RGA Funktionen

RGA von ReliaSoft ist ein anwendungsorientiertes Softwarepaket mit allen Hauptmodellen der Zuverlässigkeitssteigerung einschließlich fortgeschrittener Analysemethoden, die sonst nirgends erhältlich sind.

Traditionelle Analyse der Zuverlässigkeitssteigerung und Ergebnisse

Hier klicken zur Einsicht der Software Schnittstelle...

RGA unterstützt alle traditionellen Analysemodelle der Zuverlässigkeitssteigerung/Wachstum:

  • Crow-AMSAA (NHPP)
  • Duane
  • Standard und Modified-Gompertz
  • Lloyd-Lipow
  • Logistic

Die Software beinhaltet Optionen für Erwartungswerte der Zeit bis zum Ausfall (kontinuierlich), diskrete Daten (Erfolg/Misserfolg) und Zuverlässigkeitsdaten aus verschiedenen Entwicklungstests der Zuverlässigkeitssteigerung. Die verfügbaren Model(le) hängen vom jeweiligen Datentyp ab.

Voraussagen, Planung und Verwaltung der Zuverlässigkeitssteigerung 

Nur in RGA erhältlich - die Software unterstützt verschiedene innovative Ansätze, die auf den traditionellen Zuverlässigkeitssteigerung-Methoden aufbauen, wobei die realen Testmethoden und praktischen Anwendungen besser repräsentiert werden.  

  • Das Crow-Extended Modell ermöglicht die Klassifizierung von Ausfallmodellen auf der Basis, ob und wann diese behoben werden können. Mit dieser Analyse können Sie Voraussagen der Zuverlässigkeitsverbesserung vornehmen sowie die Managementstrategie auswerten.
  • Das Wachstumplanungs-Folio hilft Ihnen, einen Multiphasen-Testplan der Zuverlässigkeitssteigerung zu erstellen. Zusätzlich können Sie auch das Modell Crow-Extended – Continuous-Evaluation anwenden, um Daten aus verschiedenen Testphasen zu analysieren und einen Multiphasen-Plot zu erstellen, um Ihre Testergebnisse gegen den Plan zu vergleichen. Diese Analyse gibt Aufschluss darüber, ob eventuelle Anpassungen für nachfolgende Testphasen notwendig sind, um Ihre Zuverlässigkeitsziele zu treffen.
  • Das Mission-Profile-Folio hilft Ihnen, einen ausgewogenen operativen Testplan zu erstellen und das tatsächliche Testen gegen den Plan zu prüfen, um sicherzustellen, dass die Daten für die Analyse der Zuverlässigkeitssteigerung geeignet sind.

Bestmögliche Anwendung eines limitierten Datensatzes für die Analyse von im Feld arbeitenden und reparierbaren Systemen

RGA bietet zudem die Möglichkeit für Analysen im Feld arbeitender/reparierbarer Systeme. Dies beinhaltet ein Zuverlässigkeit-Testdesign Werkzeug für reparable Systeme (basierend auf NHPP - Non-Homogenius Poisson-Process) und Datenblätter, die speziell für die Analyse von Installation- Systemdaten konzipiert wurden. Jeweils abhängig von den Merkmalen Ihres Datensatzes haben Sie folgende Auswahl:

  • Analysieren Sie die Ausfallzeiten für im Feld arbeitende/reparierbare Systeme, um Zuverlässigkeit über Zeit nachzuvollziehen und andere metrische Besonderheiten zu kalkulieren (wie z.B. optimale Überholzeit oder erwartete Anzahl von Fehlern/Ausfällen) ohne Erstellung der ansonst erforderlichen detaillierten Datensätze. 
  • Bewerten Sie die Zuverlässigkeits-Verbesserungen, die Sie mit Implementierung von Problembehebungen für eine Anlagenart im Feld arbeitender Einheiten erwarten können. 
  • Benutzen Sie gruppierte Daten (Intervalldaten), um Garantiedaten von Anlagen/Geräten für die Einschätzung von zukünftigen Retouren auszuwerten.

Warum Upgrade auf RGA 10?

  • Erhebliche Verbesserungen an der Synthesis Plattform, wie z.B. integrierter Projektplaner mit erweitertem Aktionen/Maßnahmen-Tracking, automatisierte Kontrollen und Meldungen, Analysen leicht auffindbar und filterbar, Batch-Eigenschaften-Editor für Ressourcen-Management, bessere Integration mit Active Directory für Verwaltung von Benutzerkonten, sowie Option zum Implementieren einer Synthesis Enterprise-Portal Website.
  • Grafische Darstellung zwecks optimaler Überholungszeiten/Überarbeitung, Crow-Extended Zukunftsprognosen, erweitertes Systembetriebs-Diagramm und Modus-Fixliste für Ereignisberichte.
  • Neue Synthesis Arbeitsmappen für benutzerdefinierte Berichterstattung, Öffnen mehrerer Projekte gleichzeitig sowie Option für Datenimport aus externer Datenbank (per Synthesis Data Warehouse).

[Details - EN]