nl | en | de
Laatste nieuws

Ondersteuning voor PayPal, iDeal en Creditcard betalingen.

Inloggen

Nog geen account?

Vraag nu een account aan.

Faalfrequentie

De faalfrequentie is een essentieel onderdeel van de input gegevens voor deze analyse. Een te hoge faalfrequentie kan leiden tot een te hoge inschatting van het aantal reservedelen, wat een onnodig hoge kostenpost met zich meebrengt. Een te lage faalfrequentie kan daarentegen tot een vals gevoel van veiligheid leiden, u bent bij wijze van spreke onderverzekerd.

Het verkrijgen van betrouwbare faal data is niet gemakkelijk. Er zijn diverse bronnen mogelijk, die allen hun specifieke plus en minpunten met zich meebrengen. De volgende mogelijke bronnen worden hier aangedragen:

  • faalfrequentie bepaald uit onderhoudsbeheersysteemdata (OBS-data);
  • faalfrequentie uit leveranciersgegevens;
  • faalfrequenties uit generieke databronnen als databases en databoeken;
  • faalfrequenties afgeschat door ter zake kundigen;

Zoals aangegeven hebben al deze bronnen hun plus en minpunten. Daar waar de data uit het OBS gerelateerd zijn aan de daadwerkelijke omgevingstoestanden waarin de componenten zich bevinden is de populatie vaak dermate klein dat het betrouwbaarheidsinterval van de bepaalde faalfrequentie niet erg groot is. De faalfrequentie van de leverancier kan weer gebaseerd zijn op compleet andere omgevingstoestanden of incomplete data en dit geldt ook voor getallen uit de databoeken, die veelal voor specifieke industrieën en toepassingen zijn ingewonnen. Deze laatste beschikken wel vaak over een grote populatie waardoor voor deze specifieke toepassing de betrouwbaarheid hoger kan zijn dan de eigen data.
De laatste bron is tevens de minst betrouwbare, maar kan in geval van het ontbreken van data een indicatie geven voor een eerste hoeveelheid reservedelen. Een ruwe inschatting kan gedaan worden door voor een populatie m in te schatten hoe vaak er een storing s verwacht wordt in n jaar. Indien men de gevoeligheid van de analyse voor de faalfrequentie wil ervaren wordt aanbevolen om een drietal analyses uit te voeren. De eerste met de ingeschatte faalfrequentie en de andere twee met een faalfrequentie die respectievelijk een orde lager en een orde hoger ligt.

Maar wat is nu de relatie tussen het aantal storingen per jaar, Mean Time Between Failure (MTBF) en faalfrequentie(labda). Uitgaande van gemiddelde waarden wordt hieronder op basis van bovenstaande formule een voorbeeld gegeven.

Stel men heeft 100 automaten in een laagspanningsverdelingsinstallatie, jaarlijks wordt er drie keer een storing gemeld, waarbij het geen overspanningsbeveiliging betreft maar een daadwerkelijk falen van een automaat (hij beveiligt niet als dit wel zou moeten, of hij beveiligt spontaan zonder noodzaak). Hieruit resulteert een faalfrequentie van 0.00000342 [/uur], in wetenschappelijke notatie 3.42E-06 [/uur]. Dit resulteert in een MTBF van 292000 [uur] oftewel 33.3 jaar.

Installatie met 1 component
Gem. aantal storingen/jaar labda MTBF
0.1 1.14E-5 87600
1 1.14E-4 8760
10 1.14E-3 876
100 1.14E-2 87.6
Installatie met 100 componenten
Gem. aantal storingen/jaar labda MTBF
0.1 1.14E-7 8760000
1 1.14E-6 876000
10 1.14E-5 87600
100 1.14E-4 8760