ワイブル乱数データ(Random Weibull Data)
ワイブル乱数データは、製品の寿命、故障までの時間、修復時間をシミュレーションします。行数と列数、形状パラメータ(1未満は初期故障、1は一定の率、1超は摩耗故障)、分布を引き伸ばす尺度パラメータ、すべての値を上方にシフトするしきい値を設定します。値は正であり、ワイブル確率プロットで確認できます。
最終レビュー
重要なポイント
ワイブル乱数データは、ワイブル分布から正の寿命または故障時間の値を生成します。形状パラメータにより故障率が減少、一定、増加のいずれかになるため、信頼性のシミュレーションに使用できます。
このページの内容
ワイブル乱数データとは
ワイブル乱数データは、ワイブル分布から値を生成します。ワイブル分布は、信頼性工学や寿命解析で最も柔軟で広く使われている分布の1つです。形状パラメータ(β、ベータ)と尺度パラメータ(θ、シータ)で定義されます。形状パラメータは時間の経過に伴う故障率の挙動を決定するため、ワイブル分布はさまざまな故障モードに独自に適応できます。
簡単な定義:ランダムな寿命または故障時間の値を生成します。形状パラメータにより、故障が初期故障、偶発故障、摩耗故障のいずれになるかを制御できるため、信頼性のシミュレーションに非常に汎用性があります。
形状(β)
故障パターン
β < 1
故障率が減少 — 初期故障(幼児期故障)
β = 1
故障率が一定 — 指数分布と同等
β > 1
故障率が増加 — 時間の経過に伴う摩耗故障
β ≈ 3.5
正規分布にほぼ近似
ワイブル乱数データを使用する場面
- シミュレーションする対象が 製品の寿命、故障までの時間、修復時間の場合に使用します。
- パラメータが既知の状態で、ワイブル解析と信頼性ツールをテスト する場合に使用します。
- 使用する場面は、故障率が時間とともに変化する 場合(増加、減少、一定)です。
ワイブル乱数データを正しく使用するためのガイドライン
- 製品や工程で分かっている故障の挙動を反映した 形状パラメータ(β)を選択してください。
- 生成されるすべての値は 正です。
- 分布が想定どおりに適合していることを確認するため、ワイブル確率プロット を使って出力を検証してください。
代替手法:ワイブル乱数データを使用すべきでない場合
- 故障率が 一定の場合は、より単純な特殊ケースである 指数乱数データ を使用します。
- 対象が 対称な連続測定値の場合に適した手法:正規乱数データ
ワイブル乱数データの例
ワイブル乱数データを生成する手順は次のとおりです。
- ワイブル乱数データを生成するには、必要なオプションを入力します。
- 次に、Zometric Statistical Software(https://statsai.zometric.com/)でデータを分析します。
- ワイブル乱数データ(Random Weibull Data)は、Statistical module> Random Data > Random Weibull Dataを選択します。


4. 上記のツールを使用すると、次のような出力が得られます。


ワイブル乱数データの実行方法
手順は次のとおりです。
- まず、Zometric Statistical Softwareにログインします:https://statsai.zometric.com/
- ホーム画面でStatistical Tool> Random Data>Random Weibull Dataを選択します。
- 次に、必要なオプションを入力します。
- 最後に、ページ下部のcalculateをクリックすると、目的の結果が得られます。
ワイブル乱数データのダッシュボードでは、画面が2つの部分に分かれています。

左側にはデータペイン(Data Pane)があります。Data Paneでは、各行に生成された乱数データが表示されます。必要なオプションを入力すると、データが生成されます。
右側には、次のような多くのオプションがあります。
- Number of rows of data to generate: 生成する乱数データの個数を指定します。たとえば、10と入力すると、ちょうど10行の乱数値が生成され、すべてデータペインに表示されます。
- Number of columns: 各行に含める変数(列)の数を指定します。たとえば、3と入力すると、ランダムに生成されたデータの3列がデータペインに並んで表示されます。
- Shape parameter: ワイブル分布の形状を制御します。故障または事象の発生率が時間とともにどのように変化するかを決定します。1未満の値は率が時間とともに減少することを、ちょうど1は一定の率(指数分布と同等)になることを、1より大きい値は率が時間とともに増加することを意味します。生成される乱数データには、この値が定めるパターンが反映されます。
- Scale parameter: 生成されるデータの広がり(尺度)を制御し、分布を水平軸に沿って引き伸ばしたり縮めたりします。値が大きいとデータが広がり、値の大部分が高い側にシフトします。値が小さいとデータはゼロに近づくように圧縮されます。ランダムに生成されるすべての値は、このパラメータに従って尺度が決まります。
- Threshold parameter: 分布の最小の開始点を設定します。既定値は0で、データはゼロから始まり得ることを意味します。正の値を入力すると、生成されるすべての乱数値がその分だけ上方にシフトし、しきい値を下回る値は生成されません。実質的に、分布全体が数直線上で右に移動します。
- Graphical summary: チェックすると、生成したすべての値がまとめられ、次の内容が要約されます。正規曲線を当てはめたヒストグラムと箱ひげ図、要約統計量、Anderson-Darling正規性検定、確率プロット、平均・中央値・標準偏差の95%信頼区間です。作成したばかりのデータに基づく視覚的な結果です。
よくある質問
ワイブル分布の形状パラメータは何を意味しますか?
形状パラメータβは、故障率が時間とともにどのように変化するかを制御します。βが1未満だと故障率が減少し、初期故障(幼児期故障)に典型的です。βが1に等しいと故障率が一定になり、指数分布と同等です。βが1より大きいと、摩耗故障による故障率の増加になります。βが約3.5のとき、正規分布にほぼ近似します。
ワイブル乱数データはどのような場合に生成しますか?
製品の寿命、故障までの時間、修復時間のシミュレーション、パラメータが既知の状態でのワイブル解析や信頼性ツールのテスト、そして故障率が時間とともに変化する場合に使用します。故障率が一定の場合は、より単純な特殊ケースであるRandom Exponential Dataを使用します。生成したデータは、ワイブル確率プロットで確認してください。
ワイブル分布の尺度パラメータとしきい値パラメータは何を行いますか?
尺度パラメータは、分布を水平軸に沿って引き伸ばしたり縮めたりします。値が大きいとデータが広がり、ほとんどの値が高い側にシフトします。しきい値パラメータは既定値が0で、最小の開始点を設定します。正のしきい値を指定すると、生成されるすべての値が上方にシフトし、しきい値を下回る値はなくなります。生成されるすべての値は正です。
