................................. 21 3.2 Anforderungen an die Zuverlässigkeitsdatenerfassung ................................. 22 3.2.1 Anforderungen aus dem Stand der Technik ........................................ 23 3.2.2 Anforderungen aufgrund Produkt- und Produzentenhaftung ............. 25 3.2.3 Anforderungen aufgrund Datenschutz ................................................ 26 3.2.4 Synthese der Anforderungen ............................................................... 26 3.3 Bewertungsmodell für Zuverlässigkeitsdaten ................................................ 28 4 Analyse von Zuverlässigkeitsdatenquellen ......................................................... 36 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung ............................. 38 ii 4.1.1 Ausfallratenkataloge ............................................................................ 38 4.1.2 Abbildung von Expertenwissen .......................................................... 41 4.1.3 Lebensdauerberechnung ...................................................................... 43 4.1.4 Erprobung ............................................................................................ 45 4.2 Zuverlässigkeitsdatenquellen während der Fertigung .................................... 48 4.2.1 Fertigungsbegleitende Produkterprobung ........................................... 49 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung.......................... 50 4.3.1 Kundenbefragungen und technische Hotlines ..................................... 51 4.3.2 Öffentliche Statistiken des Feldverhaltens .......................................... 52 4.3.3 Gewährleistungs- und Kulanzdatenerfassung ..................................... 55 4.3.4 Erweiterte Gewährleistungs- und Kulanzdatenerfassung ................... 58 4.3.5 Werkstattdatenerfassung ..................................................................... 59 4.3.6 Direkte Datenerfassung am Produkt während Nutzungsphase ........... 61 4.4 Gegenüberstellung der Ergebnisse der Bewertungen .................................... 63 5 Synthese zu einem ganzheitlichen Ansatz ........................................................... 72 5.1 Modularer Aufbau der ganzheitlichen Datenerfassung ................................. 72 5.2 Basismodul ..................................................................................................... 74 5.3 Erweiterungsmodul Feldfrühwarnsystem ...................................................... 77 5.4 Erweiterungsmodul Minimale Gewährleistungs- und Kulanzkosten ............ 80 5.5 Erweiterungsmodul Effiziente Produkterprobung ......................................... 83 5.6 Erweiterungsmodul Maximale Kundenzufriedenheit .................................... 86 5.7 Erweiterungsmodul Optimale Produktlebenszykluskosten ........................... 89 6 Beispielhafte Umsetzung ...................................................................................... 93 6.1 Unternehmensintegration ............................................................................... 93 6.1.1 Zentrales Zuverlässigkeitsmanagement .............................................. 93 6.1.2 Prozessverankerung ............................................................................. 95 iii 6.1.3 Projektverankerung ............................................................................. 99 6.2 Realisierung des modularen Datenansatzes ................................................. 100 6.2.1 Datenaufbereitung von Gewährleistungs- und Kulanzdaten ............ 101 6.2.2 Werkstattdatenerfassung von Zuspanneinheiten ............................... 106 6.2.3 Direkte Datenerfassung im Nutzfahrzeug ......................................... 109 7 Zusammenfassung .............................................................................................. 119 8 Literatur .............................................................................................................. 121 iv Kurzfassung Die Produktzuverlässigkeit stellt eine der wichtigsten Produktmerkmale dar, die wei- testgehend während der Produktentstehung determiniert wird. Der darauf basierende Anspruch einer geringen Ausfallwahrscheinlichkeit von Produkten bedarf umfangrei- cher Zuverlässigkeitsanalysen während der Entwicklung und Herstellung eines Pro- dukts. Der endgültige Nachweis, ob die Anstrengungen zur Erreichung und Sicherstel- lung der Produktzuverlässigkeit erfolgreich waren, kann abschließend erst während der Nutzungsphase des Produkts erfolgen. Somit muss der gesamte Produktlebenszyklus von Zuverlässigkeitsanalysen begleitet werden. Die Basis für aussagekräftige Zuverlässigkeitsanalysen sind, neben einer korrekten und zweckmäßigen Anwendung von Zuverlässigkeitsmethoden, die dafür notwendigen Zuverlässigkeitsdaten. Nur die Verbindung einer geeigneten Datenbasis mit bedarfsge- rechten Analysemethoden erlaubt die Beantwortung wichtiger Fragestellungen der Zuverlässigkeitstechnik. Insbesondere die Zuverlässigkeitsdaten müssen dafür um- fangreiche und teilweise sehr unterschiedliche Anforderungen erfüllen. Neben einer Anforderungsanalyse müssen deshalb die potentiell zur Verfügung stehenden Zuver- lässigkeitsdaten untersucht und bewertet werden. Um eine Vergleichbarkeit der Be- wertungen verschiedener Datenquellen sicherzustellen, wird im Rahmen dieser Arbeit ein Bewertungsmodell für Zuverlässigkeitsdatenquellen entwickelt und angewandt, das auf wichtigen Anforderungen und Eigenschaften von Zuverlässigkeitsdaten beruht. Da im Allgemeinen nur eine begrenzte Anzahl an Zuverlässigkeitsdatenquellen zur Verfügung steht bzw. realisiert werden kann, muss in Abhängigkeit der Aufgabenstel- lung eine ideale Kombination von Zuverlässigkeitsdatenquellen für anschließende Zu- verlässigkeitsanalysen bereitgestellt werden. Dabei ist neben dem Nutzen der Daten- quellen zusätzlich der Aufwand zu berücksichtigen, der für deren Verwendung ent- steht. Unter Berücksichtigung der umfangreichen Zusammenhänge wird in dieser Arbeit ein modularer Aufbau einer ganzheitlichen Zuverlässigkeitsdatenerfassung entwickelt. Nur durch die Kombination von verschiedenen Datenquellen, die unterschiedliche An- forderungen von unternehmerischen Aufgabenstellungen erfüllen, kann eine sinnvolle Datenbasis für Zuverlässigkeitsanalysen geschaffen werden. Zusätzlich sind Aspekte der Unternehmensintegration zu berücksichtigen, die sich in einem zentralen Zuverläs- sigkeitsmanagement sowie der Prozess- und Projektverankerung widerspiegeln. v Abstract Holistic data collection for improved reliability analysis The reliability of a product is one of its most important characteristics which is mainly determined during product development. The demand of low product failure probabili- ties of products requires comprehensive reliability analyses during development and manufacturing. The final proof of whether all efforts to fulfill and ensure the product reliability were successful can not be carried out before the utilization phase of the product. Therefore, the whole product life cycle has to be accompanied by reliability analyses. The basis for meaningful reliability analyses is, in addition to a correct and appropriate execution of reliability methods, the required reliability data. Only the combination of a proper data base and suitable methods of analysis produce answers to important re- liability questions. In particular, the reliability data have to fulfill comprehensive and sometimes very diverse requirements. In addition to a requirements analysis, the po- tential available reliability data have to be investigated and evaluated. To ensure the comparability of the evaluations of different data sources, an assessment model for reliability data sources is developed and applied. The model is based on important re- quirements and characteristics. In general, only a limited number of reliability data sources are available or can be realized. Thus, depending on the aim of the reliability question, an ideal combination of reliability data sources has to be provided for following reliability analyses. There- by, the benefit as well as the effort of using the data sources must be considered. Under consideration of comprehensive relationships, a modular buildup of a holistic reliability data collection is developed in this dissertation. A meaningful data base for reliability analyses which fulfills the requirements of diverse reliability tasks of com- panies’ can only be created by combining different data sources. Additionally, aspects of company integration like a central reliability management, as well as process and project upgrading, have to be regarded. vi Abkürzungen und Formelzeichen Abkürzungen ABS Antiblockiersystem ADAC Allgemeiner Deutscher Automobil-Club e.V. AGREE Advisory Group on Reliability of Electronic Equipment ASR Antriebsschlupfregelung BDSG Bundesdatenschutzgesetz BGB Bürgerliches Gesetzbuch CAD Computer Aided Design CAN Controller Area Network EBS Elektronischen Bremssystems ESS Environmental Stress Screenning FMEA Failure Mode and Effects Analysis G&K Gewährleistung und Kulanz GPRS General Pocket Radio Service GSM Global System for Mobile Communications HALT Highly Accelerated Life Testing HASA Highly Accelerated Stress Audit HASS Highly Accelerated Stress Screening HAST Highly Accelerated Temperature and Humidity Stress Test LIN Local Interconnect Network MOST Media Oriented System Transport ProdHaftG Produkthaftungsgesetz R&D Research and Development TÜV Technischer Überwachungs-Verein UMTS Universal Mobile Telecommunications System VDA Verband der Automobilindustrie e.V VDI Verein Deutscher Ingenieure e.V. WLAN Wireless Local Area Network vii Formelzeichen gesA Gesamtaufwand der Datenquelle kA Gewichtete Bewertung des Bewertungskriteriums k b Formparameter der Weibullverteilung iB Gewichtete Bewertung des Kriteriums i iungewB , Ungewichtete Bewertung des Kriteriums i x B Lebensdauer mit x% Ausfallwahrscheinlichkeit ( )tF Ausfallwahrscheinlichkeit ( )tf Ausfallwahrscheinlichkeitsdichte , Ausfälle des Reklamationsjahres j iG Gewichtung des Kriteriums i , Gewichtungsfaktor des Reklamationsjahres j LF Leistungsfähigkeit der Datenquelle  Durchschnittliche Achsenzahl   Anzahl der Produkte je Achse  , Bestandszahl der i-ten Fahrzeugklasse gesN Gesamtnutzen der Datenquelle jN Gewichtete Bewertung des Bewertungskriteriums j  Grundgesamtheit eines Reklamationsjahres   Grundgesamtheit eines Testmarkts   ü , Ausrüstungsquote der i-ten Fahrzeugklasse ( )tR Zuverlässigkeit s Standardabweichung 2s Varianz T Charakteristische Lebensdauer der Weibullverteilung o t Ausfallfreie Zeit der Weibullverteilung x Arithmetischer Mittelwert medianx Median alxmod Modus, Modalwert ( )tλ Ausfallrate µ Mittelwert σ Standardabweichung 1 Einleitung Die Zuverlässigkeit eines Produkts ist eine der wichtigsten Produkteigenschaften [4], [5], [6], [67], [68]. In vielen Branchen stellt die Produktzuverlässigkeit eine der be- deutsamsten Kaufkriterien für ein Produkt dar. Damit eng verbunden sind die Produkt- lebenszykluskosten, die Kaufentscheidungen ebenfalls sehr stark beeinflussen. Dies wird insbesondere bei Investitionsgütern wie Nutzfahrzeugen deutlich, wie dies Bild 1.1 belegt. Bild 1.1: Kaufkriterien von Nutzfahrzeugen [66] Aus Unternehmenssicht ist die Produktzuverlässigkeit damit eines der entscheidenden Merkmale, um im Wettbewerb bestehen zu können und erfolgreich zu sein, indem das Kundenbedürfnis nach zuverlässigen Produkten erfüllt wird. Dabei ist, neben einem effektiven Einsatz von qualitativen und quantitativen Zuverlässigkeitsmethoden, die Basis für einen sinnvollen Methodeneinsatz von enormer Wichtigkeit: belastbare Zu- verlässigkeitsdaten. 2,6 3,0 3,4 3,5 3,8 3,8 3,9 3,9 4,0 4,0 4,1 4,1 4,3 4,9 2 3 4 5 Design Administrativer Service Markenimage Service bei Finanzierung Qualität des Anhängers / Aufliegers Minimale Markenvielfalt Neueste Technologie Felixibilität der Ausrüstung Sicherheitsmerkmale Qualität des Zugfahrzeugs Service im Nachmarkt Komfort für Fahrer Lebenszykluskosten Zuverlässigkeit wenig relevant sehr relevant 2 1 Einleitung 1.1 Problemstellung Der Nutzen einer Datenerfassung ist mit der Bedeutung der Fragestellungen verknüpft, die in einem Unternehmen beantwortet werden müssen. Die Fragestellungen können sehr unterschiedlich sein, deshalb kann keine vollständige Sammlung von Aufgaben- stellungen von Zuverlässigkeitsanalysen erstellt werden. Häufig auftretende Fragen der Zuverlässigkeit sind: • Ist ein neues Produkt zuverlässiger oder weniger zuverlässig als ein Vorgänger- produkt? • Welche Zielzuverlässigkeit sollte ein Produkt erfüllen? • Welche Belastungen erfährt ein Produkt während seines Gebrauchs? • Welche Schwachstellen und Ausfallursachen hatte ein Vorgängerprodukt? • Wie korrelieren Belastungen und Gebrauchsgewohnheiten im Feld mit Ausfall- ursachen und deren Häufigkeiten? • Welche Belastungen und Ausfallursachen sind während der Erprobung zu be- rücksichtigen? • Wie viele Ausfälle treten während der Gewährleistungsdauer auf? • Wird bzw. wurde eine vertraglich vereinbarte Zuverlässigkeit erreicht? • Können Zuverlässigkeitstrends im Feld bereits sehr früh erkannt werden und können bei Bedarf geeignete Gegenmaßnahmen zielgerichtet eingeleitet wer- den? • Wie wird sich der Ersatzteilbedarf während der gesamten Produktnutzung ent- wickeln? • … Diese Fragestellungen müssen sich mit den Inhalten der qualitativen und quantitativen Zuverlässigkeitsdaten in Verbindung mit Zuverlässigkeitsmethoden ausreichend genau beantworten lassen. Das Gesamtkonzept der Datenerfassung eines Unternehmens muss auf die teilweise individuellen, unternehmensspezifischen Bedeutungen der Fragestel- lung abgestimmt sein. Häufig werden nicht alle zur Verfügung stehenden Datenquel- len optimal eingesetzt oder zu wenige Datenquellen für die zu erzielenden Zuverläs- sigkeitsaussagen benutzt. Ein Beispiel dafür ist die oftmals praktizierte Vorgehenswei- se, mit Gewährleistungs- und Kulanzdaten, die aus einer relativ kurzen Betriebsdauer der Produkte stammen, das Ausfallverhalten über die gesamte, häufig viel längere, Produktlebensdauer abzuschätzen. 1.2 Ziele und Aufbau der Arbeit Die ganzheitliche Zuverlässigkeitsdatenerfassung hat das Ziel, eine effiziente und auf- gabengerechte Bereitstellung von Zuverlässigkeitsdaten zu gewährleisten. Dazu zeigt Kapitel 2 zunächst Grundlagen der Zuverlässigkeitstechnik auf. Der Ansatz einer 1.2 Ziele und Aufbau der Arbeit 3 ganzheitlichen Datenerfassung beginnt in Kapitel 3 mit der Analyse eines anforde- rungsgerechten Datenkonzeptes, das die Erarbeitung eines allgemeingültigen Bewer- tungsmodells für Zuverlässigkeitsdatenquellen umfasst. Bild 1.2: Aufbau der Arbeit Das entwickelte Bewertungsmodell erlaubt die in Kapitel 4 durchgeführte Analyse der Zuverlässigkeitsdatenquellen. Es werden Zuverlässigkeitsdatenquellen analysiert, die während der Entwicklung, Fertigung und Nutzung eines Produktes realisierbar sind. Diese Zuverlässigkeitsdatenquellen bilden die Grundlage für den modularen Aufbau der ganzheitlichen Datenerfassung, die in Kapitel 5 beschrieben ist. Dazu werden für verschiedene Aufgabenstellungen unterschiedliche Kombinationen und Verknüpfun- gen der einzelnen Zuverlässigkeitsdatenquellen aufgezeigt. Aus den aufgelisteten Fra- gestellungen der Zuverlässigkeitstechnik aus Kapitel 1.1 werden unternehmerische Zielsetzungen abgeleitet, deren Erfüllung durch Module der ganzheitlichen Datener- fassung möglich ist. Wichtige Aspekte der Realisierung des modularen Datenansatzes sowie die Notwen- digkeit eines zentralen Zuverlässigkeitsmanagements, das die Prozess- und Projektver- EinleitungKapitel 1 Grundlagen der ZuverlässigkeitstechnikKapitel 2 Anforderungsgerechtes DatenkonzeptKapitel 3 Synthese zu einem ganzheitlichen AnsatzKapitel 5 Kapitel 4 Analyse von Zuverlässigkeitsdatenquellen Beispielhafte UmsetzungKapitel 6 ZusammenfassungKapitel 7 G a n zh ei tli ch e D a te n er fa ss u n g 4 1 Einleitung ankerung sicherstellt, sind Bestandteil des Kapitels 6. Es enthält zusätzlich Beispiele für Realisierungen der Erfassung von Zuverlässigkeitsdaten, die bei einem Industrie- unternehmen der Nutzfahrzeugbranche umgesetzt sind. 2 Grundlagen der Zuverlässigkeitstechnik 2.1 Begriffe und Definitionen Die Charakterisierung der Zuverlässigkeit erfordert die Definition wichtiger Begriffe und deren mathematische Beschreibungen, um ein einheitliches Verständnis zu ge- währleisten. Dies ermöglicht die Grundlage für vergleichbare Zuverlässigkeitsanaly- sen. Zuverlässigkeit Die Zuverlässigkeit R(t) ist die Wahrscheinlichkeit dafür, dass ein Produkt während einer definierten Zeitdauer t unter gegebenen Funktions- und Umgebungsbedingungen nicht ausfällt [86]. Ausfallwahrscheinlichkeit Die Ausfallwahrscheinlichkeit F(t) beschreibt die Wahrscheinlichkeit, dass ein Pro- dukt bis zum Zeitpunkt t ausfällt. Die Ausfallwahrscheinlichkeit stellt damit das Kom- plement der Zuverlässigkeit dar [5], [6]. ( ) ( )tRtF −=1 (2.1) Bx-Lebensdauer Die Bx-Lebensdauer beschreibt den Zeitpunkt, zu dem x% aller Produkte ausgefallen sind. Sie charakterisiert damit die Zeitdauer zu einer speziellen Ausfallwahrschein- lichkeit x [5], [6]. ( ) xBF x = (2.2) In der Praxis werden häufig B1-, B10- und B50-Lebensdauern verwendet [5], [6]. 6 2 Grundlagen der Zuverlässigkeitstechnik Ausfallwahrscheinlichkeitsdichte Die Ausfallwahrscheinlichkeitsdichte f(t) beschreibt das Verhältnis der Anzahl der Ausfälle während eines kleinen Zeitintervalls und der Dauer dt dieses Zeitintervalls [86]. ( ) ( ) dt tdF tf = (2.3) Ausfallrate Der Quotient der Anzahl der Ausfälle und der Summe der noch intakten Einheiten ergibt die Ausfallrate λ(t). Sie charakterisiert damit das Ausfallrisiko eines Produkts zu einem Zeitpunkt t, wenn es bis zu diesem Zeitpunkt intakt ist [5], [6]. ( ) ( )( )tR tf t == Einheitenintakten nochder Summe tZeitpunkt zum Ausfälleλ (2.4) Der Verlauf der Ausfallrate eignet sich zusätzlich, um sehr anschaulich das Ausfall- verhalten graphisch zu veranschaulichen. Es werden drei Bereiche von Ausfallcharakteristika unterschieden, deren grafischer Verlauf als Badewannenkurve bezeichnet wird, die in Bild 2.1 dargestellt ist [5], [6]. Der erste Bereich der Badewannenkurve zeichnet sich durch eine abnehmende Aus- fallrate aus. Das bedeutet, dass mit zunehmender Betriebsdauer das Risiko eines Bau- teils auszufallen, sinkt. Dies ist typisch für Montage- und Fertigungsfehler und umfasst im Allgemeinen einen Zeitraum der verhältnismäßig klein ist im Vergleich zu einer durchschnittlichen Lebensdauererwartung. Diese Fehler treten bereits nach einer kur- zen Betriebsdauer auf und umfassen bei Fahrzeugen im Allgemeinen wenige Monate. Der sich anschließende zweite Bereich der Badewannenkurve beinhaltet Zufallsausfäl- le. Der Verlauf der Ausfallrate in diesem Bereich zeichnet sich durch eine nahezu kon- stante Ausfallrate aus. Diese Art der Ausfälle sollten sehr selten und damit mit einer geringen Ausfallrate auftreten, da sie das Ausfallverhalten über eine lange Produktnut- zungsdauer prägen. Die Ursachen der Zufallsausfälle des zweiten Bereichs der Bade- wannenkurve können sehr vielfältig sein, Beispiele dafür sind Bedienungs- und War- 2.1 Begriffe und Definitionen 7 tungsfehler. Dieser Bereich der Zufallsausfälle stellt die eigentliche nutzbare Betriebs- dauer dar, bis schließlich vermehrt Ausfälle aufgrund Ermüdung, Verschleiß und Alte- rung der Bauteile auftreten. Mit zunehmender Betriebsdauer steigt das Ausfallrisiko eines Bauteils in diesem Bereich sehr stark an. Insbesondere dieser dritte Bereich kann durch Lebensdauerberechnungen und praxisnahe Versuche gut beschrieben werden. Bild 2.1: Badewannenkurve [5] Aufgrund der unterschiedlichen Ausfallursachen der drei Bereiche führen unterschied- liche Maßnahmen zu einer Reduzierung der Ausfallrate, wie diese in Bild 2.1 angedeu- tet ist. 8 2 Grundlagen der Zuverlässigkeitstechnik Arithmetischer Mittelwert Eine der bekanntesten Maßzahlen ist der arithmetische Mittelwert x , der die ungefäh- re Lage der Merkmalswerte xi einer Stichprobe vom Umfang n beschreibt [5]. ( ) ∑ = =+++= n i in x n xxx n x 1 21 1 ... 1 (2.5) Ein Nachteil des arithmetischen Mittelwerts ist die Empfindlichkeit gegenüber Ausrei- ßern, insbesondere wenn die Stichprobengröße klein ist [27]. Median Eine weniger anfällige Maßzahl gegenüber Ausreißern ist der Median, der damit ein resistentes Lagemaß darstellt [27]. Der Median beschreibt die mittlere Lage der Merkmalswerte so, dass eine Hälfte der Daten größer und die andere Hälfte kleiner ist als der Median. ( ) ( ) ( )( ) geradefür ungeradefür 2 1 122 2 1 n n xx x x nn n median     + = + + (2.6) Eine einfache Beschreibung des Medians einer Stichprobe mit Ausfallzeiten erlaubt die Verwendung der Ausfallwahrscheinlichkeit F(t) [5]. ( ) 5,0=mediantF (2.7) 2.1 Begriffe und Definitionen 9 Modus Der Modus, auch Modalwert genannt, ist ebenso ein resistentes Lagemaß. Er charakte- risiert die Lage der Merkmalswerte, die die größten Häufigkeiten aufweisen. Voraus- setzung für einen eindeutigen Modus ist folglich, dass die Häufigkeitsverteilung ein eindeutiges Maximum besitzt. In der Zuverlässigkeitstechnik lässt sich der Modus einer Stichprobe mit Ausfallzeiten lässt am einfachsten mit Hilfe der Dichtefunktion f(t) beschreiben [5]. ( ) ( ) 0 bzw. max modmod =′= alal tftf (2.8) Die Lagemaße Mittelwert, Median und Modus sind nur bei einer symmetrischen Dich- tefunktion identisch, bei den üblichen unsymmetrischen Verteilungen der Zuverlässig- keitstechnik stimmen sie nicht überein [5]. Linkssteile bzw. rechtsschiefe Verteilungen weisen folgende Eigenschaft der Lagemaße auf [27]: almedian xxx mod>> (2.9) Varianz Die empirische Varianz s2 ist ein Maß für die Streuung der Daten um den arithmeti- schen Mittelwert x und beschreibt damit deren mittlere Abweichung vom Mittelwert [5]: ( ) 2 1 2 1 1 ∑ = − − = n i i xx n s (2.10) 10 2 Grundlagen der Zuverlässigkeitstechnik Standardabweichung Die empirische Standardabweichung s berechnet sich aus der Wurzel der empirischen Varianz s2 und hat somit die gleiche Dimension wie die ursprünglichen Daten der Stichprobe [5]. 2ss = (2.11) Die Varianz und die Standardabweichung sind empfindlich gegenüber Ausreißern. Durch das Quadrieren extremer Abweichungen der einzelnen Daten um den Mittelwert gehen die quadratischen Abstände der Ausreißer sehr stark in die Summenbildung ein [27]. Zensierte Daten Eine Stichprobe, die sowohl ausgefallene Einheiten als auch intakte Einheiten enthält, liefert zensierte Daten, die auch als unvollständige Daten bezeichnet werden [5]. Im Rahmen dieser Arbeit werden unter unvollständigen Daten allerdings Stichproben ver- standen, die nicht über alle Einheiten Informationen beinhalten [18]. Sogenannte Feld- daten, die Aussagen über das Ausfallverhalten von Produkten während deren Kunden- einsatz enthalten [25], stellen meist unvollständige Daten dar, da nur selten über alle Einheiten im Feld Informationen vorliegen. 2.2 Statistische Verteilungen Statistische Maßzahlen sind oftmals nicht ausreichend, um das Ausfallverhalten von Produkten zu beschreiben. Häufig wird der Zusammenhang der Zufallsgröße Ausfall- wahrscheinlichkeit bzw. Zuverlässigkeit und der Zeit benötigt. Dieser Zusammenhang kann mit statistischen Verteilungen beschrieben werden, die in der Zuverlässigkeits- theorie häufig als Lebensdauerverteilungen bezeichnet werden. 2.2.1 Normalverteilung Die bekannteste statistische Verteilung ist die Normalverteilung, die in der Zuverläs- sigkeitstheorie allerdings eine geringe Bedeutung hat. Sie zeichnet sich durch eine symmetrische Dichtefunktion aus, die die bekannte Gaußsche Glockenkurve darstellt. Die Verteilung ist durch die beiden Parameter Mittelwert µ und Standardabweichung σ 2.2 Statistische Verteilungen 11 vollständig beschrieben. Der Mittelwert µ stellt das Maximum der Dichtefunktion dar, um diesen treten die meisten Ausfälle ein. Er wird deshalb auch als Lageparameter bezeichnet. Die Streuung der Ausfalldaten um diesen Mittelwert beschreibt die Stan- dardabweichung σ, die damit die Form der Verteilung festlegt. Eine kleine Streuung der Ausfalldaten wird folglich mit einer kleinen Standardabweichung σ charakterisiert, was zu einem schmalen und hohen Verlauf der Dichtefunktion führt. Die mathematischen Gleichungen der Normalverteilung in Abhängigkeit der Zeit t lauten: Dichtefunktion ( ) ( ) 2 2 2 2 1 σ µ piσ − − ⋅= t etf Ausfallwahrscheinlichkeit ( ) ( ) τ piσ σ µτ detF t ∫ − − ⋅= 0 2 2 2 2 1 Zuverlässigkeit ( ) ( ) τ piσ σ µτ detR t ∫ ∞ − − ⋅= 2 2 2 2 1 Ausfallrate ( ) ( )( )tR tf t =λ (2.12) (2.13) (2.14) (2.15) 2.2.2 Exponentialverteilung Die Exponentialverteilung zeichnet sich durch eine konstante Ausfallrate aus, ihre Dichtefunktion nimmt entsprechend einer inversen Exponentialfunktion von einem Anfangswert monoton ab [5]. Die Ausfallrate λ, die den Kehrwert des arithmetischen Mittelwerts darstellt, beschreibt diese Verteilung vollständig. Die Exponentialverteilung kann deshalb in der Zuverlässigkeitstheorie zur Beschrei- bung von Zufallsausfällen verwendet werden (siehe Kapitel 2.1). Dieses Ausfallver- halten ist insbesondere bei elektronischen Produkten anzutreffen. Die Gleichungen zur Charakterisierung der Exponentialverteilung sind: Dichtefunktion ( ) tetf λλ −⋅= (2.16) 12 2 Grundlagen der Zuverlässigkeitstechnik Ausfallwahrscheinlichkeit ( ) tetF λ−−= 1 Zuverlässigkeit ( ) tetR λ−= Ausfallrate ( ) .constt =λ (2.17) (2.18) (2.19) 2.2.3 Weibullverteilung Die Weibullverteilung ermöglicht die Beschreibung unterschiedlichen Ausfallverhal- tens [5]. Sie wird deshalb sehr häufig in Zuverlässigkeitsanalysen verwendet, insbe- sondere im Maschinenbau zur Charakterisierung des Ausfallverhaltens von mechani- schen Komponenten. Die Weibullverteilung wird in die zweiparametrige und die dreiparametrige Weibull- verteilung untergliedert. In der speziell skalierten Darstellungsform im Weibullnetz können die Verläufe der Verteilungen als Geraden dargestellt werden. Beide Weibull- verteilungen besitzen den Formparameter b und die charakteristische Lebensdauer T, die dreiparametrige Weibullverteilung besitzt zusätzlich die ausfallfreie Zeit t0. Der Formparameter b legt die Form der Verteilung fest. Im Weibullnetz stellt der Formpa- rameter die Steigung der Geraden dar, deshalb wird dieser Verteilungsparameter auch als Ausfallsteilheit bezeichnet. Die charakteristische Lebensdauer T bestimmt die Lage der Verteilung. Zu diesem Zeitpunkt beträgt die Ausfallwahrscheinlichkeit 63,2%. Der zusätzliche Parameter der dreiparametrigen Weibullverteilung, die ausfallfreie Zeit t0, stellt eine Verschiebung der Verteilung entlang der Zeitachse dar. Erst nach dieser Zeit können Ausfälle eintreten [5]. Die Gleichungen der zweiparametrigen Weibullverteilung lauten: Dichtefunktion ( ) b T tb e T t T b tf      − −       ⋅= 1 Ausfallwahrscheinlichkeit ( ) b T t etF       − −= 1 Zuverlässigkeit ( ) b T t etR       − = (2.20) (2.21) (2.22) 2.2 Statistische Verteilungen 13 Ausfallrate ( ) ( )( ) 1−       ⋅== b T t T b tR tf tλ (2.23) Die Gleichungen der dreiparametrigen Weibullverteilung lauten: Dichtefunktion ( ) b tT ttb e tT tt tT b tf        − − − −       − − ⋅ − = 0 01 0 0 0 Ausfallwahrscheinlichkeit ( ) b tT tt etF       − − − −= 0 0 1 Zuverlässigkeit ( ) b tT tt etR       − − − = 0 0 Ausfallrate ( ) ( )( ) 1 0 0 0 −       − − ⋅ − == b tT tt tT b tR tf tλ (2.24) (2.25) (2.26) (2.27) Der Formparameter b ermöglicht die Beschreibung unterschiedlicher Ausfallcharakte- ristika. Dies ermöglicht eine Zuordnung des Verlaufs der Verteilung zu den Bereichen der Badewannenkurve. b < 1: Frühausfälle; abnehmende Ausfallrate mir zunehmender Lebensdauer b = 1: Zufallsausfälle; konstante Ausfallrate b > 1: Verschleiß- und Ermüdungsausfälle; steigende Ausfallrate mit zunehmender Lebensdauer Diese Zuordnung von Wertebereichen des Formparameters b zu den drei Bereichen der Badewannenkurve sind in Bild 2.2 graphisch dargestellt. 14 2 Grundlagen der Zuverlässigkeitstechnik Bild 2.2: Badewannenkurve im Weibullnetz [5] 2.2.4 Lognormalverteilung Die Lognormalverteilung, auch logarithmische Normalverteilung genannt, geht aus der Normalverteilung hervor, indem die Ausfallzeiten logarithmiert werden. Das bedeutet, die logarithmierten Ausfallzeiten folgen einer Normalverteilung [5]: Dichtefunktion ( ) ( ) 2 2 2 lg 2 1 σ µ piσ − − ⋅ ⋅ = t e t tf (2.28) 2.3 Grundgesamtheit und Stichprobe 15 Ausfallwahrscheinlichkeit ( ) ( ) τ piστ σ µτ detF t ∫ − − ⋅ ⋅ = 0 2 lg 2 2 2 1 Zuverlässigkeit ( ) ( ) τ piστ σ µτ detR t ∫ − − ⋅ ⋅ −= 0 2 lg 2 2 2 11 Ausfallrate ( ) ( )( )tR tf t =λ (2.29) (2.30) (2.31) Die Lognormalverteilung eignet sich zur Beschreibung bestimmter Ausfallcharakteris- tika wie beispielsweise von Ermüdungsbrüchen mit vorhergehendem Riss- wachstum [5]. In der Automobilbranche wird sie zusätzlich verwendet um die Lauf- leistungsverteilung von Fahrzeugen, die auch als Fahrleistung bezeichnet wird, statis- tisch zu beschreiben [52], [73], [74]. 2.3 Grundgesamtheit und Stichprobe Zuverlässigkeitsanalysen zielen im Allgemeinen darauf ab, Aussagen über das Aus- fallverhalten eines Produkts zu ermöglichen. Die gesamte Stückzahl eines Produkts wird als Grundgesamtheit bezeichnet [64]. Da alle Ausfälle der Grundgesamtheit nur sehr selten bekannt sind oder das zukünftige Ausfallverhalten eines Produkts ermittelt werden soll, werden häufig nur Stichproben analysiert, die eine Teilmenge der Grund- gesamtheit darstellen. Besitzen diese Stichproben die gleichen Eigenschaften wie die Grundgesamtheit, aus der die Stichproben stammen, so wird die Stichprobe als reprä- sentativ bezeichnet. Die Eigenschaften der Stichproben ermöglichen schließlich Aus- sagen zum Ausfallverhalten der Grundgesamtheit [65]. Die damit verbundene Unsi- cherheit wird mit der Aussagewahrscheinlichkeit charakterisiert. Daraus ergeben sich Vertrauensgrenzen, die den Vertrauensbereich umschließen. Die Aussagewahrschein- lichkeit beschreibt die Wahrscheinlichkeit, dass sich das Ausfallverhalten der Grund- gesamtheit innerhalb des Vertrauensbereichs befindet. Den Zusammenhang zwischen Grundgesamtheit und Stichprobe verdeutlicht Bild 2.3. 16 2 Grundlagen der Zuverlässigkeitstechnik Bild 2.3: Zusammenhang zwischen Grundgesamtheit und Stichprobe [5] 2.4 Auswertung von Ausfalldaten Die Analyse des Ausfallverhaltens einer Stichprobe ist von der Zensierung der Daten abhängig, die wiederum häufig durch die Entstehung der Ausfalldaten determiniert ist. Dabei sind verschiedene Zensierungsarten zu unterscheiden, die in Bild 2.4 zusam- mengefasst sind. 2.4.1 Zensierungsarten von Ausfalldaten Eine vollständige Stichprobe liegt vor, wenn alle Einheiten ausgefallen sind. Diese Ausfalldaten bieten aus zuverlässigkeitstechnischer Sicht den größten Informationsge- halt, allerdings verursacht die Ermittlung der Ausfallzeiten aller Einheiten der voll- ständigen Stichprobe einen hohen Aufwand. Um den Aufwand für die Ermittlung des Ausfallverhaltens einer Stichprobe zu reduzieren, können Lebensdaueruntersuchungen 2.4 Auswertung von Ausfalldaten 17 bereits vor dem Ausfall aller Einheiten beendet werden. Wird die Prüfung nach einer definierten Dauer beendet, so werden die Ausfalldaten dieser Stichprobe als zensierte Daten des Typs I bezeichnet. Eine Typ II Zensierung entsteht, wenn das Ende von Le- bensdauerversuchen durch die Anzahl der zu erreichenden Ausfälle festgelegt ist. Bild 2.4: Unterschiedliche Zensierungsarten von Ausfalldaten [5 keine Zensierung  alle Einheiten sind ausgefallen  vollständige Stichprobe Zensierung Typ I  Lebensdauer der intakten Einheiten sind größer als die Prüfdauer  Versuchsende bei definierter Prüfdauer Zensierung Typ II  Lebensdauer der intakten Einheiten sind größer als die Prüfdauer  Versuchende bei definierter Anzahl von Ausfällen multiple Zensierung  unterschiedliche Zeitpunkte der Zensierung  Informationen über Lebensdauer der intakten Einheiten können bekannt sein Ausfallzeitpunkt Zensierungszeitpunkt Ei n he it N r. Lebensdauer 1 4 3 5 6 2 × × × × × × Ei n he it N r. Lebensdauer 1 4 3 5 6 2 × × × × Ei n he it N r. Lebensdauer 1 4 3 5 6 2 × × × × Ei n he it N r. Lebensdauer 1 4 3 5 6 2 × × × × 18 2 Grundlagen der Zuverlässigkeitstechnik 2.4.2 Auswertung zensierter Daten Die Art der Zensierung von Ausfalldaten ist bei der Datenauswertung zu berücksichti- gen. Zwei gebräuchliche Verfahren zur Aschätzung der Ausfallwahrscheinlichkeit sind das Median- und das Sudden-Death-Verfahren. Median-Verfahren Vollständige Stichproben sowie Typ I und Typ II zensierte Ausfalldaten können mit dem Median-Verfahren ausgewertet werden. Dazu werden zunächst alle Ausfallzeit- punkte geordnet. Die geordneten Ausfallzeitpunkte werden in der Statistik als Rang- größen bezeichnet [5]. 11 +≤ itt Die Näherungsformel für die Summenhäufigkeiten ermöglicht die Bestimmung von Ausfallwahrscheinlichkeiten der einzelnen Ausfallzeitpunkte [5]: 4,0 3,0 + − ≈ n iFi mit: iF : Ausfallwahrscheinlichkeit der Ranggröße i i : i-ter Ausfallzeitpunkt (Rangzahl) n : Anzahl aller Einheiten der Stichprobe (2.32) Die Größe der Stichprobe enthält alle betrachteten Produkte, die ausgefallen oder noch intakt sind. Sowohl bei vollständigen als auch bei zensierten Daten der Typen I oder II wird die gesamte Anzahl der Einheiten im Nenner der Näherungsformel verwendet. Sudden-Death-Verfahren Das Sudden-Death-Verfahren kann für alle Ausfalldaten mit multipler Zensierung verwendet werden. Informationen zur Lebensdauer intakter Einheiten sind nicht not- 2.4 Auswertung von Ausfalldaten 19 wendig. Damit eignet sich dieses Auswerteverfahren auch zur Analyse von Felddaten [5]. Beim Sudden-Death-Verfahren wird die Grundgesamtheit zunächst gedanklich in m gleich große Prüflose eingeteilt, die jeweils k Prüflinge enthalten. Die Prüflosgröße k ist von der Anzahl aller Einheiten der Grundgesamtheit und der Anzahl ausgefallener Einheiten abhängig: 1 1 + + − = f f n nn k mit: n : Anzahl aller Einheiten der Stichprobe fn : Anzahl der ausgefallenen Einheiten der Stichprobe (2.33) Bei Lebensdauerversuchen werden alle Einheiten eines Prüfloses solange getestet, bis jeweils die erste Einheit eines Prüfloses ausfällt. Zu diesem Zeitpunkt wird der Ver- such für dieses Prüflos beendet. Alle Einheiten eines Prüfloses haben damit die gleiche Lebensdauer, nämlich die Dauer bis zum Ausfall der ersten Einheit. Wird die Auswer- tung für Felddaten durchgeführt, so bedeutet dies, dass für die intakten und ausgefalle- nen Einheiten die gleichen Laufleistungsverteilungen bzw. Verteilungen der Verwen- dungsdauern angenommen werden. Anschließend werden alle Ausfallzeiten in steigender Reihenfolge geordnet. Den Aus- fallzeitpunkten werden hypothetische Rangzahlen zugeordnet, was einer Berücksichti- gung der intakten Einheiten entspricht. Die mittlere hypothetische Rangzahl berechnet sich aus der vorhergehenden Rangzahl und einem Zuwachs: ( ) ( ) ( )jjj tNtjtj += −1 ( ) 00 =j mit: ( )jtj : mittlere hypothetische Rangzahl ( )jtN : Zuwachs der Rangzahl (2.34) 20 2 Grundlagen der Zuverlässigkeitstechnik Der Zuwachs der mittleren hypothetischen Rangzahl wird folgendermaßen bestimmt: ( ) ( )( ) vE j j nn tjn tN −+ −+ = − 1 1 1 mit: n : Anzahl aller Einheiten der Stichprobe ( )jtj : mittlere hypothetische Rangzahl vEn : Anzahl der davorliegenden Einheiten (2.35) Im Anschluss an die Ermittlung der mittleren hypothetischen Rangzahlen erfolgt die Berechnung der Ausfallwahrscheinlichkeit analog dem Median-Rang-Verfahren: ( ) ( ) 4,0 3,0 + − ≈ n tj tF jj mit: ( )jtF : Ausfallwahrscheinlichkeit der Ranggröße ( )jtj ( )jtj : mittlere hypothetische Rangzahl n : Anzahl aller Einheiten der Stichprobe (2.36) Nach der Bestimmung der Ausfallwahrscheinlichkeiten durch das Median-Rang- Verfahren oder das Sudden-Death-Verfahren kann das Ausfallverhalten grafisch und rechnerisch analysiert werden, indem beispielsweise eine Verteilungsfunktion der Ausfalldaten ermittelt wird. 3 Anforderungsgerechtes Datenkonzept 3.1 Einteilungen von Daten Zuverlässigkeitsdaten können auf verschiedene Arten eingeteilt werden. Eine Mög- lichkeit ist die in der Statistik gebräuchliche Einteilung der Daten in Skalen bzw. Merkmalsarten. Die Einteilung in Skalentypen ist durch die zulässige Menge der Transformationen charakterisiert, die mit den Daten zulässig sind [78]. Es werden die Nominal-, Ordinal-, Intervall-, Differenz-, Verhältnis- und Absolutskala unterschieden. Analog dazu werden die Merkmalsarten beschrieben mit nominalen, ordinalen und kardinalen Merkmalen. Eine Übersicht dieser Einteilung ist in Tabelle 3.1 abgebildet. Tabelle 3.1: Übersicht der Skalen- und Merkmalstypen [78] Skalentyp Nominalskala Ordinalskala Intervallskala, Differenzskala Verhältnisskala, Absolutskala Definierte Relationen und Operationen = ≠ = ≠ ; < > = ≠ ; < > ; + − = ≠ ; < > ; + − ; x / Interpretation Unterscheidung gleich / ungleich möglich Unterscheidung kleiner / größer möglich * Differenzen haben einen Sinn * Verhältnisse haben einen Sinn * Zulässige Transforma- tionen bijektive Transformationen wie Umbenennun- gen, Permutationen isotone oder rangerhaltende Transformationen Lineartransformation y = ax + b mit a > 0 für die Intervallskala; Translation y = b + x für die Differenz- skala Ähnlichkeitstransfor- mation y = ax mit a > 0 für die Verhältnisskala; Identität y = x für die Absolutskala Alternative Skalenbezeich- nung topologisch metrisch oder kardinal Zugehöriger Merkmalstyp Nominalmerkmal Ordinalmerkmal Kardinalmerkmal Beispiele für Merkmale Hersteller, Fahrzeugtyp, Standort einer Maschine Ereignisklasse, Fehlerbedeutung, Ausfalldatum Temperatur [ C], Luftfeuchtigkeit, Drehmoment Temperatur [ K], Betriebsdauer, Fehleranzahl Merkmals- ausprägungen Namen, Symbole, Code oder Schlüsselzahlen Ordinalzahlen, i. d. R. ganze Zahlen reelle Zahlen i. d. R. nichtnegative reelle Zahlen steigender Informationsgrad, steigende Empfindlichkeit gegenüber Messfehlern *) zusätzlich zu den Eigenschaften, die links von dieser Zelle stehen 22 3 Anforderungsgerechtes Datenkonzept Eine weitere Einteilung lässt sich von der Unterscheidung der qualitativen und quanti- tativen Zuverlässigkeitsmethoden ableiten [5], [6]. Qualitative Daten stellen somit Produkteigenschaften wie gut oder schlecht dar oder Vergleiche wie hohe Zuverläs- sigkeit und geringe Zuverlässigkeit. Quantitative Daten beinhalten beispielsweise Aus- fallzeitpunkte. Ein Zwischenergebnis von quantitativen Zuverlässigkeitsanalysen stel- len häufig die Verteilungsparameter von Ausfallverteilungen einzelner Komponenten dar, die folglich ebenso den quantitativen Daten zugeordnet werden. Eigenschaften wie Ausfallmechanismen können je nach Zusammenhang sowohl den qualitativen Da- ten als auch den quantitativen Daten zugeordnet werden. Daraus ergibt sich die Schlussfolgerung, dass Daten meist mehrere Eigenschaften eines Merkmalsträgers um- fassen, die dann als qualitative oder quantitative Daten eingeteilt werden können. Weitere Möglichkeiten der Einteilung von Daten sind nach der Rolle im Erhebungs- und Aufbereitungsprozess oder der Anzahl der gleichzeitig je Träger erhobene Merk- male definiert. Zusätzlich können die einzelnen Merkmalsarten weiter untergliedert werden [78]. Eine sehr geeignete Einteilung von Zuverlässigkeitsdaten, v.a. für die Gliederung von Datenelementen von Felddaten, ist die Unterteilung in Identifikations- und Fahrzeug- einsatzdaten sowie Schadensdaten [89], wobei der Begriff Fahrzeugeinsatzdaten im Allgemeinen als Synonym für die Datenelemente zur Beschreibung der Belastungen, Randbedingungen des Betriebs und Merkmale zur Schadensanalyse beschrieben wer- den kann. 3.2 Anforderungen an die Zuverlässigkeitsdatenerfassung Anforderungen an eine Zuverlässigkeitsdatenerfassung ergeben sich aus verschiedenen unternehmerischen und gesellschaftlichen Bereichen. Unternehmerische Anforderun- gen entstehen aus den Fragestellungen, die mit den Zuverlässigkeitsdaten beantwortet werden sollen wie auch aus einem dafür verfügbaren Kostenrahmen und branchen- bzw. marktspezifischen Randbedingungen. Diese Anforderungen können nicht voll- ständig analysiert werden, da neben der großen Vielzahl an branchen- und marktspezi- fischen Randbedingungen auch unternehmerische Grundsätze, wie beispielsweise der Stellenwert zuverlässiger oder sicherheitskritischer Produkte, von enormer Bedeutung sind. Zusätzlich ergeben sich insbesondere während der Produktentwicklung Anforderungen aus den eingesetzten Zuverlässigkeitsmethoden, die zur Ermittlung der Produktzuver- lässigkeit eingesetzt werden. So kann z.B. der Zuverlässigkeitsnachweis von Produk- ten, deren tatsächliche Zuverlässigkeit nur wenig über der geforderten Zielzuverlässig- keit liegt, meist nicht mit einer angemessenen Prüflingsanzahl und einer akzeptablen 3.2 Anforderungen an die Zuverlässigkeitsdatenerfassung 23 Aussagewahrscheinlichkeit mit einer Success-Run-Prüfung [5], [6], [61] nachgewiesen werden. Eine quantitative beschleunigte Lebensdauerprüfung nach dem Ansatz der Physics of Failure Modellen [10], [58], [64] ist im Allgemeinen eine geeignetere Me- thode. Diese sehr speziellen Anforderungen an die Zuverlässigkeitsdatenerfassung müssen deshalb für jeden Einzelfall geprüft und bewertet werden. 3.2.1 Anforderungen aus dem Stand der Technik Die Anforderungen aus dem Stand der Technik sind sehr eng verknüpft mit der jewei- ligen Fragestellung der Zuverlässigkeitsanalyse. Neben den Versuchsdaten, die aus zielgerichtet durchgeführten Lebensdauertests stammen, sind insbesondere Felddaten im Fokus der Betrachtungen. Daraus ergibt sich die Anforderung, aussagekräftige Zu- verlässigkeitsdaten über die gesamte Produktnutzungsdauer systematisch zu erfassen. Dies ermöglicht die Erfassung unterschiedlicher Ausfallbereiche der Badewannenkur- ve und damit unterschiedliche Ausfallmechanismen je nach Betriebsdauer des Pro- dukts. Anforderungen an die Datenerfassung während der Produktentwicklung erge- ben sich im Allgemeinen aus den angewandten Methoden. So müssen beispielsweise für eine beschleunigte Lebensdauererprobung nach Arrhenius die Bauteile bei ver- schiedenen Temperaturniveaus getestet werden [64]. Die Belastungshöhen und –dauern sowie die Schadensursachen sind damit wichtige Datenelemente, die zu erfas- sen sind. Neben diesen allgemeinen, methodischen Anforderungen, die im Weiteren nicht detaillierter betrachtet werden, können insbesondere zeitliche Phasen der Feldda- tenerfassung unterschieden werden [89]. 1. Phase: Daten, die kurz nach Serienanlauf anfallen 2. Phase: Daten, die während der Gewährleistungszeit anfallen 3. Phase: Daten, die nach der Gewährleistungszeit anfallen Eine hohe Aussagekraft der Zuverlässigkeitsdaten ist allerdings nicht allein durch eine Datenerfassung während der gesamten Produktnutzungsdauer sichergestellt. Von enormer Bedeutung sind die erfassten Inhalte bzw. Datenelemente, die eindeutig und fehlerfrei sein müssen, was für erfasste Daten während der Produktentwicklung genau- so gilt wie für Felddaten. Diese Datenelemente, die im Folgenden für Felddaten näher betrachtet werden, lassen sich in die Bereiche Identifikationsdaten und Fahrzeugeinsatzdaten einteilen [89]. Die Identifikationsdaten dienen einer eindeutigen Zuordnung von Ausfalldaten zu einem bestimmten Produkt und Bauteil, aber auch der Einschränkung auf einzelne Produkti- onszeiträume: • Baureihe, Baumuster, Modell, Typ, Hersteller-Sachnummer 24 3 Anforderungsgerechtes Datenkonzept • Fahrgestellnummer, Aggregatnummer, Teilenummer, Seriennummer • Hersteller • Produktionsdatum • Produktionsort • Produktionsstückzahl Für eine korrekte Durchführung der Schadensuntersuchung und damit einer zielgerich- teten Zuverlässigkeitsanalyse sind die Daten aus dem Fahrzeugeinsatz von elementarer Bedeutung. Neben der Betriebsdauer und der Laufleistung von Fahrzeugen sind die Betriebs- und Umgebungsbedingungen vor und während des Ausfalls zu erfassen. Zu- sätzlich beschreibt dieser Datenbereich den Reparaturvorgang durch die Erfassung des Reparaturdatums und die entstandenen Kosten, die damit Aussagen zur Verfügbarkeit des Produkts und Analysen der Lebenszykluskosten ermöglichen: • Schadensteil, Teile-Index • Entwicklungsstand • Elektronik: Hardwarestand, Softwarestand • Fahrstrecke des Teils bzw. des Fahrzeugs • Einsatzgebiet (Verkaufsgebiet) • Einsatzart (Kurzstrecke, Baustelle, Fernverkehr, Lieferverkehr, Taxi, Leasing- fahrzeug) • Zulassungsdatum • Umweltbedingungen während des Fehlerfall • Schadensort, Befundnummer • Fehlercode, Fehlerbeschreibung im Klartext • Prüfcodeausdruck • Schadenswirkung (Bezeichnung des Mangels, z. B. durch Kunden) • Befundung (durch technischen Fachmann) • Schadensursache • Gewährleistungs-Anerkennung (evtl. verschlüsselt) • Abstellmaßnahmen • Ersatzteil • Reparaturdatum • Kosten (Lohn, Material, Handhabung) • Werkstatt • Gewährleistungsdaten/ Vergütungsart (Gewährleistung, Kulanz) 3.2 Anforderungen an die Zuverlässigkeitsdatenerfassung 25 Diese Betrachtung nach [89] beschränkt sich allerdings auf die Erfassung von Daten ausgefallener Produkte, einer sogenannten Negativstichprobe [77]. Zusätzlich sollten auch die Betriebs- und Umgebungsdaten von intakten Produkten erfasst werden, um so signifikante Einflussfaktoren zu isolieren [51]. Die Betriebs- und Umgebungsdaten sind sowohl für die Hardware als auch für die Software von Produkten von großer Be- deutung [94], was schließlich eine Beschreibung repräsentativer Zuverlässigkeitsei- genschaften der Stichprobe und damit der Grundgesamtheit ermöglicht. 3.2.2 Anforderungen aufgrund Produkt- und Produzentenhaftung Neben dem Produkthaftungsgesetz (ProdHaftG), das die EG-Produkthaftungsrichtlinie in deutsches Recht umsetzt, regelt § 823 BGB (Bürgerliches Gesetzbuch) die vertrag- liche Produkthaftung bei Sachmängeln. Das ProdHaftG regelt die Haftung eines Pro- duktherstellers für Sach- und Personenschäden, die durch einen sicherheitsrelevanten Fehler seines Produktes verursacht worden sind (§ 1 Abs. 1 ProdHaftG). Somit kommt der Zuverlässigkeit eines Produkts eine Bedeutung im Sinne der Produkthaftung zu, da unzuverlässige Produkte sicherheitskritische Fehler verursachen können. Neben der Anforderung, dass Produkte nach Stand von Wissenschaft und Technik entwickelt werden müssen, stellt die Produkthaftung nach § 823 Abs. 1 BGB im Rah- men der geforderten Produktbeobachtungspflicht Anforderungen an eine Zuverlässig- keitsdatenerfassung. Die Produktbeobachtungspflicht, die einen Teil der Verkehrssi- cherungspflichten darstellt, beschreibt die Verpflichtung des Herstellers, das Produkt nach erfolgreichen Inverkehrbringens auf dessen Verhalten im Markt hin zu beobach- ten – was sowohl die Verwendung durch die Benutzer des Produktes anbelangt als auch vom Markt gemeldeter Gefahren im Zusammenhang mit der Produktverwen- dung [45]. Daraus resultiert die Anforderung an die Erfassung von Zuverlässigkeitsdaten, dass die Daten zielgerichtete Zuverlässigkeitsanalysen ermöglichen müssen, zumindest um sicherheitskritische Ausfälle und deren Belastungsursachen zu identifizieren. Eine zeitliche Beschränkung auf wenige Nutzungsjahre des Produktes ist damit nicht aus- reichend, es müssen Daten der gesamten Produktlebensdauer erfasst werden. Eine Be- schränkung auf ausgefallene Produkte erscheint nicht zulässig, da insbesondere der Vergleich von Betriebs- und Umgebungsbedingungen in der Verknüpfung mit Ferti- gungsdaten einzelner Produkte Aufschlüsse über die Verwendung und Belastbarkeit eines Produktes geben und somit hilfreich sein können, um besonders gefährdete Ein- satzbereiche eines Produktes zu bestimmen und geeignete Maßnahmen treffen zu kön- nen. 26 3 Anforderungsgerechtes Datenkonzept 3.2.3 Anforderungen aufgrund Datenschutz Den Anforderungen an eine Felddatenerfassung im Rahmen der Produktbeobach- tungspflicht des ProdHaftG steht kein Recht gegenüber, dass Felddaten uneinge- schränkt erfasst werden dürfen, auch wenn dies im Sinne der Produktbeobachtungs- pflicht und den anschließenden Analysen hilfreich sein könnte. Je genauer eine Daten- erfassung ist, v.a. wenn diese unmittelbar mit Produkten während des Kundenge- brauchs stattfindet, desto mehr können zusätzliche Anforderungen aus dem Daten- schutzgesetz für eine Zuverlässigkeitsdatenerfassung entstehen. Das Bundesdatenschutzgesetz (BDSG) definiert personenbezogene Daten in § 3 Abs.1 folgendermaßen: „Daten sind alle Einzelangaben über persönliche oder sachliche Ver- hältnisse einer bestimmten oder bestimmbaren Person.“ Ein Personenbezug liegt vor, wenn die erfassten Daten Informationen über Personen enthalten, oder auf diese rück- schließen lassen um die Person zu identifizieren. Neben weiteren juristischen Anforde- rungen ist insbesondere darauf zu achten, dass eine Datenerfassung auch dann vom BDSG reglementiert ist, wenn durch weitere verfügbare oder potenziell verfügbare Informationsquellen ein Bezug zu Personen hergestellt werden kann, solange der Aufwand nicht unverhältnismäßig hoch ist. Außerdem sind anonymisierte (§ 3 Abs.6 BDSG) oder pseudonymisierte (§ 3 Abs.6a BDSG) Daten nicht vom BDSG geschützt, da diese Daten keine Identifikation einzelner Personen ermöglichen. Das BDSG regelt viele weitere Voraussetzungen und daraus resultierende Maßnahmen im Zusammenhang mit personenbezogenen Daten. Die Prüfung, ob eine Zuverlässig- keitsdatenerfassung unter das BDSG fällt, ist für jeden Fall durchzuführen ebenso wie die Beachtung möglicher Anforderungen an die Datenerfassung, die daraus entstehen können. 3.2.4 Synthese der Anforderungen Die rechtlichen Anforderungen aus Produkt- und Produzentenhaftung sowie des Da- tenschutzgesetzes erfordern eine Zuverlässigkeitsdatenerfassung, die umfassende Zu- verlässigkeitsanalysen ermöglichen, ohne die Schutzrechte des Einzelnen zu verletzen. Exakte technische Anforderungen lassen sich daraus nicht allgemeingültig ableiten. Vorgaben aus dem Stand der Technik, v.a. nach [89], müssen ebenso auf spezifische Anforderungen abgestimmt werden. Hier macht eine Erweiterung des Fokus von Zu- verlässigkeitsdaten über das Ende der Gewährleistungsdauer hinaus Sinn, um so der zeitlich unbeschränkten Produktbeobachtung Rechnung zu tragen. Ein inhaltlich er- weitertes Konzept zur Erfassung von Zuverlässigkeitsdaten ist in den folgenden Tabel- len dargestellt, das Voraussetzungen für Analysen zu den Fragestellungen aus Kapi- tel 1.1 darstellt. Zusätzlich ist die Bedeutung der Datenelemente bewertet. Diese be- 3.2 Anforderungen an die Zuverlässigkeitsdatenerfassung 27 schreibt die Notwendigkeit der Informationen für Zuverlässigkeitsanalysen sowie de- ren Beitrag zur Erfüllung rechtlicher Anforderungen. Diese Bewertung gibt allerdings nur eine grobe Einordnung wieder, da die Bewertung je nach Fragestellung und bran- chenspezifischen Gegebenheiten unterschiedlich ist. Die Gruppe der Identifikationsdaten dient der eindeutigen Zuordnung der weiteren Datenelemente zu einem bestimmten Produkt, Bauteil und Fertigungslos. Tabelle 3.2: Elemente der Identifikationsdaten Identifikationsdaten Datenelement Bedeutung Seriennummer / Sachnummer  Hardwarestand und Softwarestand  Zuordnung zu Baugruppe und System  Hersteller  Produktionsort  Produktionsdatum  Produktions- & Auslieferungsstückzahl  Entwicklungs- / Änderungsstand  Eine genauere Analyse des Schadens ermöglichen die Datenelemente der Schadensda- ten. Tabelle 3.3: Elemente der Schadensdaten Schadensdaten Datenelement Bedeutung Fehlerbeschreibung / Fehlercode  Betriebsdauer / Laufleistung bei Ausfall  Ausfalldatum  Auslieferungs- / Inbetriebnahmedatum  Schadensort  Ausfallursache  Art der Nutzung  28 3 Anforderungsgerechtes Datenkonzept Um Verfügbarkeitsanalysen und Lebenszykluskostenberechnungen zu ermöglichen, müssen Informationen des Reparaturvorgangs erfasst werden. Tabelle 3.4: Elemente der Reparaturdaten Reparaturdaten Datenelement Bedeutung Abstellmaßnahme  Identifikation des Ersatzteils  Reparaturdatum  Reparaturdauer  Kosten für Lohn und Material  Reparaturbetrieb  Um diese Daten sowie weitere Datenelemente bei speziellem Bedarf über die gesamte Betriebsdauer eines Produkts zu erfassen, ist in der Praxis eine einzige Datenquelle nicht ausreichend. Vielmehr müssen verschiedene Datenquellen genutzt und geeignet miteinander kombiniert werden, um so eine ausreichende Datenbasis für nachfolgende Zuverlässigkeitsanalysen zu ermöglichen. 3.3 Bewertungsmodell für Zuverlässigkeitsdaten Aus den teilweise sehr speziellen und branchenspezifischen inhaltlichen Anforderun- gen in Kapitel 3.2.4 werden im Folgenden allgemeingültigere, aber abstraktere Eigen- schaften abgeleitet. Diese sind in Bild 3.1 zusammengefasst. Eine Zufallsstichprobe mit ausreichendem Datenumfang, die nicht nur auf einzelne Anwendungsgebiete des Produkts oder auf eine geringe Anzahl von Produkten be- schränkt ist, stellt eine repräsentative Datensammlung dar. Diese Eigenschaft, die von enormer Bedeutung ist, bildet damit einen wichtigen Anteil einer aussagekräftigen Zu- verlässigkeitsdatenbasis. In engem Zusammenhang damit steht die Berücksichtigung von Einsatzbedingungen, die Betriebs- und Umgebungsdaten enthalten und somit die Belastungen während der Betrachtungsdauer charakterisieren. Nur so können beobachtete Ausfälle bzw. Nicht- ausfälle von Produkten zutreffend analysiert werden, wie dies beispielsweise die Stress-Strength-Interference widerspiegelt [5],[6], [32], [69]. Diese beschreibt, dass Ausfälle durch Überlappung der Verteilungen von Belastbarkeit eines Produkts mit den tatsächlich auftretenden Belastungen während des Gebrauchs verursacht werden. 3.3 Bewertungsmodell für Zuverlässigkeitsdaten Bild 3. Die Genauigkeit der erfassten Datenelemente jeder Datensammlung. So müssen die erfassten Datenelemente die Realität möglichst gut beschreiben. Dies beinhaltet sowohl die korrekte Messung von wichtigen Inform tionen als auch die korrekte Ergebnisdokumentation der beispielsweise ungünstige Rundungen bzw. stark klassierte Daten zu Ungenauigkeiten führen, aber auch subjektive Wahrnehmungen während der Schadensbegutachtung eines Bauteils. Mögliche Genauigkeitsverluste der Datenelemente sind stark von deren Entstehung und Erfassung abhängig und müssen folglich für jede D tenquelle individuell bewertet werden. die Vollständigkeit der Daten dar. Diese beschreibt die Eigenschaft der Daten alle aufgetretenen Ausfälle der betrachteten Stichprobe eines Produkts erfasst werden. Ein weiteres charakteristisches Merkmal von Zuverlässigkeitsdaten ist die Beobac tungsdauer. Diese lässt Rückschlüsse zu, welche Ausfallarten in den Daten erwarte werden können. Nur bei einer relativ langen erfassten Zeitdauer können im Allgeme nen Verschleiß- und Ermüdungsausfälle beobachtet werden. Die zentrale Frageste lung der Zuverlässigkeitstechnik ist häufig die Beschreibung des Feldverhaltens der Produkte, also die Bewährung während des Kundengebrauchs. Daten, die das Feldve halten sehr gut beschreiben, müssen also alle relevanten Früh schleiß- und Ermüdungsausfälle beinhalten, die während des Kundengebrauchs eines Produkts auftreten können. Repräsentativität Beobachtungsdauer Betriebliche Hindernisse 1: Eigenschaften von Zuverlässigkeitsdaten ist eine sehr bedeutsame Eigenschaft Messwerte selbst. So können Eine zusätzliche große Herausforderung stellt -, Zufalls Einsatzbedingungen Genauigkeit und Vollständigkeit Zeitpunkt der Datenverfügbarkeit Zeitverzug zwischen Datenenstehung und Datenauswertung Rechtliche Vorgaben Kosten 29 a- deshalb sehr a- , dass h- t i- l- r- - sowie Ver- 30 3 Anforderungsgerechtes Datenkonzept Durch die Art der Datenerfassung ist der Zeitpunkt der Datenverfügbarkeit weitestge- hend determiniert. So können reale Felddaten beispielsweise erst relativ spät erfasst werden, da das Produkt vollständig entwickelt und in den Verkehr gebracht sein muss. Auch der Zeitverzug zwischen der Datenentstehung und einer möglichen Datenaus- wertung ist sehr stark durch die Art der Datenerfassung festgelegt. Sie sollte möglichst gering sein. Daten, die in einem Unternehmen z.B. durch Versuche erzeugt werden, können schneller ausgewertet werden als erfasste Daten aus dem Feldgebrauch eines Produkts, wenn diese erst vom Entstehungsort zu einem Unternehmen transferiert werden müssen. Da an einer ganzheitlichen Datenerfassung häufig verschiedene Parteien beteiligt sind, z.B. Hersteller, Zulieferer und Servicedienstleister, sind Konflikte der verschiedenen Interessensgruppen nicht auszuschließen. Mögliche Konflikte werden deshalb bei der Bewertung berücksichtigt, ebenso wie die Erfüllung oder Einhaltung gesetzlicher An- forderungen. Die gesetzlichen Randbedingungen spiegeln die gesellschaftlichen As- pekte wider, stellen aber aufgrund des verbindlichen Charakters einen Spezialfall einer Interessensgruppe dar, die gesondert zu betrachten ist. Von zentraler Bedeutung sind schließlich die Kosten, die eine Datenerfassung verur- sacht. Die Vorteile, die sich durch eine genaue und aussagekräftige Datenerfassung ergeben, müssen den finanziellen Aufwendungen gegenübergestellt werden. Je nach Unternehmen und Geschäftsmodell kann diese Kosten-Nutzen-Betrachtung unter- schiedlich ausfallen, was sich auf die Bewertung der Kosten auswirkt, die als akzepta- bel betrachtet werden können. Neben der Bewertung einzelner Eigenschaften von Zuverlässigkeitsdatenquellen wer- den nun die Bewertungskriterien in zwei Bereiche eingeteilt: einige Kriterien spiegeln den Nutzen der Datenquelle wider, Andere beschreiben den Aufwand einer Datener- fassung. Dabei muss je nach Aufgabenstellung ein Optimum gefunden werden, dass ein den Anforderungen entsprechender maximaler Nutzen unter minimalem bzw. ver- tretbarem Aufwand ermöglicht wird. 3.3 Bewertungsmodell für Zuverlässigkeitsdaten 31 Bild 3.2: Nutzen- und aufwandsorientierte Bewertungskriterien für Zuverlässig- keitsdaten Nach der Einteilung der Bewertungskriterien in die Bereiche Nutzen und Aufwand werden die Bewertungskriterien zusätzlich zueinander gewichtet. Diese Gewichtung stellt ebenso wie die bereits angedeutete Kosten-Nutzen-Betrachtung lediglich eine Orientierung dar und kann für unterschiedliche Branchen bzw. Unternehmen sehr ver- maximaler Nutzen minimaler Aufwand 32 3 Anforderungsgerechtes Datenkonzept schieden sein. Die gewichtete Bewertung der verschiedenen Kriterien errechnet sich aus der Bewertungszahl multipliziert mit der Gewichtung des Bewertungskriteriums. iiungewi GBB ⋅= , mit: iB : gewichtete Bewertung des Kriteriums i iungewB , : ungewichtete Bewertung des Kriteriums i iG : Gewichtung des Kriteriums i (3.1) Die Bewertungszahl iB ist ein datenquellen spezifischer Wert, der je nach Ausprä- gung der Bewertungskriterien für unterschiedliche Datenquellen verschiedene Zah- lenwerte annehmen kann. Im Gegensatz dazu ist die Gewichtung der Bewertungskrite- rien iG nicht von den Eigenschaften der Datenquellen abhängig, sondern gilt für alle Zuverlässigkeitsdatenquellen gleichermaßen. Sie stellt die Bedeutung der Bewertungs- kriterien zueinander dar und ermöglicht eine ganzheitliche Bewertung der Zuverläs- sigkeitsdatenquellen. Die sechs Bewertungskriterien, die den Nutzen einer Datenquelle erfassen, werden als Gesamtnutzen gesN der Zuverlässigkeitsdatenquelle zusammenge- fasst: ∑∑ == ⋅== 6 1 6 1 j jj j jges GBNN mit: gesN : Gesamtnutzen der Datenquelle jN : gewichtete Bewertung des Bewertungskriteriums j jB : ungewichtete Bewertung des Kriteriums j jG : Gewichtung des Kriteriums j (3.2) 3.3 Bewertungsmodell für Zuverlässigkeitsdaten 33 Analog dazu erfolgt die Aufsummierung der drei Bewertungskriterien des Aufwands einer Zuverlässigkeitsdatenerfassung zu einem Gesamtaufwand gesA . ∑∑ == ⋅== 3 1 3 1 k kk k kges GBAA mit: gesA : Gesamtaufwand der Datenquelle kA : gewichtete Bewertung des Bewertungskriteriums k kB : ungewichtete Bewertung des Kriteriums k kG : Gewichtung des Kriteriums k (3.3) Aus diesem Bewertungsansatz kann schließlich eine vergleichende Kennziffer aus dem Quotienten aus Gesamtnutzen und Gesamtaufwand gebildet werden, die die Leis- tungsfähigkeit LF einer Datenquelle charakterisiert. Dieser Quotient wird zusätzlich durch 12 geteilt, um eine Normierung der Kennziffer der Leistungsfähigkeit auf 1 bzw. 100 % zu realisieren. ∑ ∑ = = ⋅ = ⋅ = 3 1 6 1 1212 k k j j ges ges A N A N LF mit: LF : Leistungsfähigkeit der Datenquelle gesN : Gesamtnutzen der Datenquelle gesA : Gesamtaufwand der Datenquelle (3.4) Mit diesen Überlegungen kann nun ein Bewertungsmodell generiert werden, das zu- sammenfassend in Bild 3.3 dargestellt ist. Die zugehörigen Bewertungskataloge sind in Tabelle 3.5 und Tabelle 3.6 aufgelistet. 34 3 Anforderungsgerechtes Datenkonzept Bild 3.3: Bewertungsmodell für Zuverlässigkeitsdatenquellen Die Bewertungskataloge beinhalten zunächst die Gewichtung der Bewertungskriterien zueinander, die für alle Zuverlässigkeitsdatenquellen konstant bleibt. Tabelle 3.5: Bewertungskatalog der Kriterien des Bewertungsmodells Gewichtung gewichtete Minimalbewertung gewichtete Maximalbewertung N1 Repräsentativität 2 2 12 N2 Einsatzbedingungen 3 3 18 N3 Genauigkeit und Vollständigkeit 1 1 6 N4 Beobachtungsdauer 3 3 18 N5 Zeitpunkt der Daten- verfügbarkeit 1 1 6 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 2 12 A1 betriebliche Hindernisse 1 6 1 A2 Erfüllung rechtlicher Vorgaben 3 18 3 A3 Kosten 2 12 2 Nges 12 72 Ages 36 6 3% 100% Kriterium Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N Bewertung Bedeutung 1 geringe Bedeutung 2 hohe Bedeutung 3 sehr hohe Bedeutung Gewichtungen der Kriterien 3.3 Bewertungsmodell für Zuverlässigkeitsdaten 35 Je nach Datenquelle werden zusätzlich die Ausprägungen der Kriterien bewertet, die der zweite Bewertungskatalog enthält. Tabelle 3.6: Bewertungskatalog der Ausprägungen des Bewertungsmodells Auf Basis dieses Bewertungsmodells kann die Leistungsfähigkeit einer Zuverlässig- keitsdatenquelle maximal 100 % betragen, was einer idealen Datenquelle mit maxima- lem Nutzen unter minimalem Aufwand entspräche. Die Bewertung zeigt die gewichte- te Maximalbewertung in Bild 3.3. Das Gegenteil dieser optimalen Zuverlässigkeitsda- tenquelle wäre eine Datenquelle mit Merkmalsausprägungen, die die gewichtete Mi- nimalbewertung in Bild 3.3 zur Folge hätte. Der kleinste Wert der Leistungsfähigkeit ist damit 3 %, was einer prinzipiell geeigneten Zuverlässigkeitsdatenquelle mit sehr ausgeprägten Schwächen entspräche. Datenquellen, die absolut keine Eignung für spä- tere Zuverlässigkeitsanalysen aufweisen und eine Leistungsfähigkeit von 0 % haben müssten, können mit diesem Bewertungsmodell nur bedingt erfasst werden. Das Be- wertungsmodell sollte deshalb nur für Datenquellen angewandt werden, die Zuverläs- sigkeitsdaten beinhalten und damit eine Leistungsfähigkeit von mindestens 3 % auf- weisen. Dieses Bewertungsmodell bildet die Grundlage für die weiteren Analysen von Zuver- lässigkeitsdatenquellen in den folgenden Kapiteln. Bewertung Bedeutung 1 sehr geringe Ausprägung 2 geringe Ausprägung 3 ausreichende Ausprägung 4 befriedigende Ausprägung 5 hohe Ausprägung 6 sehr hohe Ausprägung Bewertungen der Ausprägungen 4 Analyse von Zuverlässigkeitsdatenquellen Eine geeignete Datenbasis ist die Ausgangslage sämtlicher Analysen, die zur Beant- wortung von bestimmten Fragestellungen durchgeführt werden. Die größte Herausfor- derung der Zuverlässigkeitstechnik ist häufig die Datenerfassung selbst [39]. Im Be- reich der Zuverlässigkeitstechnik müssen somit Daten erfasst werden und für Zuver- lässigkeitsanalysen aufbereitet werden, die explizite Fragestellungen der Zuverlässig- keit von Produkten in einer ausreichenden Genauigkeit beinhalten. Zur Verdeutlichung des Zusammenhangs der Inhalte der Zuverlässigkeitsdaten und der anschließenden Zuverlässigkeitsanalyse dient die abstrahierte Modellvorstellung. Bild 4.1: Abstrakte Systembeschreibung Die Systemreaktion eines beliebigen Produkts ist zunächst vom Systemeingang ab- hängig. Wird die Zuverlässigkeit bzw. die Lebensdauer eines Systems untersucht, so besteht ein Zusammenhang zwischen der eigentlichen Produktnutzung, die den Sys- temeingang darstellt, und der Zuverlässigkeit bzw. Lebensdauer des Produkts, die in der abstrakten Darstellungsweise mit Systemausgang bezeichnet wird. Im Idealfall ist die Produktzuverlässigkeit nur von den messbaren Produktnutzungsparametern abhän- gig, deren hinreichend genaue Erfassung erhebliche Herausforderungen bedeuten kann. Zusätzlich haben die Steuerfaktoren, die prinzipiell einstellbar sind, ebenso Ein- Systemreaktion Systemeingang Systemausgang St ör pa ra m et er St eu er fa kt o re n 3.3 Bewertungsmodell für Zuverlässigkeitsdaten fluss auf den Systemausgang flussgrößen stellen die Störgrößen d rungen an die Zuverlässigkeits werden und deren Auswirkung auf die Zuverlässigkeit analysiert werden. eingang in Form der Bauteilbelastungen sowie eine zielgerichtete Datenerfassung zunächst identifiziert werden. Anschließend muss deren Effekt auf die Zuverlässigkeit abgeschätzt bzw. ermittelt werden, da in der Pr xis oftmals nicht alle interessierenden Größen a nen. Anschließend müssen Möglichkeiten erarbeitet werden, wie die zu erfassenden Daten gemessen werden können. In den folgenden Abschnitten werden derartige Möglichkeiten der Erfassung von Z verlässigkeitsdaten dargestell quellen orientiert sich am wie er in Bild 4.2 dargestellt Während der Planungsphase eines Produkts werden die Zuverlässigkeitsziele festg legt, die das Produkt später während des Kundengebrauchs erfüllen muss. Die ren Schritte in der Produktentwicklung sind die Konzeption, der Entwurf und die Au . Nicht oder wenig beherrschte bzw. einstellbare Ei ar. Letztlich müssen je nach Genauigkeitsanford betrachtung mehr oder weniger Einflussgrößen erfasst die Steuer- und Störgrößen müssen für usreichend genau erfasst werden kö t und analysiert. Die Abfolge der Zuverlässigkeitsdate Produktlebenszyklus in Anlehnung an [5], ist. Bild 4.2: Produktlebenszyklus [5] Planung Konzeption Entwurf Ausarbeitung Fertigung Kundeneinsatz & Service Wiederverwendung 37 n- e- Der System- a- n- u- n- [6], [71] und [87], e- weite- s- 38 4 Analyse von Zuverlässigkeitsdatenquellen arbeitung. In diesen Schritten wird das Produkt von ersten Konzepten bis zum endgül- tigen Produkt detailliert. Zuverlässigkeitsdaten, die während dieser Phasen entstehen bzw. eingesetzt werden können, sind im Folgenden mit Zuverlässigkeitsdatenquellen in der Produktentwicklung bezeichnet. Die Fertigung eines Produktes erlaubt im Allgemeinen lediglich die Erfassung von Fertigungsparametern, die mit Ausfalldaten verknüpft, Korrelationen zwischen Ferti- gungsparametern und Ausfalleigenschaften ermöglichen. Moderne Fertigungsabläufe erfassen meist sehr viele dieser Fertigungsmerkmale, z.B. Drehmomente, Kräfte, Ge- wichte, Schmierstoffmengen oder geometrische Abmessungen. Zusätzlich entstehen Qualitätsdaten, die wiederum burn-in-tests, HAST, HASS, ESS [61], [64] beinhalten können. Diese Tests stellen ein Verfahren zur Steigerung der Produktzuverlässigkeit dar, indem Frühausfälle möglichst vor einer Produktauslieferung erkannt werden. Die letzte Phase im Produktlebenszyklus ist der Kundeneinsatz der Produkte, der in einer Wiederverwendung enden kann. Dieser Bereich ist von besonderem Interesse, da die gesetzten Zuverlässigkeitsziele der Planungsphase für diese Phase des Produktle- benszyklus definiert sind. Der endgültige Nachweis der Zielerreichung kann somit auch nur in dieser Phase erbracht werden. Die Wiederverwendung eines Produktes schließt die Gebrauchsphase ab. Diese beiden Phasen des Produktlebenszyklus ermög- lichen Zuverlässigkeitsdatenquellen während der Produktnutzung, da die Wiederver- wendung meist dann erfolgt, wenn eine wirtschaftliche Reparatur nicht mehr möglich ist und somit ein spezieller Produktausfall während der Produktnutzungsphase vor- liegt. 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung Während der Entwicklung von Produkten sind Zuverlässigkeitsdaten einerseits not- wendig, andererseits entsteht ein Teil der Daten während dieser Zeit erst. Aus diesem Grund werden oftmals zusätzlich zu den Daten des zu entwickelnden Produkts Zuver- lässigkeitsdaten ähnlicher Produkte verwendet, über die mehr Erfahrungen und damit Daten aus einer längeren Produktnutzung vorliegen. 4.1.1 Ausfallratenkataloge Eine meist allgemein verfügbare Quelle von Zuverlässigkeitsdaten, die häufig in einer frühen Phase der Produktentwicklung verwendet werden, stellen die Ausfallratenkata- loge dar. Diese enthalten Ausfallraten für unterschiedliche Bauteile und Komponenten, meist aus der Elektrotechnik mit einem angenommenen exponentialverteilten Ausfall- verhalten. Dadurch ist die vollständige Charakterisierung des gesamten Ausfallverhal- tens mit Hilfe der Ausfallrate λ möglich. Unterschiedliche Belastungen können teil- 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung 39 weise berücksichtigt werden, beispielsweise die Berücksichtigung einer temperaturab- hängigen Belastung über das Arrhenius-Modell [61]. Die allgemein verfügbaren Ausfallratenkataloge enthalten meist branchenübergreifen- de Komponenten, deren Anwendung mit kommerziell verfügbaren Softwarelösungen einfach ist. Diese ermöglichen einen schnellen Einsatz von Ausfallraten in Zuverläs- sigkeitsanalysen, da die Ausfallratenkataloge als Datenbasis in der Software integriert sind und somit z.B. einfach in Fehlerbaumanalysen verwendet werden können. Zusätz- lich gibt es branchenspezifische Ausfallratenkataloge, die meist nicht in Standardsoft- warelösungen elektronisch aufbereitet sind. Beispiele derartiger Ausfallratenkataloge sind die Datensammlungen der Kraftwerkstechnik oder der Verfahrenstechnik. Bekannte branchenübergreifende Ausfallratenkataloge beinhaltet die folgende Auflis- tung:  EPRD-97 (Electronic Parts Reliability Data)  IEC TR 62380 (Nachfolger von RDF 2000)  MIL-HDBK-217F  NPRD-95 (Nonelectronic Parts Reliability Data)  NSWC-06  Telcordia SR-332  SN 29500 Viele dieser Ausfallratenkataloge basieren auf sehr umfangreichen Datensammlungen meist vieler verschiedener Hersteller der Produkte. Ein häufiger Nachteil der Daten- sammlungen ist, dass insbesondere die Einsatzbedingungen, die den Ausfalldaten zu- grunde liegen, weitgehend unbekannt sind [7]. Zusätzlich werden Ausfallratenkataloge in sehr unterschiedlichen Zeitabständen aktualisiert. Da die dafür notwendige Daten- sammlung für eine Aktualisierung sowie deren Integration in den Ausfallratenkatalog viel Zeit benötigt, stellen die Ausfallratenkataloge meist nur einen ungefähren Wert der Ausfallrate λ dar. Die Produkte, deren Ausfallverhalten beschrieben werden, sind damit ebenso unterschiedlich aktuell. Die Daten der Ausfallratenkataloge sind zwar bereits zu Beginn einer Produktentwicklung vorhanden, diese spiegeln allerdings nicht die Ausfalldaten des neuen Produkts wider, sondern lediglich von mehr oder weniger vergleichbaren Vorgängerprodukten. Die Übertragbarkeit des Ausfallverhaltens von Vorgängerprodukten kann nicht sicher gewährleitstet werden, damit sind aussagekräf- tige Ausfalldaten meist erst sehr spät nutzbar. Zusätzlich können Ausfallursachen und die dafür ursächlichen Belastungen sehr ungenau wiedergegeben werden. Dies wirkt sich auf einen relativ großen Zeitverzug zwischen der Datenentstehung und deren Ver- fügbarkeit aus, die Genauigkeit der Daten muss für spezielle Produkte eines Unter- nehmens ebenso sehr genau berücksichtigt werden. In [9] wird speziell die Verwen- 40 4 Analyse von Zuverlässigkeitsdatenquellen dung des MIL-HDKB-217F als eine Vorgehensweise mit großer Ungenauigkeit be- schrieben. Ein weiteres Problem der Ausfallratenkataloge stellt die Tatsache dar, dass die be- trachteten Komponenten in Zuverlässigkeitsanalysen eines Produkts häufig nicht in nur einem Ausfallratenkataloge enthalten sind, was die Verwendung von zwei oder mehr Ausfallratenkatalogen notwendig macht. Aufgrund der unterschiedlichen Entste- hungs- und Veröffentlichungszeiten und damit Aktualität der Ausfallratenkataloge sind die daraus abgeleiteten Ausfallwahrscheinlichkeiten von der verwendeten Zuver- lässigkeitsdatenquelle abhängig. Die simultane Verwendung unterschiedlicher Katalo- ge in einer Zuverlässigkeitsanalyse ist damit mit enormen Ungenauigkeiten und Unsi- cherheiten behaftet. Diese Aussage wird untermauert durch einen beispielhaften Ver- gleich der Ergebnisse eines 64K-Arbeitsspeicher [40], der in Bild 4.3 dargestellt ist. Vergleichbare Aussagen enthalten [11], [41], [61] und [85]. Bild 4.3: Ausfallraten eines 64K-Arbeitsspeicher auf Basis von unterschiedli- chen Ausfallratenkatalogen Die enormen Unterschiede bereits für diesen einen elektronischen Baustein machen die große Ungenauigkeit der Daten und damit der darauf aufbauenden Zuverlässig- keitsanalysen deutlich. Die Ungenauigkeiten zwischen ausfallratenkatalogbasierten Analysen und realem Ausfallverhalten der Produkte werden logischerweise umso grö- ßer, je größer die Anzahl der verwendeten Komponenten in einem System ist. 0,049 0,008 0,022 0,014 0,045 0 0,01 0,02 0,03 0,04 0,05 0,06 A u sf a llr a te [F IT ] 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung 41 Die zusammenfassende Bewertung von Ausfallratenkatalogen ist in Bild 4.4 zusam- mengefasst. Ein wichtiger Vorteil der branchenübergreifenden Ausfallratenkataloge ist der sehr geringe Aufwand für die Verwendung der Ausfallratenkataloge, da diese Aus- fallratenkataloge meist in elektronischer Form in kommerziell verfügbaren Software- lösungen verfügbar sind. Bild 4.4: Bewertung von Ausfallratenkatalogen 4.1.2 Abbildung von Expertenwissen Häufig sind Zusammenhänge zwischen Produktmerkmalen, Produktnutzung und Pro- duktverhalten nur als Erfahrungswissen der Entwickler eines Unternehmens vorhan- den. Eine wichtige Quelle für die Einschätzung der Zuverlässigkeit von Produkten ist deshalb das Erfahrungswissen der Entwickler eines Unternehmens. Insbesondere in- terdisziplinär zusammengesetzte Teams ermöglichen eine effektive Verdichtung von Erfahrungswissen zu einem Gesamtbild der Produktzuverlässigkeit. Dieser Teameffekt ist beispielsweise aus der Durchführung von FMEAs bekannt [5]. Die Abbildung von Expertenwissen eignet sich insbesondere zu Beginn einer Produktentwicklung, wenn noch keine anderen produktspezifischen Datenquellen verfügbar sind und dennoch erste Abschätzungen der Produktzuverlässigkeit durchgeführt werden müssen. Ergeb- nisse dieser qualitativen Analysen sind die Auswirkungen von Konstruktions- und Fer- Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 1 2 N2 Einsatzbedingungen 3 1 3 N3 Genauigkeit und Vollständigkeit 1 1 1 N4 Beobachtungsdauer 3 2 6 N5 Zeitpunkt der Daten- verfügbarkeit 1 2 2 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 1 2 A1 betriebliche Hindernisse 1 1 1 A2 Erfüllung rechtlicher Vorgaben 3 1 3 A3 Kosten 2 1 2 Nges 16 Ages 6 22% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 42 4 Analyse von Zuverlässigkeitsdatenquellen tigungsmerkmalen sowie von Betriebs- und Umgebungseinflüssen auf die Produktzu- verlässigkeit, häufig allerdings nur als Relativvergleich oder Trend zu einem beste- henden Produkt. Zusätzlich werden Entdeckungsmaßnahmen identifiziert, die wiede- rum gemeinsam mit den Einflussfaktoren auf die Zuverlässigkeit als Eingangsdaten einer experimentellen Produkterprobung dienen können. Eine gute Ausgangslage zur Einschätzung der Zuverlässigkeit bzw. des Ausfallverhal- tens eines Produkts ermöglicht die konstruktive Zusammenführung von unterschiedli- chen Fachbereichen, wie dies in Bild 4.5 dargestellt ist [5], [6]. Bild 4.5: Teamzusammensetzung zur Abbildung von Expertenwissen Nach der Definition des interdisziplinären Teams ist die Verwendung eines geeigneten Verfahrens bzw. einer Methode notwendig, die eine effektive Verknüpfung der Exper- tenaussagen ermöglicht. Dies kann zunächst eine Sammlung von Belastungen und de- ren möglichen Ausfallursachen sein, allerdings sind auch die Anwendung von Metho- den wie FMEA [5] [61], [90], Fuzzy-Logic [14], [16], [37], [63], [93], neuronalen Netzen [72], [81] sowie ein Kombination der Fuzzy-Logic mit neuronalen Netzen [72] bekannte Hilfsmittel für derartige Aufgaben. In diesem Zusammenhang steht auch eine Konstruktion Produktions- vorbereitung Produktion Vertrieb Logistik Finanzen Qualität Versuch Expertenteam 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung 43 systematische, qualitative Abschätzung des Zusammenhangs zwischen Betriebs- und Umgebungseinflüssen und der zu erwartenden Produktzuverlässigkeit [50]. Folgen der sehr frühen Durchführbarkeit dieser qualitativen Zuverlässigkeitsmethoden sind der geringe Zeitverzug zwischen der Entstehung der daraus gewonnenen Daten und deren Auswertung sowie die sehr frühe Datenverfügbarkeit zu Beginn einer Pro- duktentwicklung. Da das Erfahrungswissen der Entwickler meist auf dem Produktver- halten ähnlicher Produkte basiert, müssen Ungenauigkeiten der Daten und bedingte Repräsentativität der Daten akzeptiert werden. Da sich die Belastungen auf verschie- dene Produkte, die dennoch als ähnlich bezeichnet werden können, möglicherweise unterschiedlich auswirken, sind auch die Folgen der Belastungen mit Unsicherheiten behaftet. Demgegenüber steht der nicht zu vernachlässigende Aufwand für interdiszip- linäre Teamsitzungen, der damit Kosten verursacht. Bild 4.6: Bewertung von Expertenwissen 4.1.3 Lebensdauerberechnung Die Lebensdauerberechnung von Bauteilen, auch Betriebsfestigkeitsberechnung ge- nannt, findet häufig ebenfalls früh im Produktenwicklungsprozess statt. Ausgehend von einer Abschätzung der äußeren Belastung und der Materialeigenschaften kann Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 3 6 N2 Einsatzbedingungen 3 2 6 N3 Genauigkeit und Vollständigkeit 1 3 3 N4 Beobachtungsdauer 3 4 12 N5 Zeitpunkt der Daten- verfügbarkeit 1 6 6 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 5 10 A1 betriebliche Hindernisse 1 3 3 A2 Erfüllung rechtlicher Vorgaben 3 1 3 A3 Kosten 2 3 6 Nges 43 Ages 12 30% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 44 unter Annahme einer Spannungs nelle Lebensdauer berechnet werden tenblättern oder ähnlichen öffentlich z genauere Grundlage bieten allerdings die Ergebnisse von durchgeführten Werkstoffu tersuchungen oder Daten von ähnlichen Produkten, die bereits eine Erprobung durc laufen haben. Während der Erprobung erster lastungen ermittelt werden. Die Fertigungs weise zu definierten Querschnitten und Oberflächenbeschaffenheiten führen, werden im Rahmen der Betriebsfestigkeitsrechnung ebenfalls berücksichtigt und deren Au wirkungen auf die Lebensdauer modelliert. Die nungen, die die Einflussgrößen beschreiben, stellen damit eine Datenquelle dar, die Abschätzungen der Zuverlässigkei auf die Betriebsfestigkeit, die zusätzlich Wechselwirkun in Bild 4.7 graphisch dargestellt Bild 4.7: Einflussgrößen auf die Betriebsfestigkeit von Bauteilen Mit Hilfe der berechneten Lebensdauern der Komponenten kann unter Berücksicht gung der Systemstruktur das Systemverhalten ermittelt werden und somit eine frühe quantifizierbare Aussage des Erreichens der Zielzuverlässigkeit getroffen werden 4 Analyse von Zuverlässigkeitsdatenquellen - sowie Schadensakkumulationshypothese eine nom [32]. Die Materialeigenschaften können aus D ugänglichen Datenquellen bezogen werden Prüflinge können zusätzlich Be - und Konstruktionseinflüsse, die beispiel Ergebnisse von Lebensdauerberec t von Produkten ermöglichen. Die Einflussgrößen gen untereinander haben, sind [33]. i- a- . Eine n- h- triebsbe- s- s- h- i- . 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung 45 Neben der Ermittlung der nominellen Lebensdauer, die meist einer B50-Lebensdauer entspricht, können Schwachstellen identifiziert werden und, falls notwendig, Gegen- maßnahmen eingeleitet werden. Dabei sollten die kritischen Querschnitte und die zu- gehörigen Spannungsverteilungen des zu entwickelnden Produkts den Lebensdauerbe- rechnungen von Vorgängerprodukten gegenübergestellt werden, um mögliche Aus- fallursachen identifizieren zu können. Aufgrund zahlreicher Modellannahmen und Ungenauigkeiten der zugrunde liegenden Material- und Belastungsdaten können die Ergebnisse einer Betriebsfestigkeitsrech- nung nie exakt das reale Ausfallverhalten von Produkten beschreiben. Insbesondere Wechselwirkungen und Nichtlinearitäten sind oftmals schwierig modellierbar. Belas- tungsdaten und Fertigungseinflüsse können in frühen Phasen einer Produktentwick- lung das spätere Produktverhalten nur annähernd charakterisieren, was zu der in Bild 4.8 dargestellten Bewertung führt. Bild 4.8: Bewertung von Lebensdauerberechnungen 4.1.4 Erprobung Die Erprobung der Produkte während des Entwicklungsprozess ist von zentraler Be- deutung, insbesondere für den quantitativen Nachweis der Produktzuverlässigkeit Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 2 4 N2 Einsatzbedingungen 3 2 6 N3 Genauigkeit und Vollständigkeit 1 2 2 N4 Beobachtungsdauer 3 2 6 N5 Zeitpunkt der Daten- verfügbarkeit 1 5 5 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 5 10 A1 betriebliche Hindernisse 1 1 1 A2 Erfüllung rechtlicher Vorgaben 3 1 3 A3 Kosten 2 3 6 Nges 33 Ages 10 28% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 46 4 Analyse von Zuverlässigkeitsdatenquellen während der Produktentwicklung. Der experimentelle Nachweis der Produktzuverläs- sigkeit ist dabei als ergänzender Prüfaufwand zur restlichen Erprobung zu verstehen, die beispielsweise die Aufgabe hat, Funktionen zu bewerten und Leistungsmerkmale abzusichern. Dieser zusätzliche Aufwand muss deshalb bereits bei der Projekt- und Kostenplanung berücksichtigt werden, um eine experimentelle Zuverlässigkeitsabsi- cherung sinnvoll und zeitgerecht durchführen zu können. Der Ablauf einer systematischen Zuverlässigkeitserprobung gliedert sich in folgende Schritte: Bild 4.9: Arbeitsschritte zur versuchsbasierten Beschaffung von Zuverlässig- keitsdaten Den ersten Schritt der Erprobungsplanung bildet die Definition des Systems, das un- tersucht werden soll. Diese Festlegung ist nicht auf den Umfang der Subsysteme und Komponenten beschränkt, sondern umfasst auch alle Funktionen, die das System erfül- len muss. Die Systemdefinition ist bereits für die Abbildung von Expertenwissen (sie- he Kapitel 4.1.1) sowie für eine Lebensdauerberechnung (siehe Kapitel 4.1.3) notwen- dig und kann somit meist für die Versuchsplanung übernommen werden. Im zweiten Schritt wird diese strukturelle und funktionale Sichtweise des Systems de- taillierter auf den Ebenen der Subsysteme bzw. Komponenten durchgeführt. Die struk- 1. Definition des zu erprobenden Systems 2. Definition der zu erprobenden Subsysteme und Komponenten 3. Analyse möglicher Belastungen und Ausfallursachen 4. Festlegung von System-, Subsystem- und Komponententests 5. Durchführung der Versuche, Messung relevanter Größen 6. Auswertung der Versuchs- und Messergebnisse 7. Interpretation der Ergebnisse Ex pe rim en te lle D at en be sc ha ffu n g 4.1 Zuverlässigkeitsdatenquellen in der Produktentwicklung 47 turelle und funktionale Systemanalyse wird ergänzt durch die Analyse von möglichen Belastungen und Ausfallursachen, die ebenso auf unterschiedlich detaillierten Betrach- tungen des Produkts beruhen sollten und häufig aus anderen Datenquellen zur Verfü- gung stehen (siehe Kapitel 4.1.1). Die Ausfallursachen können aus einer bereits durch- geführten FMEA oder aus der Erprobung von Vorgängerprodukten stammen. Falls diese Quellen nicht ausreichend sind, können erste Versuche durchgeführt werden, um wichtige Belastungen und Ausfallursachen zu ermitteln, z.B. HALT oder Screening- Versuche [10], [34], [57], [58], [61]. Mit diesen Informationen ist nun eine Festlegung der notwendigen System-, Subsys- tem- und Komponententests möglich. Neben der Festlegung der Stichprobengrößen liegt die besondere Herausforderung in der Wahl der Höhe und des Verlaufs der Belas- tungen. Soll die Erprobung belastbare quantitative Zuverlässigkeitsdaten liefern, so muss die Erprobung ausfallorientiert durchgeführt werden. Um Ausfälle hoch zuver- lässiger Produkte in akzeptabler Testdauer zu ermöglichen, sind deshalb beschleunigte Lebensdauertests notwendig [10], [31], die gezielt die Belastungsamplituden mit den größten Schädigungen verwenden [76]. Werden Verschleißgrößen gemessen, können Versuche auch vor Erreichen des Verschleißmaßes, das einem Ausfall entspricht, be- endet werden, meist ebenso unter Verwendung erhöhter Belastungsamplituden. Die Hochrechnung des Verlaufs des Verschleißmerkmals auf den fiktiven Ausfallzeitpunkt ist Gegenstand der Degradations-Modelle [17], [31], [57], [58]. Nach der Durchführung und Auswertung von Versuchen, die immer von einer detail- lierten Analyse der Ausfallursachen durch Begutachtung der ausgefallenen Prüflinge begleitet werden müssen, werden die Ergebnisse analysiert und weiteren Zuverlässig- keitsanalysen zur Verfügung gestellt. Eine Alternative zu ausfallorientierten Erprobungen stellt der Nachweis einer Min- destzuverlässigkeit dar. Diese meist weniger aufwändigen Erprobungen liefern keine quantitativen Zuverlässigkeitsdaten, die Ausfallzeitpunkte und Ausfallursachen bein- halten [69]. Das Ziel sollte aus Sicht der Zuverlässigkeitstechnik deshalb immer sein, möglichst viele Prüflinge unter Anwendung von Raffungsstrategien bis zum Ausfall zu testen. Diese Forderung wird verstärkt, wenn sicherheitskritische Komponenten er- probt werden. Das Ziel der Produktzuverlässigkeit beträgt hier 100% während der ge- samten Lebensdauer, wenn ein Ausfall zu einem sicherheitskritischen Ereignis führen kann. Die einzige mögliche Nachweisführung besteht in einer Produkterprobung mit möglichst vielen ausgefallen Prüflingen [47]. Da Voraussetzung der Erfassung quantitativer Zuverlässigkeitsdaten auf Basis von ausfallorientierten Versuchen erprobungsfähige Prototypen sind, kann diese Daten- quelle nicht bereits zu Beginn des Produktenwicklungszyklus zur Verfügung stehen. 48 4 Analyse von Zuverlässigkeitsdatenquellen Abhängig von den Kosten der Prototypen und der Versuchsdurchführung können die Kosten einer derartigen Erprobung sehr hoch sein. Bild 4.10: Bewertung der Erprobung 4.2 Zuverlässigkeitsdatenquellen während der Fertigung Die Fertigung eines Produktes wird durch die Erfassung zahlreicher Daten begleitet, die wichtige Informationen zur Produktherstellung beinhalten. Beispielsweise werden Anzugsdrehmomente oder -winkel von Schrauben erfasst, geometrische Maße ermit- telt oder Gewichte von Bauteilen oder Schmierstoffen gemessen. Werden die Produkte mit Seriennummern, Chargennummern, Fahrgestellnummern oder ähnliche Identifika- tionsmerkmale ausgestattet, so können die während der Fertigung des Produkts erfass- ten Fertigungsdaten den einzelnen Produkten zugeordnet werden. Weisen nun Produk- te bestimmter Chargen, Produktionszeiträume oder Fertigungslinien ein verändertes Ausfallverhalten zu den restlichen Produkten der Grundgesamtheit auf, kann eine ziel- gerichtete Lösungsfindung erfolgen. Zusätzlich können die Zusammenhänge von wichtigen Fertigungsparametern oder Fer- tigungsverfahren mit den späteren Zuverlässigkeitseigenschaften der Produkte herge- stellt werden. Dies ermöglicht eine Korrelation von Fertigungseigenschaften mit der Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 4 8 N2 Einsatzbedingungen 3 4 12 N3 Genauigkeit und Vollständigkeit 1 4 4 N4 Beobachtungsdauer 3 5 15 N5 Zeitpunkt der Daten- verfügbarkeit 1 4 4 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 5 10 A1 betriebliche Hindernisse 1 2 2 A2 Erfüllung rechtlicher Vorgaben 3 1 3 A3 Kosten 2 4 8 Nges 53 Ages 13 34% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 4.2 Zuverlässigkeitsdatenquellen während der Fertigung 49 Produktzuverlässigkeit [38]. Viele dieser Fertigungsparameter, wie beispielsweise Vorschubgeschwindigkeiten oder Schleifkorngrößen, werden in der industriellen Fer- tigung erfasst. Da diese Daten keine Zuverlässigkeitsdaten der Produkte enthalten, sondern mit diesen später verknüpft werden müssen, werden diese allgemeinen Ferti- gungsparameter nicht als Zuverlässigkeitsdatenquelle behandelt. 4.2.1 Fertigungsbegleitende Produkterprobung Die Fertigung eines Produktes wird nicht nur von der Erfassung wichtiger Fertigungs- parameter begleitet, es werden häufig auch wichtige Produkteigenschaften überprüft. Neben Funktionstests im Rahmen der Qualitätssicherung werden v.a. in der Herstel- lung elektronischer Bauteile Zuverlässigkeitstests durchgeführt. Das Ziel dieser Tests ist häufig die Erfüllung von Vorgaben, d.h. es sollen keine Ausfälle auftreten. Dies ermöglicht es im Allgemeinen nicht, auf Basis der Ergebnisse dieser Zuverlässigkeits- prüfungen, das Ausfallverhalten während des späteren Kundengebrauchs zu prognosti- zieren [20]. Diese Zuverlässigkeitsprüfungen werden deshalb auch als qualitative Er- probungsmethoden bezeichnet [55], die bekannte Methoden beinhalten: • ESS (Environmental Stress Screen) • HASS (Highly Accelerated Stress Screening) • HASA (Highly Accelerated Stress Audit) • HAST (Highly Accelerated Temperature and Humidity Stress Test) • AGREE (Advisory Group on Reliability of Electronic Equipment) In diesem Zusammenhang stehen auch Burn In Tests, deren Aufgabe die bewusste Verursachung von Frühausfällen darstellt [31], [61], [64]. Produkte, die bereits bei der Fertigung ausfallen verursachen keine Ausfälle in Kundenhand, was zu viel höheren finanziellen Folgen führen würde [21], [43]. Sinnvoll ist dieser Ansatz v.a. bei Produk- ten mit ausgeprägtem Frühausfallverhalten, wie dies bei einigen elektronischen Pro- dukten der Fall ist. Damit können sich diese fertigungsbegleitenden Produkterprobun- gen als Zuverlässigkeitsdatenquelle eignen. Nach Möglichkeit sollten einige der getes- teten Produkte bis zum Ausfall untersucht werden, um quantitative Aussagen über Frühausfälle zu ermöglichen. 50 4 Analyse von Zuverlässigkeitsdatenquellen Bild 4.11: Bewertung der fertigungsbegleitenden Erprobung 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung Zuverlässigkeitsdaten, die während der regulären Produktnutzung durch den Endkun- den entstehen, werden häufig als Felddaten bezeichnet. Die Erfassung dieser Daten ist in der Zuverlässigkeitstechnik von zentraler Bedeutung. Schließlich zielen die meisten Fragen über das Ausfallverhalten eines Produkts auf den Zeitraum des Kundenge- brauchs ab, da die Kundenwahrnehmung der Produktzuverlässigkeit von enormer Wichtigkeit auf zukünftige Kaufentscheidungen und somit für den wirtschaftlichen Erfolg des Herstellers und aller an der Produktentstehung beteiligten Unternehmen ist. Neben der subjektiven Kundenwahrnehmung sind insbesondere die Lebenszykluskos- ten von Investitionsgütern ein weiteres wichtiges Produktmerkmal, was neben der Er- fassung von Ausfalldaten zusätzlich die Verfügbarkeit von Reparaturdaten erfordert. Neben dieser Kundensicht sind Felddaten sehr wichtig für die Auslegung und die ef- fektive sowie aussagekräftige Erprobung zukünftiger Produkte. Falsche Lastannahmen und Ausfalleigenschaften können wiederum zu großen Risiken und schließlich bedeut- samen finanziellen Folgen führen. Dem gegenüber steht allerdings, dass für die zusätz- liche oder verbesserte Erfassung von zuverlässigkeitsrelevanten Felddaten Kosten ent- stehen. Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 4 8 N2 Einsatzbedingungen 3 2 6 N3 Genauigkeit und Vollständigkeit 1 3 3 N4 Beobachtungsdauer 3 1 3 N5 Zeitpunkt der Daten- verfügbarkeit 1 3 3 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 5 10 A1 betriebliche Hindernisse 1 2 2 A2 Erfüllung rechtlicher Vorgaben 3 1 3 A3 Kosten 2 3 6 Nges 33 Ages 11 25% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung 51 4.3.1 Kundenbefragungen und technische Hotlines Viele Unternehmen führen Kundenbefragungen durch, um die Zufriedenheit mit den Produkten, Verbesserungsansätze oder Ideen zukünftiger Produkte zu erfassen. In die- sem Zusammenhang werden oftmals Angaben zur Produktzuverlässigkeit erfasst oder können in diesen Befragungsprozess integriert werden. Diese Angaben sind meist al- lerdings sehr allgemein, quantitative Zuverlässigkeitsdaten können daraus nicht abge- leitet werden. Ebenso fehlen wichtige Betriebs- und Umgebungsbedingungen, die Hinweise auf die Einsatzbedingungen der Produkte geben. Somit eignen sich Kunden- befragungen im Allgemeinen nur zur Identifikation, welche Produkte häufig Ausfälle aufweisen. Zielgerichtete Kundenbefragung insbesondere von Servicebetrieben wie technischem Kundendienst oder Reparaturbetrieben sollten allerdings mit konkreten Produkten, die in diesen Betrieben betreut werden, durchgeführt werden. Dieser An- satz ist Bestandteil einer Werkstattdatenerfassung, die in Kapitel 4.3.5 beschrieben ist. Werden Produkte eines Herstellers allerdings an andere Unternehmen verkauft, die wiederum der Betreiber dieser Produkte sind, kann die Kundenbefragung sehr viel de- taillierter durchgeführt werden. Dies ist beispielsweise bei Anlagenherstellern und -etreibern der Fall. Da die Betreiber in der Lage sind, fundierte und damit aussagekräf- tige Betriebs- und Ausfalldaten zu erfassen, können daraus wiederum sehr genau An- gaben zur Zufriedenheit der Produktzuverlässigkeit gemacht werden. Eine bedeutsamere Quelle stellen dagegen technische Hotlines dar, deren erfasste Da- ten wiederum von technischen Produktkenntnissen der Servicebetriebe abhängig sind. Diese dienen der Betreuung von Servicebetrieben, wenn diese Fragen zur Reparatur und dem Ausfall von Produkten haben. Somit lassen sich insbesondere komplexe Feh- lerbilder, die schwer zu diagnostizieren sind, und bislang unbekannte Fehlerbilder, erfassen. Da eine derartige Erfassung von Ausfalldaten allerdings nur auf einzelne Fäl- le beschränkte ist und keine Quantifizierung aufgrund der unbekannten Grundgesamt- heit, aus der die Ausfalldaten stammen, möglich ist, ist die größte Bedeutung dieser Datenquelle der Indikator möglicher gehäufter Produktausfälle. Für ein effektives Frühwarnsystem von Zuverlässigkeitsproblemen können technische Hotlines damit ein sehr wichtiger Bestandteil sein, ebenso als Quelle zur Sammlung möglicher Ausfallur- sachen. Allerdings müssen die erfassbaren Produkte berücksichtigt werden, beispiels- weise wenn ältere Produkte bevorzugt in Ländern benutz werden, die geringe Lohn- kosten aufweisen. Dies ist bei Nutzfahrzeugen der Fall, die nach wenigen Jahren des Gebrauchs in Westeuropa häufig nach Osteuropa und anschließend nach Afrika veräu- ßert werden. Zuverlässigkeitsdaten aus Kundenbefragungen und Hotlines müssen damit je nach Da- tenentstehung differenziert betrachtet werden. Trotz dieser möglichen Unterschiede 52 4 Analyse von Zuverlässigkeitsdatenquellen zeigt Bild 4.12 eine Bewertung dieser Datenquelle, im Einzelfall kann die Leistungs- fähigkeit allerdings deutlich davon abweichen. So können beispielsweise Produkte des Anlagenbaus häufig über nahezu die gesamte Produktlebensdauer durch Kundenbefra- gungen und Hotlines begleitet werden. Da die Betreiber der Anlagen bekannt sind, können die Daten mit einer sehr ausgeprägten Repräsentativität erfasst werden. Bild 4.12: Bewertung von Kundenbefragungen und technischen Hotlines 4.3.2 Öffentliche Statistiken des Feldverhaltens Öffentliche Statistiken, die beispielsweise die Pannenhäufigkeit von Fahrzeugen wie- dergeben, sind analog der Kundenbefragungen zu bewerten. Sie dienen vor allem zur Bestimmung der Kundenzufriedenheit, können allerdings auf der Ebene von Systemen Aufschluss über die Ausfallwahrscheinlichkeit wiedergeben. So lassen sich wiederum mögliche Fehlerbilder und Schwachpunkte von Produkten ermitteln. Dies bildet aller- dings nur den Ausgangspunkt weiterführender, detaillierterer Analysen der möglichen Ausfallursachen. So müssen die Komponenten auffälliger Systeme identifiziert wer- den, die wiederum Schwachpunkte des Systems darstellen. Deren Ausfallursachen und -häufigkeiten müssen unter Berücksichtigung der Einsatzbedingungen während des Kundengebrauchs analysiert werden, um effektive Verbesserungen realisieren zu kön- Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 2 4 N2 Einsatzbedingungen 3 1 3 N3 Genauigkeit und Vollständigkeit 1 1 1 N4 Beobachtungsdauer 3 4 12 N5 Zeitpunkt der Daten- verfügbarkeit 1 3 3 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 4 8 A1 betriebliche Hindernisse 1 1 1 A2 Erfüllung rechtlicher Vorgaben 3 2 6 A3 Kosten 2 2 4 Nges 31 Ages 11 23% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung 53 nen. Somit stellen die Daten aus öffentlichen Statistiken lediglich ein Element einer umfassenden Feldbeobachtung dar. Bild 4.13: Bewertung von öffentlichen Statistiken des Feldverhaltens Quantitative Werte der Ausfallhäufigkeit sind den Gegebenheiten der Datenerhebung gegenüber zu stellen. Insbesondere die Ermittlung der Grundgesamtheit ist von Bedeu- tung, beispielsweise haben viele Fahrzeughersteller Pannendienste, die liegengeblie- bene Fahrzeuge der eigenen Marke innerhalb einer Mobilitätsgarantie instandsetzen. Diese Liegenbleiber werden damit in den herstellereigenen Statistiken erfasst und sind nicht Bestandteil der öffentlichen Pannenstatistiken. Einen weiteren Einflussfaktor stellen die Laufleistungen bzw. Betriebsdauer der Fahrzeuge dar, wenn die Pannensta- tistik lediglich die Ausfälle pro 1000 Fahrzeuge und je Baujahr beinhalten [46]. Zu- sätzlich ist der Untersuchungsschwerpunkt zu beachten, der den Anlass der Datener- hebung bildet. So werden beispielsweise auf Grundlage der Fahrzeughauptuntersu- chungen des TÜV sicherheitsrelevante Mängel festgestellt, die Inhalt des jährlichen TÜV-Reports sind. Die Basis der ADAC-Pannenstatistiken bilden die Einsätze des Pannendienstes des ADAC. Einen Überblick der häufigsten Pannenursachen der Pannenstatistik des Jahres 2009 zeigt Bild 4.14 [1]. Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 1 2 N2 Einsatzbedingungen 3 1 3 N3 Genauigkeit und Vollständigkeit 1 1 1 N4 Beobachtungsdauer 3 3 9 N5 Zeitpunkt der Daten- verfügbarkeit 1 2 2 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 2 4 A1 betriebliche Hindernisse 1 1 1 A2 Erfüllung rechtlicher Vorgaben 3 1 3 A3 Kosten 2 1 2 Nges 21 Ages 6 29% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 54 Bild 4.14: Pannenursachen auf Baugruppenebene der ADAC Zusätzlich werden die Summenhäufigkeiten für Pannen deren Ursachen mit unterschiedlichem Detaillierungsgrad von Bauteilen, Baugruppen und Systemen veröffentlicht, z.B.:  Kraftstoffpumpe defekt  Batterie entladen  Kupplungsseilzug gerissen  Steuerkette falsch eingestellt  Störung im Motormanagement Nach Angaben des ADAC haben verfälschenden Einfluss auf die Pannenstatistik, da ADAC meist den ADAC-Pannendienst in Anspruch nehmen und die Laufleistungen in Form von Korrekturfaktoren Berücksichtigung finden. Einspritz- anlage 8% Motor 8% Räder, Reifen 7% Kühlung, Lüftung, Klima 5% Kupplung, Getriebe 4% Auspuffanlage 2% Sonstiges 16% 4 Analyse von Zuverlässigkeitsdatenquellen -Pannenstatistik 2009 [1] verschiedener Fahrzeuge Hersteller und Laufleistung der Fahrzeuge keinen -Mitglieder bei Pannen Allg. Elektrik 40% Zündanlage 10% und 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung 55 4.3.3 Gewährleistungs- und Kulanzdatenerfassung Gesetzliche Grundlagen regeln die Dauer und den Umfang von Leistungen, falls ein Produkt während der Gewährleistungsdauer nicht funktionsfähig ist. Produkthersteller müssen den daraus entstehenden Forderungen nachkommen, falls die Anspruchs- grundlage zulässig ist. Neben der Erfüllung von gesetzlichen Ansprüchen sind Herstel- ler von Produkten an einer reibungslosen Abwicklung von Reklamationsfällen interes- siert, um den Kunden nicht noch mehr zu verärgern, mit der Gefahr, dass dieser in Zu- kunft keine Produkte mehr des Herstellers erwerben möchte. Die Basis des Reklamationsmanagements von Gewährleistungs- und Kulanzfällen ist damit hauptsächlich die Erfüllung von rechtlichen Ansprüchen und die Erhaltung der Kundenzufriedenheit. Die kaufmännische Abwicklung muss dabei ebenfalls unter- stützt werden. Die Erfassung von Daten über die Produktzuverlässigkeit während des Kundengebrauchs ist deshalb häufig nur eine Nebenaufgabe des Reklamationsmana- gements [3], [57], was zahlreiche Probleme verursacht. Im Gegenzug sind der Auf- wand und insbesondere die Kosten gering, die der Zuverlässigkeitsdatenerfassung zu- geschrieben werden müssen [60]. Die wichtigsten Fragestellungen, die auf Basis der Gewährleistungs- und Kulanzdaten beantwortet werden können, sind nach [56], [84], [92]:  Frühe Entdeckung von Design-, Fertigungs- und Materialfehlern und fehlerhaf- ten Teilen  Überprüfung der Einhaltung von Zielvorgaben neuer Produkte  Erfassung des Zusammenhangs von Erprobungsdaten aus der Produktentwick- lung und Feldverhalten  Entscheidungsbasis für Notwendigkeit von Produktrückruf, Fertigungsunterbre- chung oder Verbesserungsmaßnahmen  Vergleich der Zuverlässigkeit von ähnlichen Produkten (inkl. Produkte von Wettbewerbern)  Aufbau einer Datenbank mit Ausfallursachen und deren Zusammenhang mit Umgebungsbedingungen und Art der Produktnutzung  Vorhersage von zukünftigen Gewährleistungsfällen und -kosten Einige dieser Fragestellungen können allerdings nur eingeschränkt auf Basis von Ge- währleistungsdaten beantwortet werden. So ist beispielsweise eine Extrapolation eines beobachteten Ausfallverhaltens gefährlich, da weitere Ausfallmechanismen auftreten können, die die Ausfallhäufigkeit möglicherweise dominieren. Die Ursache dafür ist die zeitliche Beschränkung der erfassten Daten während der Produktnutzung. Meist 56 4 Analyse von Zuverlässigkeitsdatenquellen werden Ausfalldaten der ersten beiden Nutzungsjahre erfasst, vereinzelt Kulanzfälle älterer Produkte. Damit kann diese Datenbasis lediglich zur Beschreibung von Fühaus- fällen dienen [70], deren Ursachen auf Fehler in Fertigungs- und Montageprozessen basieren. Werden in einem Unternehmen die Fertigungs- und Montageprozesse be- herrscht, sollten sich allerdings sehr wenige Ausfallursachen aus dem Bereich der Frühausfälle ergeben. Eine umfangreiche Analyse von Gewährleistungsdaten des Bremssystemherstellers untermauert diese Aussage [22]. Der zweite Bereich der Badewannenkurve, der Zufallsausfälle beinhaltet, kann mit Gewährleistungs- und Kulanzdaten häufig bereits nicht mehr zufriedenstellend erfasst werden. Der Grund ist, dass der Übergang in den dritten Bereich der Badewannenkur- ve, der Ermüdungs- und Verschleißausfälle, auf Grundlage dieser Datenbasis meist nicht vorhergesagt werden kann. Die Folge einer Extrapolation dieser Daten wäre also eine zu optimistische Prognose der Produktzuverlässigkeit. Zusätzlich beinhalten die Daten nur eine Negativstichprobe, d.h. es werden nur Daten ausgefallener Produkte erfasst [77]. Intakte Einheiten werden lediglich in der Grundgesamtheit berücksichtigt. Ein quantitativer Zusammenhang zwischen Belastungen und Ausfällen kann nicht her- gestellt werden, auch kein aussagekräftiger qualitativer Zusammenhang zwischen Ein- satzbedingungen und dem Nichtausfallen von Produkten. Diese unvollständigen Aus- falldaten führen letztlich zu unsicheren Prognosen, die vom tatsächlichen Ausfallver- halten der Grundgesamtheit deutlich abweichen können. Das Risiko bedeutsamer Ab- weichungen und damit von Fehlprognosen kann im Allgemeinen nicht angegeben werden. Kulanzfälle, die nach der Gewährleistungsdauer erfasst werden, sind meist hilfreiche Informationen zur Identifikation von Fehlerursachen, die die Gewährleistungsdaten nicht beinhalten [70]. Sie ermöglichen damit eine grobe Einschätzung des Ausfallver- haltens nach der Gewährleistungszeit und können bei der Risikoeinschätzung von fal- schen Prognosen dienlich sein, die die Extrapolation von Gewährleistungsdaten bein- haltet. Quantitative Zuverlässigkeitsanalysen sind damit allerdings nicht möglich. Neben den zeitlichen Beschränkungen der erfassten Produktnutzungsdauer ist oftmals auch die Genauigkeit der Gewährleistungs- und Kulanzdaten zu hinterfragen. Eine Analyse in [29] zeigt u.a. folgende Schwierigkeiten auf:  fehlerhafte Daten o Datensatz ist unvollständig o Identifikation der Ausfallursache ist fehlerhaft o Identifikation der Bauteile ist fehlerhaft o Genauigkeit der Daten ist unzureichend o … 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung 57  mangelhafte Datenzuordnung o Zuordnung der Datenelemente kann nicht verifiziert werden o Datenelemente sind einem falschen Bauteil zugeordnet o Laufleistungen beziehen sich auf das Fahrzeug, nicht auf das ausgefalle- ne Bauteil, d.h. Bauteil könnte bereits ausgetauscht oder repariert wor- den sein o …  fehlende Reproduzierbarkeit der Daten o subjektive Fehlerwahrnehmung ist nicht reproduzierbar o Fehler treten nur im eingebauten Zustand auf o Beschädigung des ausgefallenen Bauteils während der Demontage o … Die Ermittlung der Zusammenhänge zwischen Ausfallursachen und Betriebs- und Umgebungsbedingungen ist meist nicht möglich, da keine oder kaum Daten zu diesen Belastungen, die aus der Produktnutzung durch den Kunden resultieren, erfasst wer- den [57]. Ein weiteres Problem kann die Bestimmung der Grundgesamtheit sein, auf die sich die Gewährleistungs- und Kulanzdaten beziehen. Insbesondere Zulieferer, die keinen di- rekten Kontakt zu den Endkunden haben, können die Grundgesamtheit häufig nur grob abschätzen oder sind auf Daten des Endherstellers angewiesen, der wiederum genaue Statistiken seiner Absatzmärkte führen muss. Im Automobilbereich können Zulieferer die Grundgesamtheit mit Hilfe von Zulassungsstatistiken des Kraftfahrtbundesamtes durchführen. Diese Daten beziehen sich allerdings nur auf den deutschen Markt. Ähn- liche Statistiken anderer Länder werden teilweise unterschiedlich erstellt, was die Ver- gleichbarkeit der Ergebnisse begrenzt. In der Nutzfahrzeugbranche wird häufig mit sogenannten Testmärkten gearbeitet, d.h. auf diesen Märkten werden Gewährleis- tungsfälle genau erfasst und ausgewertet. Das Ausfallverhalten der Produkte in den Testmärkten dient zur Abschätzung des Ausfallverhaltens auf weiteren Märkten. Dies begründet eine weitere Ungenauigkeit in der Auswertung von Gewährleistungsdaten. Trotz dieser Ungenauigkeiten stellen die Gewährleistungs- und Kulanzdaten eine der bedeutendsten Felddatenquellen dar [42]. Deshalb müssen die Gewährleistungsdaten mit weiteren Datenquellen zu verknüpft werden, um damit die Aussagekraft zu verbes- sern und damit die Probleme weitestgehend zu beseitigen. 58 4 Analyse von Zuverlässigkeitsdatenquellen Bild 4.15: Bewertung von Gewährleistungs- und Kulanzdaten 4.3.4 Erweiterte Gewährleistungs- und Kulanzdatenerfassung Neben der Verbesserung der Datenqualität der erfassten Gewährleistungs- und Ku- lanzdaten ist eine zeitliche Erweiterung der Datenerfassung ein sehr wichtiger Opti- mierungsansatz. Aufgrund einer längeren Beobachtungsdauer der Produkte können Ausfallursachen, die nach der gesetzlichen Gewährleistungsdauer auftreten, erkannt, analysiert und bewertet werden sowie bei Bedarf notwendige Maßnahmen getroffen werden. Die im Allgemeinen bestehenden Abläufe aufgrund der gesetzlichen Gewährleistung können für Produkte nach der Gewährleistungsdauer Verwendung finden, um ausge- wählte Stichproben über eine möglichst lange Produktnutzungsdauer zu erfassen. Die Folge sind geringe betriebliche Hindernisse. Sind die Stichproben klein, aber dennoch ausreichend repräsentativ für die Grundgesamtheit, so können dennoch wichtige Aus- sagen über Ausfallursachen nach der gesetzlichen Gewährleistungsdauer getroffen werden. Dies ermöglicht die Einschätzung des Risikos einer fehlerhaften Prognose des Ausfallverhaltens auf Basis der Zuverlässigkeitsdaten der gesetzlichen Gewährleis- tung, wenn deren Ausfallverhalten extrapoliert wird. Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 3 6 N2 Einsatzbedingungen 3 2 6 N3 Genauigkeit und Vollständigkeit 1 3 3 N4 Beobachtungsdauer 3 3 9 N5 Zeitpunkt der Daten- verfügbarkeit 1 4 4 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 3 6 A1 betriebliche Hindernisse 1 1 1 A2 Erfüllung rechtlicher Vorgaben 3 2 6 A3 Kosten 2 3 6 Nges 34 Ages 13 22% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung 59 Der Umfang der Stichprobe beeinflusst die Repräsentativität und die Genauigkeit der Daten sehr stark. Da die gesetzlichen Regelungen der Gewährleistung für diese Daten- quelle nicht mehr bindend sind und eine derartige Verbindung zwischen Unternehmen und Kunden damit freiwillig ist, sind die betrieblichen Hindernisse größer als bei einer Zuverlässigkeitsdatenerfassung von gesetzlichen Gewährleistungsfällen. Eine weitere Konsequenz ist, dass die entstehenden Kosten komplett der Zuverlässigkeitsdatener- fassung zugeschrieben werden müssen und nicht teilweise zur Erfüllung gesetzlicher Anforderungen verbucht werden können, wie dies bei der normalen Erfassung von Gewährleistungsdaten erfolgt. Bild 4.16: Bewertung von erweiterten Gewährleistungs- und Kulanzdaten 4.3.5 Werkstattdatenerfassung Die Nutzung von Produkten während deren gesamten Lebensdauer wird von Werkstät- ten begleitet. Diese können spezialisierte Servicebetriebe sein, wie dies beispielsweise in der Automobilbranche praktiziert wird. Neben der Reparatur von ausgefallenen Produkten werden aber auch Inspektionen und Wartungen, v.a. an Verschleißteilen, durchgeführt. Somit bieten diese Tätigkeiten die Gelegenheit, Zuverlässigkeitsdaten über ausgefallene und intakte Produkte über die gesamte Produktlebensdauer zu sam- meln [8], [75]. Eine nahezu optimale Ausgangssituation stellen in diesem Zusammen- Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 3 6 N2 Einsatzbedingungen 3 2 6 N3 Genauigkeit und Vollständigkeit 1 3 3 N4 Beobachtungsdauer 3 4 12 N5 Zeitpunkt der Daten- verfügbarkeit 1 3 3 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 3 6 A1 betriebliche Hindernisse 1 3 3 A2 Erfüllung rechtlicher Vorgaben 3 3 9 A3 Kosten 2 4 8 Nges 36 Ages 20 15% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 60 4 Analyse von Zuverlässigkeitsdatenquellen hang Wartungsverträge dar [25], da die Produkte in wenigen ausgewählten Werkstät- ten betreut werden und somit nahezu alle Tätigkeiten lückenlos erfassbar sind. Die Qualität der dabei erfassten Daten ist sehr stark von der Produktkompetenz der Werk- stätten abhängig, aber auch von der Vorgabe der zu erfassenden Daten und der bereit- gestellten Analysemittel. Da ein enger Kontakt mit den Produktnutzern besteht, kön- nen diese zusätzlich in den Datenerfassungsprozess integriert werden. Damit besteht die Möglichkeit, Gebrauchsgewohnheiten und damit die Belastungen der Produkte während der Nutzung zu ermitteln. Diese meist eher qualitativen Beschreibungen kön- nen in quantifizierbare Lastkollektive überführt werden, wenn für einige Arten der Gebrauchsgewohnheiten bzw. Anwendungsfälle eine stichprobenartige genauere Er- fassung der Belastungen durchgeführt wird. Somit können Lastkollektive deren Aus- fallursachen und -häufigkeiten gegenübergestellt werden, aber auch Gebrauchsge- wohnheiten ermittelt werden, die nicht oder nur sehr selten Ausfälle verursachen. Au- ßerdem können Wartungsarbeiten und Inspektionsintervalle mit Ausfällen korreliert und anschließend optimiert werden. Werden die Werkstätten und damit die Anwendungsfälle sehr sorgfältig ausgewählt, um so möglichst die gesamte Vielfalt der Gebrauchsgewohnheiten zu erfassen, kann die Grundgesamtheit sehr gut beobachtet werden. Da nicht nur eine Negativstichprobe, d.h. ausgefallene Produkte, erfasst werden, stellen die Werkstattdaten eine Zuverläs- sigkeitsdatenquelle dar, die sich durch eine sehr ausgeprägte Repräsentativität der Grundgesamtheit auszeichnet. Außerdem kann durch den engen Kontakt des Herstel- lers der Produkte und der Werkstätten ein sehr geringer Zeitverzug zwischen der Da- tenentstehung und deren Auswertung erzielt werden. Da die Werkstätten in direktem Kontakt zu den Produktnutzern stehen, sind Datenschutzaspekte zu berücksichtigen. Die Analysemittel, die für eine hohe Genauigkeit und Vollständigkeit der Daten not- wendig sind, sowie die Schulung des Werkstattpersonals verursachen Kosten v.a. zu Beginn einer Werkstattdatenerfassung. Laufende Kosten entstehen in nicht unerhebli- chem Umfang durch den Zeitaufwand, den die Werkstattmitarbeiter für die Erfassung der Daten benötigen. Viele wichtige Daten werden aber meist in den bestehenden Be- triebsabläufen professioneller Werkstätten erfasst, beispielsweise die Art des Scha- dens, die durchgeführten Wartungs- oder Reparaturarbeiten, die Ersatzteilbeschrei- bung und –kosten sowie die Identifikationsdaten des Gesamtprodukts. Diese Merkmale der Werkstattdatenerfassung ermöglichen zusätzlich die Installation eines Frühwarnsystems für gehäufte Schadensfälle im Feld. Dazu muss der Kontakt zu den Werkstätten äußerst eng sein und der Datenaustausch sehr schnell und reibungslos funktionieren. Zusätzlich kann die Diagnosefähigkeit der Werkstätten maximiert wer- den, was zu einer hohen Kundenzufriedenheit beiträgt. Eine weitere Nutzungsmög- lichkeit der Werkstattdaten besteht aufgrund der langen Produktbeobachtungsdauer in 4.3 Zuverlässigkeitsdatenquellen während der Produktnutzung 61 der zeitgerechten Bereitstellung von Ersatzteilen, da nicht nur Ausfallhäufigkeiten be- rücksichtigt werden können, sondern auch Reparaturgewohnheiten und Abläufe der Werkstätten. Diese über die Zuverlässigkeitsdatenerfassung hinausgehenden Möglich- keiten sind bei der Kostenbewertung der Werkstattdatenerfassung in Bild 4.17 unbe- rücksichtigt. Bild 4.17: Bewertung von Werkstattdaten 4.3.6 Direkte Datenerfassung am Produkt während Nutzungsphase Die Zuverlässigkeit eines Produkts, die sehr starken Einfluss auf die Kundenzufrie- denheit hat, bemisst sich neben der subjektiven Kundenwahrnehmung an dem tatsäch- lichen Ausfallverhalten eines Produkts während dessen Nutzung durch den Kunden [15]. Damit stellt die Zuverlässigkeit über der gesamten Nutzungsdauer in Kundenhand die Zielgröße der Zuverlässigkeit dar, die es während der Produktent- wicklung abzusichern gilt und deren Erfüllung während der Produktnutzung über die gesamte Produktlebensdauer erfasst werden muss. Nur so kann letztendlich der not- wendige Informationskreislauf von frühen Produktentwicklungsphasen über die Pro- dukterprobung und über die gesamte Produktnutzung geschlossen werden. Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 5 10 N2 Einsatzbedingungen 3 3 9 N3 Genauigkeit und Vollständigkeit 1 4 4 N4 Beobachtungsdauer 3 5 15 N5 Zeitpunkt der Daten- verfügbarkeit 1 3 3 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 5 10 A1 betriebliche Hindernisse 1 3 3 A2 Erfüllung rechtlicher Vorgaben 3 3 9 A3 Kosten 2 5 10 Nges 51 Ages 22 19% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 62 4 Analyse von Zuverlässigkeitsdatenquellen Die direkte Datenerfassung am Produkt bedeutet, dass Zuverlässigkeitsdaten sowie wichtige Datenelemente, die beispielsweise die Belastungen charakterisieren, durch das Produkt selbst oder durch Hilfe weiterer Komponenten automatisch erfasst wer- den, wie dies beispielsweise zur Überwachung abgasrelevanter Komponenten in Fahr- zeugen realisiert ist [2]. Es ist damit keine manuelle Datenerfassung durch Mitarbeiter des Produktherstellers oder Werkstattmitarbeiter notwendig. Die Datenübertragung vom Produkt zum Unternehmen kann ebenfalls automatisiert erfolgen, was eine sehr schnelle Verfügbarkeit der Daten im Unternehmen ermöglicht und Erfassungs- und Übertragungsfehler weitgehend verhindert. Da eine derartige Datenerfassung meist speziell für die Erfassung von Zuverlässig- keitsdaten betrieben wird und häufig mit hohen Kosten verbunden ist, muss bereits die Entwicklung der direkten Datenerfassung am Produkt sehr genau auf die späteren Verwendungszwecke abgestimmt werden. Deshalb ist zunächst der Bedarf innerhalb eines Unternehmens zu definieren, da die so erfassten Daten neben Zuverlässigkeits- analysen auch genaue Informationen über die Produktnutzung und damit über mögli- che Produktanforderungen Aufschluss geben können. Dies beinhaltet auch die Festle- gung der zu beobachtenden Produkte, d.h. die Auswahl der Stichproben und der Stich- probengrößen. In einem zweiten Schritt müssen die erfassbaren Datenelemente be- stimmt werden, der damit verbundene Aufwand und deren Bedeutung für die gesamte Zielsetzung der späteren Analysen. Eine einfache und effektive Beurteilung der Da- tenelemente ist in Tabelle 4.1 dargestellt [49]. Tabelle 4.1: Prioritätsbewertung der Datenelemente der direkten Datenerfassung am Produkt Prioritätszahl Bedeutung 5 elementare Information 4 wichtige Information 3 wichtige Zusatzinformation 2 interessante Zusatzinformation 1 unwichtige Information Simultan zur Identifikation der aufzuzeichnenden Datenelemente wird die Aufzeich- nungsgenauigkeit und -häufigkeit festgelegt und mit Verfahren der Daten- klassierung [32], [91] verknüpft. Es gelten die Grundsätze der Datenminimierung bei ausreichender Genauigkeit, da der Datenumfang mit Kosten für Speichermedien in den Produkten und Kosten für die Datenübertragung korrelieren. Zusätzlich ist die erfor- derliche Rechenleistung für eine Datenklassierung mit den technischen und finanziel- len Möglichkeiten abzugleichen. Das Ergebnis dieser Konzeptionsphase ist damit sehr 4.4 Gegenüberstellung der Ergebnisse der Bewertungen 63 stark von den Zielsetzungen der Datenerfassung und den anschließenden Analysen abhängig und kann damit letztlich sehr unterschiedliche Lösungen der Datenerfassung und deren Übertragung erfordern. Bild 4.18: Bewertung von direkt am Produkt erfassten Daten während der Nut- zungsphase 4.4 Gegenüberstellung der Ergebnisse der Bewertungen Der Bewertung der einzelnen Zuverlässigkeitsdatenquellen folgt nun die vergleichende Betrachtung der Erfüllung der Bewertungskriterien. Den einzelnen Kriterien werden dazu die Merkmalsausprägungen gegenübergestellt. In Bild 4.19 bis Bild 4.24 sind die Bewertungen der Nutzenkriterien der Zuverlässig- keitsdatenquellen dargestellt. Je nach Bewertungskriterium bestehen zwischen den Datenquellen teilweise deutliche Unterschiede in der Erfüllung der Kriterien. Ent- scheidend sind deshalb die Anforderungen an die Zuverlässigkeitsdaten, die sich aus der Aufgabenstellung der nachfolgenden Zuverlässigkeitsanalysen ergeben. Unter Be- rücksichtigung der Erfüllung der Anforderungen, die durch die Bewertungszahlen cha- rakterisiert wird, kann eine Datenquelle oder eine Kombination aus mehreren Daten- quellen für bestimmte Aufgabenstellungen geeignet sein. Gewichtung Ausprägung gewichtete Bewertung N1 Repräsentativität 2 6 12 N2 Einsatzbedingungen 3 6 18 N3 Genauigkeit und Vollständigkeit 1 5 5 N4 Beobachtungsdauer 3 6 18 N5 Zeitpunkt der Daten- verfügbarkeit 1 2 2 N6 Zeitverzug zwischen Daten- entstehung und -auswertung 2 5 10 A1 betriebliche Hindernisse 1 4 4 A2 Erfüllung rechtlicher Vorgaben 3 4 12 A3 Kosten 2 5 10 Nges 65 Ages 26 21% Kriterium Illustration der Ausprägung Gesamtnutzen Gesamtaufwand Leistungsfähigkeit ges ges A N 64 4 Analyse von Zuverlässigkeitsdatenquellen Bild 4.19: Gegenüberstellung der Bewertungen des Nutzenkriteriums Repräsen- tativität von Zuverlässigkeitsdatenquellen Bild 4.20: Gegenüberstellung der Bewertungen des Nutzenkriteriums Einsatzbe- dingungen von Zuverlässigkeitsdatenquellen 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Repräsentativität 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Berücksichtigung der Belastungen 4.4 Gegenüberstellung der Ergebnisse der Bewertungen 65 Bild 4.21: Gegenüberstellung der Bewertungen des Nutzenkriteriums Genauig- keit und Vollständigkeit von Zuverlässigkeitsdatenquellen Bild 4.22: Gegenüberstellung der Bewertungen des Nutzenkriteriums Beobach- tungsdauer von Zuverlässigkeitsdatenquellen 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Genauigkeit und Vollständigkeit 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Beobachtungsdauer 66 4 Analyse von Zuverlässigkeitsdatenquellen Bild 4.23: Gegenüberstellung der Bewertungen des Nutzenkriteriums Zeitpunkt der Datenverfügbarkeit von Zuverlässigkeitsdatenquellen Bild 4.24: Gegenüberstellung der Bewertungen des Nutzenkriteriums Zeitverzug zwischen Datenentstehung und -auswertung von Zuverlässigkeitsdatenquellen 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Zeitpunkt der Datenverfügbarkeit 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Zeitverzug zwischen Datenentstehung und -auswertung 4.4 Gegenüberstellung der Ergebnisse der Bewertungen 67 Die Unterschiede der zeitlichen Verfügbarkeit der Zuverlässigkeitsdatenquellen ent- lang des Produktlebenszyklus sind in Bild 4.25 vergleichend dargestellt. Bild 4.25: Zeitliche Entstehung der Zuverlässigkeitsdatenquellen entlang des Produktlebenszyklus Diese Darstellung verdeutlicht nochmals, dass insbesondere zu Beginn einer Produkt- entwicklung und damit am Anfang des Produktlebenszyklus oftmals nur wenige Zu- verlässigkeitsdatenquellen verfügbar sind. Sollte eine benötigte Datenquelle sehr spät für die Lösung einer Zuverlässigkeitsfrage verfügbar sein, so kann die Verwendung von Zuverlässigkeitsdaten ähnlicher Produkte sehr hilfreich sein, um eine situationsge- rechte Informationsbasis sicher zu stellen. Je nach Realisierung und inhaltlicher Aus- prägung sowie branchen- und unternehmensspezifischen Randbedingungen können die Zeiträume, zu denen die Zuverlässigkeitsdaten entstehen und verwendet werden kön- nen, variieren. Dies gilt besonders für die Ausfallratenkataloge, die zwar häufig sehr früh in der Produktentwicklung eingesetzt werden, allerdings von Vorgängerprodukten stammen. Aufgrund Unterschiede im Zeitpunkt der üblichen Verwendung und der Entstehung der Zuverlässigkeitsdaten können die Bewertungszahlen in Bild 4.23 und Planung Konzeption Entwurf Ausar-beitung Fertigung Kunden- einsatz & Service Wiederver- wendung Expertenwissen Ausfallratenkataloge Lebensdauerberechnung Erprobung fert.begl. Erprobung öffentliche Statistiken Werkstattdaten direkte Datenerfassung G&K-Daten erweiterte G&K-Daten Kundenbefragungen & technische Hotlines 68 4 Analyse von Zuverlässigkeitsdatenquellen die zeitlichen Einordnung der Datenentstehung im Produktlebenszyklus in Bild 4.25 verschieden sein. Eine sinnvolle Auswahl einer Zuverlässigkeitsdatenquelle kann allerdings nur unter Beachtung des Aufwands erfolgen, die eine sinnvolle Datenquelle verursacht. Diese Aufwände spiegeln die Aufwandskriterien wider, die in Bild 4.26, Bild 4.27 und Bild 4.28 enthalten sind. Das Verhältnis zwischen Nutzen und Aufwand ist in Bild 4.29 durch die Leistungsfä- higkeit der Zuverlässigkeitsdatenquellen charakterisiert, deren Berechnungsgrundlagen die Bewertungszahlen für Nutzen und Aufwand der Datenquellen sind. Hier zeigt sich, dass insbesondere Datenquellen mit einem hohen Nutzen einen beträchtlichen Auf- wand verursachen können, wie dies beispielsweise bei der direkten Datenerfassung am Produkt der Fall ist. Doch auch Zuverlässigkeitsdaten aus einer effektiven Erprobung bereits während der Produktentwicklung können mit moderatem Aufwand einen hohen Nutzen erzielen, die Erfüllung der verschiedenen Nutzenkriterien dieser beiden Daten- quellen ist allerdings unterschiedlich. Bild 4.26: Gegenüberstellung der Bewertungen des Aufwandskriteriums betrieb- licher Hindernisse von Zuverlässigkeitsdatenquellen 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl betriebliche Hindernisse 4.4 Gegenüberstellung der Ergebnisse der Bewertungen 69 Bild 4.27: Gegenüberstellung der Bewertungen des Aufwandskriteriums Erfül- lung rechtlicher Vorgaben von Zuverlässigkeitsdatenquellen Bild 4.28: Gegenüberstellung der Bewertungen des Aufwandskriteriums Kosten von Zuverlässigkeitsdatenquellen 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Erfüllung rechtlicher Vorgaben 0 1 2 3 4 5 6 direkte Datenerfassung am Produkt Werkstattdatenerfassung erweiterte Gewährleistungs- und Kulanzdaten Gewährleistungs- und Kulanzdaten offentliche Statistiken Kundenbefragungen & techn. Hotlines fertigungsbegleitende Erprobung Erprobung Lebensdauerberechnung Expertenwissen Ausfallratenkataloge Bewertungszahl Kosten 70 4 Analyse von Zuverlässigkeitsdatenquellen Bild 4.29:Zusammenfassung der Bewertung der einzelnen Zuverlässigkeitsda- tenquellen Es kann also nicht eine allgemeingültige beste Zuverlässigkeitsdatenquelle identifiziert werden. Vielmehr muss je nach Aufgabenstellung und damit Anforderung an die Da- 0% 5% 10% 15% 20% 25% 30% 35% 40% 0 10 20 30 40 50 60 70 L e is tu n gs fä hi gk e it B e w e r tu n g z a hl N u tz e n bz w . A u fw a n d Nutzen Aufwand Leistungsfähigkeit 4.4 Gegenüberstellung der Ergebnisse der Bewertungen 71 tenquelle und der darauf aufbauenden Zuverlässigkeitsanalysen eine oder mehrere Da- tenquellen verwendet werden, um eine gegebene Fragestellung beantworten zu kön- nen. Dabei müssen selbstverständlich weitere Rahmenbedingungen berücksichtigt werden, wie z.B. der akzeptable Aufwand für die Erfassung der Zuverlässigkeitsdaten und der mögliche Zugang zu den verschiedenen Datenquellen. Da die Nutzung jeder Zuverlässigkeitsdatenquelle mit Aufwand verbunden ist, ist es nicht effektiv, alle ver- fügbaren Datenquellen gleichzeitig zu verwenden. Ein sinnvollerer Weg besteht darin, zunächst die Anforderung an die Zuverlässigkeitsdaten zu definieren, die durch die Zielsetzung der nachfolgenden Zuverlässigkeitsanalysen determiniert ist. Diese gefor- derten Eigenschaften der Zuverlässigkeitsdaten bilden die Basis für eine sinnvolle Kombination sich ergänzender Datenquellen, was Gegenstand des nächsten Kapitels ist. 5 Synthese zu einem ganzheitlichen Ansatz Die Synthese der einzelnen Zuverlässigkeitsdatenquellen zu einem ganzheitlichen An- satz muss unter der Berücksichtigung unterschiedlicher Aufgabenstellungen der Zu- verlässigkeitsanalysen erfolgen. Zusätzlich dürfen branchen- und unternehmensspezi- fische Randbedingungen nicht unberücksichtigt bleiben, die sich in unterschiedlichen Fragestellungen an die Zuverlässigkeit eines Produktes äußern. Die Folge sind not- wendige Eigenschaften der Zuverlässigkeitsdaten, die sehr unterschiedlich sein können und deshalb nicht mit einem allgemeingültigen Ansatz optimal erfüllt werden können. Ein Beispiel dafür stellt der Betrachtungszeitraum dar, der je nach Zielsetzung der Zu- verlässigkeitsanalyse sehr unterschiedlich ist. Soll die Ausfallhäufigkeit während der Gewährleistungsdauer analysiert werden, sind Zuverlässigkeitsdaten über diesen Zeit- raum mit ausreichender Genauigkeit zu erfassen. Ist allerdings die gesamte Produktle- bensdauer Gegenstand der Betrachtung, müssen weitere Zuverlässigkeitsdaten über den verlängerten Betrachtungszeitraum erfasst werden, was die Verwendung anderer bzw. weiterer Zuverlässigkeitsdatenquellen notwendig macht. Neben unterschiedli- chen Betrachtungszeiträumen bestehen häufig verschiedene Genauigkeitsanforderun- gen an die Zuverlässigkeitsanalysen und somit an die zugrundeliegenden Zuverlässig- keitsdaten. Die eine ideale Lösung für alle Zielsetzungen gibt es somit nicht. 5.1 Modularer Aufbau der ganzheitlichen Datenerfassung Ein sinnvoller Ansatz, die teilweise sehr unterschiedlichen Anforderungen an die Zu- verlässigkeitsdaten optimal erfüllen zu können, besteht in einem modularen Ansatz. Je nach zu erwartender Fragestellung bzgl. des Ausfallverhaltens von Produkten können geeignete Datenmodule realisiert und für die nachfolgenden Zuverlässigkeitsanalysen eingesetzt werden. Die Grundlage stellt das Basismodul dar, der häufige Zuverlässigkeitsanalysen vieler Branchen und Unternehmen grundsätzlich ermöglicht. Für viele spezielle Fragestel- lungen muss dieser durch die Erweiterungsmodule ergänzt werden. So können die verwendeten Zuverlässigkeitsdatenquellen zweckmäßig, zielgerichtet und somit effizi- ent eingesetzt werden. 5.1 Modularer Aufbau der ganzheitlichen Datener Bild 5.1: Modularer Aufbau der ganzheitlichen Zuverlässigkeitsdatenerfassung Im Folgenden werden die Anforderungen an die einzelnen Datenmodule wie auch d ren Realisierbarkeit erläutert. schrieben, aus denen anschließend inhaltliche Anforderungen und minimale Auspr gungen der Nutzenkriterien des Bewertungsmodells für Zuverlässigkeitsdaten, die in Kapitel 3.3 definiert wurden, abgeleitet. Da der Aufwand immer minimiert werden muss und sich dieser für die Zuverlässigkeitsdatenmodule aus der Summe der Au wände für die benötigten einzelnen Zuverlässigkeitsda folgenden Abschnitten keine A trachtung ist Bestandteil von Kapitel fassung Dazu sind zunächst die Zielsetzungen der Module b tenquellen ergibt, wird in den ufwandsbetrachtung durchgeführt. Die Aufwandsb 4. 73 e- e- ä- f- e- 74 5 Synthese zu einem ganzheitlichen Ansatz 5.2 Basismodul Zielsetzung des Basismoduls Die Zuverlässigkeitsdaten des Basismoduls ermöglichen grundlegende Zuverlässig- keitsanalysen während der Produktentwicklung und umfassen Informationen zu ausge- fallenen Produkten. Über intakte Produkte im Feld besteht keine verlässliche Informa- tionsbasis. Der zeitliche Betrachtungshorizont beschränkt sich auf den Gewährleis- tungszeitraum des Produkts, genaue quantitative Zuverlässigkeitsanalysen sind aller- dings nur sehr eingeschränkt möglich. Insbesondere qualitative Vergleichsbetrachtun- gen des Ausfallverhaltens bekannter Produkte mit neuen Produkten sind mit befriedi- gender Genauigkeit durchführbar. Über den Zeitraum der Gewährleistungsdauer hin- aus besteht allerdings ein unvollständiges Bild der auftretenden Ausfallursachen, deren Wahrscheinlichkeiten können nur grob abgeschätzt werden. Zuverlässigkeitsaussagen über Produkte mit neuen, relativ unbekannten Technologien können nur ungenau ge- troffen werden, hier beschränkt sich die Aussagegenauigkeit auf grobe Trendvorhersa- gen. Mögliche Schwachstellen des Produkts und die damit verbundenen Ausfallursa- chen können abgeschätzt werden. Anforderungen des Basismoduls Wichtigster Inhalt der Zuverlässigkeitsdaten sind die Ausfallursachen der Früh- und Zufallsausfälle und deren Häufigkeiten. Zusätzlich sind die Arten der Produktnutzung bekannt und können den Ausfallursachen grob zugeordnet werden, genaue Lastkollek- tive sind dafür allerdings nicht zwingend notwendig. Außerdem sind wichtige Ferti- gungsparameter bekannt, die sich auf das Ausfallverhalten auswirken können. Die rea- lisierten Fertigungsparameter sind verfügbar und können den einzelnen Produkten oder einer abgrenzbaren Produktmenge zugeordnet werden. Zusammenfassend erge- ben sich folgende Inhalte an die Zuverlässigkeitsdaten des Basismoduls: - Mögliche signifikante Produktnutzungsarten - Ausfallursachen der Früh- und Zufallsausfälle - Realisierte Werte wichtiger Fertigungsparameter, die Produkten zugeordnet werden können - Betriebsdauer und / oder Laufleistung ausgefallener Produkte während des Ge- währleistungszeitraums 5.2 Basismodul 75 Analog zu den inhaltlichen Anforderungen des Basismoduls ergeben sich auch für die Erfüllung der Nutzenkriterien des Bewertungsmodells für Zuverlässigkeitsdaten mode- rate Minimalanforderungen. Bild 5.2: Minimalanforderungen des Basismoduls an Ausprägungen der Nutzen- kriterien des Bewertungsmodells Synthese der Datenquellen zu Basismodul Mögliche signifikante Produktnutzungsarten können nur von Experten bewertet wer- den, da Kenntnisse der Kundengebrauchsgewohnheiten mit den daraus resultierenden Belastungsarten und Belastungshöhen bewertet werden müssen. Grundlegende Zu- sammenhänge der Belastungen aus den Einsatzbedingungen und möglicher Ausfallur- sachen können meist ebenso durch Experten hergestellt werden. Die Früh- und Zu- fallsausfälle können zusätzlich durch fertigungsbegleitende Erprobungen provoziert werden und aus den Gewährleistungs- und Kulanzdaten ermittelt werden. Die Erpro- bung während der Produktentwicklung ermöglicht die Identifizierung wahrscheinli- cher Ursachen für Ermüdungs- und Verschleißausfälle. Realisierte Werte wichtiger Fertigungsparameter werden während der Fertigung und Montage der Produkte erfasst und einzelnen Produkten über die Seriennummer oder einer abgrenzbaren Produktmenge über Chargennummern oder ähnliche Identifikati- Basismodul Kriterium notwendige Ausprägung Begründung N1 Repräsentativität 3 Beschränkung auf ausgefallene Produkte N2 Einsatzbedingungen 2 Beschränkung auf Einteilung nach Nutzungsarten; keine exakten Lastkollektive N3 Genauigkeit und Vollständigkeit 2 Fokus auf Ausfallursachen N4 Beobachtungsdauer 3 Fokus auf Gewährleistungszeitraum N5 Zeitpunkt der Daten- verfügbarkeit 4 Verwendung der Daten während und nach Produktentwicklung N6 Zeitverzug zwischen Daten- entstehung und –auswertung 3 grundlegende Zuverlässigkeits- analysen ohne akuten Aktionszwang 76 5 Synthese zu einem ganzheitlichen Ansatz onselemente zugeordnet. Somit können die Betriebsdauern bzw. Laufleistung ausge- fallener Produkte aus den Gewährleistungs- und Kulanzdaten mit Fertigungsparame- tern verknüpft werden. Bild 5.3: Realisierung der Anforderungen des Basismoduls A u sf al lra te n ka ta lo ge Ex pe rt en w iss en Le be n sd au er be re ch n u n g Er pr o bu n g fe rt ig u n gs be gl ei te n de Er pr o bu n g K u n de n be fra gu n ge n & te ch n . H o tli n es öf fe n tli ch e St at ist ik en G ew äh rle ist u n gs - u n d K u la n z da te n er w ei te rt e G ew äh rle ist u n gs - u n d K u la n z da te n W er ks ta ttd at en er fa ss u n g di re kt e D at en er fa ss u n g am Pr o du kt Mögliche signifikante Produktnutzungsarten X Ausfallursachen der Früh- und Zufallsausfälle X X X X Realisierte Werte wichtiger Fertigungsparameter X Betriebsdauer / Laufleistung ausgefallener Produkte während des Gewährleistungszeitraums X Zuverlässigkeitsdatenquellen inhaltliche Anforderungen Basismodul 5.3 Erweiterungsmodul Feldfrühwarnsystem 77 5.3 Erweiterungsmodul Feldfrühwarnsystem Zielsetzung des Erweiterungsmoduls Die Möglichkeit für ein Unternehmen, schnell und auf Basis sicherer Analysen auf das Ausfallverhalten der eigenen Produkte im Feld reagieren zu können, stellt einen wich- tigen Wettbewerbsfaktor dar [92]. Die Erreichung dieses Vorteils ist die Zielsetzung des Erweiterungsmoduls Feldfrühwarnsystem, das somit Korrelationen zwischen Aus- fallursachen mit Nutzungsarten und Einsatzdauer ermöglicht. Reaktionsmöglichkeiten sind beispielsweise die Anpassung von Fertigungsmerkmalen, Bauteiltoleranzen, Werkstoffauswahl aber auch die bedarfsgerechte Bereitstellung von Ersatzteilen für die betroffenen Anwendergruppen des Produkts. Somit können entstehende Ausfall- schwerpunkte schnell erkannt werden, um die weiteren Folgen zu beherrschen. Anforderungen des Erweiterungsmoduls Insbesondere der zeitliche Betrachtungsumfang des Basismoduls, dessen Fokus auf der Dauer der Gewährleistung liegt, muss für ein umfassendes Feldfrühwarnsystem erwei- tert werden und auf die gesamte geplante Produktnutzungsdauer ausgedehnt werden. Verschleiß- und Ermüdungsausfälle werden somit erkannt, was z.B. für eine optimale Ersatzteilversorgung wichtig ist. Die Nutzungsarten des Produkts sind ebenfalls erfor- derlich, um betroffene Märkte lokalisieren zu können. - Ausfallursachen der gesamten geplanten Produktnutzungsdauer - Lokalisierung betroffener Anwendergruppen und Einsatzregionen des Produkts Der Zeitverzug zwischen der Entstehung der Zuverlässigkeitsdaten und deren Verfüg- barkeit im Unternehmen, um damit Analysen durchzuführen und Maßnahmen abzulei- ten, muss minimal sein. Das zweite bedeutsame Kriterium, das das Erweiterungsmodul erfüllen muss, ist die lange Beobachtungsdauer, was schließlich zu den in Bild 5.4 dargestellten Minimalanforderungen führt. 78 5 Synthese zu einem ganzheitlichen Ansatz Bild 5.4: Minimalanforderungen des Erweiterungsmoduls Feldfrühwarnsystem an Ausprägungen der Nutzenkriterien des Bewertungsmodells Synthese der Datenquellen zu Erweiterungsmodul Die Erfassung von Zuverlässigkeitsdaten über die gesamte Produktnutzungsdauer kann nur durch die Datenquellen erweiterte Gewährleistungs- & Kulanzdatenerfassung, ei- ner Werkstattdatenerfassung oder einer direkten Datenerfassung am Produkt erfolgen. Um dem notwendigen minimalen Zeitverzug zwischen der Datenentstehung und deren Verfügbarkeit im Unternehmen für Zuverlässigkeitsanalysen Rechnung zu tragen, soll- ten die inhaltlichen Anforderungen des Erweiterungsmoduls durch die Nutzung einer technischen Hotline und einer Werkstattdatenerfassung realisiert werden. So besteht ein kurzer Weg zum tatsächlichen Ausfallgeschehen im Feld bei ausreichender Genau- igkeit der Daten. Eine direkte Datenerfassung am Produkt ist ebenfalls hilfreich und kann zusätzliche Informationen insbesondere über die Lastkollektive ausgefallener Produkte liefern, doch der Aufwand dieser Zuverlässigkeitsdatenquelle stellt für das Erweiterungsmodul Feldfrühwarnsystem nicht die effizienteste Lösung dar. Erweiterungsmodul Feldfrühwarnsystem Kriterium notwendige Ausprägung Begründung N1 Repräsentativität 3 Beschränkung auf ausgefallene Produkte N2 Einsatzbedingungen 3 Beschränkung auf Einteilung nach Nutzungsarten und Einsatzregionen; keine exakten Lastkollektive N3 Genauigkeit und Vollständigkeit 2 Fokus auf Ausfallursachen N4 Beobachtungsdauer 6 Betrachtung der gesamten geplanten Produktnutzungsdauer N5 Zeitpunkt der Daten- verfügbarkeit 2 Verwendung der Daten nach Produktentwicklung N6 Zeitverzug zwischen Daten- entstehung und -auswertung 6 Basis für schnelle Reaktionsfähigkeit auf Ausfallschwerpunkte 5.3 Erweiterungsmodul Feldfrühwarnsystem 79 Bild 5.5: Realisierung der Anforderungen des Erweiterungsmoduls Feldfrüh- warnsystems Zusätzliche Anforderungen an Genauigkeit oder Repräsentativität der Daten können durch eine stichprobenartige detailliertere Datenerfassung erfüllt werden. Insbesondere bei komplexen Problemen ohne schnell umsetzbare Abhilfemaßnahme können bei- spielsweise durch eine direkte Datenerfassung am Produkt während des Kundenge- brauchs des Produkts oder in der unternehmensinternen Produkterprobung zusätzliche Zuverlässigkeitsdaten zur Ursachenklärung ermittelt werden. A u sf al lra te n ka ta lo ge Ex pe rt en w iss en Le be n sd au er be re ch n u n g Er pr o bu n g fe rt ig u n gs be gl ei te n de Er pr o bu n g K u n de n be fra gu n ge n & te ch n . H o tli n es öf fe n tli ch e St at ist ik en G ew äh rle ist u n gs - u n d K u la n z da te n er w ei te rt e G ew äh rle is tu n gs - u n d K u la n z da te n W er ks ta ttd at en er fa ss u n g di re kt e D at en er fa ss u n g am Pr o du kt Ausfallursachen der gesamten geplanten Produktnutzungsdauer X X Lokalisierung betroffener Anwendergruppen und Einsatzregionen des Produkts X X zusätzliche inhaltliche Anforderungen über Basismodul Zuverlässigkeitsdatenquellen Erweiterungsmodul Feldfrühwarnsystem 80 5 Synthese zu einem ganzheitlichen Ansatz 5.4 Erweiterungsmodul Minimale Gewährleistungs- und Kulanz- kosten Zielsetzung des Erweiterungsmoduls Für den finanziellen Produkterfolg und somit für die Wirtschaftlichkeit eines Unter- nehmens sind die Gewährleistungs- und Kulanzkosten ein wichtiger Kostenas- pekt [56]. Die Gewährleistungskosten einer ausgefallenen Komponente eines Auto- mobils können bei dessen Hersteller oftmals den drei- bis zehnfachen Einkaufspreis der Komponenten verursachen [13]. Deshalb besteht eine wichtige Aufgabe in der Mi- nimierung dieser Kosten. Der erste Ansatzpunkt ist die Vermeidung von Produktaus- fällen während der Gewährleistungsdauer, v.a. von Komponenten die sehr kostenin- tensiv sind und die eine aufwändige Reparatur erfordern. Der zweite Ansatzpunkt zur Minimierung der Kosten ist die Abgrenzung von gerechtfertigten Gewährleistungsfor- derungen zu Produktausfällen aufgrund nicht bestimmungsgemäßen Gebrauchs, d.h. von Missbrauchsfällen. Anforderungen des Erweiterungsmoduls Der zeitliche Betrachtungsumfang des Erweiterungsmoduls ist die Gewährleistungs- und Kulanzdauer, allerdings gilt es bereits während der Produktentwicklung Schwach- stellen zu identifizieren und zu beseitigen. Wenn eine ausreichende Beseitigung nicht möglich ist, muss der potentielle Reparaturaufwand minimiert werden. Es werden be- vorzugt die Ausfallursachen betrachtet und analysiert, die sehr häufig auftreten oder bedeutsame finanzielle Gewährleistungskosten verursachen. Der Anspruch, möglichst alle Ausfallursachen zu erkennen, besteht nicht. Um Missbrauchsfälle während der Gewährleistungs- und Kulanzdauer zu erkennen, sind genaue Lastkollektive der Pro- dukte während des Kundengebrauchs notwendig. Damit ergeben sich folgende zusätz- liche inhaltlichen Anforderungen, die im Basismodul nicht enthalten sind: - kostenintensive und reparaturintensive Ausfallursachen - genaue Lastkollektive der ausgefallenen Produkte Die Anforderungen des Erweiterungsmoduls sind vergleichbar mit denen des Basis- moduls. Eine wichtige Ausnahme stellt allerdings die zusätzlich notwendige Erfassung von Lastkollektiven dar, die letztlich zu einem gewährleistungs- bzw. kulanzrelevan- tem Ausfall führen. Die Häufigkeiten der Belastungen beinhalten die Gebrauchsge- wohnheiten der Anwender, die wiederum eine wichtige Informationsquelle zur Bewer- tung der Gewährleistungs- und Kulanzkosten darstellen. 5.4 Erweiterungsmodul Minimale Gewährleistungs- und Kulanzkosten 81 Bild 5.6: Minimalanforderungen des Erweiterungsmoduls Minimale Gewähr- leistungs- und Kulanzkosten an Ausprägungen der Nutzenkriterien des Bewer- tungsmodells Synthese der Datenquellen zu Erweiterungsmodul Die Erkennung der Schwachstellen während der Produkterprobung ist analog der Ana- lysen auf Grundlage des Basismoduls einzustufen. Lediglich der Fokus auf kosten- und reparaturintensive Ausfallursachen stellt einen etwas anderen Schwerpunkt der frühen Zuverlässigkeitsanalysen dar. An die Zuverlässigkeitsdatenquelle der Gewähr- leistungs- und Kulanzdaten werden höhere Anforderungen gestellt als beim Basismo- dul. Eine exakte Identifikation der reklamierten Komponente ist Voraussetzung für eine Verknüpfung mit Lastkollektiven, um Missbrauchsfälle zu erkennen. Wenn die erfassten Lastkollektive auf eine nicht bestimmungsgemäße Anwendung aufgrund Überbeanspruchung schließen lassen, sollten die betroffenen Komponenten einer de- taillierten Begutachtung durch Experten des Unternehmens unterzogen werden, um Gewissheit über einen Missbrauchsfall zu bekommen, was schließlich zu einer Ableh- nung der Reklamation führt. Daraus ergeben sich für die Realisierung des Erweite- rungsmoduls neben der Erfassung von Lastkollektiven mit einer direkten Datenerfas- sung am Produkt die Notwendigkeit nach zusätzlichem Expertenwissen und erhöhten Erweiterungsmodul Minimale Gewährleistungs- und Kulanzkosten Kriterium notwendige Ausprägung Begründung N1 Repräsentativität 2 Beschränkung auf ausgefalleneProdukte N2 Einsatzbedingungen 5 Lastkollektive zur Identifikation von Missbrauchsfällen N3 Genauigkeit und Vollständigkeit 2 Fokus auf kosten- und reparaturintensiven Ausfallursachen; erhöhte Genauigkeit bei möglichen Missbrauchsfällen N4 Beobachtungsdauer 4 Fokus auf Gewährleistungs- und Kulanzzeitraum N5 Zeitpunkt der Daten- verfügbarkeit 3 Verwendung der Daten während Produktentwicklung und während Gewährleistungs- und Kulanzdauer N6 Zeitverzug zwischen Daten- entstehung und –auswertung 2 Analyse von Gewährleistungs- und Kulanzfällen ohne akuten Reaktionszwang 82 5 Synthese zu einem ganzheitlichen Ansatz Genauigkeitsanforderungen der Gewährleistungs- und Kulanzdatenerfassung als dies beim Basismodul notwendig ist. Aus den Lastkollektiven können die Gebrauchsge- wohnheiten abgeleitet werden, die im Bereich der Automobilindustrie durch Laufleis- tungsverteilungen beschrieben werden. Dies erlaubt eine Verknüpfung von Zuverläs- sigkeitsdaten der Lebensdauererprobung mit realen Nutzungsgewohnheiten, was für die Berechnung der Ausfallwahrscheinlichkeit im Feld und einer darauf aufbauenden Kostenermittlung von großer Bedeutung ist [80]. Bild 5.7: Realisierung der Anforderungen des Erweiterungsmoduls Minimale Gewährleistungs- und Kulanzkosten A u sf al lra te n ka ta lo ge Ex pe rt en w iss en Le be n sd au er be re ch n u n g Er pr o bu n g fe rt ig u n gs be gl ei te n de Er pr o bu n g K u n de n be fra gu n ge n & te ch n . H o tli n es öf fe n tli ch e St at ist ik en G ew äh rle ist u n gs - u n d K u la n z da te n er w ei te rt e G ew äh rle ist u n gs - u n d K u la n z da te n W er ks ta ttd at en er fa ss u n g di re kt e D at en er fa ss u n g am Pr o du kt kostenintensive und reparaturintensive Ausfallursachen (X) (X) genaue Lastkollektive der ausgefallenen Produkte X zusätzliche inhaltliche Anforderungen über Basismodul Zuverlässigkeitsdatenquellen Erweiterungsmodul Minimale Gewährleistungs- und Kulanzkosten (X): erhöhte Genauigkeit als bei Basismodul erforderlich 5.5 Erweiterungsmodul Effiziente Produkterprobung 83 5.5 Erweiterungsmodul Effiziente Produkterprobung Zielsetzung des Erweiterungsmoduls Während der Produktentwicklung, die häufig geprägt ist von immer kürzer werdenden Entwicklungszyklen, muss die Erfüllung definierter quantitativer Zuverlässigkeitsan- forderungen an die Produkte nachgewiesen werden. Dies stellt insbesondere für Pro- dukte mit langer Lebensdauer und hohen Zuverlässigkeitsanforderungen eine sehr her- ausfordernde Aufgabenstellung dar. Gleichzeitig müssen Erprobungskosten minimal sein bei maximaler Aussagekraft der Zuverlässigkeitsdaten und der darauf aufbauen- den Zuverlässigkeitsanalysen. Zusätzlich können mit hoher Sicherheit überdimensio- nierte Komponenten identifiziert werden, deren Kostenstruktur optimiert werden kann. Neben dem Einsatz geeigneter Methoden müssen die Zuverlässigkeitsdaten des Erwei- terungsmoduls Effiziente Produktentwicklung die Lösung derartiger Aufgabenstellun- gen ermöglichen. Der methodische Lösungsansatz besteht in der Anwendung von be- schleunigten Lebensdauertests bei erhöhten Belastungen, deren Ausfallverhalten bei Normalbelastungen mit Ansätzen der Physics of Failure, wie beispielsweise Arrhenius, Eyring, Inverse-Power-Law oder Coffin-Manson [10], [58], [64] modelliert werden. Inhaltliche Anforderungen des Erweiterungsmoduls Ein wichtiger Baustein des Erweiterungsmoduls sind die möglichen Ausfallursachen, die während des Produktgebrauchs auftreten können. Den Schwerpunkt bilden die Verschleiß- und Ermüdungsausfälle. Den zweiten wichtigen Baustein stellen die Be- lastungsarten dar, die Produkte erfahren können sowie deren Intensität und Häufigkeit. Die Intensitäten und Häufigkeiten der Belastungen werden meist in Lastkollektiven zusammengefasst. Es sind also sowohl genaue Lastkollektive der ausgefallenen und intakten Produkte notwendig als auch die daraus resultierenden Ausfallursachen: - Ausfallursachen der gesamten relevanten Nachweisdauer - genaue Lastkollektive der Produkte in verschiedenen Anwendungsfällen - Verknüpfung von Lastkollektiven und Ausfallursachen Da die Zuverlässigkeitsdaten als Basis für die Lastkollektive der Erprobung dienen und die während der Erprobung beobachteten Ausfallursachen dem Feldausfallverhal- ten entsprechen müssen, bestehen hohe Anforderungen an Repräsentativität sowie Ge- nauigkeit und Vollständigkeit der Daten. 84 5 Synthese zu einem ganzheitlichen Ansatz Bild 5.8: Minimalanforderungen des Erweiterungsmoduls Effiziente Produkter- probung an Ausprägungen der Nutzenkriterien des Bewertungsmodells Synthese der Datenquellen zu Erweiterungsmodul Die zentrale Zuverlässigkeitsdatenquelle des Erweiterungsmoduls ist die direkte Da- tenerfassung am Produkt. Nur so können genaue Lastkollektive während der Produkt- nutzung durch den Kunden in unterschiedlichsten Anwendungen erfasst werden. Da eine sehr große Datenmenge entstehen kann, bieten sich Klassierverfahren [91] bereits während der Datenerfassung an, wie dies in Kapitel 6.2.3 aufgezeigt ist. Zusätzlich können aufgrund der Fehlfunktionen bei ausgefallenen Komponenten die Ausfallursa- chen festgestellt oder eingegrenzt werden. Dies gilt insbesondere für elektronische Komponenten und Softwaremodule, allerdings auch für mechanische oder mechatroni- sche Komponenten mit Hilfe der Durchführung von Plausibilitätstests. Somit kann auch eine Verknüpfung von Ausfallursachen und vorhergehenden Belastungen herge- stellt werden. Eine genauere Analyse dieser kausalen Zusammenhänge kann in der Produkterprobung oder durch die Beschaffung ausgewählter ausgefallener Komponen- ten mit einer anschließenden Begutachtung durch Experten erfolgen. Damit ist die Ba- Erweiterungsmodul Effiziente Produkterprobung Kriterium notwendige Ausprägung Begründung N1 Repräsentativität 6 Betrachtung ausgefallener und intakter Produkte in vielseitigen Anwendungen N2 Einsatzbedingungen 6 genaue Lastkollektive als Basis für beschleunigte Produkterprobung N3 Genauigkeit und Vollständigkeit 5 umfassende Erfassung des Ausfallverhaltens; Verknüpfung von Belastungen und Ausfallursachen N4 Beobachtungsdauer 5 Fokus auf Nachweisdauer gemäß quantitativer Zuverlässigkeits- anforderungen N5 Zeitpunkt der Daten- verfügbarkeit 3 Verwendung der Daten während Produktentwicklung; ständige Optimierung der Abbildung des Feldverhaltens in der Erprobung N6 Zeitverzug zwischen Daten- entstehung und –auswertung 2 Nachweisführung der Erfüllung quantitativer Zuverlässigkeits- anforderungen ohne aktuen Reaktionszwang auf Feldausfälle 5.5 Erweiterungsmodul Effiziente Produkterprobung 85 sis für die Verwendung von repräsentativen Lastkollektiven hoher Genauigkeit für die Produkterprobung geschaffen, verknüpft mit Ausfallursachen, was schließlich eine genaue beschleunigte Lebendauererprobung ermöglicht und die Gefahr fehlerbehafte- ter Erprobungen mit geringer Aussagekraft minimiert. Die Ausrichtung der Testlast- kollektive auf die am meisten schädigenden Anteile führt zu einer deutlichen Be- schleunigung der Erprobung [76] und damit zu einer effizienten Produkterprobung. Bild 5.9: Realisierung der Anforderungen des Erweiterungsmoduls Effiziente Produkterprobung A u sf al lra te n ka ta lo ge Ex pe rt en w iss en Le be n sd au er be re ch n u n g Er pr o bu n g fe rt ig u n gs be gl ei te n de Er pr o bu n g K u n de n be fra gu n ge n & te ch n . H o tli n es öf fe n tli ch e St at ist ik en G ew äh rle ist u n gs - u n d K u la n z da te n er w ei te rt e G ew äh rle ist u n gs - u n d K u la n z da te n W er ks ta ttd at en er fa ss u n g di re kt e D at en er fa ss u n g am Pr o du kt Ausfallursachen der gesamten relevanten Nachweisdauer X genaue Lastkollektive der Produkte in verschiedenen Anwendungsfällen X Verknüpfung von Lastkollektiven und Ausfallursachen (X) X zusätzliche inhaltliche Anforderungen über Basismodul Zuverlässigkeitsdatenquellen Erweiterungsmodul Effiziente Produkterprobung (X): erhöhte Anforderungen als bei Basismodul erforderlich 86 5 Synthese zu einem ganzheitlichen Ansatz 5.6 Erweiterungsmodul Maximale Kundenzufriedenheit Zielsetzung des Erweiterungsmoduls Hohe Kundenzufriedenheit ist einer der wichtigsten Wettbewerbsfaktoren für Unter- nehmen, um den wirtschaftlichen Erfolg auszubauen oder zu sichern. Das Image einer Marke oder eines Unternehmens wird somit nachhaltig positiv beeinflusst und der An- teil treuer Stammkunden kann maximiert werden. Dies gilt sowohl für Unternehmen, die direkt im Kontakt mit Verbrauchern stehen, z.B. Automobilhersteller, als auch für Unternehmen der Zulieferbranche. Das Erweiterungsmodul Maximale Kundenzufriedenheit ist ein Schlüsselelement zur Vermeidung von Ausfälle, die aus Kundensicht als schwerwiegend betrachtet werden. Sollte es dennoch zu einem Ausfall gekommen sein, müssen die Folgen möglichst ge- ring sein, indem eine schnelle und möglichst kostengünstige Reparatur erfolgen. Inhaltliche Anforderungen des Erweiterungsmoduls Die Bewertung der Ausfälle, die im Rahmen einer Maximierung der Kundenzufrie- denheit betrachtet werden müssen, ist sehr stark von der Wahrnehmung der Verbrau- cher geprägt. Eine ausschließlich technisch analytische Betrachtung ist nicht ausrei- chend [19]. Neben einer schnellen und unkomplizierten Abwicklung von Gewährleis- tungsfällen müssen auch Ausfälle nach diesem Zeitraum betrachtet werden. Tritt trotz der Minimierung der Häufigkeit der kundenrelevantesten Ausfälle dennoch ein Fehler auf, muss eine schnelle und kostengünstige Reparatur mit hoher Ergebnisqualität ge- währleistet werden. Wichtig dafür ist, dass Ausfälle treffsicher für die Mehrheit der Kunden und der damit verbundenen Anwendungsfälle der Produkte diagnostiziert werden. - Ausfallursachen der gesamten geplanten Produktnutzungsdauer - Bewertung aus Kundensicht - Unterstützung einer treffsicheren Diagnose - Gewährleistung einer schnellen Reparatur Neben dem langen Betrachtungszeitraum müssen v.a. die Kundenwahrnehmungen für Ausfälle erfasst und berücksichtigt werden. Dies kann somit im Widerspruch zu einer hohen Repräsentativität der Zuverlässigkeitsdaten aus statistischer Sicht stehen. 5.6 Erweiterungsmodul Maximale Kundenzufriedenheit 87 Bild 5.10: Minimalanforderungen des Erweiterungsmoduls Maximale Kunden- zufriedenheit an Ausprägungen der Nutzenkriterien des Bewertungsmodells Synthese der Datenquellen zu Erweiterungsmodul Die Erfassung der Ausfallursachen über die gesamte geplante Produktnutzungsdauer, die der erwarteten Produktlebensdauer der Kunden entsprechen sollte, wird mit einer Erfassung von Zuverlässigkeitsdaten in Werkstätten realisiert. Somit können die Aus- fallursachen mit hoher Kundenrelevanz identifiziert und bewertet werden und bei zu- künftigen Produktentwicklungen Berücksichtigung finden. Unterstützend für die Er- fassung der Kundenwahrnehmung von Ausfällen sind Kundenbefragungen und techni- sche Hotlines, bei Bedarf ergänzt um die Analyse öffentlicher Statistiken und relevan- ter Literatur, wie beispielsweise Beiträge in relevanten Verbraucherzeitschriften. Treffsichere Prognosen können ebenfalls mit technischen Hotlines unterstützt werden, die Verbrauchern und Werkstätten problemlösend zur Seite stehen und dabei wichtige Daten durch Einverständnis oder in anonymisierter Form erfassen. Ein hoher Wissens- stand in den Werkstätten ermöglicht eine zusätzliche wichtige Datenquelle, in Einzel- fällen müssen zusätzlich Experten des Unternehmens unterstützen und als Zuverläs- sigkeitsdatenquelle dienen. notwendige Ausprägung Begründung N1 Repräsentativität 2 Bewertung aus Kundensicht; Beschränkung auf ausgefallene Produkte N2 Einsatzbedingungen 1 Beschränkung auf Einteilung nach häufigsten Nutzungsarten; keine exakten Lastkollektive N3 Genauigkeit und Vollständigkeit 2 Fokus auf Ausfallursachen nach Kundenwahrnehmung N4 Beobachtungsdauer 6 Betrachtung der gesamten geplanten Produktnutzungsdauer N5 Zeitpunkt der Daten- verfügbarkeit 2 Verwendung der Daten nach Produktentwicklung N6 Zeitverzug zwischen Daten- entstehung und -auswertung 6 Basis für schnelle Reaktionsfähigkeit auf Ausfallschwerpunkte; Basis für bedarfsgerechte Ersatzteilversorgung Erweiterungsmodul Maximale Kundenzufriedenheit Kriterium 88 5 Synthese zu einem ganzheitlichen Ansatz Die Gewährleistung einer schnellen Reparatur ist, neben wichtigen Merkmalen des Produkts, die bereits während der Produktentwicklung festgelegt werden, durch eine bedarfsgerechte Ersatzteilversorgung und -bevorratung realisierbar. Die Basis hierfür sind die Ausfalldaten der Werkstätten, zusätzlich gruppierbar nach relevanten Anwen- dungsfällen und geographischen Regionen. Bild 5.11: Realisierung der Anforderungen des Erweiterungsmoduls Maximale Kundenzufriedenheit A u sf al lra te n ka ta lo ge Ex pe rt en w iss en Le be n sd au er be re ch n u n g Er pr o bu n g fe rt ig u n gs be gl ei te n de Er pr o bu n g K u n de n be fra gu n ge n & te ch n . H o tli n es öf fe n tli ch e St at ist ik en G ew äh rle ist u n gs - u n d K u la n z da te n er w ei te rt e G ew äh rle ist u n gs - u n d K u la n z da te n W er ks ta ttd at en er fa ss u n g di re kt e D at en er fa ss u n g am Pr o du kt Ausfallursachen der gesamten geplanten Produktnutzungsdauer X Bewertung aus Kundensicht X X X Unterstützung einer treffsicheren Diagnose (X) X X Gewährleistung einer schnellen Reparatur (X) X X zusätzliche inhaltliche Anforderungen über Basismodul Zuverlässigkeitsdatenquellen Erweiterungsmodul Maximale Kundenzufriedenheit (X): erhöhte Anforderungen als bei Basismodul erforderlich 5.7 Erweiterungsmodul Optimale Produktlebenszykluskosten 89 5.7 Erweiterungsmodul Optimale Produktlebenszykluskosten Zielsetzung des Erweiterungsmoduls Die wirtschaftliche Verwendung von Produkten ist sehr stark von den Produktlebens- zykluskosten abhängig. Diese umfassen neben den Anschaffungskosten alle zusätzlich entstehenden Kosten während des Gebrauchs von Produkten, also beispielsweise Kos- ten für Instandhaltung, Reparaturen und Stillstandszeiten. Optimale Produktlebenszyk- luskosten sind somit v.a. eine wichtige Eigenschaft von Investitionsgütern, wie Ferti- gungsanlagen oder Nutzfahrzeugen. Treten unerwartete Stillstandszeiten durch Ausfäl- le auf, ist der wirtschaftliche Einsatz des Produkts gefährdet. Zuverlässige Produkte mit minimalen und kalkulierbaren Produktlebenszykluskosten sind ein wichtiges Ent- scheidungskriterium für den Kunden, bei hohen Ansprüchen an die Produktqualität sogar das wichtigste Argument [36]. Inhaltliche Anforderungen des Erweiterungsmoduls Das Erweiterungsmodul Optimale Produktlebenszykluskosten stellt, ebenso wie das Erweiterungsmodul Maximale Kundenzufriedenheit, Zuverlässigkeitsdaten aus der Sicht des Kunden bereit. Der Fokus des Erweiterungsmoduls Optimale Produktlebens- zykluskosten liegt auf den wirtschaftlichen Folgen ungeplanter Stillstandszeiten des Produkts und deren Folgekosten. Der Betrachtungszeitraum der erfassten Ausfalldaten ist die gesamte kalkulierte Produktnutzungsdauer mit allen wichtigen Produktanwen- dungen und den daraus resultierenden Belastungen. Ebenso ist eine treffsichere Diag- nose von Schadensfällen mit einer schnellen Behebung des Fehlers notwendig, was damit auch die bedarfsgerechte Ersatzteilversorgung und -bevorratung beinhaltet. Gleichzeitig müssen Ausfallwahrscheinlichkeiten mit schwerwiegenden wirtschaftli- chen Folgen bereits während der Produktentwicklung erkannt werden. Die Kosten von Abstellmaßnahmen und die damit verbundenen höheren Anschaffungskosten für den Kunden müssen den höheren Betriebskosten gegenübergestellt werden, um eine Ent- scheidung für die Realisierung eines zuverlässigeren Produkts oder eines höheren Aus- fallverhaltens mit entsprechenden Folgekosten treffen zu können. Zusätzlich ist der Effekt geplanter Instandhaltungsmaßnahmen und der daraus geringeren Ausfallwahr- scheinlichkeiten bzw. höheren Verfügbarkeiten zu berücksichtigen. - Ausfallursachen der gesamten kalkulierten Produktnutzungsdauer - Erfassung der Stillstandszeiten - Bewertung aus Sicht der finanziellen Folgen für den Kunden - Genaue Lastkollektive in verschiedenen Anwendungsfällen 90 5 Synthese zu einem ganzheitlichen Ansatz - Verknüpfung von Lastkollektiven und Ausfallursachen - Unterstützung einer treffsicheren Diagnose - Gewährleistung einer schnellen Reparatur Von besonderer Bedeutung sind die finanziellen Folgen ungeplanter Stillstandszeiten, die damit den Fokus der zu betrachtenden Ausfallursachen bestimmen. Dennoch müs- sen die Daten aus technischer Sicht eine hohe Repräsentativität darstellen, da die Last- kollektive und die daraus resultierenden Ausfallursachen während der Produktentwick- lung die Basis für effektive Abstellmaßnahmen sind. Bild 5.12: Minimalanforderungen des Erweiterungsmoduls Optimale Produktle- benszykluskosten an Ausprägungen der Nutzenkriterien des Bewertungsmodells Synthese der Datenquellen zu Erweiterungsmodul Die sehr umfassenden Anforderungen des Erweiterungsmoduls Optimale Produktle- benszykluskosten erfordern die Verwendung nahezu aller verfügbaren Zuverlässig- keitsdatenquellen. Erweiterungsmodul Optimale Produktlebenszykluskosten Kriterium notwendige Ausprägung Begründung N1 Repräsentativität 4 Betrachtung ausgefallener Produkte in vielseitigen Anwendungen N2 Einsatzbedingungen 5 genaue Lastkollektive als Basis für Abstellmaßnahmen N3 Genauigkeit und Vollständigkeit 5 umfassende Erfassung des Ausfallverhaltens; Verknüpfung von Belastungen und Ausfallursachen N4 Beobachtungsdauer 5 Betrachtung der gesamten kalkulierten Produktnutzungsdauer N5 Zeitpunkt der Daten- verfügbarkeit 3 Verwendung der Daten während Produktentwicklung N6 Zeitverzug zwischen Daten-entstehung und – auswertung 4 Basis für Abstellmaßnahmen während Produktentwicklung und für Opti-mierung von Instandhaltungsplänen; Basis für bedarfsgerechte Ersatzteilversorgung 5.7 Erweiterungsmodul Optimale Produktlebenszykluskosten 91 Bild 5.13: Realisierung der Anforderungen des Erweiterungsmoduls Optimale Produktlebenszykluskosten A u sf al lra te n ka ta lo ge Ex pe rt en w iss en Le be n sd au er be re ch n u n g Er pr o bu n g fe rt ig u n gs be gl ei te n de Er pr o bu n g K u n de n be fra gu n ge n & te ch n . H o tli n es öf fe n tli ch e St at ist ik en G ew äh rle ist u n gs - u n d K u la n z da te n er w ei te rt e G ew äh rle ist u n gs - u n d K u la n z da te n W er ks ta ttd at en er fa ss u n g di re kt e D at en er fa ss u n g am Pr o du kt Ausfallursachen der gesamten kalkulierten Produktnutzungs- dauer X X Erfassung der Stillstandszeiten X X Bewertung aus Sicht der finanziellen Folgen für den Kunden (X) X X Genaue Lastkollektive in verschiedenen Anwendungsfällen X Verknüpfung von Lastkollektiven und Ausfallursachen (X) X Unterstützung einer treffsicheren Diagnose (X) X X Gewährleistung einer schnellen Reparatur (X) X X zusätzliche inhaltliche Anforderungen über Basismodul Zuverlässigkeitsdatenquellen Erweiterungsmodul Optimale Produktlebenszykluskosten 92 5 Synthese zu einem ganzheitlichen Ansatz Die Ausfallursachen werden erfasst durch eine Kombination aus Werkstattdatenerfas- sung, was in diesem Kontext gleichbedeutend ist mit einer Datenerfassung in Service- betrieben mit Zuständigkeit für Instandhaltung und Reparatur, sowie einer direkten Datenerfassung am Produkt. Diese Datenquellen dienen zusätzlich zur Erfassung der Stillstandszeiten, um daraus gemeinsam mit Experten der Werkstätten und des Herstel- lers sowie Kundenbefragungen die finanziellen Folgen für die Kunden abzuleiten. Ge- naue Lastkollektive und die Verknüpfung mit Ausfallursachen werden wiederum durch die direkte Datenerfassung am Produkt gewährleistet. Sind für elektronisch ge- regelte Systeme sehr genaue Lastkollektive und deren Schädigung auf bestimmte Bau- teile bekannt, können über eine permanente Schädigungsrechnung im Produkt unge- plante Stillstandszeiten und damit verbundene Stillstandskosten minimiert wer- den [30]. Eine treffsichere Diagnose und eine schnelle Reparatur von aufgetretenen Ausfällen werden durch technische Hotlines und eine Werkstattdatenerfassung ermöglicht, ana- log dem Erweiterungsmodul Maximale Kundenzufriedenheit. Dabei sind die Daten aus den Werkstätten proaktiv für die Entwicklung treffsicherer Diagnosen und der Progno- se von notwendigen Ersatzteilmengen zu verwenden. Technische Hotlines sind eher reaktiv für die schnelle Abstellung eines aufgetretenen Ausfalls verwendbar, allerdings dienen die dabei erfassten Daten auch der Optimierung von Diagnosevorgängen und der Lokalisierung erhöhter Ersatzteilmengen. 6 Beispielhafte Umsetzung Der modulare Aufbau der ganzheitlichen Zuverlässigkeitsdatenerfassung ermöglicht eine effiziente Zieldefinition, welche Datenquellen für welche Zuverlässigkeitsfrage- stellungen erforderlich sind. Dabei wichtige Aspekte der Realisierung der benötigten Zuverlässigkeitsdatenquellen sind Bestandteil dieses Kapitels. Wichtige Erkenntnisse der Unternehmensintegration werden am Beispiel eines Herstellers von Bremssyste- men für Schienen- und Nutzfahrzeuge (3,7 Mrd. € Umsatz, 16000 Mitarbeiter) gezeigt. Der Schwerpunkt der folgenden Betrachtungen liegt auf der Unternehmensintegration der Zuverlässigkeitsdatenerfassung und deren Umsetzung anhand ausgewählter Bei- spiele und der dadurch verbesserten Datenbasis für verbesserte Zuverlässigkeitsanaly- sen. 6.1 Unternehmensintegration Wichtige Erfolgsfaktoren einer erfolgreichen Unternehmensintegration sind die Ver- ankerung wichtiger Zuverlässigkeitsaufgaben in den Entwicklungsprozessen und Pro- jektabläufen der Unternehmen. Zusätzlich werden die damit verbundenen Aufgaben eines zentralen Zuverlässigkeitsmanagements dargestellt, die zur Erreichung und Si- cherung einer funktionierenden ganzheitlichen Zuverlässigkeitsdatenerfassung zwin- gend notwendig sind. 6.1.1 Zentrales Zuverlässigkeitsmanagement Das Zuverlässigkeitsmanagementsystem ist ein integraler Teil eines umfassenden Ma- nagementsystems eines Unternehmens mit Unterstützung der obersten Unternehmens- leitung [24]. Ein zentrales Zuverlässigkeitsmanagement ermöglicht die Beantwortung von zuverlässigkeitstechnischen Fragestellungen, die wiederum abhängig von der Branche, den Kunden, der Positionierung im Wettbewerb und den Unternehmens- grundsätzen sind. Die Ziele des zentralen Zuverlässigkeitsmanagements sind für unterschiedliche Unter- nehmen häufig gleich oder ähnlich, wie die folgende Zielsetzung am Beispiel des Her- stellers von Bremssystemen für Nutzfahrzeuge verdeutlicht: - eigenes, einheitliches Vorgehen, das alle Hersteller-Forderungen beinhaltet - Zuverlässigkeitsanalysen zur aktiven, gezielten Beeinflussung der Produktzu- verlässigkeit 94 6 Beispielhafte Umsetzung - vorausschauende Abarbeitung zukünftiger zuverlässigkeitstechnischer Anforde- rungen der Nutzfahrzeugbranche - zuverlässigere Produkte - robustere Produkte - gezielteres Testen (Art, Umfang, Häufigkeit) - Umsatzsteigerungen (höherer Marktpreis der Produkte, höhere Stückzahlen, neue Produkte) - qualitätsneutrale Kostensenkungen / kostenneutrale Qualitätsverbesserung - Vermeidung von Rückrufaktionen, geringere Gewährleistungskosten - weitere Imageaufwertung Daraus abgeleitete wichtige Kernaufgabengebiete des zentralen Zuverlässigkeitsmana- gements sind: - unternehmensweite Bereitstellung von geeigneten Zuverlässigkeitsdaten - Methodenwissen mit geeigneter Toolunterstützung - Gewährleistung der notwendigen Kapazitäten für Zuverlässigkeitsaufgaben - Steuerung der Daten- und Informationsflüsse - Realisierung und ständige Optimierung der Prozess- und Projektverankerung - Durchführung bzw. Unterstützung von Zuverlässigkeitsanalysen Diese Aufgabengebiete stehen im Kontext mit vielen unternehmensinternen und –externen Schnittstellen. Die daraus entstehenden und notwendigen Informations- und Datenflüsse sind graphisch in Bild 6.1 dargestellt. Diese umfangreichen Verknüpfungen und Aufgaben erfordern eine sehr hohe Qualifi- kation der Mitarbeiter des zentralen Zuverlässigkeitsmanagements, die zusätzlich mit umfangreichen Befugnissen ausgestattet sein sollten [82]. In sehr großen Unternehmen kann es deshalb hilfreich sein, zusätzliche Zuverlässigkeitsexperten dezentral in den Entwicklungs- und Qualitätsabteilungen zu verankern, die in sehr engem Kontakt mit dem zentralen Zuverlässigkeitsmanagement stehen. 6.1 Unternehmensintegration 95 Bild 6.1: Informationsflüsse des zentralen Zuverlässigkeitsmanagements Eine zielführende und sehr effiziente Möglichkeit der Unternehmensintegration stellt deshalb eine zentrale Zuverlässigkeitsabteilung dar, wie dies auch in der Bahnindustrie umgesetzt ist [83]. Die Zuverlässigkeitsexperten der zentralen Abteilung sind speziali- siert auf verschiedene Teilgebiete der Zuverlässigkeitstechnik, beispielsweise qualita- tive Methoden, quantitative Methoden, Testmethodik oder speziellen Softwareanwen- dungen der Zuverlässigkeitstechnik und der Statistik. Zusätzlich sind diese Mitarbeiter Entwicklungsprojekten zugeordnet, die sie aktiv betreuen. Somit ist ein ständiger Aus- tausch zwischen zuverlässigkeitstechnischen Aufgaben und Fragestellungen aus den Projekten mit den zentralen Aufgaben des Zuverlässigkeitsmanagements gewährleis- tet. 6.1.2 Prozessverankerung Die zeit- und bedarfsgerechte Durchführung von Zuverlässigkeitsaktivitäten in Ent- wicklungsprojekten muss in den Entwicklungsprozessen festgelegt werden. Damit fällt sowohl die Definition eines Zuverlässigkeitsprozesses in die Verantwortlichkeit des zentralen Zuverlässigkeitsmanagements als auch deren Sicherstellung der Durchfüh- rung in den Projekten. Die übergeordneten zuverlässigkeitstechnischen Aufgaben be- Zuverlässigkeitsmanagement M et ho de n To o ls Pr o z es se D at en ba n ke n K ap az itä t Projektteams … Fe rt ig u n g Qu al itä t Ve rs u ch s / Er pr o bu n g K o n st ru kt io n Aufgabenbereiche anderer Abteilungen … Fe rt ig u n g Qu al itä t Ve rs u ch s / Er pr o bu n g K o n st ru kt io n Extern B eh ör de n K u n de n Zu lie fe re r Zuverlässigkeitsdatenquellen … W er ks ta tt- da te n G & K Ve rs u ch s / Er pr o bu n g Ex pe rte n - w iss en 96 6 Beispielhafte Umsetzung stehen aus der Definition der Zielvorgaben und dem anschließenden Nachweis der Zielerreichung, siehe Bild 6.2. Bild 6.2: Übergeordnete Zuverlässigkeitsaufgaben in Produktentwicklungspro- jekten Für diese übergeordneten Aufgaben wichtige Inhalte des Zuverlässigkeitsprozesses sind Festlegungen, die die Erfassung und Bereitstellung von Zuverlässigkeitsdaten ermöglichen: - Abgleich der Ausfallursachen aus unterschiedlichen Zuverlässigkeitsdatenquel- len - Analyse unbekannter Ausfallursachen und Berücksichtigung in der zukünftigen Datenerfassung - Ausfallursachen aus Produktnutzung müssen in den Entwicklungsablauf und in die Erprobung zurückgespeist werden Für eine Vergleichbarkeit und Verknüpfung verschiedener Zuverlässigkeitsdatenquel- len ist es von enormer Bedeutung, dass neu erkannte Ausfallursachen in allen Daten- quellen berücksichtigt und nach Möglichkeit erfasst werden. Dies betrifft sowohl die Identifikation neuer Ausfallursachen während der Erprobung, die in zeitlich anschlie- ßenden Datenquellen Berücksichtigung finden müssen, als auch bislang unbekannte Ausfallursachen während der Produktnutzung, die in der Entwicklung und Erprobung analysiert und zukünftig betrachtet werden müssen. Es ergibt sich damit eine ständige iterative Optimierung zwischen den verschiedenen Zuverlässigkeitsdatenquellen. Zielvorgabe: System- zuverlässigkeit Zielvorgabe: Komponenten- zuverlässigkeit Nachweis: Komponenten- zuverlässigkeit Nachweis: System- zuverlässigkeit 6.1 Unternehmensintegration 97 Zusätzlich sollten die Möglichkeiten einer späteren Felddatenerfassung eines Produk- tes bereits während dessen Entwicklung geprüft werden. So können eventuell kleine Änderungen am Produkt, die während der Entwicklung noch sehr einfach möglich sein können, eine spätere Zuverlässigkeitsdatenerfassung enorm erleichtern. Ein Beispiel für einen Zuverlässigkeitsprozess, der diese frühe Berücksichtigung der späteren Da- tenerfassung beinhaltet, stellt der Zuverlässigkeitsprozess des Serienentwicklungspro- zesses des Herstellers von Bremssystemen für Nutzfahrzeuge dar, der in Bild 6.3 dar- gestellt ist. Dieser Zuverlässigkeitsprozess, der in Anlehnung an [5], [6], [53], [59], [64], [82] und [88] erstellt wurde, beinhaltet den Beginn Serienentwicklung bis zur Serienfertigung und einer nachgelagerten Bewertungs- und Verbesserungsphase von etwa sechs Monaten nach Beginn der Serienfertigung. Den Fokus der Zuverlässigkeitsdatenerfassung während der Produktentwicklung bei dem Bremssystemhersteller stellt die Erprobung mit unterschiedlichen Entwicklungs- stadien des Produktes dar. Die hohe Aussagekraft der quantitativen Zuverlässigkeits- daten ist durch eine systematische Ausrichtung auf beschleunigte Lebensdauererpro- bungen mit Ausfällen sichergestellt. Damit ist die Zuverlässigkeitsdatenerfassung ein wichtiger Beitrag zu einer effizienten Produktentwicklung nach Kapitel 5.5. Die prozessuale Verankerung der in Bild 6.3 dargestellten Produktlebenszyklusphase beinhaltet die Überprüfung der Zielerreichung während der Produktentwicklung. Durch den anschließenden Vergleich der erreichten Zuverlässigkeit während der Pro- duktnutzung durch den Kunden und der zu Beginn der Produktentwicklung festgeleg- ten Zuverlässigkeitsziele müssen bei Bedarf Maßnahmen zur sicheren Zielerreichung festgelegt werden. Zusätzlich werden die Zuverlässigkeitsaussagen der Produktent- wicklung mit dem realen Ausfallverhalten abgeglichen mit dem Ziel einer ständigen Optimierung der Zuverlässigkeitsaktivitäten und deren Prozessverankerung, was zu einer kontinuierlichen Verbesserung beiträgt. 98 6 Beispielhafte Umsetzung Bild 6.3: Zuverlässigkeitsaktivitäten des Produktentwicklungsprozesses Project Preparation & Product Definition 6.2.1 Project Planning & Product Conception 6.2.2 Product & Process Development 6.2.3 Product & Process ValidationGate Gate Gate Check possibility to collect field data while product usage Perform reliability analysis of comparable products Create qualitative reliability system model Create semi-quantitative reliability estimation and first reliability risk monitoring Create model for reliability aim allocation Execute reliability tests with B-samples Update qualitative reliability system model Execute reliability tests with A-samples, if possible Define responsible Project Reliability Engineer Take over / Define quantitative reliability characteristics of product / system Perform reliability test planning Update Reliability Risk Monitoring 6.2.4 Product & Process Development 6.2.3 Product & Process Validation 6.2.4 Product & Process Approval 6.2.5 Ramp-up & Feedback Assessment Gate 6.2.6 Gate Gate Gate Update quantitative reliability system model Execute reliability tests with C-samples Update Reliability Risk Monitoring Update quantitative reliability system model Execute reliability tests with initial samples Update Reliability Risk Monitoring Prepare Lessons Learnt regarding reliability 6.1 Unternehmensintegration 99 6.1.3 Projektverankerung Die zuverlässigkeitstechnischen Aufgaben während eines Produktentwicklungsprojek- tes ergeben sich aus der Prozessdefinition, wie sie in Kapitel 6.1.2 dargestellt sind. Neben der Anwendung von Zuverlässigkeitsmethoden ist die richtige Auswahl von geeigneten Zuverlässigkeitsdatenquellen für die jeweilige Aufgabenstellung von gro- ßer Bedeutung. Da einige Zuverlässigkeitsdaten während der Produktentwicklung ent- stehen, wie beispielsweise Ausfalldaten aus beschleunigten Lebensdauerversuchen, ist auch dafür Expertenwissen auf dem Gebiet der Zuverlässigkeitstechnik notwendig. Diese umfassenden Aufgaben können von einem Entwicklungsingenieur aus den Be- reichen Konstruktion, Versuch oder Funktionsentwicklung nicht zusätzlich in ausrei- chender Qualität übernommen werden. Für eine effektive Erfüllung der Zuverlässig- keitsaufgaben muss ein Zuverlässigkeitsingenieur für eine definierte Anzahl an Ent- wicklungsprojekten benannt werden, der beispielsweise sehr eng mit dem verantwort- lichen Versuchsingenieur zusammenarbeitet, wie dies beispielsweise bei dem Herstel- ler von Bremssystemen für Nutzfahrzeuge verwirklicht ist. Bild 6.4: Projektverankerung des Zuverlässigkeitsingenieurs Reliability CAD / Design Test Prototyping Technical Sales Commercial Sales Logistics Industrial Engineering Quality R&D Purchasing Project Management Core Team Controlling 6.2 Realisierung des modularen Datenansatzes Zu Beginn der Realisierung des modularen Zuverlässigkeitsdatenansatzes muss die Zielsetzung genau definiert werden, welche Zuverlässigkeitsfragestellungen auf Basis der Zuverlässigkeitsdaten zu beantworten sind. Darauf aufbauend werden die notwen- digen Datenmodule des modularen Datenansatzes ausgewählt und simultan die Anfor- derungen an die Zuverlässigkeitsdaten abgeleitet. Anschließend muss die Realisierung der notwendigen Zuverlässigkeitsdatenquellen geplant werden. Mögliche Realisie- rungswege sind in Bild 6.5 dargestellt, aus denen sich iterativ die Planung der Reali- sierung ergibt. Bild 6.5: Planung der Realisierung der modularen ganzheitlichen Zuverlässig- keitsdatenerfassung Der erste Realisierungsweg beinhaltet die Analyse der verfügbaren Zuverlässigkeitsda- tenquellen nach dem Bewertungsmodell von Kapitel 3.3, deren Bewertungskriterien den Anforderungen gegenübergestellt werden. Die damit generierten Bewertungen Planung der Realisierung Längste Dauer der Realisierung Maximale Unterstützung für Realisierung Optimierung bestehender Datenquellen Zieldefinition 6.2 Realisierung des modularen Datenansatzes 101 werden den Bewertungen von Kapitel 4 gegenübergestellt. Große Unterschiede in der Bewertung geben Ansatzpunkte für eine Verbesserung der betrachteten Zuverlässig- keitsdatenquellen bzw. deren Auswertungen, was eine wichtige Planungsgrundlage für die weitere Realisierung der benötigten Zuverlässigkeitsdatenquellen mit einer mög- lichst hohen Leistungsfähigkeit ist. Ein derartiges Beispiel aus der industriellen Praxis für die Steigerung der Leistungsfähigkeit einer Gewährleistungs- und Kulanzdatener- fassung durch eine Optimierung der Rohdatenverarbeitung ist in Kapitel 6.2.1 be- schrieben. Eine Umsetzung der Zuverlässigkeitsdatenquellen, für deren Realisierung am meisten Unterstützung in einem Unternehmen vorhanden ist, kann eine schnelle Realisierung zur Folge haben, und stellt damit den zweiten Realisierungsweg dar, der geprüft wer- den sollte. Es ist also hilfreich, das zusätzliche Nutzenpotential der Zuverlässigkeitsda- tenquellen für Aufgabenstellungen außerhalb der Zuverlässigkeitstechnik aufzuzeigen und damit geringe betriebliche Hindernisse zu ermöglichen. Ein Beispiel dieses Reali- sierungswegs ist in Kapitel 6.2.2 dargestellt. Der dritte Realisierungsweg beinhaltet die benötigte Zuverlässigkeitsdatenquelle, de- ren Realisierungsdauer am längsten ist und deren Umsetzung deshalb vor allen ande- ren notwendigen Datenquellen begonnen werden muss. Dies ist beispielsweise der Fall, wenn eine Zuverlässigkeitsdatenerfassung mit Produktentwicklungsaktivitäten für eine Datenerfassung verbunden ist, möglicherweise ergänzt um infrastrukturelle Maßnahmen zum Auslesen und Übertragen der Daten. Diese Aspekte treffen für die direkte Datenerfassung im Nutzfahrzeug zu, die Inhalt von Kapitel 6.2.3 ist. 6.2.1 Datenaufbereitung von Gewährleistungs- und Kulanzdaten Eine Analyse der Rohdaten aus der Erfassung von Gewährleistungs- und Kulanzfällen des Bremssystemherstellers hat zwei Optimierungsansätze ergeben [22]: - Verbesserung der Aufbereitung von Rohdaten - Ermittlung einer repräsentativen Grundgesamtheit Die Rohdatenaufbereitung der Gewährleistungs- und Kulanzdaten wird durch eine spezielle Softwarelösung unterstützt, deren Programmablauf in Bild 6.6 dargestellt ist. Den ersten Schritt stellt die Erzeugung der Rohdaten aus der Gewährleistungs- und Kulanzdatenbank dar, die eine Datenselektion für die nachfolgende Zuverlässigkeits- analyse beinhaltet. Es müssen beispielsweise das zu analysierende Produkt oder eine Produktgruppe selektiert werden sowie eine Auswahl des Betrachtungszeitraums und der betreffenden Fahrzeughersteller durchgeführt werden. Zusätzlich kann eine Unter- scheidung nach anerkannten und abgelehnten Gewährleistungs- und Kulanzfällen er- folgen. 102 Bild 6.6: Programmablauf zur Aufbereitung von Rohdaten der Gewähr Erzeugung der Rohdaten • Daten nach Betrachtungsumfang (Produkt, Betrachtungszeitraum, Kunde, ...) selektieren Löschen doppelter Datensätze • Datensätze mit selber Reklamation identifizieren • Datensatz mit den wenigsten Informationen löschen • Reihenfolge der Löschung nach Laufleistung, Reparaturdatum, Produktionsdatum, Reklamationsdatum festlegen Löschen der Datensätze von Ausschuss- produkten • Datensätze mit einer Laufleistung von 0km löschen Ergänzung um fehlendes Produktions- datum • Produktionsdatum anhand der Seriennummer ermitteln • Datensatz um Produktionsdatum ergänzen Korrektur unplausibler Laufleistung • Monatliche Laufleistungen berechnen (theoretische , realistische und tatsächliche monatliche Laufleistung) • Unplausible Laufleistung durch Laufleistung aus Laufleistungsverteilung ausgefallener Produkte ersetzen 6 Beispielhafte Umsetzung und Kulanzdatenerfassung leistungs- 6.2 Realisierung des modularen Datenansatzes 103 Im nächsten Schritt identifiziert die Softwarelösung doppelte Datensätze, die die selbe Reklamation beinhalten. Die Auswahl, welcher Datensatz gelöscht wird, entscheidet sich aus dem Informationsgehalt der Datensätze. Dazu werden verschiedene Daten- elemente der Datensätze nach einer definierten Reihenfolge, die sich aus der Bedeu- tung der Datenelemente ergibt, miteinander verglichen. Der Datensatz, der die wenigs- ten bedeutsamen Informationen enthält, wird gelöscht. Da die Gewährleistungsdaten auch sogenannte 0km-Ausfälle enthalten, also fehlerhaf- te Produkte am Bandende des Fahrzeugherstellers, müssen diese Datensätze ebenfalls gelöscht werden. Diese 0km-Ausfälle sind Teil des Fertigungsausschusses und stellen keine Ausfälle im Sinne der Definition von Zuverlässigkeit bzw. Ausfallwahrschein- lichkeit dar, siehe Kapitel 2.1. Das Produktionsdatum kann aus der Seriennummer abgeleitet werden. Das Programm zur Datenaufbereitung ermittelt für Datensätze, die kein Produktionsdatum aber eine Seriennummer enthalten, das Produktionsdatum und ergänzt den Datensatz mit die- sem. Eine weitere Verbesserung der Datenqualität kann durch die Plausibilisierung der Laufleistungen erreicht werden. Dazu wir die Laufleistung jedes Datensatzes mit einer theoretisch möglichen und einer realistischen Laufleistung verglichen. Dazu wird zu- nächst die Betriebsdauer des Fahrzeugs und damit des Produkts ermittelt, das sich nä- herungsweise aus dem Produktionsdatum und dem Reklamations- bzw. Reparaturda- tum ergibt. Die theoretische Laufleistung eines Nutzfahrzeugs errechnet sich aus der Anzahl der Tage, die keinem Fahrverbot unterliegen und der maximalen Geschwin- digkeit des Fahrzeugs. Dieser Wert ist somit länderspezifisch, da unterschiedliche Re- gelungen des Fahrverbotes bestehen. Die theoretische Laufleistung stellt einen maxi- malen Wert dar, der in der Praxis nicht erreicht werden kann, da z.B. keine Fahrzeug- stillstände aufgrund Betanken oder Be- und Entladen des Fahrzeugs berücksichtigt sind. Die realistische Laufleistung berücksichtigt zusätzlich gesetzliche Vorgaben der erlaubten Lenkzeit sowie eine realistische Durchschnittsgeschwindigkeit von 69 km/h, wobei mögliche Fahrerwechsel unberücksichtigt bleiben. Das Programm zur Daten- aufbereitung der Gewährleistungs- und Kulanzdaten vergleicht deshalb folgende mo- natliche Laufleistungen: - tatsächliche monatliche Laufleistung des Datensatzes - theoretisch mögliche monatliche Laufleistung (48.640 km) - realistische monatliche Laufleistung (13.662 km) Der Anwender des Programms entscheidet mit diesen Werten, ob der Datensatz auf- grund einer unplausiblen Laufleistung korrigiert werden soll. Unplausible Laufleistun- gen können durch eine Laufleistung auf Basis einer Laufleistungsverteilung, die aus 104 6 Beispielhafte Umsetzung den Laufleistungen ausgefallener Produkte der gleichen Art ermittelt wird, ersetzt werden. Die aufbereiteten Gewährleistungs- und Kulanzdaten müssen im weiteren Verlauf ei- ner Zuverlässigkeitsanalyse der zugehörigen Grundgesamtheit gegenübergestellt wer- den. Diese ergibt sich in der europäischen Nutzfahrzeugbranche nicht immer aus den verkauften Produkten im europäischen Raum, da ein sogenanntes Testmarktverfahren üblich ist. Um den Aufwand der Befundung gering zu halten, sind Testmärkte defi- niert, aus denen reklamierte Produkte befundet werden. Je nach Fahrzeughersteller sind diese meist einzelne Länder wie Deutschland, Italien oder Frankreich, nur wenige Fahrzeughersteller betrachten als Testmarkt alle europäischen Länder. Die Basis für die Ermittlung der Grundgesamtheit in Deutschland stellen die Bestandszahlen der Nutzfahrzeuge dar, die in Abhängigkeit verschiedener Fahrzeugklassen und Produkti- onsjahr jährlich vom Kraftfahrtbundesamt veröffentlicht werden. Für Testmärkte au- ßerhalb Deutschlands sind diese Bestandszahlen ebenfalls verfügbar. Die Bestandszah- len stellen die tatsächliche Anzahl der zugelassenen Fahrzeuge dar und nicht die An- zahl der Neuzulassungen der einzelnen Produktionsjahre. Daraus ergibt sich eine rea- listische Grundgesamtheit, da beispielsweise in Deutschland gekaufte und kurzzeitig zugelassene Nutzfahrzeuge, die anschließend in ein anderes Land exportiert und dort zugelassen werden, nicht in den Bestandszahlen enthalten sind. Diese Praxis wird bei langen Lieferzeiten von neuen Nutzfahrzeugen von Speditionen ausgeübt, um eine zu lange Lieferzeit zu umgehen. Bei Produkten des Herstellers von Bremssystemen für Nutzfahrzeuge ist die Grundgesamtheit eines Reklamationsjahres nRkl von den Be- standszahlen und einigen weiteren Faktoren abhängig:    ·   · , ·   ü ,   mit:  : durchschnittliche Achsenzahl  : Anzahl der Produkte je Achse !: Anzahl der Fahrzeugklassen in den Bestandszahlen  ,: Bestandszahl der i-ten Fahrzeugklasse   ü ,: Ausrüstungsquote der i-ten Fahrzeugklasse (6.1) 6.2 Realisierung des modularen Datenansatzes 105 Zu beachten ist, dass die Ausrüstungsquote aus dem Anteil der Fahrzeuge, die mit dem betrachteten Produkt ausgerüstet sind, und dem Marktanteil, den der Bremssystemher- steller in dieser Fahrzeugklasse ausrüstet, berechnet wird. Der Betrachtungsumfang von Zuverlässigkeitsanalysen auf Basis von Gewährleis- tungs- und Kulanzdaten umfasst häufig mehr als ein Reklamationsjahr, beispielsweise wenn das Ausfallverhalten eines Produktionsjahres über die gesamte zweijährige Ge- währleistungsdauer analysiert wird. Die Folge ist, dass durch das beschriebene Verfah- ren zur Ermittlung der Grundgesamtheit bei Testmärkten zunächst eine Grundgesamt- heit des ersten und des zweiten Reklamationsjahres entstehen. Diese Grund- gesamtheiten der Reklamationsjahre nRkl werden mit Hilfe von Gewichtungsfaktoren der Reklamationsjahre gRkl miteinander verrechnet.   , · ,   mit: ": Anzahl der betrachteten Reklamationsjahre ,: Grundgesamtheit des Reklamationsjahres j ,: Gewichtungsfaktor des Reklamationsjahres j (6.2) Der Gewichtungsfaktor des Reklamationsjahres gRkl ist das Verhältnis der Ausfälle des Reklamationsjahres und der Gesamtzahl der betrachteten Ausfälle aller Reklamations- jahre. ,  ,∑ , mit: ": Anzahl der betrachteten Reklamationsjahre ,: Ausfälle des Reklamationsjahres j (6.3) 106 6 Beispielhafte Umsetzung Abschließend ergibt sich für die Berechnung der Grundgesamtheit eines Testmark- tes nTestmarkt folgender Zusammenhang:   $ ·   · , ·   ü ,   · ,∑ , %   (6.4) 6.2.2 Werkstattdatenerfassung von Zuspanneinheiten Der Bremssystemhersteller hat für einige Baugruppen ein Rücknahmeverfahren von ausgefallenen Produkten aus dem Markt etabliert. Beispielsweise werden am Fahrzeug ausgetauschte Zuspanneinheiten, die die Bremskraft auf die Bremsscheibe überträgt [12], nach der Gewährleistungs- und Kulanzdauer von den Werkstätten zurückge- nommen. Die Motivation ist die kontrollierte Rückführung und definierte Zerstörung der ausgebauten Zuspanneinheiten zur Vermeidung der Aufbereitung durch Fremdfir- men. Die Gefahr einer mangelhaften Ausführung und folglich von sicherheitskriti- schen Zuständen der Radbremse wird minimiert. Eine sehr hohe Rücklieferungsquote ist durch ein Pfandsystem gewährleistet. Neue Zuspanneinheiten des Ersatzmarktes werden gegen ein Pfand an Großhändler ausgelie- fert, die wiederum die Werkstätten beliefern. Bei der Rücklieferung der ausgebauten Zuspanneinheiten der Werkstätten an die Großhändler wird das Pfand verrechnet und bildet somit eine wichtige Basis für das Rücklieferungssystem, das in einigen europäi- schen Ländern etabliert ist. Die definierte Zerstörung wird von einem Dienstleistungs- unternehmen durchgeführt. Während der Zerstörung der Zuspanneinheiten können Zuverlässigkeitsdaten erfasst werden, was der in Kapitel 4.3.5 beschriebenen Werkstattdatenerfassung entspricht. Die Zuverlässigkeitsdatenquelle setzt sich aus drei Datenbereichen zusammen: - Produkt- und Fehlermerkmale aus der Begutachtung während der Zerstörung - wichtige Fertigungsparameter - Fahrzeugdaten Die Datenerfassung während der Zerstörung der Zuspanneinheiten ist computerge- stützt, was eine effiziente und fehlerarme Datenerfassung ermöglicht. Sie beginnt mit der Erfassung der Seriennummer, aus der die Ausführungsart der Zuspanneinheit er- mittelte wird und die weitere ausführungsartabhängige Datenabfrage ermöglicht. Soll- 6.2 Realisierung des modularen Datenansatzes 107 te das Typenschild mit der Seriennummer fehlen, müssen Produktmerkmale gemessen und erfasst werden, die dann wiederum zur Ermittlung der Ausführungsart dienen. Zu- nächst wird die Vollständigkeit der angelieferten Zuspanneinheit abgefragt. Die weite- re Datenerfassung orientiert sich am Ablauf der Produktzerstörung. Auf Bauteilebene zu erfassende Merkmale sind beispielsweise: - Ausprägung der Korrosion im Inneren der Zuspanneinheit - Risse oder Brüche an bestimmten Bauteilen - Verfärbungen aufgrund Hitzeeinflüsse - Deformationen von Bauteilen - Verschleißmerkmale - Lösemomente von Schrauben - Einfache Funktionsprüfungen Die Datenerfassung wird durch Positionsangaben in Explosionszeichnungen und durch Anzeige von Grenzmustern unterstützt. Bild 6.7: Computergestützte Werkstattdatenerfassung von Zuspanneinheiten Insbesondere qualitative Merkmale werden in unterschiedlichen Ausprägungsstufen erfasst, wie beispielsweise der Korrosionszustand. Für eine einheitliche Einstufung des Korrosionszustandes sind Grenzmuster von korrodierten Bauteilen hinterlegt, die eine 108 6 Beispielhafte Umsetzung objektive Einstufung durch den Begutachter ermöglichen. Die Datenerfassung unter Werkstattbedingungen ist durch die Verwendung eines schmutzgeschützten Touchscreenbildschirms und großen Anzeigen für eine einfache Dateneingabe mit Ar- beitsschutzhandschuhen realisiert. Bereits während der computergestützten Datenerfassung werden die Eingaben über- prüft, z.B. ob die eingegebene Seriennummer der Zuspanneinheit korrekt ist. Dafür sind der computergestützten Datenerfassung vergebene Seriennummern hinterlegt, die mit der Eingabe abgeglichen werden und gegebenenfalls zu einer Fehlermeldung füh- ren. Die erfassten Produkt- und Fehlermerkmale müssen durch zusätzliche Daten des Fahr- zeugs ergänzt werden. Bild 6.8: Rücklieferschein zur Erfassung von Fahrzeugdaten von Zuspannein- heiten Das wichtigste Datenelement stellt die Laufleistung des Fahrzeugs dar, die nur in der Werkstatt, die das Tauschen der Zuspanneinheit durchführt, erfasst werden kann. Die Laufleistung des Fahrzeugs entspricht der Laufleistung der getauschten Zuspannein- heit. Eine Ausnahme stellen bereits getauschte Zuspanneinheiten dar, die damit eine geringere Laufleistung als das Fahrzeug aufweisen. Diese Zuspanneinheiten können durch einen Abgleich mit den bereits erfassten ausgetauschten Zuspanneinheiten der Werkstattdatenerfassung und der Gewährleistungs- und Kulanzdatenerfassung ermit- telt werden und erlauben eine korrekte Ermittlung der Laufleistung der mehrfach ge- tauschten Zuspanneinheit eines Fahrzeugs. Die notwendigen Fahrzeugdaten im Rah- men der Werkstattdatenerfassung werden durch einen Rücklaufschein erfasst, der jeder 6.2 Realisierung des modularen Datenansatzes 109 neuen Zuspanneinheit des Ersatzmarktgeschäftes beigelegt wird. Dieser wird von der Werkstatt während des Wechselns der Zuspanneinheit ausgefüllt und zusammen mit der ausgebauten Zuspanneinheit über den Großhändler dem Dienstleistungsunterneh- men der Zerstörung zugeführt. Somit können die Fahrzeugdaten ebenfalls erfasst und den Produkt- und Fehlermerkmalen zugeordnet werden [44]. Aus dem Tauschdatum und dem aus der Seriennummer abgeleiteten Produktionsdatum kann die Betriebsdauer des Fahrzeugs ermittelt werden. Gemeinsam mit der Laufleis- tung, dem im Rücklaufschein erfassten Fahrzeugtyp und der Ausführungsart der Zu- spanneinheit kann auf die Verwendung des Fahrzeugs geschlossen werden, z.B. ob es in Kurz-, Mittel- oder Langstreckeneinsatz verwendet wurde. Dies stellt eine wichtige Information für nachfolgende Zuverlässigkeitsanalysen und die Korrelation von Feh- lerhäufigkeiten mit der Fahrzeugverwendung dar. Die dazu notwendige Bestimmung der Grundgesamtheit erfolgt analog dem in Kapitel 6.2.1 beschriebenen Verfahren. Eine weitere Datenquelle der Werkstattdatenerfassung von Zuspanneinheiten stellt die Erfassung wichtiger Fertigungsparameter während der Fertigung der Zuspanneinheiten dar. Somit können beispielsweise Anzugsmomente von Schrauben den Lösemomenten nach einem langen Einsatz der Zuspanneinheit gegenübergestellt werden. Dies erlaubt eine Überprüfung von Konstruktionsannahmen während der Produktentwicklung zum Langzeitverhalten des Setzverhaltens von Schrauben und der dadurch beeinflussten Schraubenanzugsmomente. 6.2.3 Direkte Datenerfassung im Nutzfahrzeug Die direkte Datenerfassung im Nutzfahrzeug ist eine Zuverlässigkeitsdatenquelle zur Erfassung einer Vielzahl quantitativer Zuverlässigkeitsdaten über die gesamte Pro- duktnutzungsdauer. Die Grundlage des im Rahmen einer Konzeptstudie bei dem Her- steller von Bremssystemen für Nutzfahrzeuge entwickelten Vorgehens beruht auf dem Austausch von Informationen zwischen verschiedenen Steuergeräten über das Fahr- zeugbussystem [35], [95]. Eine verbreitete Realisierung des Bussystems in Nutzfahr- zeugen ist das Controller Area Network (CAN), dessen standardisiertes Protokoll für Nutzfahrzeuge in [79] definiert ist. Es verbindet verschiedene Netzknoten miteinander, wie beispielsweise Steuergeräte, Aktuatoren, Messstellen oder Router zur Verbindung von Netzwerken. Ein möglicher Aufbau eines Fahrzeugbuses mit vernetzten Busteil- nehmern ist in Bild 6.9 dargestellt [26]. 110 6 Beispielhafte Umsetzung Bild 6.9: Prinzipdarstellung einer CAN-Bus-Topologie Die Knoten des CAN-Buses können miteinander kommunizieren, wobei jede gesende- te Nachricht, die über die CAN-Leitung übertragen wird, von jedem anderen Knoten empfangen wird, allerdings nur vom adressierten Empfänger verarbeitet und bestätigt wird. Zusätzlich sind den CAN-Botschaften für eine sichere Funktion unterschiedliche Prioritäten zugeordnet. Neben der Technologie des CAN-Buses existieren weitere Technologien zur Realisierung eines Fahrzeugbuses, z.B. Local Interconnect Network (LIN) oder Media Oriented System Transport (MOST) [28], auf die das Verfahren der direkten Datenerfassung im Nutzfahrzeug problemlos übertragbar ist. Aufgrund einer Vielzahl von Steuergeräten in modernen Fahrzeugen werden sehr viele CAN-Botschaften über den CAN-Bus ausgetauscht. Die Folge ist ein intensiver Da- tenaustausch zwischen den Steuergeräten, der nicht komplett durch eine direkte Da- tenerfassung als Zuverlässigkeitsdatenquelle dienen kann. Das Datenvolumen einer typischen Versuchsfahrt des Hersteller von Bremssystemen für Nutzfahrzeuge beträgt ca. 100 MB pro Stunde. Dieses Datenvolumen muss also für eine Datenerfassung bei sehr vielen Nutzfahrzeugen mit einer langen Aufzeichnungsdauer drastisch reduziert werden. Zu Beginn der Konzeptstudie der direkten Datenerfassung im Nutzfahrzeug, das für mehrere Tausend Zugfahrzeuge jährlich konzipiert ist, muss die Anzahl der aufzuzeichnenden CAN-Botschaften auf ein Minimum reduziert werden. Dazu werden alle verfügbaren CAN-Botschaften des Steuergeräts des Elektronischen Bremssystems (EBS) auf deren Bedeutung für zukünftige Zuverlässigkeitsanalysen analysiert und die Auswahl auf die wichtigsten zuverlässigkeitsbestimmenden Informationen einge- schränkt [49]. CAN Knoten 1 CAN Knoten 2 CAN Knoten 3 CAN Knoten 4 CAN Knoten 5 CAN-Leitung Abschluss- widerstand 6.2 Realisierung des modularen Datenansatzes 111 Die direkte Datenerfassung im Nutzfahrzeug kann durch drei Realisierungsarten um- gesetzt werden: - Erweiterung eines bestehenden Steuergeräts - Integration eines Datenloggers zur passiven Datenerfassung - Integration eines zusätzlichen Steuergeräts zur aktiven Datenerfassung Ein bestehendes Steuergerät kann durch eine zusätzliche Funktionalität CAN- Botschaften aufzeichnen und speichern. Eine umfangreichere Datenaufzeichnung ist durch die Integration eines Datenloggers möglich, der die CAN-Botschaften von ande- ren Steuergeräten aufzeichnet. Die umfangreichste Datenerfassung kann durch ein zu- sätzliches Steuergerät realisiert werden, das neben den gesendeten CAN-Botschaften aktiv in die CAN-Kommunikation eingreift und Daten von anderen Steuergeräten an- fordert. Weitere Eigenschaften der drei Realisierungsmöglichkeiten sind in Bild 6.10 dargestellt [49]. Bild 6.10: Eigenschaft der CAN-Bus-Integrationsmöglichkeiten der direkten Datenerfassung im Nutzfahrzeug Eine weitere Reduktion des Datenvolumens ermöglicht die Klassierung der Daten be- reits im Fahrzeug, zusätzlich können Datenkomprimierungsverfahren im Steuergerät eingesetzt werden, was allerdings erhöhte Rechenleistung zur Folge hat. Neben der Auswahl des Klassierverfahrens [23], [32], [91] müssen die Klassenanzahl und – breiten der einzelnen Datenelemente definiert werden. Eine zusätzliche Festlegung für die Klassierung besteht in der Klassierungsdauer. Datenelemente liefern über ver- schiedene Zeitdauern unterschiedliche Ergebnisse. So unterscheiden sich beispielswei- se die Häufigkeiten von Intensitäten von Bremsungen während eines Tages zu den Intensitäten eines ganzen Monats, wie dies in Bild 6.11 aufgezeigt ist. Erweiterung eines bestehenden Steuergeräts Integration eines Datenloggers Integration eines zusätzlichen Steuergerät G er in ge r A u fw an d de r Ei n bi n du n g A n za hl de r D at en ele m en te A u flö su n g de r D at en ele m en te 112 6 Beispielhafte Umsetzung Bild 6.11: Einfluss der Zeitskala der Klassierung auf das Klassierungsergebnis am Beispiel der Bremspedalposition Zum anderen können durch die Klassierung über einen kurzen Zeitraum die Betriebs- und Umgebungsbedingungen kurz vor und während eines Ausfalls ausreichend genau erfasst werden und beispielsweise reguläre Ausfälle von Ausfällen aufgrund falscher Produktnutzung unterschieden werden. Aus diesem Grund werden Datenelemente über die verschiedenen Zeiträume einer Einzelfahrt, eines Tages und eines Monats klassiert. Die Monatsdaten erlauben wiederum eine schnelle Analyse der Lastkollektive, die durch die Fahrzeugnutzung entstanden sind. Einzelne Datenelemente werden außer- dem nur nach dem Auftreten von bestimmten Ereignissen aufgezeichnet, z.B. im ABS- oder ASR-Regelfall oder beim Auftreten eines Fehlerspeichereintrags, dem eine ver- lässliche Fehlererkennung einer Komponente oder eine Fehlerlokalisation auf wenige Komponenten zugrunde liegt [54]. Das Anlegen und Speichern der klassierten Daten mit unterschiedlichen Zeitskalen auf dem Steuergerät ermöglicht das Datenmanage- ment, das im Kontext der gesamten Softwarestruktur der direkten Datenerfassung in Bild 6.12 dargestellt ist [48]. 0 200 400 600 800 1000 1200 1400 1600 1800 Re la tiv e D iff er en z [% ] 6.2 Realisierung des modularen Datenansatzes 113 Bild 6.12: Softwarestruktur zur Verarbeitung der Daten im Steuergerät des Nutzfahrzeugs Den letzten Schritt der Verarbeitung der Daten im Steuergerät bildet das Datentrans- fermanagement, das den Datentransfer der vollständigen Dateien mit klassierten Daten aus dem Nutzfahrzeug kontrolliert. Dazu wird eine Transferpriorität der Daten ermit- telt, die mit der Größe der Zeitskala und dem steigenden Alter der Dateien zunimmt. Dadurch sind die klassierten Daten ohne zeitliche Lücken sehr schnell im Unterneh- men verfügbar. Überwachung des CAN-Buses Identifikation geeigneter CAN-Botschaften Entscheidung über Aufzeichnung (geeigneter Zeitpunkt oder definiertes Ereignis) Klassierung (Zähler, Zeit, Laufleistung, …) Datenmanagement Datentransfermanagement 114 6 Beispielhafte Umsetzung Bild 6.13: Prioritätsfestlegung des Datentransfermanagements im Steuergerät des Nutzfahrzeugs Diese Prioritätsfestlegung ist insbesondere für Datenübertragungstechniken von großer Bedeutung, die keine kontinuierliche Datenübertragung ermöglichen, wie beispiels- weise Funknetze mit beschränkter Netzabdeckung und Datenübertragungsrate. Dies ist der Fall, wenn die Daten vom Nutzfahrzeug zum Bremssystemhersteller mit Tele- kommunikationsnetzen wie Global System for Mobile Communications (GSM), Gene- ral Pocket Radio Service (GPRS) oder Universal Mobile Telecommunications System (UMTS) erfolgt. Weitere drahtlose Übertragungsmöglichkeiten sind Bluetooth und Wireless Local Area Network (WLAN), die aufgrund der begrenzten Reichweite al- lerdings auf Gegenstationen angewiesen sind, die die Daten anschließend über Tele- kommunikationsnetze an das Unternehmen weiterleiten. Die Art der Datenübertragung dominiert die variablen Kosten für die Nutzung dieser Zuverlässigkeitsdatenquelle. ABS aktiv # 1 2 1 # 2 0 1 Daten einer Fahrt Ze its ka la Alter Priorität des Datentransfers Pr io rit ät de s D at en tr an sf er s ABS aktiv # 1 2 1 # 2 0 1 Daten eines Tages ABS aktiv # 1 2 1 # 2 0 1 Daten eines Monats Fahrzeugtyp: Truck Fahrgestellnrummer: WDB9340… Einmalige Daten 719270_t1_20071017 110 719270_d_20071025 111 719270_m_20071031 110 Log Datei 6.2 Realisierung des modularen Datenansatzes 115 Eine vollständige Kostenbetrachtung schließt zusätzliche Fixkosten der Datenerfas- sung ein, die für beide Datenübertragungsarten näherungsweise identisch sind: - Entwicklungskosten für die Erweiterung und Absicherung des Steuergeräts - Zusätzliche Hardwarekosten für Speicher- und Datenübertragungsmodule Die indirekte Datenübertragung mittels Gegenstationen verursacht für den Aufbau der Infrastruktur zusätzliche Investitionskosten. Um die meisten Nutzfahrzeuge mit einer direkten Datenerfassung zu erfassen, sind 1000 Gegenstationen ausreichend. Diese müssen an hochfrequentierten Stellen installiert werden, wie beispielsweise Raststät- ten, Tankstellen, großen Be- und Entladestationen sowie den Standorten von großen Speditionen. Für die im Rahmen der Konzeptstudie betrachtete Fahrzeugflotte von einigen Tausend Fahrzeugen pro Jahr stellt die indirekte Datenerübertragung die wirt- schaftlichere Lösung dar. Bild 6.14: Kostenschätzung der direkten Datenerfassung in Abhängigkeit von der Datenübertragungsart Sobald die Daten vollständig an das Unternehmen übertragen sind, kann mit der Da- tenauswertung begonnen werden. Beispielsweise können aus den klassierten Ge- schwindigkeitsverläufen die Art der Fahrzeugverwendung ermittelt werden. Dazu sind typische, idealisierte Geschwindigkeitskollektive für die Fahrzeugnutzungsarten Fern- verkehr, Verteilerverkehr und Baustellenverkehr festgelegt. 0 10 00 00 00 jäh rli ch e K o st en Anzahl der Fahrzeuge Direkte Datenübertragung mit GSM/GPRS Indirekte Datenübertragung mit Gegenstationen 116 6 Beispielhafte Umsetzung Bild 6.15: Idealisierte Geschwindigkeitskollektive für Fern-, Verteiler- und Bau- stellenverkehr 0 5 10 15 20 25 30 35 < 0 0 0-9 9-18 18-27 27-36 36-45 45-54 54-63 63-72 72-81 81-90 > 90A n te il an G es am tb et rie bs da u er [% ] Fahrzeuggeschwindigkeit[km/h] Fernverkehr 0 5 10 15 20 25 < 0 0 0-9 9-18 18-27 27-36 36-45 45-54 54-63 63-72 72-81 81-90 > 90A n te il an G es am tb et rie bs da u er [% ] Fahrzeuggeschwindigkeit[km/h] Verteilerverkehr 0 5 10 15 20 25 30 < 0 0 0-9 9-18 18-27 27-36 36-45 45-54 54-63 63-72 72-81 81-90 > 90A n te il an G es am tb et rie bs da u er [% ] Fahrzeuggeschwindigkeit[km/h] Baustellenverkehr 6.2 Realisierung des modularen Datenansatzes 117 Durch einen Vergleich dieser idealisierten Verläufe mit dem erfassten Geschwindig- keitsverlauf kann die Verwendungsart des Fahrzeugs bestimmt werden. In Bild 6.16 ist ein reales Geschwindigkeitskollektiv dargestellt, das einem Verteilerfahrzeug ent- spricht Bild 6.16: Reales Geschwindigkeitskollektiv eines Fahrzeugs im Verteilerver- kehr Die Information der Fahrzeugverwendung stellt eine wichtige Basis für die Interpreta- tion des Ausfallverhaltens dar, da die Betriebs- und Umgebungsbedingungen sehr un- terschiedlich sind. Beispielsweise werden die Radbremsen im Fernverkehr meist nur durch Anpassungsbremsungen beansprucht, während die Bremsen eines Baustellen- fahrzeugs von starkem Schmutzeintrag und damit abrasiven Partikeln anderen Belas- tungen ausgesetzt sind. Häufiges Abbremsen bei geringer Geschwindigkeit, wie dies häufig im städtischen Verteilerverkehr auftritt, kann thermische Belastungen aufgrund geringer Fahrzeuggeschwindigkeit und damit geringer Kühlung der Radbremse zur Folge haben. Neben diesen technischen und wirtschaftlichen Betrachtungen müssen zusätzlich ge- setzliche Anforderungen berücksichtigt werden [62]. So ist das Bundesdatenschutzge- setz zu beachten, das in § 3 Abs.1 personenbezogene Daten definiert. Eine juristische Prüfung ergibt, dass es sich bei den erfassten Daten nicht um personenbezogene Daten handelt, da der Fahrer des Fahrzeuges nicht identifiziert werden kann. Auch eine grobe Einteilung der Fahrer in verschiedene Fahrertypen, beispielsweise aufgrund unter- schiedlicher Intensität von Bremsungen, kann nicht durchgeführt werden, da viele wei- tere, nicht erfassbare Faktoren die klassierten Daten beeinflussen, z.B. die Fahrstrecke 0 5 10 15 20 25 30 < 0 0 0-9 9-18 18-27 27-36 36-45 45-54 54-63 63-72 72-81 81-90 > 90 A n te il an G es am tb et rie bs da u er [% ] Fahrzeuggeschwindigkeit[km/h] Reales Geschwindigkeitskollektiv 118 6 Beispielhafte Umsetzung und die Anzahl der darauf befindlichen Fahrzeuge. Zusätzlich stellt die Datenklassie- rung eine Anonymisierung dar, was wiederum Rückschlüsse auf den Fahrer und somit personenbezogene Daten unmöglich macht. Weitere Analysen des Urheberrechts zei- gen keine juristischen Konflikte der direkten Datenerfassung im Nutzfahrzeug. 7 Zusammenfassung Die ganzheitliche Betrachtung einer Datenerfassung stellt die Basis für aussagekräftige Zuverlässigkeitsanalysen dar. Im Rahmen dieser Arbeit leitet sich ein allgemeingülti- ges Bewertungsmodell für Zuverlässigkeitsdatenquellen aus einer Analyse von grund- legenden Anforderungen an die Datenerfassung ab. Das Bewertungsmodell beinhaltet sowohl Kriterien, die den Nutzen der Zuverlässigkeitsdatenquellen widerspiegeln, als auch Kriterien, die dem Aufwand der Datenquellen Rechnung tragen. Mit diesem Bewertungsmodell werden die Zuverlässigkeitsdatenquellen analysiert, die entlang des Produktlebenszyklus während der Produktentwicklung, der Fertigung und der anschließenden Nutzung des Produkts realisierbar sind. Daraus werden die Stärken und Schwächen der verschiedenen Zuverlässigkeitsdatenquellen deutlich. Eine zu- sammenfassende Kennzahl, die sogenannte Leistungsfähigkeit der Datenquellen, cha- rakterisiert den Nutzen und den Aufwand unter Berücksichtigung von Gewichtungs- faktoren. Die Betrachtung von Bewertungszahlen und Leistungsfähigkeiten sowie der Stärken und Schwächen der Datenquellen verdeutlicht, dass es keine allgemeingültige beste Zuverlässigkeitsdatenquelle für alle zuverlässigkeitstechnischen Aufgabenstel- lungen gibt. Vielmehr ist eine anwendungsspezifische Kombination von Zuverlässig- keitsdatenquellen für eine effiziente und aussagekräftige Datenbasis notwendig. Die ganzheitliche Zuverlässigkeitsdatenerfassung mit modularem Aufbau beinhaltet das Grundprinzip, dass für jede zuverlässigkeitstechnische Aufgabenstellung geeignete Zuverlässigkeitsdaten vorhanden sein müssen. Je nach Zielsetzung sind unterschiedli- che Datenmodule notwendig, die eine unterschiedliche Verknüpfung von Zuverlässig- keitsdatenquellen umfassen. Es besteht aus einem Grundmodul, das bei Bedarf durch zusätzliche Erweiterungsmodule ergänzt werden kann. Dadurch werden nicht für jede Aufgabenstellung alle verfügbaren Zuverlässigkeitsdatenquellen notwendig, was eine Maximierung der Effizienz in der Verwendung von Zuverlässigkeitsdatenquellen er- möglicht. Den Abschluss dieser Arbeit bildet die beispielhafte Umsetzung bei einem Industrie- unternehmen (Hersteller von Bremssystemen für Nutzfahrzeuge). Im Rahmen der ganzheitlichen Betrachtung werden wichtige Aspekte der Unternehmensintegration aufgezeigt. Ein zentrales Zuverlässigkeitsmanagement ist dabei ein bedeutender Faktor für eine erfolgreiche Umsetzung einer ganzheitlichen Zuverlässigkeitsdatenerfassung. Es ermöglicht eine sinnvolle Prozess- und Projektintegration sowie die Sicherstellung der darin definierten Aufgaben. 120 7 Zusammenfassung Neben verschiedenen Vorgehensweisen der Realisierung von benötigten Zuverlässig- keitsdatenquellen werden drei Beispiele der Erfassung von Zuverlässigkeitsdaten dar- gestellt. Das erste Beispiel ist die Optimierung der Aufbereitung von Gewährleistungs- und Kulanzdaten sowie die Bestimmung einer repräsentativen Grundgesamtheit für diese Daten, was die Aussagekraft dieser Zuverlässigkeitsdatenquelle deutlich erhöht. Ein weiteres Beispiel ist die Erfassung von Zuverlässigkeitsdaten von Bremsenkom- ponenten, die nach der Verwendung im Fahrzeug einem definierten Rücknahmeprozess zugeführt werden. Dabei werden sowohl in der Werkstatt als auch während der definierten Zerstörung wertvolle Zuverlässigkeitsdaten erfasst. Das dritte Beispiel beschreibt das Konzept einer umfassenden Datenerfassung im Nutzfahrzeug über die gesamte Produktnutzungsdauer. Dem hohen Aufwand der Datenerfassung, insbesondere der Übertragungskosten der Daten vom Nutzfahrzeug zum Unternehmen, stehen hier enorme Möglichkeiten der anschließenden Verwendung der Zuverlässig- keitsdaten gegenüber. Die ganzheitliche Datenerfassung als Basis von verbesserten Zuverlässigkeitsanalysen ermöglicht die Bereitstellung geeigneter Zuverlässigkeitsdaten in Abhängigkeit der Aufgabenstellung. Durch die Kombination ausgewählter Datenquellen im Rahmen des modularen Datenansatzes wird die Effizienz unter Wahrung einer ausreichenden Aus- sagekraft maximiert. 8 Literatur [1] ADAC e.V. (Hrsg.): ADAC Pannenstatistik 2009. München, 2009. [2] Barone, S.; D’Ambrosio, P.; Erto, P.: A statistical monitoring approach for au- tomotive on-board diagnostic systems. Quality and Reliability Engineering In- ternational, Vol. 22, Wiley, 2006. [3] Baxter, L. A.; Tortorella, M.: Dealing with real Field Data : Cicumventing In- completeness by Modeling & Iteration. Proceedings RAMS, 1994. [4] Bayer, M.: Truck Monitor 2008. Studie der Unternehmensberatung MBtech Consulting GmbH, 2008. [5] Bertsche, B.: Reliability in Automotive and Mechanical Engineering - Determi- nation of Component and System Reliability. 1. Auflage, Berlin, Springer, 2008. [6] Bertsche, B.; Lechner, G.: Zuverlässigkeit im Maschinenbau; 3. Auflage, Ber- lin, Springer, 2004. [7] Bertsche, B.; Göhner, P.; Jensen, U.; Schinköthe, W.; Wunderlich, H.-J.: Zuver- lässigkeit mechatronische Systeme – Grundlagen und Bewertung in frühen Entwicklungsphasen. Berlin, Springer, 2009. [8] Birolini, A.: Qualität und Zuverlässigkeit technischer Systeme. Berlin, Springer, 1999. [9] Blanks, H. S.: The Challenge of Quantitative Reliability. Quality and Reliability Engineering International, Vol. 14, Wiley, 1998. [10] Blischke, W. R.; Murthy, D. N. P.: Reliability. New York, Wiley, 2000. [11] Bowles, J. B.: A Survey of Reliability-Prediction Procedures for Microelectron- ic Devices. IEEE Transactions on Reliability, No. 1, Vol. 41, 1992. [12] Breuer, B.; Bill, K. H.: Bremsenhandbuch. 2. Auflage, Wiesbaden, Vieweg, 2004. [13] Buddhakulsomsiri, J.; Siradeghyan, Y.; Zakarian, A.; Li, X.: Association rule- generation algorithm for mining automotive warranty data. International Journal of Production Research, Vol. 44, No. 14, 2006. 122 8 Literatur [14] Cai, K.-Y.: System failure engineering and fuzzy methodology – An introducto- ry overview. Fuzzy sets and systems, Vol. 83, 1996. [15] Campean, I. F.; Kühn, F. P.; Khan, M. K.: Reliability Analysis of Automotive Field Failure Warranty Data. Proc. ESREL, Turin, 2001. [16] Cizelj, R.J.; Mavko, B.; Kljenak, I.: Component reliability assessment using quantitative and qualitative data. Reliability Engineering and System Safety, Vol. 71, 2001. [17] Coit, D. W.; Evans, J. L.; Vogt, N. T.; Thompson, J. R.: A Method for Correlat- ing Field Life Degradation with Reliability Prediction for Electronic Modules. Quality and Reliability Engineering International, Vol. 21, 2005. [18] Delonga, M.: Zuverlässigkeitsmanagementsystem auf Basis von Felddaten; Dissertation, Universität Stuttgart, 2007. [19] den Ouden, E.; Yuan, L.; Sonnemans, P. J. M.; Brombacher, A. C.: Quality and Reliability Problems from a Consumer’s Perspective: an Increasing Problem Overlooked by Businesses?. Quality and Reliability Engineering International, Vol. 22, Wiley, 2006. [20] Department of Defense: Electronic Reliability Design Handbook. MIL- HDBK- 338B, Oktober 1998. [21] Department of Defense: Environmental Stress Screening (ESS) of Electronic Equipment. MIL- HDBK-344A, August 1993. [22] Diepolder, C.: Zuverlässigkeitsanalyse von Gewährleistungs- und Kulanzdaten - Charakterisierung der Verfahren und Festlegung von Standardverfahren; Dip- lomarbeit, Hochschule Neu-Ulm / Knorr-Bremse Systeme für Nutzfahrzeuge GmbH, München, unveröffentlicht, 2008. [23] DIN 45667: Klassierverfahren für das Erfassen regelloser Schwingungen. Ber- lin, Beuth, 1969. [24] DIN EN 60300 Teil 1: Zuverlässigkeitsmanagement. Deutsche Fassung EN 60300-1:2003, Beuth, Berlin, 2004. [25] Edler, A.: Nutzung von Felddaten in der qualitätsgetriebenen Produktentwick- lung und im Service. Dissertation, Technische Universität Berlin, 2001. [26] Engels, H.: CAN-Bus. Poing, Franzis, 2000. [27] Fahrmeier, L.; Künstler, R.; Pigeot, I.; Tutz, G.: Statistik. 5. Auflage, Berlin, Springer, 2007. 8 Literatur 123 [28] Felbinger, L.; Schaal, H.: Trucks unter Kontrolle. Elektronik Automotive 05/2005, 2005. [29] Fritz, A.; Krolo, A.; Bertsche, B.: Analysis of Warranty Data for the Prediction of the Early-Failure Behavior of Automotive Systems; Proc. ESREL, Edin- burgh, 2000. [30] Griesing, A.; Oeffinger, B.; Kokes, M.: Schadensfrüherkennung ausfallkriti- scher Komponenten an Nutzfahrzeugen auf Basis von statistisch abgesicherten Lastkollektiven. Tagung Nutzfahrzeuge, VDI-Berichte Nr. 1986, Düsseldorf, 2007. [31] Härtler, G.: Statistik für Ausfalldaten. Hagen, LiLoLe, 2008. [32] Haibach, E.: Betriebsfestigkeit - Verfahren und Daten zur Bauteilberechnung. 3. Auflage, Berlin, Springer, 2006. [33] Hanselka, H.; Sonsino, C. M.: Betriebsfestigkeit und Zuverlässigkeit von kom- plexen und intelligenten Strukturen; Materialwissenschaft und Werkstofftechnik 2003, 34, No. 9, Weinheim, Wiley, 2003. [34] Hobbs, G.: Accelerated Reliability Engineering: HALT and HASS. Wiley, 2000. [35] Hoepke, E.; Breuer, S.; Brähler, H.; Appel, W.; Dahlhaus, U.; Esch, T.; Gräfenstein, J.: Nutzfahrzeugtechnik. 4. Auflage, Wiesbaden, Vieweg, 2006. [36] Holzbaur, U.: Entwicklungsmanagement – Mit hervorragenden Produkten zum Markterfolg. Berlin, Springer, 2007. [37] Hryniewicz, O.: Lifetime tests for imprecise data and fuzzy reliability require- ments. Reliability and Safety Analyses under Fuzziness, Heidelberg; Physica, 1995. [38] James, I. J.; Marshall, J.; Walls, L.: Improving Design For Reliability With In- Service Data Analysis. Proc. RAMS, Seattle, 2002. [39] Jauw, J.; Vassiliou, P.: Field Data is Reliability Information: Implementing an Automated Data Acquisition and Analysis System. Proc. RAMS, 2000. [40] Jensen, F.: Electronic Component Reliability. Chichester, Wiley, 1995. [41] Jones, J.; Hayes, J.: A Comparison of Electronic-Reliability Prediction Models. IEEE Transactions on Reliability, No. 2, Vol. 48, 1999. 124 8 Literatur [42] Karim, M. R.; Suzuki, K.: Analysis of warranty claim data: a literature review. International Journal of Quality & Reliability Management, Vol. 22, No. 7, 2005. [43] Kececioglu, D.; Sun, F.-B.: Environmental Stress Screening - Its Quantification, Optimization and Management. New Jersey, Prentice Hall PTR, 1995. [44] Kirchner, S.: Optimierung einer Datenerfassung – Datenbereitstellung zur Zu- verlässigkeitsbewertung außerhalb der Gewährleistung von Bremsenkomponen- ten im Nutzfahrzeug bei Knorr-Bremse Systeme für Nutzfahrzeuge GmbH; Diplomarbeit, Reinhold-Würth-Hochschule der Hochschule Heilbronn in Kün- zelsau / Knorr-Bremse Systeme für Nutzfahrzeuge GmbH, München, unveröf- fentlicht, 2008. [45] Klindt, T.;Stempfle, C. T.: Produkthaftung – Risiken im nationalen und interna- tionalen Warenvertrieb. Leistung und Lohn, Zeitschrift für Arbeitswirtschaft, 2006. [46] Knoblach, J.: Zuverlässigkeit zahlt sich aus. Berliner Zeitung, 14.05.1999. [47] Leopold, T.: Zuverlässigkeitsnachweis der Zuspanneinheiten SN7-30 und SN7-25 unter Berücksichtigung einer ausfallfreien Zeit. interne Studie der Knorr-Bremse SfN GmbH, München, unveröffentlicht, 2008. [48] Leopold, T.; Bertsche, B.: Collection and Analysis of Reliability Data over the whole Product lifetime of vehicles. Proc. ESREL, Valencia, 2008. [49] Leopold, T.; Pickard, K.; Bertsche, B.: Development of a Data Collection of Vehicle Bus Signals for Reliability Analyses. Proc. ESREL, Stavanger, 2007. [50] Leopold, T.; Pickard, K.; Bertsche, B.: Qualitative Bewertung von Umgebungs- bedingungen und Komponentenwechselwirkungen auf die Zuverlässigkeit. VDI-Berichte 1984, 23. Tagung Technische Zuverlässigkeit, Düsseldorf, 2007. [51] Lemes, D. V.; Felix, E. P.; de Souza, G. F.M.: Reliability Analysis of Electronic Equipment based on Warranty Failure Database. ABCM Symposium Series in Mechatronics, Vol. 3, 2008. [52] Lu, M.-W.: Automotive Reliability Prediction based on Early Field Failure Warranty Data. Quality and Reliability Engineering International, Vol. 14, Wi- ley, 1998. [53] Lyu, M. R.; Rangarajan, S.; van Moorsel, A. P. A.: Optimization of Reliability Allocation and Testing Schedule for Software Systems. Proc. Reliability Engi- neering (ISSRE), Los Almitos, 1997. 8 Literatur 125 [54] Mahmoud, R.: Sicherheits- und Verfügbarkeitsanalyse komplexer Kfz-Systeme. Dissertation, Universität-Gesamthochschule Siegen, 2000. [55] Maisch, M.: Zuverlässigkeitsorientiertes Erprobungskonzept für Nutzfahrzeug- getriebe unter Berücksichtigung von Betriebsdaten. Dissertation, Universität Stuttgart, 2007. [56] Majeske, K. D.; Herrin, G. D.: Determining Warranty Benefits for Automobile Design Changes. Proc. RAMS, 1998. [57] Meeker, W. Q.; Escobar, L. A.: Reliability: The Other Dimension of Quality. Quality Technology & Quantitative Management, Vol. 1, No. 1, 2004. [58] Meeker, W. Q.; Escobar, L. A.: Statistical Methods for Reliability Data. New York, Wiley, 1998. [59] Mettas, A.: Reliability Allocation and Optimization for Complex Systems. Proc. RAMS, 2000. [60] Meyer, M.; Meyna, A.; Pauli, B.: Zuverlässigkeitsprognose für Kfz- Komponenten bei zeitnahen Garantiedaten. ATZ Automobiltechnische Zeit- schrift 3/2003, 2003. [61] Meyna, A.; Pauli, B.: Taschenbuch der Zuverlässigkeits- und Sicherheitstech- nik. München, Hanser, 2003. [62] Mölling, S.: Datenschutzrechtliche Untersuchung und Bewertung der klassier- ten Felddatenanalyse; Bachelorthesis, Hochschule Pforzheim / Knorr-Bremse Systeme für Nutzfahrzeuge GmbH, München, unveröffentlicht, 2008. [63] Murata, T.: An application of fuzzy set theory to reliability analysis. Reliability and Safety Analyses under Fuzziness, Heidelberg, Physica, 1995. [64] Nelson, W. B.: Accelerated Life Testing. New Jersey, Wiley, 2004. [65] Nelson, W. B.: Applied Life Data Analysis. New Jersey, Wiley, 1982. [66] N. N.: ADL Fleet Manager Survey. Studie der Unternehmensberatung Arthur D. Little, 2004. [67] N. N: Truck Customer 2008 Studie der Unternehmensberatung Oliver Wyman, München, 2008. [68] N. N.: DAT-Vedool-Report 2010. Studie der Deutsche Automobil Treuhand GmbH, 2010. 126 8 Literatur [69] O’Connor, P.: Testing for Reliability. Quality and Reliability Engineering In- ternational, Vol. 19, Wiley, 2003. [70] Oh, Y. S.; Bai, D. S.: Field data analyses with additional after-warranty failure data. Reliability Engineering and System Safety, Vol. 72, Elsevier, 2001. [71] Pahl, G.; Beitz, W.; Feldhusen, J.; Grote, K.-H.: Konstruktionslehre - Grundla- gen erfolgreicher Produktentwicklung – Methoden und Anwendung. 7. Auflage, Berlin, Springer, 2007. [72] Pai, P.-F.; Lin, K.-P.: Application of Hybrid Learning Neural Fuzzy Systems in Reliability Prediction. Quality and Reliability Engineering International, Vol. 22, 2006. [73] Pauli, B.: Eine neue Methode zur Bestimmung der kilometerabhängigen Le- bensdauerverteilung von Kfz-Komponenten. ATZ Automobiltechnische Zeit- schrift 4/1999, 1999. [74] Pauli, B.; Meyna, A.: Zuverlässigkeitsprognose für Kfz-Komponenten bei un- vollständigen Daten. ATZ Automobiltechnische Zeitschrift 12/2000, 2000. [75] Petkova, V. T.; Sander, P. C.; Brombacher, A. C.: The Role of the Service Cen- tre in Improvement Process. Quality and Reliability Engineering International, Vol. 14, Wiley, 1999. [76] Porter, A.: Accelerated Reliability Qualification on Automotive Testing. Quali- ty and Reliability Engineering International, Vol. 20, Wiley, 2004. [77] Rai, B.; Singh, N.: Hazard rate estimation from incomplete and unclean warran- ty data. Reliability Engineering and System Safety, Vol. 81, 2003. [78] Rinne, H.: Taschenbuch der Statistik. 4. Auflage, Frankfurt, Wissenschaftlicher Verlag Harri Deutsch, 2008. [79] SAE J1939/71: Vehicle Application Layer. 2006. [80] Saragwi, N.; Kurtz, S. K.: A simple method for predicting the cumulative fail- ures of consumer products during warranty period. Proc. RAMS, 1995. [81] Savić, R.: Eine Neuro-Fuzzy-Zuverlässigkeitsoptimierungsmethode bezüglich Lebenszykluskosten unter Implementierung zeitabhängiger Ausfallraten. Dis- sertation, Bergische Universität Wuppertal, 2004. [82] Savić, R.; Kušenić, D.; Jochimczyk, A.: Der Zuverlässigkeitsprozess als integ- raler Bestandteil des Produktentstehungsprozesses – Ein Beitrag zur Reifegrad- absicherung. Tagung Nutzfahrzeuge, VDI-Berichte Nr. 1986, Düsseldorf, 2007. 8 Literatur 127 [83] Scharner, A.: Das RAM-Programm – Ein Erfahrungsbericht. Signal + Draht, Tetzlaff, Hamburg, 2004. [84] Suzuki, K.; Karim, M.R.; Wang, L.: Statistical analysis of reliability warranty data. inBalakrishnan, C.R. and Rao, N. (Eds), Handbook of Statistics: Advances in Reliability, Vol. 20, Elsevier, Amsterdam, 2001. [85] Uhrig, B.; Wend, F.: Felddatenauswertung versus Zuverlässigkeitsprognose nach Military Handbook 217F. Signal + Draht, Tetzlaff, Hamburg, 2003. [86] VDI 4001, Blatt 2: Terminologie der Zuverlässigkeit; Düsseldorf, VDI, 2006. [87] VDI 2221: Methodik zum Entwickeln und Konstruieren technischer Systeme und Produkte. Düsseldorf, VDI, 1993. [88] Verband der Automobilindustrie e.V. (Hrsg.): Zuverlässigkeitssicherung bei Automobilherstellern und Lieferanten – Zuverlässigkeitsmanagement. Band 3 Teil 1, 3. Auflage, Frankfurt, VDA-QMC, 2000. [89] Verband der Automobilindustrie e.V. (Hrsg.): Zuverlässigkeitssicherung bei Automobilherstellern und Lieferanten - Zuverlässigkeits- Methoden und – Hilfsmittel. Band 3 Teil 2, 3. Auflage, Frankfurt, VDA-QMC, 2004. [90] Verband der Automobilindustrie e.V. (Hrsg.): Sicherung der Qualität in der Prozesslandschaft. Band 4, 2. Auflage, Frankfurt, VDA-QMC, 2010. [91] Westermann-Friedrich, A.; Zenner, H.: FVA Merkblatt Nr. 0/14 - Zählverfahren zur Bildung von Kollektiven aus Zeitfunktionen - Vergleiche der verschiedenen Verfahren und Beispiele. Forschungsvereinigung Antriebstechnik e.V., Frank- furt, 1988. [92] Wu, H.; Meeker, W. Q.: Early Detection of Reliability Problems Using Infor- mation From Warranty Databases. Technometrics, Vol. 44, 2002. [93] Yadav, P.; Singh, N.; Chinnam, R.B.; Goel, P.: A Fuzzy-Logic based approach to reliability improvement estimation during product development. Reliability Engineering and System Safety, Vol. 80, 2003. [94] Zhang, X.; Jeske, D. R.; Pham, H.: Calibrating software reliability models when the test environment does not match the user environment. Applied Stochastic Models in Business and Industry, Vol. 18, 2002. [95] Zimmermann, W.; Schmidgall, R.: Bussysteme in der Fahrzeugtechnik. Wies- baden, Vieweg, 2006. Liste der bisher erschienenen Berichte aus dem IMA: Nr. Verfasser Titel 1 H.K. Müller Beitrag zur Berechnung und Konstruktion von Hochdruckdichtungen an schnellaufenden Wellen 2 W. Passera Konzentrisch laufende Gewinde-Wellen-Dichtung im laminaren Bereich K. Karow Konzentrische Doppelgewindewellendichtung im laminaren Bereich 3 F.E. Breit Die Kreiszylinderschalendichtung: Eine Axialspaltdichtung mit druckabhängiger Spaltweite W. Sommer Dichtungen an Mehrphasensystemen: Berührungsfreie Wellendichtungen mit hochviskosen Sperrflüssigkeiten 4 K. Heitel Beitrag zur Berechnung und Konstruktion konzentrisch und exzentrisch betriebener Gewin- dewellendichtungen im laminaren Bereich 5 K.-H. Hirschmann Beitrag zur Berechnung der Geometrie von Evolventenverzahnungen 6 H. Däuble Durchfluß und Druckverlauf im radial durchströmten Dichtspalt bei pulsierendem Druck 7 J. Rybak Einheitliche Berechnung von Schneidrädern für Außen- und Innenverzahnungen. Beitrag zu Eingriffsstörungen beim Hohlrad-Verzahnen mittels Schneidräder 8 D. Franz Rechnergestütztes Entwerfen von Varianten auf der Grundlage gesammelter Erfahrungs- werte 9 E. Lauster Untersuchungen und Berechnungen zum Wärmehaushalt mechanischer Schaltgetriebe 10 Festschrift zum 70. Geburtstag von Prof. Dr.-Ing. K. Talke 11 G. Ott Untersuchungen zum dynamischen Leckage- und Reibverhalten von Radialwellen- dichtringen 12 E. Fuchs Untersuchung des elastohydrodynamischen Verhaltens von berührungsfreien Hochdruck- dichtungen 13 G. Sedlak Rechnerunterstütztes Aufnehmen und Auswerten spannungsoptischer Bilder 14 W. Wolf Programmsystem zur Analyse und Optimierung von Fahrzeuggetrieben 15 H. v. Eiff Einfluß der Verzahnungsgeometrie auf die Zahnfußbeanspruchung innen- und außenver- zahnter Geradstirnräder 16 N. Messner Untersuchung von Hydraulikstangendichtungen aus Polytetrafluoräthylen 17 V. Schade Entwicklung eines Verfahrens zur Einflanken-Wälzprüfung und einer rechnergestützten Auswertemethode für Stirnräder 18 A. Gührer Beitrag zur Optimierung von Antriebssträngen bei Fahrzeugen 19 R. Nill Das Schwingungsverhalten loser Bauteile in Fahrzeuggetrieben 20 M. Kammüller Zum Abdichtverhalten von Radial-Wellendichtringen 21 H. Truong Strukturorientiertes Modellieren, Optimieren und Identifizieren von Mehrkörpersystemen 22 H. Liu Rechnergestützte Bilderfassung, -verarbeitung und -auswertung in der Spannungsoptik 23 W. Haas Berührungsfreie Wellendichtungen für flüssigkeitsbespritzte Dichtstellen 24 M. Plank Das Betriebsverhalten von Wälzlagern im Drehzahlbereich bis 100.000/min bei Kleinstmengenschmierung 25 A. Wolf Untersuchungen zum Abdichtverhalten von druckbelastbaren Elastomer- und PTFE- Wellendichtungen 26 P. Waidner Vorgänge im Dichtspalt wasserabdichtender Gleitringdichtungen 27 Hirschmann u.a. Veröffentlichungen aus Anlaß des 75. Geburtstags von Prof. Dr.-Ing. Kurt Talke 28 B. Bertsche Zur Berechnung der Systemzuverlässigkeit von Maschinenbau-Produkten 29 G. Lechner; K.-H.Hirschmann; B. Bertsche Forschungsarbeiten zur Zuverlässigkeit im Maschinenbau 30 H.-J. Prokop Zum Abdicht- und Reibungsverhalten von Hydraulikstangendichtungen aus Polytetrafluor- äthylen 31 K. Kleinbach Qualitätsbeurteilung von Kegelradsätzen durch integrierte Prüfung von Tragbild, Einflankenwälzabweichung und Spielverlauf 32 E. Zürn Beitrag zur Erhöhung der Meßgenauigkeit und -geschwindigkeit eines Mehrkoordinaten- tasters 33 F. Jauch Optimierung des Antriebsstranges von Kraftfahrzeugen durch Fahrsimulation 34 J. Grabscheid Entwicklung einer Kegelrad-Laufprüfmaschine mit thermografischer Tragbilderfassung 35 A. Hölderlin Verknüpfung von rechnerunterstützter Konstruktion und Koordinatenmeßtechnik 36 J. Kurfess Abdichten von Flüssigkeiten mit Magnetflüssigkeitsdichtungen 37 G. Borenius Zur rechnerischen Schädigungsakkumulation in der Erprobung von Kraftfahrzeugteilen bei stochastischer Belastung mit variabler Mittellast 38 E. Fritz Abdichtung von Maschinenspindeln 39 E. Fritz; W. Haas; H.K. Müller Βerührungsfreie Spindelabdichtungen im Werkzeugmaschinenbau. Konstruktionskatalog Nr. Verfasser Titel 40 B. Jenisch Abdichten mit Radial-Wellendichtringen aus Elastomer und Polytetrafluorethylen 41 G. Weidner Klappern und Rasseln von Fahrzeuggetrieben 42 A. Herzog Erweiterung des Datenmodells eines 2D CAD-Systems zur Programmierung von Mehrko- ordinatenmeßgeräten 43 T. Roser Wissensbasiertes Konstruieren am Beispiel von Getrieben 44 P. Wäschle Entlastete Wellendichtringe 45 Z. Wu Vergleich und Entwicklung von Methoden zur Zuverlässigkeitsanalyse von Systemen 46 W. Richter Nichtwiederholbarer Schlag von Wälzlagereinheiten für Festplattenlaufwerke 47 R. Durst Rechnerunterstützte Nutprofilentwicklung und clusteranalytische Methoden zur Optimierung von Gewindewerkzeugen 48 G.S. Müller Das Abdichtverhalten von Gleitringdichtungen aus Siliziumkarbid 49 W.-E. Krieg Untersuchungen an Gehäuseabdichtungen von hochbelasteten Getrieben 50 J. Grill Zur Krümmungstheorie von Hüllflächen und ihrer Anwendung bei Werkzeugen und Verzahnungen 51 M. Jäckle Entlüftung von Getrieben 52 M. Köchling Beitrag zur Auslegung von geradverzahnten Stirnrädern mit beliebiger Flankenform 53 M. Hildebrandt Schadensfrüherkennung an Wälzkontakten mit Körperschall-Referenzsignalen 54 H. Kaiser Konstruieren im Verbund von Expertensystem, CAD-System, Datenbank und Wiederholteil- suchsystem 55 N. Stanger Berührungsfrei abdichten bei kleinem Bauraum 56 R. Lenk Zuverlässigkeitsanalyse von komplexen Systemen am Beispiel PKW-Automatikgetriebe 57 H. Naunheimer Beitrag zur Entwicklung von Stufenlosgetrieben mittels Fahrsimulation 58 G. Neumann Thermografische Tragbilderfassung an rotierenden Zahnrädern 59 G. Wüstenhagen Beitrag zur Optimierung des Entlasteten Wellendichtrings 60 P. Brodbeck Experimentelle und theoretische Untersuchungen zur Bauteilzuverlässigkeit und zur System- berechnung nach dem Booleschen Modell 61 Ch. Hoffmann Untersuchungen an PTFE-Wellendichtungen 62 V. Hettich Identifikation und Modellierung des Materialverhaltens dynamisch beanspruchter Flächen- dichtungen 63 K. Riedl Pulsationsoptimierte Außenzahnradpumpen mit ungleichförmig übersetzenden Radpaaren 64 D. Schwuchow Sonderverzahnungen für Zahnradpumpen mit minimaler Volumenstrompulsation 65 T. Spörl Modulares Fahrsimulationsprogramm für beliebig aufgebaute Fahrzeugtriebstränge und An- wendung auf Hybridantriebe 66 K. Zhao Entwicklung eines räumlichen Toleranzmodells zur Optimierung der Produktqualität 67 K. Heusel Qualitätssteigerung von Planetengetrieben durch Selektive Montage 68 T. Wagner Entwicklung eines Qualitätsinformationssystems für die Konstruktion 69 H. Zelßmann Optimierung des Betriebsverhaltens von Getriebeentlüftungen 70 E. Bock Schwimmende Wellendichtringe 71 S. Ring Anwendung der Verzahnungstheorie auf die Modellierung und Simulation des Werkzeug- schleifens 72 M. Klöpfer Dynamisch beanspruchte Dichtverbindungen von Getriebegehäusen 73 C.-H. Lang Losteilgeräusche von Fahrzeuggetrieben 74 W. Haas Berührungsfreies Abdichten im Maschinenbau unter besonderer Berücksichtigung der Fang- labyrinthe 75 P. Schiberna Geschwindigkeitsvorgabe für Fahrsimulationen mittels Verkehrssimulation 76 W. Elser Beitrag zur Optimierung von Wälzgetrieben 77 P. Marx Durchgängige, bauteilübergreifende Auslegung von Maschinenelementen mit unscharfen Vorgaben 78 J. Kopsch Unterstützung der Konstruktionstätigkeiten mit einem Aktiven Semantischen Netz 79 J. Rach Beitrag zur Minimierung von Klapper- und Rasselgeräuschen von Fahrzeuggetrieben 80 U. Häussler Generalisierte Berechnung räumlicher Verzahnungen und ihre Anwendung auf Wälzfräserherstellung und Wälzfräsen 81 M. Hüsges Steigerung der Tolerierungsfähigkeit unter fertigungstechnischen Gesichtspunkten 82 X. Nastos Ein räumliches Toleranzbewertungssystem für die Konstruktion 83 A. Seifried Eine neue Methode zur Berechnung von Rollenlagern über lagerinterne Kontakt- Beanspruchungen 84 Ch. Dörr Ermittlung von Getriebelastkollektiven mittels Winkelbeschleunigungen 85 A. Veil Integration der Berechnung von Systemzuverlässigkeiten in den CAD-Konstruktionsprozeß 86 U. Frenzel Rückenstrukturierte Hydraulikstangendichtungen aus Polyurethan 87 U. Braun Optimierung von Außenzahnradpumpen mit pulsationsarmer Sonderverzahnung 88 M. Lambert Abdichtung von Werkzeugmaschinen-Flachführungen 89 R. Kubalczyk Gehäusegestaltung von Fahrzeuggetrieben im Abdichtbereich Nr. Verfasser Titel 90 M. Oberle Spielbeeinflussende Toleranzparameter bei Planetengetrieben 91 S. N. Dogan Zur Minimierung der Losteilgeräusche von Fahrzeuggetrieben 92 M. Bast Beitrag zur werkstückorientierten Konstruktion von Zerspanwerkzeugen 93 M. Ebenhoch Eignung von additiv generierten Prototypen zur frühzeitigen Spannungsanalyse im Produkt- entwicklungsprozeß 94 A. Fritz Berechnung und Monte-Carlo Simulation der Zuverlässigkeit und Verfügbarkeit technischer Systeme 95 O. Schrems Die Fertigung als Versuchsfeld für die qualitätsgerechte Produktoptimierung 96 M. Jäckle Untersuchungen zur elastischen Verformung von Fahrzeuggetrieben 97 H. Haiser PTFE-Compounds im dynamischen Dichtkontakt bei druckbelastbaren Radial- Wellendichtungen 98 M. Rettenmaier Entwicklung eines Modellierungs-Hilfssystems für Rapid Prototyping gerechte Bauteile 99 M. Przybilla Methodisches Konstruieren von Leichtbauelementen für hochdynamische Werkzeug- maschinen 100 M. Olbrich Werkstoffmodelle zur Finiten-Elemente-Analyse von PTFE-Wellendichtungen 101 M. Kunz Ermittlung des Einflusses fahrzeug-, fahrer- und verkehrsspezifischer Parameter auf die Getriebelastkollektive mittels Fahrsimulation 102 H. Ruppert CAD-integrierte Zuverlässigkeitsanalyse und -optimierung 103 S. Kilian Entwicklung hochdynamisch beanspruchter Flächendichtverbindungen 104 A. Flaig Untersuchung von umweltschonenden Antriebskonzepten für Kraftfahrzeuge mittels Simulation 105 B. Luo Überprüfung und Weiterentwicklung der Zuverlässigkeitsmodelle im Maschinenbau mittels Mono-Bauteil-Systemen 106 L. Schüppenhauer Erhöhung der Verfügbarkeit von Daten für die Gestaltung und Berechnung der Zuverlässig- keit von Systemen 107 J. Ryborz Klapper - und Rasselgeräuschverhalten von Pkw- und Nkw- Getrieben 108 M. Würthner Rotierende Wellen gegen Kühlschmierstoff und Partikel berührungsfrei abdichten 109 C. Gitt Analyse und Synthese leistungsverzweigter Stufenlosgetriebe 110 A. Krolo Planung von Zuverlässigkeitstests mit weitreichender Berücksichtigung von Vorkenntnissen 111 G. Schöllhammer Entwicklung und Untersuchung inverser Wellendichtsysteme 112 K. Fronius Gehäusegestaltung im Abdichtbereich unter pulsierendem Innendruck 113 A. Weidler Ermittlung von Raffungsfaktoren für die Getriebeerprobung 114 B. Stiegler Berührungsfreie Dichtsysteme für Anwendungen im Fahrzeug- und Maschinenbau 115 T. Kunstfeld Einfluss der Wellenoberfläche auf das Dichtverhalten von Radial-Wellendichtungen 116 M. Janssen Abstreifer für Werkzeugmaschinenführungen 117 S. Buhl Wechselbeziehungen im Dichtsystem von Radial-Wellendichtring, Gegenlauffläche und Fluid 118 P. Pozsgai Realitätsnahe Modellierung und Analyse der operativen Zuverlässigkeitskennwerte technischer Systeme 119 H. Li Untersuchungen zum realen Bewegungsverhalten von Losteilen in Fahrzeuggetrieben 120 B. Otte Strukturierung und Bewertung von Eingangsdaten für Zuverlässigkeitsanalysen 121 P. Jäger Zuverlässigkeitsbewertung mechatronischer Systeme in frühen Entwicklungsphasen 122 T. Hitziger Übertragbarkeit von Vorkenntnissen bei der Zuverlässigkeitstestplanung 123 M. Delonga Zuverlässigkeitsmanagementsystem auf Basis von Felddaten 124 M. Maisch Zuverlässigkeitsorientiertes Erprobungskonzept für Nutzfahrzeuggetriebe unter Berücksich- tigung von Betriebsdaten 125 J. Orso Berührungsfreies Abdichten schnelllaufender Spindeln gegen feine Stäube 126 F. Bauer PTFE-Manschettendichtungen mit Spiralrille - Analyse, Funktionsweise und Erweiterung der Einsatzgrenzen 127 M. Stockmeier Entwicklung von Klapper- und rasselgeräuschfreien Fahrzeuggetrieben 128 M. Trost Gesamtheitliche Anlagenmodellierung und -analyse auf Basis stochastischer Netzverfahren 129 P. Lambeck Unterstützung der Kreativität von verteilten Konstrukteuren mit einem Aktiven Semantischen Netz 130 K. Pickard Erweiterte qualitative Zuverlässigkeitsanalyse mit Ausfallprognose von Systemen 131 W. Novak Geräusch- und Wirkungsgradoptimierung bei Fahrzeuggetrieben durch Festradentkopplung 132 M. Henzler Radialdichtungen unter hoher Druckbelastung in Drehübertragern von Werkzeugmaschinen 133 B. Rzepka Konzeption eines aktiven semantischen Zuverlässigkeitsinformationssystems 134 C.G. Pflüger Abdichtung schnelllaufender Hochdruck-Drehübertrager mittels Rechteckring und hocheffi- zient strukturierter Gleitfläche 135 G. Baitinger Multiskalenansatz mit Mikrostrukturanalyse zur Drallbeurteilung von Dichtungsgegenlauf- flächen Nr. Verfasser Titel 136 J. Gäng Berücksichtigung von Wechselwirkungen bei Zuverlässigkeitsanalysen 137 Ch. Maisch Berücksichtigung der Ölalterung bei der Lebensdauer- und Zuverlässigkeitsprognose von Getrieben 138 139 D. Kirschmann D. Weber Ermittlung erweiterter Zuverlässigkeitsziele in der Produktentwicklung Numerische Verschleißsimulation auf Basis tribologischer Untersuchungen am Beispiel von PTFE-Manschettendichtungen