MTBF – מה המספר באמת אומר, ומה הוא לא אומר?

מספר אחד, הרבה אי-הבנות

מעט מדדים בעולם ההנדסה מצוטטים יותר מ-MTBF – ומעטים מובנים פחות. הוא מופיע בדפי נתונים, במפרטי רכש, בדרישות חוזיות ובמצגות שיווק. אבל כשמבקשים מצוות להסביר מה בדיוק המספר אומר, התשובה הנפוצה היא: "כמה זמן הרכיב יחזיק".

זו בדיוק הטעות.

מה זה MTBF?

MTBF – Mean Time Between Failures – הוא הזמן הממוצע בין כשלים של פריט בר-תיקון, באוכלוסייה של פריטים ובתנאי הפעלה מוגדרים.

עבור פריטים שאינם ניתנים לתיקון משתמשים בדרך כלל במונח MTTF – Mean Time To Failure. בפועל, שני המונחים משמשים לעיתים קרובות זה במקום זה, ולכן חשוב לבדוק מה בדיוק מוגדר במסמך שמולכם.

המילה החשובה ביותר בהגדרה היא ממוצע. MTBF מתאר התנהגות של אוכלוסייה, לא הבטחה לגבי רכיב בודד.

כמה רכיבים שורדים עד ה-MTBF?

כאשר מניחים שיעור כשל קבוע – מה שמכונה התפלגות מעריכית (Exponential) – האמינות בזמן t מחושבת כך:

R(t) = e^(−t / MTBF)

אם נציב t = MTBF, נקבל R = e^(−1) ≈ 0.37.

כלומר, רק כ-37% מהרכיבים צפויים לשרוד עד הגעה לזמן השווה ל-MTBF. כ-63% ייכשלו לפני כן.

ספק שמציין MTBF של 50,000 שעות לא מבטיח שהרכיב יעבוד 50,000 שעות. בתנאי שיעור כשל קבוע, הוא אומר שבערך שני שלישים מהרכיבים ייכשלו לפני הנקודה הזו.

MTBF אינו אורך חיים

הטעות השנייה היא לבלבל בין MTBF לבין אורך החיים השימושי (Useful Life).

רכיב יכול להציג MTBF גבוה מאוד בתקופת החיים השימושית שלו, ועדיין להגיע לבלאי הרבה לפני שהמספר הזה "נגמר". מאוורר, קבל אלקטרוליטי, מסב או סוללה יכולים להציג MTBF של מאות אלפי שעות בתקופת הפעולה הרגילה – ולהיכנס לשלב בלאי אחרי כמה שנים בלבד.

לכן בהחלטות על תחזוקה מונעת, תוחלת חיים ותכנון חלפים, צריך לבחון גם את אורך החיים השימושי ואת מנגנוני הבלאי – ולא רק את ה-MTBF.

מתי ההנחה של שיעור כשל קבוע תקפה?

עקומת האמבט (Bathtub Curve) מתארת שלושה שלבים בחיי מוצר:

• כשלים מוקדמים (Infant Mortality) – שיעור כשל יורד, בדרך כלל בגלל פגמי ייצור והרכבה
• חיים שימושיים – שיעור כשל קבוע יחסית, כשלים אקראיים
• בלאי (Wear-out) – שיעור כשל עולה

ההנחה של שיעור כשל קבוע – והחישובים הפשוטים של MTBF שנשענים עליה – מתאימה בעיקר לשלב השני. ברכיבים מכניים, ברכיבים עם בלאי מובהק או בתחילת חיי מוצר חדש, ההנחה הזו עלולה להטעות. במקרים כאלה נדרש ניתוח מתאים יותר, למשל ניתוח Weibull על נתוני כשל אמיתיים.

מאיפה מגיע המספר?

ערך MTBF יכול להגיע ממקורות שונים מאוד:

• חיזוי (Prediction) – חישוב לפי מודלים ומאגרי נתונים כגון MIL-HDBK-217F, 217Plus או Telcordia SR-332
• ניסויים – ניסויי אמינות, כולל ניסויים מואצים
• נתוני שטח – כשלים אמיתיים שנאספו ממערכות בפעולה, למשל דרך FRACAS

שלושת המספרים האלה אינם בהכרח שווים. חיזוי לפי מודל שונה, תנאי סביבה שונים או פרופיל הפעלה שונה יכולים להוביל להבדלים משמעותיים. כשמשווים בין ספקים, חשוב לשאול: איך חושב המספר, באילו תנאים, ולפי איזה מודל?

איך משתמשים ב-MTBF נכון?

• לשאול על ההנחות – מקור המספר, מודל החיזוי, טמפרטורה, סביבת הפעלה ומחזור עבודה
• לחשב אמינות למשך המשימה – לא "כמה זמן זה יחזיק", אלא מה ההסתברות שהמערכת תשרוד את משך המשימה או את תקופת האחריות
• לבחון בלאי בנפרד – רכיבים מתכלים ומכניים דורשים ניתוח אורך חיים ייעודי
• לסגור את המעגל עם נתוני שטח – FRACAS מאפשר לבדוק אם המספר שהובטח מתממש בפועל
• לא להסתכל על MTBF לבד – זמינות תלויה גם בזמן התיקון (MTTR), בלוגיסטיקה ובתחזוקה

לסיכום

MTBF הוא כלי חשוב – כשמבינים מה הוא מייצג. הוא מתאר ממוצע של אוכלוסייה, בדרך כלל בהנחה של שיעור כשל קבוע, ואינו מבטיח אורך חיים לרכיב בודד.

מהנדס אמינות טוב לא שואל רק "מה ה-MTBF?" אלא גם "איך הוא חושב, האם ההנחות מתאימות, ומה הנתונים מהשטח אומרים?".

המשך קריאה

AI וניתוח כשלים – האם אפשר לזהות את הכשל הבא לפני שהוא מתרחש?

FMEA – לזהות את הכשל לפני שהוא קורה

קורס CRE – Certified Reliability Engineer

רוצים להעמיק ב-MTBF, חיזוי אמינות, ניתוח Weibull ו-FRACAS?

הנושאים האלה הם חלק מרכזי במסלול CRE של ALD Academy, כולל תרגול מעשי על מקרים מתעשיית התעופה, הרכבות והביטחון.

לפרטי מסלול CRE