Un ingénieur de fiabilité souhaite évaluer la fiabilité d'un nouveau type de silencieux et calculer la proportion de réclamations de garantie qui peut être attendue avec une garantie de 50 000 miles. L'ingénieur collecte les données de défaillance sur les anciens et les nouveaux types de silencieux. La défaillance des silencieux a été inspectée tous les 10 000 miles.
L'ingénieur enregistre le nombre de défaillances tous les 10 000 miles. Par conséquent, les données sont tronquées arbitrairement. Avant d'analyser les données de défaillance des nouveaux silencieux à l'aide de l'analyse de répartition paramétrique (troncature arbitraire), l'ingénieur utilise le diagramme d'identification de répartition (troncature arbitraire) pour sélectionner un modèle de distribution pour l'analyse.
- Ouvrez le fichier de données échantillons, FiabilitéSilencieux.MTW.
- Sélectionnez .
- Dans la zone Variables initiales, saisissez DébNouv.
- Dans la zone Variables finales, saisissez FinNouv.
- Dans la zone Colonnes d'effectifs (facultatif), saisissez FréqNouv.
- Sélectionnez Spécifier. Vérifiez que les lois par défaut sont sélectionnées (Weibull, Log-normale, Exponentielle et Normale).
- Cliquez sur OK.
Interprétation des résultats
Sur le diagramme de probabilité de Weibull, les points se trouvent approximativement sur la ligne droite. Par conséquent, la loi de Weibull fournit un ajustement correct. L'ingénieur décide donc d'utiliser la loi de Weibull pour modéliser les données pour l'analyse de répartition paramétrique (troncature arbitraire).
Minitab affiche également un tableau des percentiles et un tableau des durées moyennes avant défaillance (MTTF), qui indiquent les temps de défaillance calculés pour chaque loi. Vous pouvez comparer les valeurs calculées pour déterminer dans quelle mesure les conclusions peuvent varier selon la loi utilisée. Si plusieurs lois s'ajustent correctement aux données, vous pouvez utiliser celle qui fournit les résultats les plus prudents.
Adéquation de l'ajustement
| Loi de distribution | Anderson-Darling (ajust) |
|---|---|
| Weibull | 7,278 |
| Log-normale | 7,322 |
| Exponentielle | 8,305 |
| Normale | 7,291 |
Tableau des percentiles
| Loi de distribution | IC normal de 95 % | ||||
|---|---|---|---|---|---|
| Pourcentage | Percentile | Erreur type | Inférieur | Supérieur | |
| Weibull | 1 | 37265,1 | 938,485 | 35470,3 | 39150,6 |
| Log-normale | 1 | 43817,7 | 688,033 | 42489,7 | 45187,2 |
| Exponentielle | 1 | 941,789 | 32,5296 | 880,143 | 1007,75 |
| Normale | 1 | 39810,3 | 1047,34 | 37757,6 | 41863,1 |
| Weibull | 5 | 49434,9 | 841,147 | 47813,5 | 51111,3 |
| Log-normale | 5 | 51458,9 | 624,451 | 50249,5 | 52697,5 |
| Exponentielle | 5 | 4806,55 | 166,019 | 4491,93 | 5143,21 |
| Normale | 5 | 50694,9 | 810,524 | 49106,3 | 52283,5 |
| Weibull | 10 | 56006,1 | 759,186 | 54537,7 | 57514,0 |
| Log-normale | 10 | 56063,1 | 585,905 | 54926,4 | 57223,3 |
| Exponentielle | 10 | 9873,05 | 341,017 | 9226,79 | 10564,6 |
| Normale | 10 | 56497,5 | 699,183 | 55127,1 | 57867,8 |
| Weibull | 50 | 77639,9 | 501,312 | 76663,5 | 78628,7 |
| Log-normale | 50 | 75850,3 | 576,625 | 74728,5 | 76988,9 |
| Exponentielle | 50 | 64952,9 | 2243,49 | 60701,3 | 69502,3 |
| Normale | 50 | 76966,0 | 514,756 | 75957,1 | 77974,9 |
Tableau des durées moyennes avant défaillance (MTTF)
| Loi de distribution | IC normal de 95 % | |||
|---|---|---|---|---|
| Moyenne | Erreur type | Inférieur | Supérieur | |
| Weibull | 76585,0 | 488,71 | 75633,1 | 77549 |
| Log-normale | 77989,9 | 615,96 | 76792,0 | 79207 |
| Exponentielle | 93707,3 | 3236,67 | 87573,5 | 100271 |
| Normale | 76966,0 | 514,76 | 75957,1 | 77975 |
