某可靠性工程师想要研究电子设备的晶体管之间的漏电情况。当漏电达到某个阈值时,电子设备会失效。为了加快检验的失效速度,检验设备的温度比正常温度高得多。每两天检查设备的失效情况。

工程师执行了加速寿命试验,以估计设备在正常操作条件 (55° C) 和最坏情况操作条件 (85° C) 下失效所需的时间。工程师想确定 B5 的寿命(5% 的设备失效所需的估计时间)。

  1. 打开样本数据,漏电.MTW
  2. 选择统计 > 可靠性/生存 > 加速寿命试验
  3. 选择响应为非删失/任意删失数据
  4. 变量/初始变量中,输入开始时间
  5. 结尾变量中,输入结束时间
  6. 频率列中,输入计数
  7. 加速变量中,输入温度
  8. 关系中,选择常规加速
  9. 假定分布中,选择Weibull
  10. 单击估计。在百分位数和概率估计下面,选择输入新的预测变量值,然后输入新温度
  11. 估计下列百分比的百分位数中,输入 5,然后单击确定
  12. 单击图形。在在图中要包括的设计值中,输入 55
  13. 关系图下面的绘制下列百分比的百分位数中,输入 5,然后选择在图中显示失效时间
  14. 在每个对话框中单击确定

解释结果

基于百分位数表中的结果,工程师可以断定以下结果:

  • 在设计温度 (55°C) 下,5% 的设备将在大约 760 天(稍多于 2 年)后失效。
  • 在最坏情况温度 (85°C) 下,5% 的设备将在大约 81 天之后失效。
这些结果还显示在关系图中。

基于拟合模型的概率图可以帮助您确定加速变量每个水平的分布、变换以及相等形状假定 (Weibull) 是否合适。对于这些数据,点沿着近似的直线分布。因此,模型假定适合于加速变量水平。

加速寿命试验: 开始时间 与 温度

* 注 * 已使用 21 个案例 * 注 * 3 个案例包含缺失值或者是包含零频率的案例。
响应变量初始:开始时间 结束: 结束时间 频率: 计数 删失 删失信息 计数 右删失值 95 区间删失值 58 估计法:极大似然 分布: Weibull 与加速变量的关系: 常规加速
回归表 95.0% 正态置信区间 自变量 系数 标准误 Z P 下限 上限 截距 -17.0990 4.13633 -4.13 0.000 -25.2061 -8.99195 温度 0.755405 0.157076 4.81 0.000 0.447542 1.06327 形状 0.996225 0.136187 0.762071 1.30232 对数似然 = -191.130
百分位数表格 95.0% 正态置信区 间 百分比 温度 百分位数 标准误 下限 上限 5 55 759.882 928.717 69.2500 8338.21 5 85 81.0926 63.2317 17.5897 373.855
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策