Weibull-Analyse ist eine statistische Methode, die Ihre Ausfalldaten von Anlagen an eine Weibull-Verteilung anpasst, um das Muster hinter diesen Ausfällen zu erkennen: ob Teile früh ausfallen, zufällig versagen oder mit dem Alter verschleißen. Aus dieser Anpassung lesen Sie zwei Zahlen ab, den Formparameter (Beta) und den Skalenparameter (Eta), und diese beiden Zahlen sagen Ihnen, welche Wartungsstrategie tatsächlich zu der Maschine vor Ihnen passt. Sie ist das quantitative Rückgrat der Zuverlässigkeitstechnik und verwandelt einen Haufen Ausfalldaten in einen begründbaren Plan.
Jeder Ausfalleintrag hat einen Lebenswert: Betriebsstunden, durchlaufene Zyklen oder Tage im Einsatz, bevor die Einheit ausgefallen ist. Die Weibull-Analyse nimmt eine Menge dieser Lebenswerte und findet die Verteilungskurve, die sie am besten beschreibt. Weil die Weibull-Verteilung so flexibel ist, kann eine Gleichung Ausfälle modellieren, die mit der Zeit zunehmen, konstant bleiben oder abnehmen. Diese Flexibilität ist der Grund, warum Zuverlässigkeitsingenieure sie vor fast jedem anderen Werkzeug heranziehen. Das Ergebnis ist keine vage Einschätzung der Zuverlässigkeit; es ist eine angepasste Kurve, mit der Sie die Ausfallwahrscheinlichkeit zu jedem zukünftigen Zeitpunkt im Lebenszyklus einer Komponente schätzen können.
Der Formparameter Beta ist das Kernergebnis. Er sagt Ihnen die Richtung der Ausfallrate über die Zeit und ordnet sich direkt den drei Zonen der Badewannenkurve zu:
Zu wissen, in welcher Zone Sie sich befinden, ändert alles. Bei einem Bauteil mit Beta unter 1 planen Sie keine zeitbasierten Austauschmaßnahmen, weil ein neues Teil statistisch eher ausfällt als das alternde, das Sie entfernen würden.
Der Skalenparameter Eta ist die charakteristische Lebensdauer. Es ist der Punkt, bis zu dem 63,2 Prozent der Population ausgefallen sein werden, unabhängig vom Beta-Wert. Betrachten Sie ihn als die natürliche Zeitskala des Ausfallprozesses. Eine Pumpenfamilie mit Eta von 8.000 Stunden hat eine längere charakteristische Lebensdauer als eine mit Eta von 3.000 Stunden. Zusammen geben Beta die Form des Ausfalls an und Eta die Timing-Information, und Sie benötigen beide, um zu planen.
Angenommen, Sie protokollieren Lagerausfälle an einem Förderband und eine Weibull-Anpassung ergibt Beta = 2,5 und Eta = 6.000 Stunden. Beta von 2,5 liegt deutlich über 1, also folgen diese Lager einem Verschleißmuster. Eta von 6.000 Stunden bedeutet, dass 63,2 Prozent bis 6.000 Betriebsstunden ausgefallen sein werden.
Die Weibull-Zuverlässigkeitsformel lautet R(t) = e^(-(t/eta)^beta). Fragen Sie: welcher Anteil überlebt bis 3.000 Stunden, der Hälfte der charakteristischen Lebensdauer?
Also überleben etwa 83,8 Prozent der Lager bis 3.000 Stunden, das heißt ungefähr 16 Prozent sind bereits zur Halbzeit ausgefallen. Prüfen Sie nun 4.500 Stunden: (4.500/6.000) = 0,75, und 0,75^2,5 = 0,487, also R = e^(-0,487) = 0,614. Die Zuverlässigkeit sinkt von 83,8 Prozent auf 61,4 Prozent, wenn Sie von 3.000 auf 4.500 Stunden gehen. Dieser sich steilernde Rückgang ist das Verschleißmerkmal in Aktion.
Die Wartungsentscheidung: da Beta deutlich über 1 liegt, ist ein zeitbasierter Austausch gerechtfertigt. Ein sinnvoller geplanter Austauschintervall liegt unterhalb von Eta, wo die Zuverlässigkeit noch hoch ist, vielleicht bei rund 3.000 bis 3.500 Stunden, anstatt Lager bis zum Ausfall zu betreiben. Wenn Beta nahe 1 läge, würde ein geplantes Austauschen brauchbarer Teile verschwenden und Sie würden stattdessen auf zustandsbasierte Instandhaltung setzen, also Vibration und Temperatur überwachen, um den zufälligen Ausfall abzufangen, bevor er sich ausweitet.
Weibull-Ergebnisse lassen sich klar in Strategie übersetzen. Beta unter 1 weist darauf hin, dass Sie Ihre Montage- und Inbetriebnahmeprozesse verbessern sollten, nicht einen Austauschplan; das Problem ist Qualität und Einlaufverhalten, sodass ein Burn-in-Test Sie schützt. Beta nahe 1 begünstigt Zustandsüberwachung und Inspektion, weil das Alter keine Warnung gibt. Beta über 1 belohnt geplante, zeitbasierte Eingriffe und ist der klassische Fall für proaktive Instandhaltung statt auf den Ausfall zu warten. Wenn Sie diese Erkenntnisse in eine strukturierte FMEA einfließen lassen, schärft das, welche Ausfallmodi die meiste Aufmerksamkeit und Kosten verdienen.
Weibull-Analyse ergänzt die zusammenfassenden Kennzahlen, die Sie bereits verfolgen. Eine einzelne MTBF-Angabe mittelt das Ausfallmuster weg; zwei Maschinen können dieselbe MTBF haben, während die eine Frühausfälle und die andere reinen Verschleiß hat und somit gegensätzliche Maßnahmen erfordert. Weibull stellt dieses verlorene Detail wieder her. Wenn Beta gleich 1 ist, fallen mittlere Zeit zwischen Ausfällen und charakteristische Lebensdauer sauber zusammen, aber für jeden anderen Beta-Wert divergieren sie, und diese Divergenz ist genau die Einsicht, die ein grober Durchschnitt verschleiert.
Weibull-Analyse ist nur so gut wie die Ausfalldaten, die Sie eingeben, und hier scheitern die meisten Programme stillschweigend. Geschätzte Daten, fehlende Betriebsstunden und nicht erfasste Mikrostopps liefern eine schlechte Anpassung, egal wie gut die Statistik ist. Fabrico führt die Weibull-Software oder prädiktive Modelle nicht für Sie aus; stattdessen liefert es die saubere, zeitgestempelte Grundlage, auf der diese Methoden beruhen. Seine Echtzeit-OEE- und Produktionsüberwachung erfasst präzise Laufzeiten und Stillstandsereignisse, inklusive Maschinen ohne SPS durch Kamera- und Computer-Vision-Überwachung, sodass jedem Ausfall ein echter Lebenswert zugeordnet ist. Sein CMMS protokolliert Arbeitsaufträge, Anlagenhistorien und Ersatzteilverbräuche und liefert Ihnen die Ausfallzeitlinie und Reparaturaufzeichnungen, die eine Weibull-Anpassung erfordert. Speisen Sie diese verifizierte CMMS-Historie in Ihre Analyse, und Ihre Beta- und Eta-Werte spiegeln die Realität wider, nicht eine Tabelle voller Schätzungen. Sauberere Eingabedaten verbessern außerdem Ihr gesamtes OEE-Bild.
Mehr ist besser, aber eine grobe Faustregel besagt, dass schon 5 bis 10 Ausfallpunkte die Richtung von Beta andeuten können, während 15 bis 20 oder mehr Vertrauen in sowohl Beta als auch Eta geben. Weniger Punkte vergrößern die Unsicherheit, behandeln Sie also ein Beta aus einer kleinen Stichprobe eher als Hinweis denn als harte Zahl und sammeln Sie weiterhin genaue Lebensdaten, während Ausfälle hinzukommen.
Nein. Fabrico ist eine Echtzeit-OEE-Monitoring- und CMMS-Plattform, keine Statistiksoftware, daher passt es keine Weibull-Kurven an und führt keine Zuverlässigkeitssimulationen für Sie aus. Was es tut, ist die präzise Laufzeit-, Stillstands- und Reparaturdaten zu erfassen, auf die eine Weibull-Analyse in Ihrem gewählten Tool angewiesen ist, sodass Ihre angepassten Parameter das widerspiegeln, was tatsächlich auf dem Werksboden passiert ist.
Eta ist die charakteristische Lebensdauer, der Punkt, bis zu dem 63,2 Prozent der Einheiten ausgefallen sind, während MTBF die mittlere Zeit zwischen Ausfällen ist. Sie sind nur gleich, wenn Beta gleich 1 ist. Bei Verschleißmustern (Beta über 1) liegt die MTBF typischerweise etwas unter Eta, daher führt das Verwechseln beider Größen zu falsch getimten Austauschintervallen.
Möchten Sie, dass Ihre Weibull-Eingabedaten auf echten Daten statt auf Schätzungen basieren? Buchen Sie eine Fabrico-Demo, um zu sehen, wie Echtzeit-Monitoring und CMMS der Zuverlässigkeitstechnik eine genaue Grundlage geben.
Anmeldung
Blog