Was ist Mean Time Between Failures (MTBF)?

Mean Time Between Failures (MTBF) ist eine zentrale Wartungsmetrik, die verwendet wird, um die vorhergesagte Zeit zwischen inhärenten Ausfällen eines mechanischen oder elektronischen Systems während des normalen Systembetriebs zu messen. Sie ist ein entscheidender Indikator für die Zuverlässigkeit von reparierbare Vermögenswerte.
Im Gegensatz zu Mean Time To Failure (MTTF), das für nicht reparierbare (Einweg-) Artikel gilt, geht MTBF davon aus, dass die Anlage repariert und wieder in Betrieb genommen wird.
Die MTBF-Formel
Um die MTBF zu berechnen, dividieren Sie die Gesamtverfügbarkeit der Anlage durch die Anzahl der Ausfälle, die innerhalb dieses bestimmten Zeitraums aufgetreten sind.
Wo:
- Gesamtbetriebszeit: Die Summe der tatsächlichen Betriebsstunden oder Zyklen. Hinweis: Das schließt aus Ausfallzeiten (Reparaturzeit, planmäßige Wartung oder Lieferverzögerungen).
- Anzahl der Ausfälle: Die Anzahl diskreter, ungeplanter Ausfallereignisse, für die eine korrektive Wartung erforderlich war, um die Funktionalität wiederherzustellen.
Beispiel für eine schrittweise Berechnung
Szenario: Eine Anlage betreibt eine Flotte von Verpackungsmaschinen. Um die Zuverlässigkeit zu ermitteln, wählt der Wartungsleiter ein freies Messfenster (z. B. Q1).
- Erfassung von Daten: Die Flotte protokolliert insgesamt 7.500 Betriebsstunden.
- Zählung von Fehlern: Während dieser Zeit erlebt das System 3 verschiedene Pannen muss repariert werden.
- Berechnung:
Interpretation: Im Durchschnitt arbeitet diese spezielle Flotte für 2.500 Stunden bevor Sie auf einen Fehler stoßen. Diese Ausgangsbasis ermöglicht es der Anlage, präventive Wartungsarbeiten kurz vor Ablauf der 2.500-Stunden-Marke zu planen verhindern Sie ungeplante Ausfallzeiten.
Wann sollte MTBF verwendet werden
MTBF ist keine universelle Metrik; sie ist kontextabhängig. Es ist der geeignete Standard, wenn:
- Vermögenswerte sind reparierbar: Das System soll repariert und nicht ausgetauscht werden (z. B. Motoren, Pumpen, Förderbänder).
- Zuverlässigkeits-Benchmarking ist erforderlich: Sie müssen die Robustheit von Maschine A mit Maschine B oder Anbieter X mit Anbieter Y vergleichen.
- Berechnung der Verfügbarkeit: MTBF ist eine notwendige Variable für die Bestimmung der Systemverfügbarkeit, wenn sie mit Mean Time To Repair (MTTR) kombiniert wird.
Einschränkungen und Nuancen
MTBF ist zwar Industriestandard, wird aber oft falsch interpretiert. Um die Datenintegrität aufrechtzuerhalten, müssen Unternehmen wissen, welche MTBF tut nicht sage dir:
- Es ist keine Vorhersage für eine einzelne Einheit: MTBF ist ein statistischer Durchschnitt, der aus einer Population abgeleitet wird. Eine einzelne Anlage kann lange vor oder nach der MTBF ausfallen.
- Es wird von einer konstanten Ausfallrate ausgegangen: Die MTBF ist während der „Nutzungsdauer“ -Phase des Badewanne Curve, bei dem die Ausfallraten zufällig und konstant sind und nicht bei einem frühen Burn-In oder einer späten Abnutzungsphase.
- Es maskiert den Schweregrad: Ein Fehler, dessen Behebung 100 Stunden dauert, wirkt sich anders auf das Unternehmen aus als 10 Ausfälle, die jeweils eine Minute dauern, aber sie wirken sich unterschiedlich auf die Anzahl der Fehler aus.
Bewährte Methoden für Messungen
Um sicherzustellen, dass Ihre MTBF-Daten verwertbar und verbindlich sind:
Praktische Anwendungen in der Wartungsstrategie
Führende Unternehmen nutzen MTBF für:
- Optimierung von PM-Zeitplänen: Festlegung von Inspektionsintervallen, die kürzer als die MTBF sind, um eine Verschlechterung zu erkennen, bevor ein Ausfall eintritt.
- Verwaltung des Inventars: Bestimmung des Lagerbestands an Ersatzteilen auf der Grundlage der prognostizierten Ausfallhäufigkeit.
- Ursachenanalyse (RCA): Meldung von Anlagen mit sinkender MTBF zur sofortigen Untersuchung.
- Lebenszykluskosten: Schätzung der Gesamtbetriebskosten (TCO) durch Prognose der Reparaturhäufigkeit während der Lebensdauer der Anlage.
Die Zukunft: MTBF und Predictive Maintenance
MTBF ist zwar nach wie vor ein wichtiger Indikator, moderne Zuverlässigkeitsstrategien kombinieren ihn jedoch mit Prädiktive Wartung (PdM). Mithilfe von IoT-Sensoren und Zustandsüberwachung können Teams von statistischen Durchschnittswerten (MTBF) zur Überwachung des Anlagenzustands in Echtzeit übergehen und so eine Verschlechterung erkennen, lange bevor es zu einem „Ausfall“ kommt.

.webp)