CN
Ausfallmodi und deren Analyse – Von der Theorie zur Feldpraxis
Zuverlässigkeitstests im Labor sind unverzichtbar, aber sie sind nur die halbe Wahrheit. Die wirkliche Bewährungsprobe findet im Feld statt, wo Produkte über Jahre hinweg einer Vielzahl von Belastungen ausgesetzt sind, die im Labor nur annähernd simuliert werden können. Die systematische Analyse von Ausfallmodi – sowohl in der Testphase als auch nach der Auslieferung – ist der Schlüssel zur kontinuierlichen Verbesserung und zur Validierung der Designentscheidungen. Sie schließt den Kreis zwischen Theorie, Test und Praxis und ermöglicht es, aus jedem Ausfall zu lernen und zukünftige Generationen robuster zu machen.
FMEA: Systematische Risikoanalyse im Vorfeld
Die Failure Mode and Effects Analysis (FMEA) ist eine proaktive Methode, um potenzielle Ausfallmodi bereits in der Design- und Prozessplanungsphase zu identifizieren, bevor ein einziges Produkt gefertigt wird. Sie ist das Gegenteil eines reaktiven Ansatzes, bei dem man auf Probleme erst reagiert, wenn sie auftreten. FMEA zwingt das Entwicklungsteam, systematisch zu fragen: „Was könnte schiefgehen, wie wahrscheinlich ist es, wie schwerwiegend wären die Folgen, und wie gut können wir es erkennen?"
Für jedes Element des HMI-Stacks – vom Klebstoff über die Oberflächenvorbereitung bis zur Randversiegelung – werden mögliche Ausfallmodi definiert. Ein Beispiel: Der Ausfallmodus „Delamination des optischen Klebstoffs" könnte durch unzureichende Oberflächenvorbereitung, Feuchtigkeitseintritt oder CTE-Mismatch verursacht werden. Die Auswirkung wäre ein Totalausfall des optischen Systems. Jeder Ausfallmodus wird anhand von drei Kriterien bewertet: Severity (Schweregrad, S) auf einer Skala von 1 bis 10, wobei 10 ein katastrophaler Ausfall ist; Occurrence (Auftretenswahrscheinlichkeit, O) von 1 (sehr unwahrscheinlich) bis 10 (nahezu sicher); und Detection (Entdeckungswahrscheinlichkeit, D) von 1 (leicht zu erkennen) bis 10 (praktisch nicht erkennbar). Das Produkt dieser drei Zahlen ergibt die Risk Priority Number (RPN), die von 1 bis 1000 reichen kann. Ausfallmodi mit hoher RPN werden priorisiert und durch Designänderungen, Prozessverbesserungen oder zusätzliche Kontrollen adressiert.
Die FMEA ist kein einmaliges Dokument, sondern ein kontinuierlich genutztes Werkzeug, das während des gesamten Produktlebenszyklus aktualisiert wird. Sie ist die Grundlage für fundierte Entscheidungen über Materialauswahl, Prozessparameter und Qualitätskontrollmaßnahmen.
Die Bathtub-Kurve: Drei Phasen der Produktlebensdauer
Die Bathtub-Kurve (Badewannenkurve) ist ein klassisches Modell der Zuverlässigkeitstechnik, das die Ausfallrate eines Produkts über seine Lebensdauer beschreibt. Sie heißt so, weil ihr Verlauf an das Profil einer Badewanne erinnert: hohe Ausfallrate zu Beginn, eine lange Phase niedriger Ausfallrate in der Mitte und ein Anstieg am Ende.
Die erste Phase, Infant Mortality (Frühausfälle), ist durch eine abnehmende Ausfallrate gekennzeichnet. In den ersten Wochen bis Monaten nach der Inbetriebnahme treten Ausfälle auf, die durch Fertigungsfehler, Materialdefekte oder Prozessschwächen verursacht werden. Ein Partikel, der während der Laminierung eingeschlossen wurde, eine unzureichend gereinigte Oberfläche oder eine fehlerhafte Randversiegelung manifestieren sich oft schnell. Diese Ausfälle sind ärgerlich, aber sie sind auch eine Chance: Sie zeigen, wo der Prozess verbessert werden muss. Durch Burn-in-Tests oder HASS (Highly Accelerated Stress Screening) können diese Frühausfälle provoziert und die defekten Einheiten aussortiert werden, bevor sie den Kunden erreichen.
Die zweite Phase, Useful Life (Nutzungsphase), ist das Ziel jedes Designs. Hier ist die Ausfallrate konstant und niedrig. Ausfälle in dieser Phase sind zufällig und meist durch externe Ereignisse verursacht – ein Überspannungsschaden, eine mechanische Beschädigung durch einen Unfall oder ein unvorhergesehenes Extremereignis. Ein gut designtes und gefertigtes HMI-Bauelement verbringt den Großteil seiner Lebensdauer in dieser Phase, die idealerweise zehn Jahre oder länger dauert.
Die dritte Phase, Wear-Out (Verschleißphase), ist durch eine steigende Ausfallrate gekennzeichnet. Materialien altern, Klebstoffe verlieren ihre Elastizität, UV-Schäden akkumulieren, und mechanische Ermüdung setzt ein. Diese Phase ist unvermeidlich, aber ihr Einsetzen kann durch Materialauswahl und Design weit hinausgezögert werden. Der Einsatz von Silikon-basierte Klebstoffe, ist ein Beispiel für eine Maßnahme, die die Wear-Out-Phase hinauszögern.
Zuverlässigkeitsmetriken: MTBF, MTTF und FIT
Um Zuverlässigkeit quantifizierbar zu machen, werden standardisierte Metriken verwendet, die es ermöglichen, Produkte zu vergleichen und Lebensdauervorhersagen zu treffen.
Die Mean Time Between Failures (MTBF) ist die durchschnittliche Zeit zwischen zwei Ausfällen bei reparierbaren Systemen. Sie wird berechnet als Gesamtbetriebszeit geteilt durch die Anzahl der Ausfälle. Ein MTBF von 100.000 Stunden bedeutet, dass im Durchschnitt alle 100.000 Betriebsstunden ein Ausfall zu erwarten ist. Für ein HMI, das 24 Stunden am Tag läuft, entspricht dies etwa 11,4 Jahren. MTBF ist jedoch nur dann sinnvoll, wenn das System nach einem Ausfall repariert und wieder in Betrieb genommen wird.
Für nicht-reparierbare Komponenten st die Mean Time To Failure (MTTF) die relevante Metrik. Sie beschreibt die durchschnittliche Zeit bis zum ersten (und einzigen) Ausfall. MTTF wird auf die gleiche Weise berechnet wie MTBF, aber die Interpretation ist anders: Es ist die erwartete Lebensdauer der Einheit.
Für sehr zuverlässige Komponenten mit extrem niedrigen Ausfallraten sind MTBF-Werte in Millionen von Stunden schwer greifbar. Hier kommt FIT (Failures In Time) ins Spiel. FIT gibt die Anzahl der Ausfälle pro eine Milliarde Betriebsstunden an. Ein FIT-Wert von 100 entspricht einem MTBF von 10 Millionen Stunden. FIT-Werte sind besonders in der Halbleiterindustrie verbreitet.
Diese Metriken sind nicht nur theoretische Zahlen. Sie sind die Grundlage für Garantiekalkulationen, Ersatzteilplanung und Lebenszykluskostenanalysen.
Weibull-Analyse: Statistische Lebensdauervorhersage
Die Weibull-Analyse ist ein mächtiges statistisches Werkzeug zur Analyse von Lebensdauerdaten. Sie ermöglicht es, aus einer begrenzten Anzahl von Testdaten Rückschlüsse auf die gesamte Population zu ziehen und Ausfallwahrscheinlichkeiten für beliebige Zeitpunkte vorherzusagen.
Die Weibull-Verteilung wird durch zwei Hauptparameter charakterisiert: den Shape-Parameter (β) und den Scale-Parameter (η). Der Shape-Parameter ist besonders aufschlussreich, da er die Art des Ausfallmechanismus offenbart. Ein β kleiner als 1 deutet auf Frühausfälle (Infant Mortality) hin – die Ausfallrate nimmt mit der Zeit ab. Ein β gleich 1 entspricht einer konstanten Ausfallrate, wie sie in der Useful-Life-Phase erwartet wird. Ein β größer als 1 zeigt eine steigende Ausfallrate an, typisch für Verschleißausfälle (Wear-Out). Werte von β zwischen 3 und 4 sind charakteristisch für Ermüdungsausfälle.
Der Scale-Parameter η gibt die charakteristische Lebensdauer an – die Zeit, bei der 63,2 % der Produkte ausgefallen sind. Durch die Anpassung einer Weibull-Verteilung an Testdaten können Ingenieure vorhersagen, wie viel Prozent der Produkte nach 5, 10 oder 15 Jahren noch funktionieren werden. Dies ist entscheidend für die Festlegung von Garantiezeiträumen und die Planung von Ersatzteilen.
Die Weibull-Analyse ist auch ein hervorragendes Werkzeug zum Vergleich verschiedener Designs oder Materialien. Wenn nun beispielsweise zwei Klebstoffe getestet werden und einer zeigt einen höheren η-Wert bei gleichem β, ist er eindeutig langlebiger.
Root Cause Analysis: Von Symptomen zu Grundursachen
Wenn ein Ausfall auftritt, ist die erste Frage nicht „Was ist passiert?", sondern „Warum ist es passiert?". Die Root Cause Analysis (Grundursachenanalyse) ist der systematische Prozess, um von messbaren Fehlern zu den zugrunde liegenden Ursachen vorzudringen.
Eine bewährte Methode ist die 5-Why-Technik, bei der man fünfmal hintereinander „Warum?" fragt. Beispiel: Ein Display zeigt Delamination. Warum? Weil Feuchtigkeit eingedrungen ist. Warum? Weil die Randversiegelung versagt hat. Warum? Weil die Randversiegelung nicht vollständig aufgetragen wurde. Warum? Weil der Dispenser falsch kalibriert war. Warum? Weil die regelmäßige Wartung ausgelassen wurde. Die fünfte Antwort führt zur Grundursache: ein Wartungsdefizit.
Das Fishbone-Diagramm (Ishikawa-Diagramm) ist eine weitere Methode, die Ursachen in Kategorien wie Material, Methode, Maschine, Mensch, Messung und Umgebung strukturiert. Dies hilft, systematisch alle möglichen Einflussfaktoren zu betrachten.
Für die physische Analyse von ausgefallenen Komponenten kommen hochentwickelte Techniken zum Einsatz. Optische Mikroskopie ermöglicht die visuelle Inspektion von Defekten. Scanning Electron Microscopy (SEM) liefert hochauflösende Bilder von Oberflächen und Bruchflächen. Energy Dispersive X-ray Spectroscopy (EDS) identifiziert chemische Elemente und kann Kontaminationen aufdecken. Fourier Transform Infrared Spectroscopy (FTIR) analysiert die chemische Zusammensetzung von Materialien und kann Degradation nachweisen. Cross-Sectioning (Querschnittsanalyse) ermöglicht die Untersuchung interner Strukturen und Grenzflächen.
Die Erkenntnisse aus der Root Cause Analysis fließen direkt in die FMEA ein, aktualisieren Prozessparameter und führen zu Designverbesserungen oder Material- und Prozessanpassungen. Dies ist der kontinuierliche Verbesserungszyklus, der die Zuverlässigkeit von Produkten von Generation zu Generation steigert.
Feldausfallstatistiken: Der ultimative Realitätscheck
Labortest sind kontrolliert und reproduzierbar, aber das Feld ist chaotisch und unvorhersehbar. Feldausfallstatistiken sind daher der ultimative Realitätscheck für jedes Design. Sie zeigen, wie sich das Produkt unter realen Bedingungen verhält, die oft von den Annahmen im Labor abweichen.
Der Vergleich zwischen Air-Gap-Displays und optisch gebondeten Displays in Feldstatistiken ist eindeutig. Air-Gap-Systeme zeigen eine deutlich höhere Ausfallrate, wobei interne Kondensation der mit Abstand häufigste Ausfallmodus ist. In feuchten oder wechselhaften Klimazonen kann die Ausfallrate von Air-Gap-Displays innerhalb der ersten fünf Jahre 10 % oder mehr betragen. Staubeintritt und mechanischer Bruch bei Schock sind weitere häufige Probleme.
Optisch gebondete Displays zeigen eine drastisch niedrigere Ausfallrate. Studien und Felddaten zeigen, dass die MTTF um den Faktor 3 bis 5 höher liegt. Die Hauptausfallmodi sind Delamination (die bei korrekter Materialauswahl und Prozessführung selten ist) und Vergilbung (die nur bei minderwertigen Acrylat-Klebstoffen ohne UV-Stabilisatoren auftritt). Mechanische Ausfälle sind deutlich reduziert, da die vollflächige Verklebung die Schockresistenz erhöht.
Diese Feldstatistiken sind nicht nur Zahlen – sie sind die Grundlage für Total Cost of Ownership (TCO)-Berechnungen. Ein HMI, das im Feld ausfällt, verursacht nicht nur die Kosten für den Austausch, sondern auch weiterführend Ausfallzeiten, Produktivitätsverluste und Reputationsschäden. Ein zuverlässigeres System rechtfertigt einen höheren Anschaffungspreis, da somit die Kosten über den gesamten Produktlebenszyklus im Feld wesentlich reduziert werden können.
Hinweis zu technischen Angaben in diesem Kapitel
Die in diesem Kapitel genannten technischen Werte, Prüfprofile und Leistungsangaben dienen der fachlichen Einordnung. Konkrete Ergebnisse hängen vom jeweiligen Displayaufbau, Materialsystem, Bondingprozess, Einsatzprofil und Qualifikationsumfang ab. Produktspezifische Werte werden projektbezogen anhand von Datenblättern, Messungen, Prüfberichten und Kundenspezifikationen validiert.