분포 ID 그림(우측 관측 중단)

한 신뢰성 공학 엔지니어가 터빈 조립 부품의 엔진 와인딩 고장률을 조사하여 와인딩에 고장이 발생하는 시간을 확인하려고 합니다. 고온에서는 와인딩이 아주 빨리 변질될 수 있습니다.

엔지니어는 여러 온도에서 엔진 와인딩의 고장 시간을 기록합니다. 그러나 일부 장치는 고장이 발생하기 전에 검정에서 제거해야 합니다. 따라서 데이터가 우측 관측 중단됩니다. 엔지니어는 80°C에서 수집된 데이터에 대한 분포 모형을 선택하기 위해 분포 ID 그림(우측 관측 중단)을 사용합니다.

  1. 표본 데이터엔진와인딩신뢰성.MTW을 엽니다.
  2. 통계분석 > 신뢰성/생존 분석 > 분포 분석(우측 관측 중단) > 분포 ID 그림을 선택합니다.
  3. 변수80도을 입력합니다.
  4. 지정을 선택합니다. 기본 분포가 선택되었는지 확인합니다(Weibull 분포, 로그 정규 분포, 지수 분포, 정규 분포).
  5. 관측 중단을 클릭합니다. 관측 중단 열 사용 아래 80도 관측 중단을 입력합니다.
  6. 관측 중단 값0을 입력합니다.
  7. 각 대화 상자에서 확인을 클릭합니다.

결과 해석

로그 정규 확률도에서는 수명에 대한 점들이 거의 직선을 이룹니다. 따라서 로그 정규 분포가 좋은 적합치를 제공합니다. 엔지니어는 80°C에서 수집된 데이터를 모형화하기 위해 로그 정규 분포를 사용하기로 결정합니다.

Minitab에서는 또한 각 분포에 대해 계산된 수명을 제공하는 백분위수 표와 평균 수명(MTTF)의 표를 제공합니다. 계산된 값을 비교하여 분포에 따라 결론이 어떻게 달라지는지 확인할 수 있습니다. 여러 분포가 데이터에 적합한 경우 가장 보수적인 결과를 제공하는 분포를 사용할 수 있습니다.

분포 ID 그림: 80도

적합도 분포 Anderson-Darling(수정) Weibull 분포 68.204 로그 정규 분포 67.800 지수 70.871 정규 분포 68.305
백분위수 표 95% 정규 CI 분포 백분율 백분위수 표준 오차 하한 상한 Weibull 분포 1 10.0765 2.78453 5.86263 17.3193 로그 정규 분포 1 19.3281 2.83750 14.4953 25.7722 지수 1 0.809731 0.133119 0.586684 1.11758 정규 분포 1 -0.549323 8.37183 -16.9578 15.8592 Weibull 분포 5 20.3592 3.79130 14.1335 29.3273 로그 정규 분포 5 26.9212 3.02621 21.5978 33.5566 지수 5 4.13258 0.679391 2.99422 5.70371 정규 분포 5 18.2289 6.40367 5.67790 30.7798 Weibull 분포 10 27.7750 4.11994 20.7680 37.1463 로그 정규 분포 10 32.1225 3.09409 26.5962 38.7970 지수 10 8.48864 1.39552 6.15037 11.7159 정규 분포 10 28.2394 5.48103 17.4968 38.9820 Weibull 분포 50 62.6158 4.62515 54.1763 72.3700 로그 정규 분포 50 59.8995 4.31085 52.0192 68.9735 지수 50 55.8452 9.18089 40.4622 77.0766 정규 분포 50 63.5518 4.06944 55.5759 71.5278
MTTF 표 95% 정규 CI 분포 평균 표준 오차 하한 상한 Weibull 분포 64.9829 4.6102 56.5472 74.677 로그 정규 분포 67.4153 5.5525 57.3656 79.225 지수 80.5676 13.2452 58.3746 111.198 정규 분포 63.5518 4.0694 55.5759 71.528

80도에 대한 분포 ID 그림

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오