- Nur online erhältlich
- Neu

Die vorliegende Arbeit untersucht das Potenzial von historischen Versuchsdaten zur Reduzierung des Prüfaufwands bei der Erprobung und betriebsfesten Auslegung mechanischer Bauteile. Stand heute ignorieren die meisten Freigabeprüfungen, dass seit Jahrzehnten für die jeweilige Vorgängergeneration des Bauteils bereits eine ähnliche Prüfung erfolgreich durchgeführt wurde. Wir stellen einen grundlegenden Prozess vor, bei dem historische Daten gezielt berücksichtigt und eingebracht werden:
Mithilfe statistischer Verfahren wie Bayes'scher Statistik und Metaanalysen werden heterogene Datensätze in ein einheitliches Modell überführt. So können etwa Daten aus Versuchen bis zum Bruch, Success Runs, Berechnungen oder Feldbeobachtungen zuerst einheitlich in Betaverteilungen…
Datenschutzbedingungen (bearbeiten im Modul "Kundenvorteile")
Lieferbedingungen (bearbeiten im Modul "Kundenvorteile")
Rücksendebedingungen (bearbeiten im Modul "Kundenvorteile")
Die vorliegende Arbeit untersucht das Potenzial von historischen Versuchsdaten zur Reduzierung des Prüfaufwands bei der Erprobung und betriebsfesten Auslegung mechanischer Bauteile. Stand heute ignorieren die meisten Freigabeprüfungen, dass seit Jahrzehnten für die jeweilige Vorgängergeneration des Bauteils bereits eine ähnliche Prüfung erfolgreich durchgeführt wurde. Wir stellen einen grundlegenden Prozess vor, bei dem historische Daten gezielt berücksichtigt und eingebracht werden:
Mithilfe statistischer Verfahren wie Bayes'scher Statistik und Metaanalysen werden heterogene Datensätze in ein einheitliches Modell überführt. So können etwa Daten aus Versuchen bis zum Bruch, Success Runs, Berechnungen oder Feldbeobachtungen zuerst einheitlich in Betaverteilungen überführt werden und dann kombiniert zu einer Vorwissensdarstellung quantifiziert werden.
Die Folge sind stark reduzierte Prüfaufwände für z.B. anstehende Success Runs oder die Möglichkeit, präzisere bzw. signifikantere Aussagen über die Bauteillebensdauer zu treffen. Die nun effizienter erhobenen Versuchsdaten können ihrerseits erneut in die Vorwissensdatenbank einfließen, so dass das Vorwissen für darauffolgende Auswertung noch weiter anwächst.
Wir illustrieren den Ansatz anhand einer Studie und zeigen, dass ein systematischer Umgang mit historischen Daten einen wesentlichen Beitrag zur Effizienzsteigerung in der Produktentwicklung leisten kann.