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
모수추정치표준 오차하한상한
위치 모수11.42890.066198611.299111.5586
척도 모수0.3868790.05796570.2884300.518932
변수 시작: 시작  끝: 종료
빈도: 빈도
고장 모드: 고장 = 가스켓

모수 추정치




95.0% 정규 CI
모수추정치표준 오차하한상한
위치 모수11.63180.15030611.337211.9264
척도 모수0.8053580.1399710.5728631.13221

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
백분율백분위수표준 오차하한상한
137378.24186.5530010.946554.0
241535.64092.3734241.650383.3
344409.94013.1637201.553015.1
446702.63946.0139575.055113.9
548654.43888.5341600.056905.2
650380.03839.1543390.358495.5
751943.23796.8345010.059944.3
853383.93760.8546499.161288.2
954728.93730.7147884.362552.0
1055997.03706.0349184.763752.8
2066386.73718.1359485.174089.2
3075055.24143.2167358.583631.3
4083353.34935.8874219.593611.2
5091937.06086.1080749.9104674
601014057648.6687468.9117560
701126169795.1394965.1133547
8012732112976.5104266155473
9015094418744.6118335192540
9115444119655.9120346198197
9215833220685.5122564204539
9316272421866.6125046211756
9416777323248.6127871220128
9517372324908.8131163230094
9618098426979.2135130242398
9719032729711.7140159258452
9820349833685.8147115281490
9922613240821.4158746322123
변수 시작: 시작  끝: 종료
빈도: 빈도
고장 모드: 고장 = 가스켓

백분위수 표




95.0% 정규 CI
백분율백분위수표준 오차하한상한
117295.94302.9510621.328164.9
221542.14636.3114128.332846.1
324761.74823.6916903.036274.2
427497.14951.3119320.339134.5
529943.65047.8721518.341667.6
632196.65126.8423565.143989.8
734311.25195.8325499.746167.4
836322.05259.6627347.148242.5
938253.05321.6629123.950243.8
1040121.15384.3330841.852192.2
2057180.06349.0445997.171081.8
3073823.88397.1559071.292260.7
4091833.411825.771349.1118199
5011261916927.383882.5151200
6013810924362.197740.3195152
7017180235634.2114413257976
8022180954607.2136906359366
9031611995637.2174716571965
91331557102872180491609060
92349183111286186970652131
93369648121249194350703061
94393925133323202921764718
95423565148416213139841741
96461250168122225778942306
975122051956072423121082708
985887582385272661241302535
997333003241053083661743799
변수 시작: 시작  끝: 종료
빈도: 빈도
고장 모드: 고장 = 베어링, 가스켓

백분위수 표



95.0% 정규 CI
백분율백분위수하한상한
117291.810624.027909.5
221511.514143.532140.0
324665.916938.535023.7
427287.419376.337286.9
529566.821584.139192.7
631599.223619.640869.3
733441.625513.642388.0
835132.027285.143791.9
936698.128948.145108.3
1038160.430513.646355.3
2049496.042607.756673.6
3058169.351495.765176.2
4066025.759190.373260.0
5073846.866445.581745.1
6082224.873737.491377.7
7091908.081606.5103179
8010433191022.7119199
90123832104763145869
91126682106692149894
92129844108814154393
93133401111178159496
94137476113860165393
95142259116972172382
96148072120708180967
97155514125421192100
98165939131908207946
99183695142684235557

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.