MTBF, eller gjennomsnittlig tid mellom svikt, er et statistisk mål som brukes til å forutsi oppførselen til en stor gruppe prøver eller enheter. For eksempel kan MTBF brukes til å bestemme vedlikeholdsplaner, for å bestemme hvor mange reservedeler bør holdes tilgjengelig for å kompensere for feil i en gruppe enheter, eller som en indikator på systemet pålitelighet. For å beregne MTBF, må du vite den totale enhetstiden for testing som ble utført under den aktuelle prøven, og antall feil som oppstod.
Formelen for gjennomsnittlig tid mellom feil eller MTBF er:
MTBF = \ frac {T} {R}
hvorTer det totale antall enhetstimer fra den aktuelle prøven, ogRer antall feil.
Et eksempel på beregning av MTBF
Enten du vurderer påliteligheten til ny programvare eller prøver å bestemme hvor mange ekstra widgets du skal ha på lageret ditt, er prosessen for beregning av MTBF den samme.
Den første beregningen du må vite er de totale "enhetstimene" med testing som fant sted i pålitelighetsstudien din. Tenk deg at emnet ditt er vare-widgets, og at 50 av dem ble testet i 500 timer hver. I så fall er den totale testte timenheten:
50 \ ganger 500 = 25000 \ tekst {timer}
Identifiser deretter antall feil over hele befolkningen som ble testet. I dette tilfellet, vurder at det var totalt 10 widgetfeil.
Du vet at 25 000 totale enhetstimer med testing fant sted, og det var 10 widgetfeil. Del det totale antall testtimer med antall feil for å finne gjennomsnittlig tid mellom feil:
\ frac {25000 \ text {hours}} {10} = 2500 \ text {unit hours}
Så i denne spesielle datamodellen er MTBR 2500 enhetstimer.
Sette MTBR i kontekst
Før du hopper inn i å beregne en "pålitelighetsligning" som MTBF, er det viktig å forstå konteksten. MTBF er ikke ment å forutsi oppførselen til en enkelt enhet; i stedet er det ment å forutsi de typiske resultatene fra en gruppe enheter. I eksemplet ovenfor forteller beregningene deg ikke at hver widget forventes å vare 2500 timer. I stedet sier de at hvis du kjører en gruppe widgets, er den gjennomsnittlige tiden mellom feil i gruppen 2500 timer.
En annen statistikk: MTTR-beregningen
En av utfordringene med statistikk er å få dine statistiske modeller til å gjenspeile den virkelige situasjonen så presist som mulig. Så pålitelighetsberegningene dine kan også være nødvendig å inkludere MTTR, eller bety tid til å reparere - enten for å estimere nedetid i systemene eller budsjettere personalet for å utføre reparasjonene.
For å beregne MTTR, del den totale tiden som brukes på reparasjoner med antall utførte reparasjoner. Så hvis vedlikeholdsbesetningen din jobbet 500 personers timer og utførte 10 reparasjoner under lagert widget-testen din, kan du ekstrapolere MTTR:
\ frac {500 \ text {hours}} {10} = 50 \ text {person hours}
Så MTTR er 50 personstimer per reparasjon. Dette betyr ikke at hver reparasjon vil ta 50 timer - faktisk kan det være ganske mye forskjell mellom faktiske reparasjonstider. Igjen, dette er ikke en spådom om at hver reparasjon, eller til og med de fleste reparasjoner, vil ta 50 personstimer å utføre. Det forteller deg bare at når du tar et skritt tilbake og ser på widgetpopulasjonen din som en helhet, vil befolkningen som helhet begynne å nærme seg gjennomsnittet.