Assistance de Minitab® 

Exemple pour Diagramme d'identification de loi avec la censure par intervalles

En savoir plus sur Minitab

Un ingénieur en fiabilité souhaite évaluer la fiabilité d’un nouveau type de silencieux et estimer la proportion de réclamations sous garantie attendues avec une garantie de 50 000 miles. L’ingénieur collecte les données de défaillance sur les anciens types et les nouveaux types de silencieux. La défaillance des silencieux a été inspectée tous les 10 000 miles.

L’ingénieur enregistre le nombre de pannes pour chaque intervalle de 10 000 miles. Par conséquent, les données sont censurées par intervalle. Avant d’analyser les données de défaillance des nouveaux silencieux utilisant Analyse de loi paramétrique, l’ingénieur utilise Diagramme d'identification de loi pour sélectionner un modèle de distribution pour l’analyse.

  1. Ouvrez les données d’échantillonnage, FiabilitéSilencieux.MWX.
  2. Choisissez Stat > Fiabilité/Survie > Analyse de loi > Diagramme d'identification de loi.
  3. Dans Troncature, sélectionnez Données tronquées par intervalle.
  4. Dans Données, sélectionnez Un ou plusieurs échantillons, chacun dans des colonnes de début et de fin distinctes.
  5. Dans Colonne de début, saisissez DébNouv.
  6. Dans Colonne de fin, saisissez FinNouv.
  7. Dans Colonne de fréquence (facultative), saisissez FréqNouv.
  8. Désinscrire Distributions d'échelle et d'emplacement et Lois avec un paramètre de seuil évaluer les distributions suivantes :
    • Weibull
    • Log-normale
    • Log-logistique
    • Exponentielle
  9. Sélectionnez OK.

Interpréter des résultats

Sur le diagramme de probabilité de Weibull, les points se trouvent approximativement sur la ligne droite. Par conséquent, la répartition de Weibull s’adapte bien. L’ingénieur décide donc d’utiliser la répartition de Weibull pour modéliser les données Analyse de loi paramétrique.

Minitab affiche également un tableau des percentiles et un tableau du temps moyen jusqu’à l’échec (MTTF), qui fournissent les temps de défaillance calculés pour chaque répartition. Vous pouvez comparer les valeurs calculées pour voir comment vos conclusions peuvent évoluer avec différentes répartitions. Si plusieurs répartitions correspondent bien à vos données, vous pouvez vouloir utiliser la distribution qui offre les résultats les plus conservateurs.

Conseil

L’analyse stocke une définition de données de fiabilité qui inclut les colonnes d’exemple et le schéma de troncature. Sélectionnez la définition pour exécuter rapidement Diagramme d'identification de loi, Diagramme de présentation de loi, Analyse de loi paramétrique, et Analyse de loi non paramétrique sur les mêmes données.

En utilisant les effectifs dans FréqNouv

Adéquation de l'ajustement

Loi de
distribution		Anderson-Darling
(ajust)
Weibull7,278
Log-normale7,322
Log-logistique7,277
Exponentielle8,305

Tableau des percentiles

Loi de
distribution


IC normal de 95 %
PourcentagePercentileErreur typeInférieurSupérieur
Weibull137265,1938,48535470,339150,6
Log-normale143817,7688,03342489,745187,2
Log-logistique141843,3810,04840285,443461,5
Exponentielle1941,78932,5296880,1431007,75
           
Weibull549434,9841,14747813,551111,3
Log-normale551458,9624,45150249,552697,5
Log-logistique551967,9703,26450607,753364,8
Exponentielle54806,55166,0194491,935143,21
           
Weibull1056006,1759,18654537,757514,0
Log-normale1056063,1585,90554926,457223,3
Log-logistique1057323,9638,68456085,758589,5
Exponentielle109873,05341,0179226,7910564,6
           
Weibull5077639,9501,31276663,578628,7
Log-normale5075850,3576,62574728,576988,9
Log-logistique5076490,1545,54975428,377566,9
Exponentielle5064952,92243,4960701,369502,3

Tableau des durées moyennes avant défaillance (MTTF)

Loi de
distribution

IC normal de 95 %
MoyenneErreur typeInférieurSupérieur
Weibull76585,0488,7175633,177549
Log-normale77989,9615,9676792,079207
Log-logistique78702,3579,0277575,679845
Exponentielle93707,33236,6787573,5100271

Copyright © 2026 Minitab, LLC. All rights Reserved.