Skip to content
กลับไปยังผลการค้นหา

Reliability Block Diagram

ผู้เสนอ
Ebeling, C. E.
ปี
2010
ประเภท
Reliability analysis technique
กลุ่มวิธี
Reliability Engineering

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

Reliability Block Diagram (RBD) คือแผนภาพที่แสดงสถาปัตยกรรมของระบบ โดยจำลองว่าความน่าเชื่อถือของส่วนประกอบต่างๆ รวมกันเพื่อกำหนดความน่าเชื่อถือโดยรวมของระบบอย่างไร แต่ละบล็อกแสดงถึงส่วนประกอบหรือระบบย่อยที่มีความน่าเชื่อถือที่ทราบ (ความน่าจะเป็นที่จะทำงานได้โดยไม่ล้มเหลว) และการเชื่อมต่อระหว่างบล็อกแสดงถึงความสัมพันธ์เชิงหน้าที่ (แบบอนุกรม, แบบขนาน, หรือแบบผสม) การวิเคราะห์ RBD เป็นเครื่องมือพื้นฐานในวิศวกรรมความน่าเชื่อถือ ใช้เพื่อระบุส่วนประกอบที่สำคัญ เพิ่มความซ้ำซ้อนให้เหมาะสม และคาดการณ์อัตราความล้มเหลวในระดับระบบ

แนวคิดเบื้องหลังวิธีการ

ลองนึกถึงระบบการสื่อสารที่มีเราเตอร์ข้อมูลสำรองสามตัว หากเราเตอร์ทั้งสามเชื่อมต่อกันแบบขนาน (ตัวใดตัวหนึ่งสามารถจัดการทราฟฟิกได้) ระบบจะล้มเหลวก็ต่อเมื่อเราเตอร์ทั้งสามล้มเหลวพร้อมกัน ความน่าเชื่อถือของระบบจะสูงกว่าความน่าเชื่อถือของเราเตอร์เดี่ยวอย่างมาก ในทางตรงกันข้าม หากเราเตอร์เชื่อมต่อกันแบบอนุกรม (ต้องทำงานทั้งหมด) ความน่าเชื่อถือของระบบจะต่ำกว่าเราเตอร์ที่อ่อนแอที่สุด RBD แสดงภาพการกำหนดค่าเหล่านี้และคำนวณความน่าเชื่อถือที่รวมกันได้ ตัวอย่างเช่น หากเราเตอร์แต่ละตัวมีความน่าเชื่อถือ 99 เปอร์เซ็นต์ และสองตัวเชื่อมต่อกันแบบขนาน: ความน่าเชื่อถือของระบบ = 1 - (1 - 0.99)^2 = 0.9999 (99.99%) RBD ทำให้การคำนวณเหล่านี้ชัดเจนและแนะนำนักออกแบบให้ลงทุนในความซ้ำซ้อนในจุดที่สำคัญที่สุด

ประวัติศาสตร์

การวิเคราะห์ Reliability Block Diagram (RBD) เกิดขึ้นในช่วงทศวรรษ 1950-1960 จากทฤษฎีวิศวกรรมความน่าเชื่อถือ โดยเฉพาะอย่างยิ่งในอุตสาหกรรมการบินและอวกาศ (NASA, DoD) ซึ่งความล้มเหลวของระบบอาจส่งผลร้ายแรง เทคนิคนี้ได้ทำให้การรวมข้อมูลความน่าเชื่อถือของส่วนประกอบเข้ากับการคาดการณ์ระดับระบบเป็นไปอย่างเป็นระบบ ซอฟต์แวร์ RBD สมัยใหม่ (ReliaSoft, Isograph, MATLAB) ช่วยให้การคำนวณเป็นไปโดยอัตโนมัติและเปิดใช้งานการวิเคราะห์ที่ซับซ้อน ปัจจุบัน RBD เป็นมาตรฐานในอุตสาหกรรมที่มีข้อกำหนดความน่าเชื่อถือสูง และมีการสอนในหลักสูตรวิศวกรรมทั่วโลก

ควรใช้เมื่อใด

RBD มีความสำคัญอย่างยิ่งสำหรับระบบที่ความน่าเชื่อถือเป็นสิ่งสำคัญ (การบินและอวกาศ, อุปกรณ์ทางการแพทย์, ระบบพลังงาน, โทรคมนาคม) หรือที่ความล้มเหลวนั้นมีค่าใช้จ่ายสูง (การหยุดทำงาน, ความเสี่ยงด้านความปลอดภัย) ใช้ RBD เมื่อออกแบบระบบ ประเมินการแลกเปลี่ยนการออกแบบ (ต้นทุนเทียบกับความน่าเชื่อถือ) หรือปรับกลยุทธ์การบำรุงรักษาให้เหมาะสม มีความสำคัญน้อยกว่าสำหรับระบบที่ไม่สำคัญ หรือที่ความซ้ำซ้อนไม่คุ้มค่า มีประโยชน์มากที่สุดในขั้นตอนการออกแบบ; สามารถใช้เพื่อวินิจฉัยปัญหาความน่าเชื่อถือในระบบที่กำลังทำงานอยู่ได้เช่นกัน

ข้อจำกัดและข้อควรพิจารณา

  • ต้องการข้อมูลความน่าเชื่อถือของส่วนประกอบที่ถูกต้อง; การประมาณค่าหรือข้อมูลที่ล้าสมัยนำไปสู่การคาดการณ์ที่ไม่น่าเชื่อถือ
  • สมมติว่าความล้มเหลวของส่วนประกอบเป็นอิสระ; ไม่สามารถจับความล้มเหลวจากสาเหตุร่วมหรือความสัมพันธ์จากการสึกหรอได้
  • ไม่คำนึงถึงระบบพลวัตที่ความน่าเชื่อถือของส่วนประกอบเปลี่ยนแปลงไปตามกาลเวลาหรือภายใต้ความเครียด
  • การวิเคราะห์ RBD มุ่งเน้นไปที่ความน่าเชื่อถือ; แง่มุมอื่นๆ (ประสิทธิภาพ, ต้นทุน, ความปลอดภัย) ต้องการการวิเคราะห์แยกต่างหาก

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ให้การแสดงภาพสถาปัตยกรรมของระบบอย่างชัดเจน และวิธีการที่ความล้มเหลวของส่วนประกอบส่งผลต่อความล้มเหลวของระบบ
  • วัดปริมาณความน่าเชื่อถือในระดับระบบจากข้อมูลระดับส่วนประกอบ ช่วยให้การออกแบบเหมาะสมที่สุด
  • ระบุส่วนประกอบที่สำคัญ (จุดอ่อน) สำหรับการปรับปรุงเป้าหมายและการลงทุนในความซ้ำซ้อน
  • สนับสนุนการวิเคราะห์การแลกเปลี่ยนการออกแบบ: ต้นทุนของความซ้ำซ้อนเทียบกับความน่าเชื่อถือที่เพิ่มขึ้น
  • บูรณาการกับการวางแผนการบำรุงรักษา: ส่วนประกอบที่มีความน่าเชื่อถือสูงขึ้นอาจอนุญาตให้มีช่วงเวลาการบำรุงรักษาที่นานขึ้น ลดต้นทุน

การประยุกต์ใช้

  • ผู้ผลิตอากาศยานใช้ RBD เพื่อออกแบบระบบไฮดรอลิกสำรองสำหรับแอคทูเอเตอร์ของเครื่องบิน โดยเพิ่มปั๊มสำรองที่เพิ่มความน่าเชื่อถือของระบบจาก 99.5 เปอร์เซ็นต์ เป็น 99.95 เปอร์เซ็นต์ ในช่วงเวลาปฏิบัติการ 10 ชั่วโมง
  • บริษัทโทรคมนาคมใช้ RBD เพื่อปรับปรุงโทโพโลยีเครือข่าย โดยระบุว่าการเพิ่มลิงก์ใยแก้วนำแสงที่สองระหว่างสองเมืองช่วยเพิ่มเวลาทำงานของระบบจาก 99.7 เปอร์เซ็นต์ เป็น 99.99 เปอร์เซ็นต์ โดยมีต้นทุนที่ยอมรับได้
  • ผู้ผลิตอุปกรณ์ทางการแพทย์ใช้ RBD เพื่อประเมินความซ้ำซ้อนของแบตเตอรี่ในเครื่องกระตุ้นหัวใจแบบฝัง โดยชั่งน้ำหนักเป้าหมายความน่าเชื่อถือ 10 ปี (>99.8 เปอร์เซ็นต์) กับข้อจำกัดด้านขนาดของอุปกรณ์
  • บริษัทสาธารณูปโภคด้านพลังงานใช้ RBD เพื่อประเมินความน่าเชื่อถือของชุดหม้อแปลงในสถานีไฟฟ้าย่อย โดยพิจารณาว่าการเพิ่มหม้อแปลงตัวที่สามแบบขนานนั้นคุ้มค่ากับต้นทุนการลงทุนหรือไม่

วิธีการทำงาน

วิธีการทำงาน

1

ระบุขอบเขตของระบบ ข้อกำหนดเชิงหน้าที่ และคำจำกัดความของความล้มเหลว กำหนดระยะเวลาปฏิบัติการ (ระยะเวลาที่ระบบต้องทำงานได้โดยไม่ล้มเหลว)

2

สร้างแผนผังสถาปัตยกรรมของระบบ: ส่วนประกอบใดบ้างที่เชื่อมต่อกันแบบอนุกรม (ต้องทำงานทั้งหมด), แบบขนาน (ต้องทำงานอย่างน้อยหนึ่งตัว), หรือแบบผสม วาดแผนภาพ RBD

3

รวบรวมหรือประมาณข้อมูลความน่าเชื่อถือของส่วนประกอบจากอัตราความล้มเหลวในอดีต ข้อมูลจากผู้จำหน่าย หรือการทดสอบ แสดงความน่าเชื่อถือในรูป R(t) หรือค่าเฉลี่ยเวลาระหว่างความล้มเหลว (MTBF)

4

คำนวณความน่าเชื่อถือของระบบโดยการรวมความน่าเชื่อถือของส่วนประกอบโดยใช้สูตรแบบอนุกรมและแบบขนาน ทำการวิเคราะห์ความไวเพื่อระบุส่วนประกอบที่สำคัญ

5

จัดลำดับความสำคัญของการปรับปรุง: เพิ่มความซ้ำซ้อนให้กับส่วนประกอบที่สำคัญ กำหนดส่วนประกอบที่มีความน่าเชื่อถือสูงขึ้น หรือขยายช่วงเวลาการบำรุงรักษาเพื่อลดอัตราความล้มเหลว

ข้อผิดพลาดที่พบบ่อย

  • การทำให้สถาปัตยกรรมของระบบใน RBD ง่ายเกินไป; การมองข้ามโหมดความล้มเหลวหรือการพึ่งพาอาศัยกันนำไปสู่การประมาณค่าความน่าเชื่อถือที่มองโลกในแง่ดีเกินไป
  • การเพิ่มความซ้ำซ้อนโดยไม่เลือกวิเคราะห์อัตราความล้มเหลว; ส่วนประกอบที่ซ้ำซ้อนอาจถูกใช้งานน้อยเกินไปหรือเพิ่มความซับซ้อน
  • การละเลยการบำรุงรักษาในการวางแผนความน่าเชื่อถือ; ส่วนประกอบล้มเหลวเร็วขึ้นหากไม่ได้รับการบำรุงรักษาอย่างเหมาะสม ซึ่งละเมิดสมมติฐานของ RBD

คำถามที่พบบ่อย

ความแตกต่างระหว่างความน่าเชื่อถือแบบอนุกรมและแบบขนานคืออะไร?

แบบอนุกรม: ส่วนประกอบทั้งหมดต้องทำงาน; ความน่าเชื่อถือของระบบ R_sys = R1 × R2 × ... × Rn แบบขนาน: ต้องมีส่วนประกอบอย่างน้อยหนึ่งตัวทำงาน; ความน่าเชื่อถือของระบบ R_sys = 1 - [(1-R1) × (1-R2) × ... × (1-Rn)] แบบขนานมีความน่าเชื่อถือสูงกว่า แต่ต้องใช้ความซ้ำซ้อน ระบบส่วนใหญ่ในความเป็นจริงเป็นแบบผสม: บางระบบย่อยเป็นแบบอนุกรม บางระบบย่อยเป็นแบบขนาน

ค่าเฉลี่ยเวลาระหว่างความล้มเหลว (MTBF) คืออะไร และเกี่ยวข้องกับความน่าเชื่อถืออย่างไร?

MTBF คือเวลาเฉลี่ยระหว่างความล้มเหลว โดยทั่วไปแสดงเป็นชั่วโมง สำหรับการแจกแจงความล้มเหลวแบบเอกซ์โพเนนเชียล (สมมติฐานทั่วไป) MTBF และความน่าเชื่อถือมีความสัมพันธ์กัน: R(t) = e^(-t/MTBF) MTBF ที่สูงขึ้นหมายถึงความน่าเชื่อถือที่สูงขึ้น MTBF มีประโยชน์สำหรับข้อมูลภาคสนามและการวางแผนการบำรุงรักษา

RBD สามารถจัดการกับความน่าเชื่อถือที่ขึ้นกับเวลา (การสึกหรอ) ได้หรือไม่?

RBD พื้นฐานสมมติว่าอัตราความล้มเหลวคงที่ (การแจกแจงแบบเอกซ์โพเนนเชียล) ความล้มเหลวที่ขึ้นกับเวลาหรือการสึกหรอต้องการการแจกแจงแบบ Weibull หรือแบบอื่นๆ ที่ไม่ใช่เอกซ์โพเนนเชียล ซอฟต์แวร์ RBD ขั้นสูงสามารถรวมความน่าเชื่อถือของส่วนประกอบที่ขึ้นกับเวลาได้ แม้ว่าการวิเคราะห์จะซับซ้อนมากขึ้นก็ตาม

เราจะจัดการกับความล้มเหลวจากสาเหตุร่วมใน RBD ได้อย่างไร?

RBD มาตรฐานสมมติว่าความล้มเหลวของส่วนประกอบเป็นอิสระต่อกัน ความล้มเหลวจากสาเหตุร่วม (เช่น ปั๊มทั้งสองเกิดโพรงอากาศเนื่องจากแรงดันต่ำ) ละเมิดสมมติฐานนี้ แบบจำลองความล้มเหลวจากสาเหตุร่วมโดยการจัดกลุ่มส่วนประกอบที่ได้รับผลกระทบ หรือใช้เทคนิคพิเศษ (Fault Tree ร่วมกับ RBD) หรืออีกทางหนึ่ง กำหนดมาตรฐานการบำรุงรักษาที่สูงขึ้นเพื่อป้องกันสถานการณ์ความล้มเหลวจากสาเหตุร่วม

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Ebeling, C. E. (2010). An introduction to reliability and maintainability engineering (2nd ed.). Long Grove, IL: Waveland Press.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว
  2. Stamatis, D. H. (2003). Failure mode and effect analysis: FMEA from theory to execution (2nd ed.). Milwaukee: ASQ Quality Press.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว