모수 분포 분석(임의 관측 중단)에 대한 다중 고장 모드 분석

다중 고장 모드 분석 - 모수 추정치

모수 추정치는 각 고장 모드에 대해 선택된 분포에 대해 가장 적합한 모수 추정치를 정의합니다. 다른 모든 모수 분포 분석 그래프 및 통계량은 선택된 분포에 바탕을 두고 있습니다. 따라서 정확한 결과를 얻으려면 사용자가 선택한 분포가 데이터를 적절히 적합해야 합니다.

추정된 분포 모수를 통해서는 선택된 분포가 데이터에 적합한지 여부를 확인할 수 없습니다. 분포가 데이터를 잘 적합하는지 여부를 확인하려면 분포 ID 그림, 확률도 및 적합도 측도를 사용합니다.

출력 예

변수 시작: 시작 끝: 종료 빈도: 빈도 고장 모드: 고장 = 베어링
모수 추정치 95.0% 정규 CI 모수 추정치 표준 오차 하한 상한 위치 모수 11.4289 0.0661986 11.2991 11.5586 척도 모수 0.386879 0.0579657 0.288430 0.518932
변수 시작: 시작 끝: 종료 빈도: 빈도 고장 모드: 고장 = 가스켓
모수 추정치 95.0% 정규 CI 모수 추정치 표준 오차 하한 상한 위치 모수 11.6318 0.150306 11.3372 11.9264 척도 모수 0.805358 0.139971 0.572863 1.13221

해석

급수 펌프 데이터의 경우 엔지니어는 베어링 고장을 모형화하기 위해 로그 정규 분포를 선택했고 개스킷 고장을 모형화하기 위해서도 로그 정규 분포를 선택했습니다. 각 고장 모드에 대해 가장 적합한 분포를 정의하는 모수는 다음과 같습니다.
  • 베어링 고장의 경우 위치 모수 = 11.4289, 척도 모수 = 0.386879
  • 개스킷 고장의 경우 위치 모수 = 11.6318, 척도 모수 = 0.805358

다중 고장 모드 분석 - 백분위수

백분위수는 모집단의 해당 백분율이 고장날 것으로 기대되는 시간을 나타냅니다. 백분위수 값은 제품이 신뢰도 요구를 만족하는지 여부를 확인하거나 전반적인 신뢰도에 영향을 미치는 고장 모드가 어떤 것인지 확인할 때 사용합니다.

이 값은 분포가 데이터를 적절하게 적합할 경우에만 사용합니다. 분포가 데이터를 잘 적합하지 않으면 이러한 추정치가 부정확하게 됩니다. 분포가 데이터를 잘 적합하는지 여부를 확인하려면 분포 ID 그림, 확률도 및 적합도 측도를 사용합니다.

출력 예

변수 시작: 시작 끝: 종료 빈도: 빈도 고장 모드: 고장 = 베어링
백분위수 표 95.0% 정규 CI 백분율 백분위수 표준 오차 하한 상한 1 37378.2 4186.55 30010.9 46554.0 2 41535.6 4092.37 34241.6 50383.3 3 44409.9 4013.16 37201.5 53015.1 4 46702.6 3946.01 39575.0 55113.9 5 48654.4 3888.53 41600.0 56905.2 6 50380.0 3839.15 43390.3 58495.5 7 51943.2 3796.83 45010.0 59944.3 8 53383.9 3760.85 46499.1 61288.2 9 54728.9 3730.71 47884.3 62552.0 10 55997.0 3706.03 49184.7 63752.8 20 66386.7 3718.13 59485.1 74089.2 30 75055.2 4143.21 67358.5 83631.3 40 83353.3 4935.88 74219.5 93611.2 50 91937.0 6086.10 80749.9 104674 60 101405 7648.66 87468.9 117560 70 112616 9795.13 94965.1 133547 80 127321 12976.5 104266 155473 90 150944 18744.6 118335 192540 91 154441 19655.9 120346 198197 92 158332 20685.5 122564 204539 93 162724 21866.6 125046 211756 94 167773 23248.6 127871 220128 95 173723 24908.8 131163 230094 96 180984 26979.2 135130 242398 97 190327 29711.7 140159 258452 98 203498 33685.8 147115 281490 99 226132 40821.4 158746 322123
변수 시작: 시작 끝: 종료 빈도: 빈도 고장 모드: 고장 = 가스켓
백분위수 표 95.0% 정규 CI 백분율 백분위수 표준 오차 하한 상한 1 17295.9 4302.95 10621.3 28164.9 2 21542.1 4636.31 14128.3 32846.1 3 24761.7 4823.69 16903.0 36274.2 4 27497.1 4951.31 19320.3 39134.5 5 29943.6 5047.87 21518.3 41667.6 6 32196.6 5126.84 23565.1 43989.8 7 34311.2 5195.83 25499.7 46167.4 8 36322.0 5259.66 27347.1 48242.5 9 38253.0 5321.66 29123.9 50243.8 10 40121.1 5384.33 30841.8 52192.2 20 57180.0 6349.04 45997.1 71081.8 30 73823.8 8397.15 59071.2 92260.7 40 91833.4 11825.7 71349.1 118199 50 112619 16927.3 83882.5 151200 60 138109 24362.1 97740.3 195152 70 171802 35634.2 114413 257976 80 221809 54607.2 136906 359366 90 316119 95637.2 174716 571965 91 331557 102872 180491 609060 92 349183 111286 186970 652131 93 369648 121249 194350 703061 94 393925 133323 202921 764718 95 423565 148416 213139 841741 96 461250 168122 225778 942306 97 512205 195607 242312 1082708 98 588758 238527 266124 1302535 99 733300 324105 308366 1743799
변수 시작: 시작 끝: 종료 빈도: 빈도 고장 모드: 고장 = 베어링, 가스켓
백분위수 표 95.0% 정규 CI 백분율 백분위수 하한 상한 1 17291.8 10624.0 27909.5 2 21511.5 14143.5 32140.0 3 24665.9 16938.5 35023.7 4 27287.4 19376.3 37286.9 5 29566.8 21584.1 39192.7 6 31599.2 23619.6 40869.3 7 33441.6 25513.6 42388.0 8 35132.0 27285.1 43791.9 9 36698.1 28948.1 45108.3 10 38160.4 30513.6 46355.3 20 49496.0 42607.7 56673.6 30 58169.3 51495.7 65176.2 40 66025.7 59190.3 73260.0 50 73846.8 66445.5 81745.1 60 82224.8 73737.4 91377.7 70 91908.0 81606.5 103179 80 104331 91022.7 119199 90 123832 104763 145869 91 126682 106692 149894 92 129844 108814 154393 93 133401 111178 159496 94 137476 113860 165393 95 142259 116972 172382 96 148072 120708 180967 97 155514 125421 192100 98 165939 131908 207946 99 183695 142684 235557

해석

급수 펌프 데이터에 대한 백분위수의 표는 다음을 나타냅니다.
  • 펌프의 1%가 베어링 고장으로 인해 37378.2마일 이전에 고장이 발생합니다.
  • 펌프의 1%가 개스킷 고장으로 인해 17295.9마일 이전에 고장이 발생합니다.

전체적으로 17291.8마일 이전에 급수 펌프의 1%가 고장나게 됩니다. 급수 펌프의 신뢰도를 크게 개선하려면 엔지니어들은 개스킷 고장을 최소화하는 데 중점을 두어야 합니다.

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