发布日期: 11/15/2021

Weibayes 估计值

有两种可能的方法可以获取 Weibayes 分析:

没有失效(所有观测均右删失)并且已选中首选项 Weibayes 仅适用于零失效数据,则显示 Weibayes 报表。请参见无失效数据的 Weibayes 示例

有极少的失效。显示完整的“寿命分布”报表。拟合 Weibull 分布。在“参数估计值 - Weibull”报表中,选择“固定参数”选项。然后选择“固定参数”报表中的 Weibayes 选项。请参见有一个失效数据的 Weibayes 示例

无失效数据的 Weibayes 示例

您有一种大体上可靠的产品的相关数据,其中 30 个经过 1,000 个小时的测试后未出现失效。您想要预测 2,000 个小时下的失效概率。

1. 选择帮助 > 样本数据库,然后打开 Reliability/Weibayes No Failures.jmp

2. 选择分析 > 可靠性和生存 > 寿命分布

3. 选择时间并点击 Y,事件时间

4. 选择删失并点击删失

5. 选择频数并点击频数

6. 似然选作“置信区间方法”。

7. 点击确定

特殊的“寿命分布”报表随即显示。WeibayesWeibull beta 应已被选定。

8. 键入 1.5 作为已知的 Weibull β 值。

对本例而言,值 1.5 是合适的。

9. 点击更新

10. 在“分布刻画器”中,为“时间”键入 2000。

图 3.18 零失效的“寿命分布”报表 

Image shown here

从“分布刻画器”中,您可以看到在 2,000 个小时处,保守概率为 24.6058%。这意味着失效概率的单尾 95% 保守置信限为 24.6058%。

有一个失效数据的 Weibayes 示例

假定您还使用相同的数据,但这次在 800 个小时的时候出现了一个失效。您仍想预测 2,000 个小时下的失效概率。

1. 选择帮助 > 样本数据库,然后打开 Reliability/Weibayes One Failure.jmp

2. 选择分析 > 可靠性和生存 > 寿命分布

3. 选择时间并点击 Y,事件时间

4. 选择删失并点击删失

5. 选择频数并点击频数

6. 似然选作“置信区间方法”。

7. 点击确定

“寿命分布”报表随即显示。

8. 选择“比较分布”图中的 Weibull 分布。

9. 点击“参数估计值 - Weibull”旁边的红色小三角并选择固定参数

10. 选择“固定参数”报表中的 WeibayesWeibull beta

11. 键入 1.5 作为已知的 Weibull β 值。

12. 点击更新

13. 在“分布刻画器”中,为“时间”键入 2000。

14. 悬停在 Y 轴顶部上方。光标将变为手形工具。将该轴向下拖动,直到最高处的值达到 0.5。

图 3.19 一个失效的“寿命分布”报表 

Image shown here

在“分布刻画器”中,实线显示 MLE。虚线显示 Weibayes 保守限值。您可以看到在 2,000 个小时处,保守概率为 36.3351%。这意味着失效概率的单尾保守 95% 置信限为 36.3351%。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).