Crow-AMSAA-Analyse, auch Zuverlässigkeitswachstumsanalyse genannt, ist eine Darstellungstechnik, die zeigt, ob eine Maschine, eine Flotte oder eine Anlage zuverlässiger wird, unverändert bleibt oder schleichend schlechter wird. Sie trägt kumulierte Ausfälle gegen kumulierte Betriebszeit auf Log-Log-Achsen auf; die Steigung der entstehenden Linie, Beta, ist das Urteil: unter 1 bedeutet, die Zuverlässigkeit verbessert sich, bei etwa 1 ändert sich nichts, über 1 bedeutet, Ausfälle beschleunigen sich.
Die Methode geht auf Duanes Beobachtung zurück, dass sich Ausfalldaten aus sich entwickelnden Systemen als Gerade auf Log-Log-Papier darstellen lassen; später wurde sie von Larry Crow bei der US Army Materiel Systems Analysis Activity (AMSAA) als statistisch rigoroses Modell formalisiert. Ihre industrielle Attraktivität liegt in ihrer Robustheit: sie toleriert gemischte Ausfallarten und unordentliche reale Daten – genau so sehen Anlagenwartungsaufzeichnungen aus – und verlangt nur Ausfalldaten und ein Nutzungsmaß (Stunden, Zyklen, Tonnen).
Eine Abfülllinie verzeichnete in ihren ersten 4.000 Betriebsstunden 24 Ausfälle; dann wurde ein überarbeitetes präventives Wartungsprogramm eingeführt. In den nächsten 4.000 Stunden wurden 9 Ausfälle protokolliert. Im Crow‑AMSAA‑Diagramm verläuft die frühe Datenreihe bei einem Beta von ungefähr 1,1, leicht verschlechternd; nach dem Programm bricht die Steigung auf etwa 0,6 ein, ein deutlicher Zuverlässigkeitsgewinn. Das Management fragte „Zahlt sich das PM‑Programm aus?“ und die Antwort ist in einem Bild sichtbar: dieselbe Linie, die früher alle 167 Stunden einen Ausfall erzeugte, erzeugt jetzt alle 440 Stunden einen — und die Abstände dehnen sich weiter. Das Diagramm projiziert außerdem nach vorn: bleibt die aktuelle Steigung bestehen, wird der nächste Ausfall in ungefähr drei Wochen erwartet, was eine rationale Grundlage ist, Ersatzteile und Inspektionen zu terminieren. Diese Projektion setzt voraus, dass die Bedingungen gleich bleiben; diese Annahme sollte offengelegt, nicht verschwiegen werden.
Die beiden ergänzen einander, sie sind keine Rivalen. Weibull‑Analyse untersucht eine einzelne Ausfallart über eine Population identischer Komponenten, um deren Lebensdauerverteilung zu charakterisieren – ideal, um Austauschintervalle zu bestimmen. Crow‑AMSAA untersucht ein reparierbares System über die Zeit mit allen gemischten Ausfallarten zusammen und ist ideal, um zu beurteilen, ob das gesamte Zuverlässigkeitsmanagement erfolgreich ist. Weibull beantwortet „Wann wird dieser Komponententyp ausfallen?“, Crow‑AMSAA beantwortet „Wird diese Maschine unter unserer Obhut besser oder schlechter?“, und damit ist es auch eine faire Bewertungsgrundlage für die in der Forschung zu den sechs Ausfallmustern vorgeschlagenen Strategien.
Nur zwei Dinge, aber ehrlich: vollständige Ausfallereignisse und glaubwürdige Betriebszeiten. Beides stirbt bei schlechter Dokumentation: Ausfälle, die ohne Arbeitsauftrag behoben werden, verschwinden aus dem Zähler, und Kalenderzeit, die sich als Laufzeit ausgibt, verfälscht den Nenner. Saubere, konsistente Ausfallaufzeichnungen mit echten Laufstunden sind die gesamte Eintrittsvoraussetzung, und Kennzahlen wie MTBF teilen dieselbe Abhängigkeit.
Fabrico liefert die beiden Zutaten, die das Diagramm braucht: jeden Ausfall erfasst als Arbeitsauftrag mit Zeitstempeln und Codes, und echte Betriebszeit, die automatisch durch Echtzeit‑Produktionsüberwachung gemessen wird statt aus dem Kalender geschätzt. Exportieren Sie die Paare und das Crow‑AMSAA‑Diagramm entsteht in Minuten in jedem Analysetool; der harte Teil, vertrauenswürdige Daten, ist bereits erledigt. Fabrico führt das statistische Modell nicht selbst aus; es macht das Modell erst lohnenswert. In der EU entwickelt, mit Datenresidenz in der EU.
Bedeutungsvolle Steigungen ergeben sich aus überraschend wenigen Punkten; ein Dutzend Ausfallereignisse zeichnet bereits eine brauchbare Linie. Das macht die Methode praktisch für einzelne kritische Maschinen, nicht nur für Flotten, wenngleich mehr Ereignisse sowohl die Steigungsschätzung als auch eventuelle Änderungszeitpunkte schärfen.
Ja, das ist seine Stärke. Das Diagramm verfolgt die gesamte Ausfallintensität des Systems, gemischte Ausfallarten inklusive. Wenn die Linie in die falsche Richtung kippt, analysieren Sie danach die Ausfallarten und Komponenten mit Pareto‑ und Weibull‑Werkzeugen, um die Ursache zu finden.
Sie teilen sich ein Symbol und eine Tendenz (unter 1: Verbesserung bzw. Frühphase, über 1: Verschlechterung bzw. Verschleiß), gehören aber zu unterschiedlichen Modellen: Der Weibull‑Formparameter beschreibt die Lebensdauerverteilung eines Bauteils; das Beta der Crow‑AMSAA beschreibt den Trend der Ausfallintensität eines reparierbaren Systems. Sie zu verwechseln ist ein häufiger und verwirrender Fehler.
Wollen Sie eine Ausfallhistorie und echte Laufstunden, die sauber genug zum Auftragen sind? Buchen Sie eine Fabrico‑Demo, um zu sehen, wie automatische OEE‑Erfassung und CMMS‑Aufzeichnungen den Zuverlässigkeitsdatensatz aufbauen, den Ihre Analysen verdienen.
Anmeldung
Blog