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. L'ingénieur utilise un diagramme de présentation de répartition (troncature arbitraire) pour ajuster une loi de Weibull aux données et évaluer visuellement les taux de survie et de défaillance au fil du temps.
- Ouvrez le fichier de données échantillons, FiabilitéSilencieux.MTW.
- Sélectionnez .
- Dans la zone Variables initiales, saisissez DébutAncDébNouv.
- Dans la zone Variables finales, saisissez FinAncFinNouv.
- Dans la zone Colonnes d'effectifs (facultatif), saisissez FréqAncFréqNouv.
- Sélectionnez Analyse paramétrique. Dans la fonction Loi de distribution, sélectionnez Weibull.
- Cliquez sur OK.
Interprétation des résultats
Le diagramme de probabilité indique que la loi de Weibull offre un bon ajustement pour les données, pour les deux variables.
Utilisez le diagramme de fonction de risque pour comparer le taux de défaillance de plusieurs variables. Par exemple, le taux de défaillance du nouveau modèle silencieux est inférieur à celui de l'ancien modèle pour une utilisation inférieure à 90 000 miles environ.
Utilisez le diagramme de fonction de survie pour comparer le taux de survie pour les diverses variables. Par exemple, le pourcentage de silencieux qui survivent est plus élevé pour le nouveau modèle de silencieux que pour l'ancien, quel que soit le nombre de miles d'utilisation.
