Beispiel für Verteilungsgebundene Wachstumskurve

Ein Zuverlässigkeitstechniker untersucht die Ausfallrate einer bestimmten Klimaanlageneinheit in kommerziellen Düsenflugzeugen. Der Techniker erfasst Ausfallraten für Klimaanlageneinheiten in 13 Flugzeugen. Bei jedem Ausfall einer Einheit wurde diese repariert und wieder in Dienst genommen.

Der Techniker möchte ermitteln, ob die Ausfallrate über die Zeit zunimmt, abnimmt oder konstant bleibt. Für diese Daten wurde keine Klimaanlageneinheiten außer Dienst gesetzt. Alle Daten sind exakte Ausfallzeiten.

  1. Öffnen Sie die Beispieldaten Klimaanlagenzuverlässigkeit.MTW.
  2. Wählen Sie Statistik > Zuverlässigkeit/Lebensdauer > Analyse reparierbarer Systeme > Verteilungsgebundene Wachstumskurve aus.
  3. Wählen Sie Daten sind exakte Ausfall-/Stilllegungszeiten aus.
  4. Geben Sie im Feld Variablen/ Startvariablen die Spalte Ausfall ein.
  5. Geben Sie im Feld System-ID (optional) die Spalte System ein.
  6. Klicken Sie auf OK.

Interpretieren der Ergebnisse

Der Schätzwert für die Form (1,10803) liegt nahe bei 1; dies deutet darauf hin, dass die Ausfallrate über die Zeit nahezu konstant ist. Der Techniker kann sich zu 95 % sicher sein, dass das Intervall (0,984256; 1,24738) die tatsächliche Form der Verteilung für die Grundgesamtheit enthält.

Der Test auf gleiche Formparameter gibt an, dass keine ausreichenden Anzeichen für die Schlussfolgerung vorliegen, dass die Systeme aus Grundgesamtheiten mit unterschiedlichen Formen stammen (p-Wert = 0,539). Daher kann der Techniker annehmen, dass der zusammengefasste Schätzwert für die Form angemessen ist.

Bei einem α-Niveau von 0,05 ist keiner der Tests auf Trends signifikant (p-Wert = 0,107; p-Wert = 0,448, p-Wert = 0,388; p-Wert = 0,688, p-Wert = 0,389). Daher liegen für den Techniker keine Anzeichen vor, aufgrund derer er die Nullhypothese zurückweisen und auf das Vorhandensein eines Trends schließen kann.

Im Ereignisdiagramm ist kein abnehmender oder zunehmender Trend erkennbar. Die Zeiträume zwischen Ausfällen scheinen konstant zu sein.

Das Diagramm der Mean Cumulative Function für Ausfälle zeigt eine lineare Beziehung. Dies deutet ebenfalls darauf hin, dass die Rate der Systemausfälle relativ konstant ist.

System:  System
Modell: Power-Law-Prozess
Schätzmethode: Maximum-Likelihood

Parameterschätzwerte




Normales 95%-KI
ParameterSchätzwertStandardfehlerUntergrenzeObergrenze
Form1,108030,0670,9842561,24738
Skala128,76322,48991,4369181,325

Test auf gleiche Formparameter

Modifiziertes Likelihood-Quotienten-Chi-Quadrat nach Bartlett
Teststatistik10,88
p-Wert0,539
DF12

Trendtests


MIL-Hdbk-189Laplace

TTT-basiertZusammengefasstTTT-basiertZusammengefasstAnderson-Darling
Teststatistik378,17378,280,86-0,400,94
p-Wert0,1070,4480,3880,6880,389
DF424400