분포 ID 그림(우측 관측 중단) 예

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.

표본 데이터엔진와인딩신뢰성.MTW을 엽니다.
통계분석 > 신뢰성/생존 분석 > 분포 분석(우측 관측 중단) > 분포 ID 그림을 선택합니다.
변수에 80도을 입력합니다.
지정을 선택합니다. 기본 분포가 선택되었는지 확인합니다(Weibull 분포, 로그 정규 분포, 지수 분포, 정규 분포).
관측 중단을 클릭합니다. 관측 중단 열 사용 아래 80도 관측 중단을 입력합니다.
관측 중단 값에 0을 입력합니다.
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.

				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

			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

분포 ID 그림(우측 관측 중단) 예

결과 해석

적합도

백분위수 표

MTTF 표

분포	Anderson-Darling(수정)
Weibull 분포	68.204
로그 정규 분포	67.800
지수	70.871
정규 분포	68.305