오른쪽 검열을 적용한 분포 ID 그림 예시

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. 하지만 일부 단원은 시험이 끝나기 전에 실패하지 않습니다. 따라서 데이터가 우측 관측 중단됩니다. 80°C에서 수집된 데이터를 위한 분포 모델을 선택하기 위해 엔지니어는 를 사용합니다 분포 ID 그림.

  1. 표본 데이터 엔진와인딩신뢰성.MWX를 엽니다.
  2. 통계분석 > 신뢰성/생존 분석 > 분포 분석(우측 관측 중단) > 분포 ID 그림을 선택합니다.
  3. 관측 중단에서 관측 중단 열이 있는 우측 관측 중단 데이터을 선택합니다.
  4. 데이터에서 하나 이상의 표본, 한 열에 하나씩을 선택합니다.
  5. 표본 열아래에서 80도를 입력합니다.
  6. 관측 중단 열아래에서 80도 관측 중단를 입력합니다.
  7. 에서 0을 선택합니다관측 중단 값.
  8. 선택 해제 위치 척도 분포 후 임계값 모수를 가진 분포 다음 분포를 평가합니다:
    • Weibull 분포
    • 로그 정규 분포
    • 로그 로지스틱 분포
    • 지수 분포
  9. 확인을 선택합니다.

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 데이터를 잘 적합하는 경우 가장 보수적인 결과를 제공하는 분포를 사용할 수 있습니다.

팁

분석은 샘플 열과 검열 체계를 포함하는 신뢰성 데이터 정의를 저장합니다. 같은 데이터에 대해 분포 개관 그림, 모수 분포 분석, 비모수 분포 분석 및 분포 ID 그림 를 빠르게 실행 하기 위해 정의를 선택하세요.

적합도

분포Anderson-Darling(수정)
Weibull 분포68.204
로그 정규 분포67.800
로그 로지스틱 분포67.721
지수70.871

백분위수 표





95% 정규 CI
분포백분율백분위수표준 오차하한상한
Weibull 분포110.07652.784535.8626317.3193
로그 정규 분포119.32812.8375014.495325.7722
로그 로지스틱 분포116.08572.9949811.167523.1699
지수10.8097310.1331190.5866841.11758
           
Weibull 분포520.35923.7913014.133529.3273
로그 정규 분포526.92123.0262121.597833.5566
로그 로지스틱 분포525.59483.2767519.914932.8947
지수54.132580.6793912.994225.70371
           
Weibull 분포1027.77504.1199420.768037.1463
로그 정규 분포1032.12253.0940926.596238.7970
로그 로지스틱 분포1031.58363.2978025.738538.7560
지수108.488641.395526.1503711.7159
           
Weibull 분포5062.61584.6251554.176372.3700
로그 정규 분포5059.89954.3108552.019268.9735
로그 로지스틱 분포5058.60874.0705151.149867.1552
지수5055.84529.1808940.462277.0766

MTTF 표




95% 정규 CI
분포평균표준 오차하한상한
Weibull 분포64.98294.610256.547274.677
로그 정규 분포67.41535.552557.365679.225
로그 로지스틱 분포66.99965.583556.903178.887
지수80.567613.245258.3746111.198