一位可靠性工程师想评估新型消声器的可靠性，并估计预期 50,000 英里保修的保证索赔的比率。工程师收集了新旧两种类型的消声器的失效数据。每隔 10,000 英里对消声器进行一次失效检测。
工程师记录每个 10,000 英里间隔的失效次数。因此，数据会被区间审查。工程师使用 分布概要图 拟合韦布尔分布，并直观评估存活率和故障率随时间变化。
- 打开样本数据 消声器可靠性.MWX。
- 选择 。
- 从删失 中，选择区间删失数据。
- 从数据 中，选择一个或多个样本，每个样本位于单独的起始列和结束列中。
- 在 起始列中，输入开始（旧）。
- 在 结束列中，输入结束（旧）。
- 在 频率列 (可选)中，输入频率（旧）。
- 选择 添加行。
- 在 的 起始列第二行 中，输入 开始（新）。
- 在 的 结束列第二行 中，输入 结束（新）。
- 在 的 频率列 (可选)第二行 中，输入 频率（新）。
- 从假定分布 中，选择Weibull。
- 选择 确定。
解释结果
概率图指示 Weibull 分布能够很好地拟合这两个变量的这些数据。
使用故障函数图可以比较不同变量的失效率。例如，在行驶英里数小于 90,000 时，新消声器设计的失效率小于旧设计的失效率。
使用生存函数图可以比较不同变量的生存率。例如，在行驶的所有英里数中，新设计中生存的消声器所占的百分比大于旧设计中的百分比。
提示
分析存储包含样本列和审查方案的可靠性数据定义。选择定义以快速运行 分布 ID 图、 分布概要图、 参数分布分析和 非参数分布分析 在同一数据上。
