Tầm Quan Trọng

Không có gì tồn tại mãi mãi. Mục tiêu của phân tích độ tin cậy là định lượng "khi nào" và "tại sao" một sản phẩm sẽ hỏng, từ đó tối ưu hóa thiết kế và bảo trì.

Mô Hình Hóa Tỷ Lệ Hỏng

Chúng ta dùng toán học để mô tả xác suất sống sót $r(t)$ theo thời gian.

Phân Phối Mũ (Exponential)

Đơn giản nhất. Giả định tỷ lệ hỏng không đổi theo thời gian (Ngẫu nhiên).

$r(t) = e^{-\lambda t}$
Phân Phối Weibull

Linh hoạt nhất. Mô hình hóa được cả giai đoạn chạy rà, ổn định và lão hóa.

$r(t) = e^{-(\lambda t)^a}$

Tỷ Lệ Rủi Ro: Đường Cong Bồn Tắm

Vòng đời của một sản phẩm thường trải qua 3 giai đoạn rủi ro khác nhau:

Chạy Rà (Burn-in)
Lỗi sản xuất
(Giảm dần)
Hữu Ích
Hỏng ngẫu nhiên
(Thấp & Ổn định)
Mài Mòn (Wear-out)
Lão hóa
(Tăng nhanh)
Chạy Rà (Burn-in): Lỗi sản xuất (Giảm dần)
Hữu Ích: Hỏng ngẫu nhiên (Thấp & Ổn định)
Mài Mòn: Lão hóa (Tăng nhanh)

Thách Thức: Dữ Liệu Bị Kiểm Duyệt

Trong thực tế, thí nghiệm thường kết thúc trước khi tất cả sản phẩm bị hỏng. Dữ liệu này gọi là Censored Data.

Kết thúc Thí nghiệm
Dữ Liệu Đầy Đủ
Hỏng
Kiểm Duyệt Phải
Chưa hỏng

(Right-Censored: Chúng ta chỉ biết tuổi thọ > thời gian thí nghiệm, không biết chính xác bao nhiêu).

Hỏng: Sự kiện đã xảy ra trong thời gian quan sát.
Chưa hỏng: Vẫn hoạt động khi thí nghiệm kết thúc.

Giải Pháp: Kaplan-Meier

Một phương pháp phi tham số thông minh để ước tính độ tin cậy ngay cả khi có dữ liệu bị thiếu.

Công Thức Giới Hạn Tích
$\hat{r}(t) = \prod_{j|t_j < t} \left( \frac{n_j - d_j}{n_j} \right)$

Tính xác suất sống sót qua từng khoảng thời gian nhỏ.

Kết Luận Chiến Lược

  • Tối ưu hóa Thiết kế: Cân bằng giữa chi phí và độ bền mong muốn.
  • Bảo trì Dự phòng: Thay thế linh kiện trước khi chúng bước vào giai đoạn "Mài mòn".
  • Chính sách Bảo hành: Tính toán chi phí bảo hành dựa trên xác suất hỏng hóc thực tế.
  • Uy tín Thương hiệu: Sản phẩm tin cậy tạo nên lòng tin khách hàng lâu dài.