Lambda Predict : Logiciel de Prédiction de Fiabilité Conforme aux Normes

MIL-217 * Bellcore/Telcordia * NSWC Mécanique

Lorsque des données de fiabilité d’un produit ne sont pas disponibles, la prédiction de fiabilité basée sur les normes peut êtres envisagée pour évaluer la fiabilité d’un modèle, comparer les alternatives de modèles, identifier les zones de défaillance potentielles, arbitrer les facteurs de conception d’un système ou suivre l’amélioration de fiabilité d’un procédé. Le logiciel Lambda Predict de ReliaSoft est l’outil de prédiction de fiabilité et de MTBF. Cette prédiction est basée sur l’emploi des normes mondiales les plus usitées en prédiction de fiabilité : MIL-HDBK-217, Bellcore/Telcordia et NSWC (pour les composants mécaniques). Le logiciel est fourni avec des bibliothèques qui vous donnent accès à un vaste recueil de composants prédéfinis.

Caractéristiques du logiciel

Lambda Predict fournit une gamme complète de résultats calculés (prédiction du taux de défaillance, prédiction du MTBF, etc. accompagnés de représentations graphiques et de rapports personnalisables. Le logiciel offre également un large choix d’outils d’aide tels que l’utilitaire d’allocation de fiabilité, l’analyse de Derating ou les fonctions d’importation/exportation qui vous permettent de transférer vos données très facilement.

Applications et avantages

Lambda Predict fournit une plateforme complète pour la construction et l’analyse de systèmes conformes aux normes de prédiction de fiabilité en vigueur. Voici quelques-unes des applications pour lesquelles l’utilisation des techniques de prédiction de fiabilité conformes aux normes et du logiciel Lambda Predict de ReliaSoft peuvent s’avérer très bénéfiques :

– Obtenir une première indication de la capacité d’un modèle à atteindre les objectifs de fiabilité qui lui ont été fixés et identifier les zones de défaillance potentielles dès le début du processus de développement.
– Comparer les modèles alternatifs et/ou arbitrer les facteurs de conception d’un système.
– Considérer les contraintes environnementales, et celles provenant d’autres sources, ayant un impact significatif sur la performance du système et qui ne sont pas toujours détectées.