আমি কীভাবে সঠিকভাবে গণনা করতে পারি ব্যর্থতার সময় মানে?


8

আমার একটি পণ্য রয়েছে যার বিগত পাঁচ বছরে আমরা 500 ইউনিটের মতো কিছু সরবরাহ করেছি। এই পণ্যটি ব্যবহারকারী হিসাবে পরিষেবাযোগ্য হওয়ার উদ্দেশ্যে নয়; ইউনিটের প্রতিস্থাপনের ফলে কোনও উপাদানগুলির ব্যর্থতা। এই ইউনিটগুলির বেশিরভাগই কখনও সমস্যা দেখেনি এবং এখনও ঠিকঠাক কাজ করছে। কিছু ক্ষতিগ্রস্থ হয়েছে এবং মেরামতের জন্য ফিরে এসেছেন।

কম্পিউটারের গড় সময় থেকে ব্যর্থতার (এমটিটিএফ) গণনা সম্পর্কে আমি কীভাবে যাব? আমি কি কেবলমাত্র ইউনিটগুলিতে ব্যর্থ হয়েছি? অথবা আমি বর্তমানে চালিত সমস্ত ইউনিটগুলিতেও চিত্রিত করব? আমার কাছে কেবল বিক্রয় তারিখ নেই, ইনস্টলের তারিখ নেই এই বিষয়ে কী বলা যায়? এবং যে আমি জানি না ইনস্টল সময়ের কোন ভগ্নাংশটি ইউনিটটি চলছে? আমার কি কেবল যুক্তিসঙ্গত অনুমান করা উচিত?


এমটিটিএফের প্রত্যাশিত নির্ভুলতা কত?
মহেন্দ্র গুণাওয়ারদা

@ মহেন্দ্রগুনাওয়ারডেনা দুর্ভাগ্যক্রমে আমি কীভাবে এই প্রশ্নের উত্তর দিতে শুরু করব তা আমার ধারণা নেই।
স্টিফেন কলিংস

গ্রাহকদের কাছে গিয়ে তাদের জিজ্ঞাসা করা সম্ভব যে তারা কেনা ইউনিটগুলি কোন ধরণের অপারেটিং সময় দেখে? এমনকি যদি এটি মোটামুটি অনুমান হয় তবে আমি কল্পনা করি যে আপনি নিজের থেকে অনুমান করেই আপনি কেবল সময়ের চেয়ে আরও ভাল উপলব্ধি করতে পারবেন।
ট্রেভর আর্কিবাল্ড

উত্তর:


5

প্রথম বন্ধ, সর্বদা মনে রাখবেন যে আবর্জনা in = আবর্জনা বাইরে; সুতরাং যদি আপনার ডেটা আবর্জনা হয় তবে আপনার পরিসংখ্যানগুলি আবর্জনা হবে।

এই পরিস্থিতিতে আপনার অনুকূল ডেটা ব্যর্থ হওয়া অবধি রান আওয়ারের মতো কিছু হবে এবং আপনার সম্পূর্ণ ডেটাসেট ইতিমধ্যে ব্যর্থ হয়ে গেছে। এটি মাথায় রেখে আপনি যে পরিসংখ্যান গণনা করেন তা থেকে আপনি রক্ষণশীল নম্বর চয়ন করতে চাইতে পারেন।

যেহেতু আপনি কেবল বিক্রয় তারিখ থেকে ব্যর্থ হয়েছেন এটি উচ্চতর এমটিটিএফের দিকে ঝুঁকতে পারে।

যেহেতু আপনার সমস্ত পণ্য ব্যর্থ হয়নি এখনও আপনি আপনার জনসংখ্যার একটি ছোট উপসেটটি দেখতে পারেন, প্রথম ছয় মাসের উত্পাদন বলুন। এর একটি উচ্চ শতাংশ সম্ভবত সম্ভবত ব্যর্থ হয়েছে (যেহেতু আপনি গত সপ্তাহে বিক্রি হওয়া পণ্যটি এই সপ্তাহে ব্যর্থ হওয়া উচিত নয়, আশা করি)।

যদি আপনার ব্যর্থতার অনুপাতটি এখনও খুব কম থাকে তবে আপনার কেবল বিতরণের কম অনুপাত রয়েছে তা মনে রেখে আপনাকে ডেটাটিকে কোনও বিভ্রান্তির সাথে ফিট করার চেষ্টা করতে হবে, আপনাকে অবশ্যই ডেটাসেট থেকে কোনও লাগানো বক্ররেখাতে এক্সট্রোপোলেট করতে হবে।

উদাহরণস্বরূপ, ওয়েইবুল বিতরণ এখানে ভাল কাজ করবে এবং সাধারণত এমটিটিএফ ডেটার জন্য ব্যবহৃত হয়। এখানে ধারণাটি আপনার ডেটাসেটের অনুপাতের সাথে খাপ খায় যা কোনও বিতরণের সাথে সম্পর্কিত অনুপাতে ব্যর্থ হয়েছে। যদি আপনার ডেটাসেটে পণ্যগুলির অনুপাতটি ব্যর্থ হয়েছে যা 48.66% ছিল তবে আপনি নিম্নলিখিত অনুমানের ছায়াযুক্ত অঞ্চলটি দেখানো হিসাবে আপনার অনুমানিত বিতরণে সেই সম্ভাবনার সাথে এটি ফিট করে রাখবেন।

পিডিএফ

এটি তাত্পর্যপূর্ণ বিতরণ ছাড়াও যে কোনও কিছুর জন্য বরং তীব্র হতে পারে।

এক্সট্রাপোলেশনের আরেকটি পদ্ধতি হ'ল অবক্ষয় বিশ্লেষণ


4

আপনার কাছে যদি হার্ড ডেটা না থাকে, অনুমান করা (পছন্দ হিসাবে "যুক্তিসঙ্গত "গুলি) আপনার কাছে একমাত্র বিকল্প। (সম্ভবত সে কারণেই ইঞ্জিনিয়াররা তাদের স্লাইড নিয়মগুলিকে "অনুমানের লাঠি ..." বলতেন)

আপনি যে ইউনিট অধিকাংশ আছে উপেক্ষা করতে পারেন না না এ পর্যন্ত ব্যর্থ হয়েছে। এটির একটি প্রশংসনীয় পন্থা হ'ল ব্যর্থতা প্রক্রিয়াটির পরিসংখ্যানের মডেলগুলির পরামিতিগুলির সাথে মানিয়ে নিতে আপনার জানা সময়-থেকে-ব্যর্থতা। আপনার কোনও কিছু পূর্বাভাস দেওয়ার আগে মডেলটির পূর্বাভাসগুলি কাঁচা ডেটার সাথে সামঞ্জস্যপূর্ণ তাও পরীক্ষা করে দেখতে হবে।

নির্ভরযোগ্যতা ইঞ্জিনিয়ারিংয়ের একটি সাধারণভাবে ব্যবহৃত মডেল হ'ল ওয়েইবুল বিতরণ, যা ব্যর্থতার বিভিন্ন "মূল কারণগুলির" বিস্তৃত প্রতিনিধিত্ব করতে পারে এবং সম্ভাব্যতা বক্ররেখার "সেরা" আকারটি ব্যবহার করার জন্য স্বয়ংক্রিয়ভাবে সামঞ্জস্য হবে (অবশ্যই সীমাতে) আপনার বাস্তব বিশ্বের ডেটা মেলে।

গুগল "ওয়েইবুল ডিস্ট্রিবিউশন টিউটোরিয়াল" ইত্যাদির জন্য প্রচুর পরিমাণে হিট খুঁজে পাবে, তবে আপনি যদি এই বিষয়ে নতুন হন তবে বিশদটি অনুসন্ধানের আগে "নির্ভরযোগ্যতা ইঞ্জিনিয়ারিং" এর একটি ওভারভিউ পাওয়া ভাল ধারণা হবে idea শুরু করার জন্য একটি ভাল জায়গাটি হবে একটি পেশাদার প্রকৌশল সংস্থা, উদাহরণস্বরূপ আমেরিকান সোসাইটি ফর কোয়ালিটি (এএসকিউ)

অনুমানটি তৈরির সবচেয়ে কার্যকর উপায় হ'ল হাতে গণিত কীভাবে করা যায় তা নির্ধারণ করার পরিবর্তে কিছু কম্পিউটার সফটওয়্যার ব্যবহার করা, তবে সমস্যার আরও নির্দিষ্টতা ছাড়াই কোনও নির্দিষ্ট প্যাকেজের সুপারিশ করা কঠিন।


ভবিষ্যদ্বাণীগুলি কাঁচা ডেটার সাথে সামঞ্জস্যপূর্ণ তা নিশ্চিত করার বিষয়ে আপনার মন্তব্য স্পট ছিল! আমরা ওয়েইবুল বিতরণের স্প্রেডশিট একসাথে রেখেছি। ব্যর্থতার খুব সীমিত সেট থেকে এখনও অবধি, আমাদের এমটিটিএফ পাঁচ বছরের মধ্যে প্রত্যাশিত 99% ব্যর্থতার হার সহ ছয় মাসের মতো কিছু হয়ে উঠল। এটি বাস্তবতার সাথে সম্পূর্ণ বেমানান। সুতরাং যে প্রশ্ন উত্থাপন ... এখন কি?
স্টিফেন কলিংস

2

পূর্ববর্তী দু'জনের প্রতিক্রিয়া অনুসারে পরিসংখ্যান সংক্রান্ত সরঞ্জাম ওয়েইবুল হ'ল মিন টাইম টু ব্যর্থ (এমটিটিএফ) গণনার জন্য পছন্দের সরঞ্জাম । নীচে ক্যাপচার হিসাবে আপনার মন্তব্যের ভিত্তিতে, এটি প্রদর্শিত হয় যে ওয়েইবুল বিশ্লেষণ প্রত্যাশিত ফলাফল তৈরি করে নি।

স্টিফেন কলিংস থেকে মন্তব্য

বেশিরভাগ পরিসংখ্যানবিদদের সাথে আমি কাজ করেছি বেশিরভাগ পরিসংখ্যান বিশ্লেষণের জন্য 30 এর একটি নমুনা আকারের প্রস্তাব দিয়েছি। আমার সন্দেহ হ'ল সীমিত তথ্যের আকার বিশ্লেষণে সহায়তা নাও করতে পারে। আমি উপলব্ধ ডেটার উপর ভিত্তি করে ব্যর্থতা সময়ের জন্য একটি সাধারণ গড় এবং স্ট্যান্ডার্ড বিচ্যুতি গণনা দিয়ে শুরু করার পরামর্শ দিচ্ছি। আপনার পণ্যের ব্যর্থতার ভিত্তিতে সময় গণনা করার সময় আপনাকে কয়েকটি যুক্তিসঙ্গত অনুমান করতে হবে। উদাহরণ স্বরূপ

অনুমান : ব্যর্থতার সময় (দিন) = ফেরার তারিখ - শিপ তারিখ

বর্তমান প্রযুক্তি এবং উপলভ্য ডেটা দিয়ে আপনি নিজের অনুমানগুলিও সংশোধন করতে সক্ষম হতে পারেন।

উন্নত অনুমান : ব্যর্থতার সময় (দিন) = গ্রাহক পণ্য ফেরতের শিপ তারিখ - গ্রাহকের প্রাথমিক পণ্য গ্রহণের তারিখ

আমি যে বিষয়টি করছি তা ভাল যুক্তিযুক্ত অনুমানগুলি একটি ভাল ডেটা সেট তৈরি করতে সহায়তা করবে। এছাড়াও আমার অভিজ্ঞতায় বেসিক গড় এবং স্ট্যান্ডার্ড বিচ্যুতি গণনা হাতছাড়া সমস্যার মধ্যে ভাল অন্তর্দৃষ্টি অর্জনে সহায়তা করবে।

সচেতন হওয়ার অন্য বিষয়টি ব্যর্থতার কারণে কিনা তা নির্ধারণ করে

  • বিশেষ কারণ
  • সাধারণ কারণ

রুট কারণ বিশ্লেষণ বিশেষ কারণে ব্যর্থতা এবং সংশোধনমূলক পদক্ষেপ কার্যকর করা প্রয়োজন সঞ্চালন করা উচিত। সাধারণ কারণ ব্যর্থতা নির্দিষ্ট শিল্পে এবং নির্দিষ্ট গ্রাহক বেসের সাথে ব্যবসা করার একমাত্র অংশ of

আশা করি এই প্রতিক্রিয়াটি সমস্যাটির একটি যুক্তিসঙ্গত সমাধান হাতে পেয়েছে।


তথ্যসূত্র:


বিশেষ কারণ ব্যর্থতার সুন্দর উল্লেখ। এগুলিকে উত্পাদন হিসাবে চিহ্নিত করা যেতে পারে তবে তারা প্রস্তাবিত অপারেটিং পরামিতিগুলির বাইরে ক্ষেত্র ব্যবহারের জন্যও দায়ী হতে পারে যা ওয়ারেন্টি বাতিল করে দেবে। আপনি কি এমটিটিএফ-তে বিশেষ কারণ ব্যর্থতা অন্তর্ভুক্ত না করার বিষয়ে একমত হবেন?
বুদ্ধিমান সিমুলেটর

এছাড়াও, আপনি কোন প্যারামিটারটি পরীক্ষা করছেন? যেহেতু এটি একটি স্বল্প জনসংখ্যা যা ব্যর্থ হয়েছে, তাই আমি প্রকৃত আইটেমগুলির জন্য বিতরণ সন্ধানের পরিবর্তে "দশম বছরের সময়কালে তৈরি মোট%% ব্যর্থ" এর জন্য একটি বিতরণ সন্ধান করার চেষ্টা করব। আপনি সম্ভবত কিছু আকর্ষণীয় ফলাফল পেতে পারেন।
চিহ্নিত করুন

@ ইউজার ৩৮882626, আমি সম্মত হচ্ছি এমটিটিএফ-এর বিশেষ কারণ ব্যর্থতা অন্তর্ভুক্ত করা উচিত নয়। পূর্বের ওপিতে বেসটি আমি খুব নিশ্চিত যে ওপিতে বিশেষ কারণে কোনও ব্যর্থতার সমাধান হয়েছে। আমার প্রতিক্রিয়া মার্ক মন্তব্যের সাথে সামঞ্জস্যপূর্ণ। তদন্ত করার সময় এটি মূল্যবান হতে পারে যে বিশেষ কারণ ব্যর্থতা এমটিটিএফ-তে অন্তর্ভুক্ত নয়।
মহেন্দ্র গুণাওয়ারডেনা
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.