Upload
adalberto-viviani
View
228
Download
5
Embed Size (px)
Citation preview
Affidabilità e diagnosticadi
componenti elettronici
Massimo VanziUniversità di Cagliari - DIEE
Problema ultimo:
Quale è la durata di funzionamentosenza guasti di un sistema?
Quale è la durata di funzionamentosenza guasti di un sistema?
Concetti di:
FunzionamentoCapacità di eseguireoperazioni definite,sotto l’azione di stimoliprefissati
Guasto Uscita dai parametri di tolleranzadefiniti per il funzionamento
Sistema Rete di elementi
Individuazione della grandezza fondamentale:Tempo al Guasto
Problemi di misura del Tempo al Guasto (TTF)
1) Misura inutile serve una PREVISIONE 2) Complessità del sistema3) Lunga vita (Affidabilità) dei sistemi in generale
1) Misura inutile serve una PREVISIONE 2) Complessità del sistema3) Lunga vita (Affidabilità) dei sistemi in generale
Statistica basata su campioni
Riduzione del problema e sintesi dei risultati
Accelerazione delle procedure
Affidabilità dei componenti
Raccolta di dati sperimentali
Esecuzione di prove
Modelli statistici, matematici, fisici
Sintesi combinatoria
Affidabilità dei sistemi
Metodo e programmaMetodo e programma
Tasso di guasto
tempo
Mortalità infantile
invecchiamento
Guasti “estrinseci”
Curva a vasca da bagnoCurva a vasca da bagno
Affidabilità dei componenti: una osservazione generale sul
Tasso di guasto =numero di guasti in 1 ora
numero di pezzi funzionanti
Unità di misura: 1 FIT=1 guasto in 1 ora
1.000.000.000 componenti
Esempio: 1000 componenti con = 100 FIT in 1 anno di funzionamento
danno
= 1 guasto
1000 x 100x10-9 x 24x365
Definizioni matematicheDefinizioni matematiche
Numero di guasti in 1 ora = N0 f(t)t
Numero cumulativo di guasti fino ad ora )t(FNdy)y(fNdy)y(fN)t(N 0
t
0
0
t
0
0 Numero di pezzi funzionanti N0-N(t)=N0(1-F(t))
Numero totale di pezzi
Probabilità di guasto in 1 ora
)t(Fdt
d)t(f
)t(F1)t(R
))t(F1ln(dt
d
)t(F1
)t(f
)t(R
)t(f
Funzione cumulativadi guasto
Funzione di distribuzione(probabilità istantanea
di guasto)
Funzione Affidabilità
Equazione deltasso di guasto
1 ora
Tasso di guasto costante: ))t(Rln(dt
d))t(F1ln(
dt
d
)texp()t(f
)texp(1)t(F
)texp()t(R
Distribuzione EsponenzialeDistribuzione Esponenziale
1/= MTBF (Mean Time Between Failures)Tempo “libero” medio tra due guasti
Un po’ di pratica...
t
f(t)
F(t)
0.1 0.1 0.1 0.1
0 1 2 3
0.1*exp(0) 0.1*exp(-0.1) 0.1*exp(-0.1*2) 0.1*exp(-0.1*3)
1- exp(0) 1- exp(-0.1) 1- exp(-0.1*2) 1- exp(-0.1*3)
A cosa serve conoscere la distribuzione ?A cosa serve conoscere la distribuzione ?
Per 1 singolo componente Per un lotto
1/
f(t)
F(t)
R(t)
Vita attesa Vita media
Probabilità di guastonella prossima ora Percentuale oraria di guasto
Probabilità di guastodopo t ore di funzionamento
Percentuale di guasti nelle prime t ore
Probabilità di sopravvivenzadopo t ore di funzionamento
Percentuale di pezzi funzionanti dopo le prime t ore
Qualifiche R(t)>RMIN
La Statistica può andare più in dettaglio:
Se impiego 1000 componenti con 100FIT, quale è la probabilitàche entro 2 anni NON se ne guastino più di 3?
=100x10-9= 10-7/h t= 2 anni = 2x24x365 = 17520 h
R(t)=exp(-t) = 0.9982F(t)=1-R(t) = 0.0018
N0=1000 NF=3
La Distribuzione Binomiale, alla base del calcolo delle probabilità,dà
F
0
0F
N
0n
nNn
0
0N,N )t(R)t(F
!nN!n
!NP
NF
PNF,N0
1 2 3 4
46% 73% 89% 96%
Ma come misuro il tasso di guasto?Dividendo la vita dell’ultimoper il numero di pezzistimo
Dai primi guasti di un campionamento di pezzi messi in funzionamento
Dispersione statisticadei tempi al guasto
0 20 40 60 80 1000
100
200
300
400
500
Campione n.
Te
mp
o a
l g
ua
sto
0 20 40 60 80 1000
100
200
300
400
500
Numero di guasti
Te
mp
o t
ras
co
rso
Riordinandoper tempi crescenti...
N0F(t)=N0 (1-exp(-t))
t
)t(F1
1ln
Nei grafici delle funzioni cumulative F o R al crescere di t diminuisce l’errore statistico
0 50 100 150 2000
0.5
1
1.5
2
0.010
0.0115
0.0085
t
)t(F11
ln
NF
123456
N0=100
F
0.010.020.030.040.050.06
0 50 100 150 2000
0.5
1
1.5
2
Una raccomandazione: non abbandonare i buoni vecchi grafici
Qualsiasi programmadi statisticatrova un valoreper .Anche quando la distribuzione NON èesponenziale
Il grafico mostra subitose una rettapassante per l’originepotrà mai interpolarei dati sperimentali
Sfortunatamente...
…la Distribuzione Esponenziale
1) Non descrive gli estremi del ciclo di vita
Occorrono altre distribuzioni
2) Tratta guasti “estrinseci”, sui qualinon c’è nulla da fare, se non aggiungereprotezioni esterne
Manca la descrizione delle degradazioni interne:le “malattie” dei dispositivi.
Hanno sensole prove diversedal funzionamentonormale?
Hanno sensole prove diversedal funzionamentonormale?
Distribuzione Lognormalee
Legge di Arrhenius
I fondamenti statistici delle prove accelerate
A) Distribuzione Lognormale
Origine della distribuzioneOrigine della distribuzione
Valori del tempo di vita distribuiti casualmente attorno adun valore più probabile
22
xerf1
)x(F
dxx
2
1exp
2
1dx)x(f
2
Distribuzione Normale
22
)tln(erf1
)x(F
dt)tln(
2
1exp
t2
1dt)t(f
2
Distribuzione Lognormale
Per evitare tempi negativi, si prende per x NON t maln(t)
2
)ln(
x
xh
))(ln(2
)ln(exp
2
1)(
2
xdx
dxxf
x
dttfxF0
)()(
La distribuzione lognormale
In scala lineare, la lognormale si presenta come una gaussianaasimmetrica, “contratta” entro il semiasse positivo delle ascisse (t)
Il suo comportamento asintotico per grandi valori di è quellodi una Distribuzione Normale
Per bassi valori del medesimo rapporto, invece, diventa simile a quello di una Distribuzione Esponenziale. Fin troppo simile...
Quando si applica?Quando si applica?
Quando esiste un picco della probabilità di guasto
Concetto di DurataUsura
Si manifesta l’idea di una retroazione possibilesul progetto/processo per modificare la vita utile
La misura della Affidabilità entra nel ciclodi miglioramento del prodotto
Si intuisce la ipotesi di un processo fisico che porta alla interruzionedel funzionamento (guasto)
La rilevazione del guasto come interruzione del funzionamento puòavvenire anche senza conoscere il processo fisico
Ma è solo questa conoscenza che consente la retroazione
Si intuisce la ipotesi di un processo fisico che porta alla interruzionedel funzionamento (guasto)
La rilevazione del guasto come interruzione del funzionamento puòavvenire anche senza conoscere il processo fisico
Ma è solo questa conoscenza che consente la retroazione
MODO di guastoMODO di guastoMECCANISMO di guastoMECCANISMO di guasto
governati da
Cinetica del processo fisico
Condizioni di impiego
Distribuzione statistica degli stati iniziali
Accelerazione?
1 10 100 1 103
1 104
1
0.5
0
0.5
1
Rappresentazione grafica dei dati sperimentaliRappresentazione grafica dei dati sperimentali
Calcolo della distribuzione cumulativa (errori che si riducono con t)
1N
nF
0
Fi
641 72 246 1152 203 135 142 1505 118 89
Tempi al guasto
ti 72 89 118 135 142 203 246 641 1152 1605
nF 1 2 3 4 5 6 7 8 9 10
riordinando
Esempio con N0=10
Fi 0.091 0.182 0.273 0.364 0.455 0.545 0.636 0.727 0.818 0.91
yi -0.943 -0.642 -0.427 -0.246 -0.081 0.081 0.246 0.427 0.642 0.943
0F2
)y(erf1i
i
Linearizzazione …e tracciato diy vs. ln(t)
…oppure uso della carta lognormale
2,281 1001,162 950,905 900,595 800,477 750,369 700,272 650,179 600,089 550,000 50
-0,089 45-0,179 40-0,272 35-0,369 30-0,477 25-0,595 20-0,730 15-0,730 85-0,905 10-1,162 5-2,281 0
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
9590
80
70
6050
40
30
20
105
h F h F
Costruzione della doppia scala verticale
1 10 100 1000 10000
10
20
30
40
50
60
70
80
90
F(t)%
=10.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.1 1.2 1.3 1.4
X
X
XXX
XX
XX
X
Si riportano i punti sperimentaliSi traccia una retta dall’ultimo punto a ripartire in due metà i puntiLa intercetta con F=50% dà la vita più probabile
La parallela passante per il punto di riferimento interseca la scala del
Mescolanza di differenti cause di guasto
ln(t)
0.5
0.05
0.95Irrilevante: totalità di guastidovuti alla causa con minore
ln(t)
0.5
0.05
0.95
Distribuzione bimodale:cambio di pendenza
Altre distribuzioni
Distribuzione gamma (t): descrive il non funzionamento comeoccorrenza causata dall’effetto concomitante di più guasti elementari
Meglio trattata come affidabilitàdi un sistema (modulo prof. Fantini)
Distribuzioni dei valori estremi: approssimano le code di distribuzioni(normale, lognormale) con funzioni monotòne
Caso limite della esponenzialecome limite destro della lognormale
Distribuzione di WeibullDistribuzione di Weibull
texp
t)t(f
)t(R1)t(F
t ,t
exp)t(R
1
NON ha giustificazioni statistiche solide come la normale, né ragionevoli adattamenti come la lognormale
E’ però una distribuzione a tre parametri invece che a due:un grado di libertà in più, capace di adattare la curva a vari casi
Tempo libero da guasti (spesso =0)
=1 Weibull=esponenziale
=3.5 Weibull~ normale
Valori intermedi ~ lognormale
Vantaggi: 1) “elasticità” al variare di
2) Interessantissima graficabilità
esponenziale
)ln()tln()))t(F1
1ln(ln(
lineare in ln(t) con =coeff. angolare
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0
0,5
1,0
1,5
1 10 100 1000 10000
5
10
15
20
30
405060708090
ln
)))t(F1
1ln(ln(
F(t)
t
esponenziale“normale”
Il grafico di Weibull può orientare verso la distribuzione più idonea
Distribuzione Lognormalee
Legge di Arrhenius
I fondamenti statistici delle prove accelerate
B) Legge di Arrhenius
Ipotesi (legge) di Arrhenius per le distribuzioni lognormaliIpotesi (legge) di Arrhenius per le distribuzioni lognormali
La applicazione di uno stress S maggiore di quello tipico del funzionamentonormale, S0, modifica la vita media t50%=exp() di una popolazione secondo la legge:
00 S
B
S
B)S(
S
BA)S(
Il parametro di precisione NON viene modificato
Le costanti A e B, da determinarsi sperimentalmente, sono tipichedel meccanismo di guasto alla base della distribuzione lognormale
Problema della identificazione dello stress (forma matematica in cuiS rappresenta un aumento di corrente, tensione, temperatura, umidità,sollecitazione meccanica, ecc.)
Caso della Temperatura: B=EA/k Costante di Boltzmann
Energia di attivazione
0
AA0
A
kT
E
kT
E)T(
kT
EA)T(
La Energia di Attivazione è solo un modo diverso di esprimere il parametro statistico B. NON ha significati fisici legati a fenomenidefiniti.
Tuttavia, diverse energie di attivazione indicano diversi meccanismidi guasto in atto
Quale accelerazione si può ottenere?
EA=0.5 eV T0=25°C=300°K T=100°C=375°K
8.41400
300
0259.0
5.01
T
T
kT
E 0
0
A0
125
1)exp(
)K300(t
)K400(t0
%50
%50
Ma per EA=1 eV
15000
1)exp( 0
Grandi valori di Energia di Attivazione corrispondono a grandi accelerazioni
Burn-inBurn-in
Ipotesi: mortalità infantile causata da una popolazione debolecaratterizzata da bassa vita media a Toperativa.
Screening: 100% dei pezzi esegue 1 settimana a 125°C (esempio MIL-STD-283))
ln(t)
F(t)
debole forteVita utile
ln(t)
F(t)
debole forteVita utile
Burn-in
La popolazione debole è eliminataLa popolazione forte entra in esercizio “invecchiata”. Si spera non troppo...
1 10 100 1000 10000
10
20
30
40
50
60
70
80
90
F(t)%
=10.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.1 1.2 1.3 1.4
Prove di vita accelerateProve di vita accelerate
2 prove a diversa temperatura determinano i valori delle costanti 0,EA
in tempi ragionevoli (1000 ore o meno)
ln(t)
F(t)
1000h
Distribuzione “vera”
Si misura nel contempo , si verifica la distribuzione lognormale (retta)e si visualizza se il meccanismo di guasto è il medesimo (parallelismo)
Una terza prova può confermare la legge di Arrhenius
Come programmare le prove?Come programmare le prove?
Troppo deboli = tempo perso senza risultati
Troppo forti = estrapolazione “ardita” alla condizione reale,possibilità di meccanismi di guasto diversi da quelli “veri”
Conoscenza dei limiti tecnologici (TMAX)
Esperienza (standard di prova e/o dati pregressi su tecnologie simili)
Step stress
Step stressStep stress
tempo
stress
Stress max
guasti accumulati
Diagnostica