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 80°C와 100°C에서 엔진 권선의 고장 시간을 기록합니다. 하지만 일부 장치는 시험이 끝나기 전에 고장이 나지 않습니다. 따라서 데이터가 우측 관측 중단됩니다. 엔지니어는 데이터에 분포 개관 그림 로그정규 분포를 맞추고, 시간에 따른 생존율과 고장률을 시각적으로 평가합니다.
- 표본 데이터 엔진와인딩신뢰성.MWX를 엽니다.
- 을 선택합니다.
- 신뢰도 데이터 정의에서 사용자 지정 정의을 선택합니다.
- 관측 중단에서 관측 중단 열이 있는 우측 관측 중단 데이터을 선택합니다.
- 데이터에서 하나 이상의 표본, 한 열에 하나씩을 선택합니다.
- 표본 열아래에서 80도를 입력합니다.
- 관측 중단 열아래에서 80도 관측 중단를 입력합니다.
- 에서 0을 선택합니다관측 중단 값.
- 선택 행 추가.
- 의 두 번째 행 표본 열에 . 100도
- 의 두 번째 행 관측 중단 열에 . 100도 관측 중단
- 의 두 번째 행 관측 중단 값에서 0을 선택합니다.
- 가정된 분포에서 로그 정규 분포을 선택합니다.
- 확인을 선택합니다.
결과 해석
확률도는 두 변수의 경우 모두 수명에 대한 점들이 거의 직선을 이룹니다. 따라서, 대수 정규 분포는 두 변수 모두에 대한 좋은 적합치입니다.
여러 변수에 대한 고장률을 비교하려면 위험 함수 그림을 사용합니다. 예를 들어, 100°C에서 초기 고장률은 80°C에서보다 크고 약 40시간에 피크(약 0.03)에 도달합니다. 80°C에서 고장률은 더 천천히 증가하며 약 50시간에 피크(0.032 이상)에 도달합니다.
여러 변수에 대한 생존율을 비교하려면 생존 함수 그림을 사용합니다. 예를 들어, 약 150시간 미만의 시간에는 80°C에서 100°C보다 생존하는 권선의 비율이 상당히 높습니다. 150시간 후에는 두 온도에서 생존하는 권선의 비율이 거의 같아집니다.
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.
