Indhold
- TL; DR (for lang; læste ikke)
- Et eksempel på beregning af MTBF
- At sætte MTBR til Con
- En anden statistik: MTTR-beregningen
MTBF, eller gennemsnitstiden mellem fiasko, er et statistisk mål, der bruges til at forudsige opførslen af en stor gruppe prøver eller enheder. F.eks. Kan MTBF bruges til at bestemme vedligeholdelsesplaner, til at bestemme, hvor mange reservedele der skal holdes på hånden for at kompensere for fejl i en gruppe af enheder eller som en indikator for systemets pålidelighed. For at beregne MTBF skal du kende de samlede enheds-timer for test, der blev udført under den pågældende prøve og antallet af fejl, der opstod.
TL; DR (for lang; læste ikke)
Formlen for gennemsnitlig tid mellem fiasko eller MTBF er:
T / R, hvor T er det samlede antal enhedstimer fra den pågældende prøve, og R er antallet af fejl.
Et eksempel på beregning af MTBF
Uanset om du vurderer pålideligheden af ny software eller prøver at beslutte, hvor mange ekstra widgets du skal holde på hånden i dit lager, er processen til beregning af MTBF den samme.
Den første måling, du skal kende, er de samlede "enhedstimer" af test, der fandt sted i dit pålidelighedsstudie. Forestil dig, at dit emne er lager widgets, og at 50 af dem blev testet i 500 timer hver. I dette tilfælde er den samlede enhedstimer, der er brugt til test:
50 × 500 = 25.000 timer
Identificer derefter antallet af fejl i hele den population, der blev testet. I dette tilfælde skal du overveje at der var 10 widgetfejl i alt.
Du ved, at 25.000 samlede enheds-timer med testning fandt sted, og at der var 10 widget-fejl. Del det samlede antal testtimer med antallet af fejl for at finde gennemsnitstiden mellem fejl:
25000 enhedstimer ÷ 10 = 2500 enhedstimer
Så i denne specifikke datamodel er MTBR 2.500 enhedstimer.
At sætte MTBR til Con
Før du hopper ind i beregningen af en "pålidelighedsligning" som MTBF, er det vigtigt at forstå dens con. MTBF er ikke beregnet til at forudsige adfærd for en enkelt enhed; I stedet for er det beregnet til at forudsige de typiske resultater fra en gruppe enheder. I eksemplet ovenfor fortæller dine beregninger ikke, at hver widget forventes at vare 2.500 timer. I stedet siger de, at hvis du kører en gruppe widgets, er den gennemsnitlige tid mellem fejl inden for gruppen 2.500 timer.
En anden statistik: MTTR-beregningen
En af statistikens udfordringer er at få dine statistiske modeller til at gentage situationer i den virkelige verden så præcist som muligt. Så dine pålidelighedsberegninger kan muligvis også inkludere MTTR eller gennemsnitlig tid til reparation - hvad enten det er for at estimere nedetid inden for dine systemer eller budgettere personaltimer for at gennemføre nævnte reparationer.
For at beregne MTTR skal du dele den samlede tid, der er brugt på reparationer, med antallet af foretagne reparationer. Så under din lager-widget-test arbejdede dit vedligeholdelsespersonale 500 persontimer og lavede 10 reparationer, kunne du ekstrapolere MTTR:
500 persontimer ÷ 10 = 50 persontimer
Så din MTTR er 50 persontimer pr. Reparation. Dette betyder ikke, at enhver reparation vil tage 50 timer - i virkeligheden kan der være ret stor forskel mellem de faktiske reparationstider. Igen, dette er ikke en forudsigelse af, at hver reparation eller endda de fleste reparationer vil tage 50 personers timer at udføre. Det siger bare, at når du tager et skridt tilbage og ser på din widgetpopulation som helhed, vil befolkningen som helhed begynde at nærme sig dette gennemsnit.