Weibayes 분석의 예
수명 분포 플랫폼에서는 Weibayes 분석을 수행할 수 있는 두 가지 방법을 제공합니다.
• 고장이 없고(모든 관측값이 오른쪽 중도절단됨), 무고장 데이터에 대해서만 Weibayes 환경 설정이 선택되어 있습니다. 그러면 Weibayes 보고서가 나타납니다. 자세한 내용은 고장이 없는 데이터에 대한 Weibayes 예에서 확인하십시오.
• 고장 수가 적습니다. 전체 수명 분포 보고서가 제공됩니다. Weibull 분포를 적합시킵니다. "모수 추정값 - Weibull" 보고서에서 "모수 고정" 옵션을 선택합니다. 그런 다음 "고정 모수" 보고서에서 "Weibayes" 옵션을 선택합니다. 자세한 내용은 고장이 한 개 있는 데이터에 대한 Weibayes 예에서 확인하십시오.
고장이 없는 데이터에 대한 Weibayes 예
대부분 신뢰할 수 있는 제품에 대한 데이터가 있습니다. 1,000시간 동안 30개를 시험하여 고장이 발생하지 않았습니다. 2,000시간에서의 고장 확률을 예측하려고 합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Reliability/Weibayes No Failures.jmp를 엽니다.
2. 분석 > 신뢰성 및 생존 > 수명 분포를 선택합니다.
3. Time을 선택하고 Y, 사건 발생 시간을 클릭합니다.
4. Censor를 선택하고 중도절단을 클릭합니다.
5. Freq를 선택하고 빈도를 클릭합니다.
6. 가능도를 신뢰 구간 방법으로 선택합니다.
7. 확인을 클릭합니다.
특수한 "수명 분포" 보고서가 나타납니다. Weibayes 및 Weibull 베타를 선택해야 합니다.
8. 알려진 Weibull b 값으로 "1.5"를 입력합니다.
값 1.5는 이 예에 적절한 것으로 간주됩니다.
9. 업데이트를 클릭합니다.
10. "분포 프로파일러"에서 Time에 "2000"을 입력합니다.
그림 3.18 무고장에 대한 수명 분포 보고서
"분포 프로파일러"를 보면 2,000시간에서 보수적 확률이 24.6058%임을 알 수 있습니다. 즉, 고장 확률에 대한 한쪽 꼬리 보수적 95% 신뢰 한계가 24.6058%입니다.
고장이 한 개 있는 데이터에 대한 Weibayes 예
동일한 데이터가 있지만 이번에는 800시간에서 한 번의 고장이 발생했다고 가정해 보겠습니다. 다시 2,000시간에서의 고장 확률을 예측하려고 합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Reliability/Weibayes One Failure.jmp를 엽니다.
2. 분석 > 신뢰성 및 생존 > 수명 분포를 선택합니다.
3. Time을 선택하고 Y, 사건 발생 시간을 클릭합니다.
4. Censor를 선택하고 중도절단을 클릭합니다.
5. Freq를 선택하고 빈도를 클릭합니다.
6. 가능도를 신뢰 구간 방법으로 선택합니다.
7. 확인을 클릭합니다.
"수명 분포" 보고서가 나타납니다.
8. "분포 비교" 그림에서 Weibull 분포를 선택합니다.
9. "모수 추정값 - Weibull" 옆의 빨간색 삼각형을 클릭하고 모수 고정을 선택합니다.
10. "모수 고정" 보고서에서 Weibayes 및 Weibull 베타를 선택합니다.
11. 알려진 Weibull b 값으로 "1.5"를 입력합니다.
12. 업데이트를 클릭합니다.
13. "분포 프로파일러"에서 Time에 "2000"을 입력합니다.
14. Y 축 상단을 커서로 가리킵니다. 커서가 손 모양으로 바뀝니다. 맨 위의 숫자가 0.5가 될 때까지 축을 아래로 드래그합니다.
그림 3.19 단일 고장에 대한 수명 분포 보고서
"분포 프로파일러"에서 실선은 MLE를 나타냅니다. 파선은 Weibayes 보수적 한계를 나타냅니다. 2,000시간에서 보수적 확률이 36.3351%임을 알 수 있습니다. 즉, 고장 확률에 대한 한쪽 꼬리 보수적 95% 신뢰 한계가 36.3351%입니다.