Courbe de croissance non paramétrique - Généralités

Utilisez la fonction Courbe de croissance non paramétrique pour analyser les données d'un système réparable sans émettre d'hypothèses sur la loi de distribution du coût ou du nombre de réparations. Un système réparable est un système dans lequel les pièces, lors d'une panne, sont réparées au lieu d'être remplacées. Par exemple, les moteurs de voiture sont généralement réparés de nombreuses fois avant d'être remplacés.

L'analyse utilise des courbes de croissance non paramétriques pour estimer le coût moyen de maintenance du système ou le nombre moyen de réparations dans le temps. Vous pouvez utiliser les résultats pour déterminer s'il existe ou non une tendance dans les durées séparant les défaillances successives. Par exemple, vous pouvez déterminer si les défaillances d'un système deviennent plus fréquentes, moins fréquentes ou restent constantes. Les courbes de croissance permettent de créer un graphique des performances des systèmes réparables pour vous aider à établir les informations suivantes :
  • La fréquence à laquelle le système nécessitera une maintenance
  • Le nombre de pièces de remplacement à avoir sur place
  • Si le système fonctionne à un niveau acceptable
  • Les coûts de réparation probables au cours de la vie du système

Pour plus d'informations sur les courbes de croissance, reportez-vous à la rubrique Estimation des paramètres pour les courbes de croissance.

Où trouver cette analyse ?

Pour effectuer une analyse de courbe de croissance non paramétrique, sélectionnez Stat > Fiabilité/Survie > Analyse système réparable > Courbe de croissance non paramétrique.

Quand utiliser une autre analyse ?

Pour estimer les courbes de croissance du nombre moyen de réparations et du taux d'occurrence de défaillances (ROCOF) dans le temps en utilisant un procédé de Power-Law ou un procédé de Poisson homogène, utilisez la fonction Courbe de croissance paramétrique.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique