한 신뢰성 공학 엔지니어가 불량 냉장고 압축기에 의해 야기되는 보증 클레임을 예측하려고 합니다. 이 엔지니어는 작년의 월간 고장 데이터를 수집하고 분석합니다.

엔지니어는 이후 매월 1000대의 장치가 생산될 예정이라는 것을 알고 있습니다. 고장 데이터는 Weibull 분포를 사용하여 모형화할 수 있습니다. 사전 처리 보증 데이터의 형식을 변경한 후 엔지니어는 보증 예측을 사용하여 미래의 보증 클레임을 예측합니다.

  1. 표본 데이터압축기고장_사전처리.MTW을 엽니다.
  2. 통계분석 > 신뢰성/생존 분석 > 보증 분석 > 보증 예측을 선택합니다.
  3. 시작 시간시작 시간을 입력합니다.
  4. 끝 시간끝 시간을 입력합니다.
  5. 빈도(옵션)빈도을 입력합니다.
  6. 예측을 클릭합니다. 각 기간의 생산량1000을 입력합니다.
  7. 각 대화 상자에서 확인을 클릭합니다.

결과 해석

현재 보증 클레임의 요약 표 결과는 데이터 수집 기간 동안 현장에 있는 12,000개의 압축기 중 69개가 고장났다는 것을 나타냅니다. Weibull 분포를 사용하여 얻은 추정치를 기반으로 약 69개의 압축기가 이 시간 동안 고장날 것으로 예상되었습니다.

엔지니어는 예측 고장 횟수 표 및 예측 고장 횟수 그림을 사용하여 다음 5개월 내 추가로 고장날 것으로 예상되는 압축기의 수가 약 62 ~ 98개의 구간에 포함된다고 95% 확신할 수 있습니다.

* 참고 * 22개 사례를 사용했으며, 2개 사례는 결측값 또는 빈도 0을 포함합니다.
빈도에서 빈도 사용

분포 모수

분포형상척도 모수
Weibull 분포1.26494398.062
최대 우도 추정 방법

현재 보증 클레임 요약

전체 단위 수 12000
관측된 실패 횟수 69
예상 고장 횟수68.5201
95% 포아송 CI(53.2630, 86.7876)
   
미래 기간 동안 위험한 단위 수11931

생산 스케줄

미래 기간12345
생산량10001000100010001000

고장 횟수 예측 표




95% 포아송 CI
미래 기간잠재적 실패 횟수고장 횟수 예측하한상한
11293113.10737.000022.3660
21393127.493018.193339.8678
31493143.179831.272258.1271
41593160.189245.951677.4449
51693178.541662.137397.9488