パラメトリック成長曲線の例

ある信頼性エンジニアが、商用ジェット機で使用される特定の空調設備の故障率を評価します。エンジニアは13機の飛行機の空調設備の故障データを収集します。部品は故障するたびに修理して再び使用されました。

エンジニアは、時間の経過により故障率が増加しているのか、減少しているのか、または一定のまま変わらないのかを判断したいと考えています。これらのデータでは、離脱した空調設備はありません。したがって、すべてのデータは正確な故障時間を示します。

  1. サンプルデータを開く、空調設備の信頼性.MTW.
  2. 統計 > 信頼性/生存時間 > 修復可能システム分析 > パラメトリック成長曲線を選択します。
  3. データは厳密な故障/離脱時間を選択します。
  4. 変数/開始変数に、故障を入力します。
  5. システムID (オプション)に、システムを入力します。
  6. OKをクリックします。

結果を解釈する

形状の推定値(1.10803)は1に近く、故障率がほぼ一定に推移していることを示します。エンジニアは、95%の信頼性をもって、区間(0.984256, 1.24738)に母集団の分布の実際の形状が含まれると判断できます。

形状パラメータの同等性検定の結果は、システムがそれぞれ異なる形状の母集団からのものであると断定できる十分な証拠はないことを示しています(P値 = 0.539)。このため、エンジニアは形状の併合推定値が妥当であることを仮定できます。

0.05のα値で、有意なトレンド検定(P値 = 0.107、P値 = 0.448、P値 = 0.388、P値 = 0.688、P値 = 0.389)はありません。したがって、エンジニアは帰無仮説を拒否する証拠がなく、傾向は存在しないと結論付けます。

事象プロットでは傾向の増減が示されません。故障間隔は一定であることがわかります。

故障に関する平均累積関数のプロットに示される線形関係から、システム故障率が比較的一定であることも示しています。

パラメトリック成長曲線: 故障

システム: システム モデル:べき乗則過程 推定法:最尤法
パラメータ推定値 パラ 95%正規信頼区間 メータ 推定 標準誤差 下限 上限 形状 1.10803 0.067 0.984256 1.24738 尺度 128.763 22.489 91.4369 181.325
形状パラメータの同等性検定 Bartlettの修正尤度比カイ二乗 検定統計量 10.88 p値 0.539 自由度 12
トレンド検定 MIL-Hdbk-189 ラプラス TTTベース 併合 TTTベース 併合 Anderson-Darling 検定統計量 378.17 378.28 0.86 -0.40 0.94 p値 0.107 0.448 0.388 0.688 0.389 自由度 424 400

故障の事象プロット

故障の平均累積関数

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください