Beispiel für Verteilungsidentifikation (Rechtszensierung)

Ein Zuverlässigkeitstechniker untersucht die Ausfallrate von Motorwicklungen in Turbinen, um die Zeitpunkte zu bestimmen, zu denen die Motorwicklungen ausfallen. Bei hohen Temperaturen können sich die Wicklungen zu schnell zersetzen.

Der Techniker zeichnet die Ausfallzeiten für die Motorwicklungen bei unterschiedlichen Temperaturen auf. Einige der Einheiten müssen jedoch vor ihrem Ausfall aus dem Test entfernt werden. Daher sind die Daten rechtszensiert. Zum Auswählen eines Verteilungsmodells für die bei 80 °C erfassten Daten verwendet der Techniker die Option „Verteilungsidentifikation (Rechtszensierung)“.

  1. Öffnen Sie die Beispieldaten Motorwicklungszuverlässigkeit.MTW.
  2. Wählen Sie Statistik > Zuverlässigkeit/Lebensdauer > Verteilungsanalyse (Rechtszensierung) > Verteilungsidentifikation aus.
  3. Geben Sie im Feld Variablen die Spalte Temp80 ein.
  4. Wählen Sie Angeben aus. Vergewissern Sie sich, dass die Standardverteilungen (Weibull, Lognormal, Exponential und Normal) ausgewählt sind.
  5. Klicken Sie auf Zensieren. Geben Sie unter Zensierungsspalten verwenden die Spalte Zens80 ein.
  6. Wählen Sie Zensierungswert aus, und geben Sie 0 ein.
  7. Klicken Sie in den einzelnen Dialogfeldern auf OK.

Interpretieren der Ergebnisse

Die Punkte für die Ausfallzeiten liegen im Wahrscheinlichkeitsnetz für Lognormalverteilung annähernd entlang der Geraden. Daher bietet die lognormale Verteilung eine gute Anpassung. Der Techniker entscheidet sich daher, die bei 80 °C erfassten Daten mit der lognormalen Verteilung zu modellieren.

In Minitab werden außerdem eine Tabelle der Perzentile und eine Tabelle der mittleren Zeit bis zum Ausfall (MTTF) angezeigt, die berechnete Ausfallzeiten für jede Verteilung enthalten. Sie können die berechneten Werte vergleichen, um festzustellen, ob Sie bei anderen Verteilungen andere Schlussfolgerungen ziehen würden. Wenn mehrere Verteilungen gut an Ihre Daten angepasst sind, empfiehlt es sich, die Verteilung zu wählen, die die konservativsten Ergebnisse liefert.

Güte der Anpassung

VerteilungAnderson-Darling
(kor)
Weibull68,204
Lognormal67,800
Exponential70,871
Normal68,305

Perzentiltabelle





Normales 95%-KI
VerteilungProzentPerzentilStandardfehlerUntergrenzeObergrenze
Weibull110,07652,784535,8626317,3193
Lognormal119,32812,8375014,495325,7722
Exponential10,8097310,1331190,5866841,11758
Normal1-0,5493238,37183-16,957815,8592
           
Weibull520,35923,7913014,133529,3273
Lognormal526,92123,0262121,597833,5566
Exponential54,132580,6793912,994225,70371
Normal518,22896,403675,6779030,7798
           
Weibull1027,77504,1199420,768037,1463
Lognormal1032,12253,0940926,596238,7970
Exponential108,488641,395526,1503711,7159
Normal1028,23945,4810317,496838,9820
           
Weibull5062,61584,6251554,176372,3700
Lognormal5059,89954,3108552,019268,9735
Exponential5055,84529,1808940,462277,0766
Normal5063,55184,0694455,575971,5278

Tabelle für MTTF




Normales 95%-KI
VerteilungMittelwertStandardfehlerUntergrenzeObergrenze
Weibull64,98294,610256,547274,677
Lognormal67,41535,552557,365679,225
Exponential80,567613,245258,3746111,198
Normal63,55184,069455,575971,528