Beschleunigte Zuverlässigkeitstests unter Berücksichtigung von Vertrauensbereichen

End-of-Life-Tests (EoL-Tests) sind in der Regel mit erheblichen Ressourcen verbunden. Beschleunigte EoL-Tests tragen zur Minimierung der benötigten Zeit und des Budgets bei. Typischerweise wird das Ausfallverhalten von Komponenten durch Lebensdauermodelle, wie das Arrhenius-Modell, nur für konstante Beanspruchungen beschrieben. Solche Modelle werden an die experimentellen Daten angepasst und werden dann verwendet, um die Zuverlässigkeit im Feld abzuschätzen. Reale Belastungsprofile sind jedoch zeitabhängig. Trotz des mit der Parametrisierung von Lebensdauermodellen verbundenen hohen Aufwandes, werden für die Komponenten Verteilungsfunktionen angenommen, die den zeitlichen Einfluss der einwirkenden Belastung außer Acht lassen. Die Berechnung statistischer Parameter, wie der Zuverlässigkeit, führt zwangsläufig zu ungenauen Ergebnissen. Darüber hinaus wird die Zuverlässigkeit oft auf der Grundlage begrenzter Stichprobengrößen bestimmt. Folglich ist die Zuverlässigkeitsvorhersage einer Unsicherheit unterworfen und muss daher einschließlich eines Konfidenzintervalls, der in der Literatur auch als Vertrauensbereich bezeichnet wird, spezifiziert werden.

In diesem Beitrag wird ein neuer Ansatz vorgestellt, der die Prognose der operativen Zuverlässigkeit bei zeitabhängigen Belastungen mit einem Konfidenzniveau ermöglicht. Basierend auf der dargestellten Methode ist es möglich, die operative Zuverlässigkeit und ihr Konfidenzintervall für transiente Belastungen abzuschätzen. Diese grundlegende Arbeit nutzt simulative Daten, um die Methodik zu verifizieren.

Zwei Methoden zur Berechnung der operativen Zuverlässigkeitsfunktion mit zeitabhängigen Belastungen werden erläutert: Das kumulative Expositionsmodell und das Modell zur Alterung.

Es wird kurz auf die wichtigsten Methoden zur Bestimmung eines Konfidenzniveaus eingegangen.

Schließlich wird gezeigt, wie die neue Methode zur Berechnung der operativen Zuverlässigkeit und der damit verbundenen Konfidenzintervalle für Lebensdauermodelle hergeleitet wird. Die Funktionalität der neuen Methode, nämlich der Dubi-Bootstrap-Simulation (DUBS), wird anhand eines Beispiels vorgeführt. Die Validierung des neuen Ansatzes erfolgt in einem separaten Beitrag anhand eines praktischen Beispiels.