Fault Tree Analysis (FTA) – Definizione e Fasi in Sintesi

Qui di seguito andremo a vedere in sintesi che cos’è la Fault Tree Analysis (FTA), di quali fasi si compone e in che modo si possono trovare i dati di affidabilià dei singoli componenti.

Esempio di schema Fault Tree Analysis (in ordine da sinistra abbiamo un OR, un AND, un OR e nell’angolo un AND).

La Fault Tree Analysis è un modello usato per analisi affidabilistica (similmente alla FMECA). Il suo scopo è dedurre la probabilità dell’evento finale (top event) in relazione agli eventi a livelli inferiori (eventi base). In pratica si definisce l’evento finale di malfunzionamento, quindi si cercano tutte le possibili cause specifiche (dicasi approccio Top-Down).

La FTA si divide in 5 step:

  1. Analisi documentazione per conoscere le funzioni e i processi di montaggio e arrivare a definire le funzioni intermedie che rappresentano il comportamento degli elementi (o sottoinsiemi) del sistema.
  2. Si definisce l’evento finale (=Top Event) sia che sia una FTA di prevenzione, che di analisi di un guasto accaduto.
  3. Decidere intervallo di tempo (uguale per tutti i componenti) a cui saranno correlate le probabilità di guasto (un tempo ragionevole)
  4. Differenziare tutti i possibili modi di guasto del singolo componente
  5. Costruire l’albero di guasto, partendo dal Top Event, fino ad arrivare ad Eventi Base non ulteriormente scomponibili. (Sistemi in serie si guastano se si guasta un componente qualsiasi della catena – in parallelo solo se si guastano tutti i componenti in parallelo; ridondanza riduce il rischio).

La FTA da un risultato realistico solo se si può descrivere accuratamente il malfunzionamento come una catena causale di effetti (schema di funzionamento), altrimenti fornisce informazioni utili solo sui singoli modi di malfunzionamento. Può essere utile per approfondire la FMECA

Una volta che è stata definita la FTA dell’evento di guasto/malfunzionamento, per definire l’affidabilità di un singolo componente, si usa uno dei seguenti modi:

  • Metodo stocastico (come ad esempio la simulazione di Monte Carlo, difficile e molto costoso)
  • Attraverso informazioni date dai produttori e dalle analisi fatte da altri gruppi
  • Attraverso l’analisi statistica dei prodotti già esistenti (dati reali)
  • Attraverso esperimenti
  • Utilizzando un database

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Torna su