寿命データによる回帰(Regression with Life Data)
Regression with Life Dataは、一部の単位が右側打ち切りの場合に、故障までの時間またはサイクル数を、1つ以上の数値共変量に関連付けます。共通の形状を持つWeibull加速故障時間モデルを最尤法で当てはめます。出力には、Z検定と信頼区間付きの係数、Weibullの形状、モデル比較用の対数尤度とAIC、共変量の平均値での生存プロットが含まれます。
最終レビュー
重要なポイント
Regression with Life Dataは、荷重や温度などの数値因子と製品寿命を関連付けるWeibull加速故障時間モデルを当てはめます。試験終了時に故障していなかった右側打ち切りの単位も含みます。
目的
Regression with Life Dataは、試験終了時に一部の単位が故障していない(右側打ち切り)場合に、荷重、温度、電圧、設計寸法などの1つ以上の数値因子と製品寿命を関連付けます。特性寿命が因子に応じて変化するWeibull寿命モデルを当てはめるため、各因子が寿命をどれだけ強く短縮または延長するかを確認し、他の設定での寿命を予測できます。単一のストレスの水準ではなく、複数の条件の組み合わせで実施した寿命試験に使用します。
主な機能
- 1つ以上の数値共変量を持つWeibull加速故障時間モデル。
- 右側打ち切りの単位(故障前に打ち切った試験)を扱えます。
- 標準誤差、Z検定、p値、信頼区間付きの係数。
- 推定値と区間を持つ共通のWeibull形状。
- モデル比較用の対数尤度とAIC、および共変量の平均値での生存プロット。
統計的手法
このモデルは、寿命が共通の形状β、および共変量に依存する尺度(特性寿命、63.2%が故障する時間)を持つWeibull分布に従うと仮定します。ln(η) = b₀ + b₁Z₁ + b₂Z₂ + ... です。これは加速故障時間モデルであり、共変量が変化すると、寿命分布全体がある係数倍に伸縮します。Zⱼが1単位増加すると寿命はexp(bⱼ)倍になるため、係数が負であれば寿命が短くなることを意味します。k単位の変化では、係数はexp(k · bⱼ)です。
形状と係数は、最尤法で同時に推定されます。故障は、その時点でのWeibull密度に寄与し、打ち切りの単位はWeibullの生存確率 exp(−(t/η)^β) に寄与します。標準誤差は、推定値における負の対数尤度のヘッセ行列の逆行列(観測情報)から、数値的に計算されます。各係数は、Z = coef / SEで標準正規分布に対して検定され、信頼区間は、選択した信頼水準での coef ± z·SE です。AIC = 2k − 2 × 対数尤度(kはパラメーター数)です。AICが低いほど、項の数を考慮したうえで良いモデルであることを意味するため、共変量を残す価値があるかどうかは、AICを比較して判断します。
形状βは、故障率が経過時間とともにどう変化するかを表します。1より大きければ上昇し(疲労のような摩耗故障)、1に近ければ一定で、1より小さければ低下します。打ち切り列では、打ち切り値に等しい行が右側打ち切りで、それ以外の行はすべて故障です。生存プロットは、各共変量が標本平均にある単位の exp(−(t/η)^β) を示します。
入力項目とオプション
項目 | 説明 |
Time variable | 必須。故障までの時間またはサイクル数。故障しなかった単位については、打ち切りまでの時間またはサイクル数。 |
Use censoring column | 必須。打ち切り値に等しい行は右側打ち切りで、それ以外の行はすべて故障です。すべての行に値が必要です。 |
Censoring value | 試験終了時にまだ稼働していた単位を示す、打ち切り列の値。既定値は0で、したがって1 = 故障です。 |
Covariates (predictors) | 1つ以上の数値の予測変数の列。複数を選択するには、CtrlまたはCommandを押したままにします。 |
Confidence level (%) | 係数と形状の区間に使用します。既定値は95で、50〜99.99。 |

図1 — ばねの例のオプション:故障までのサイクル数、打ち切り列としてのStatus(0 = 生存)、共変量としての荷重と温度。
出力の説明
- Model summary — Distribution (Weibull (AFT))、Log-Likelihood、AIC、N (Observations)、N (Events)(故障の数)。
- Shape table — Shape (Weibull)の推定値、標準誤差、信頼限界。
- Coefficients — InterceptとすべてのCovariateの、Coef、SE Coef、Z、P、信頼限界。
- Regression with Life Data Survival Plot (at mean covariate values) — 各共変量が平均にある単位の、時間に対するあてはめた生存確率。
- DownloadによるPDFエクスポート。

図2 — ばねの疲労の結果:荷重の係数は1 kNあたり−0.166、温度の係数は1 °Cあたり−0.0112、Weibull形状は2.39(95%信頼区間 1.77〜3.00)で、平均の荷重と温度での生存曲線を示します。
計算例
ある設計エンジニアが、48個のサスペンションばねを、4つの荷重(6、8、10、12 kN)と3つの温度(25、50、75 °C)で繰り返し負荷をかけます。30,000サイクルを超えたばねは試験を停止して右側打ち切りとし、48個のうち39個が故障します。エンジニアは、荷重と温度が疲労寿命をどれだけ短縮するかを知りたいと考えています。Time variable = Cycles to Failure、Use censoring column = Status、Censoring value = 0を設定し、共変量としてLoad kNとTemperature Cを選択します。
荷重の係数は1 kNあたり−0.166(SE 0.0313、Z = −5.32、p < 0.001)で、1 kN増えるごとに寿命は exp(−0.166) = 0.85倍、約15%短くなり、95%信頼区間(−0.228〜−0.105)から、この係数は0.80〜0.90の間にあります。温度の係数は1 °Cあたり−0.0112(SE 0.00341、Z = −3.28、p = 0.001、95%信頼区間 −0.0179〜−0.0045)で、10 °C高くなるごとに寿命は0.89倍になり、25 °Cから75 °Cになると寿命は57%に減少します。どちらの効果も有意です。共通のWeibull形状は2.39(95%信頼区間 1.77〜3.00)で、1を大きく上回っており、サイクル数とともに故障率が上昇します。つまり、疲労に予想されるとおり、摩耗故障です。
あてはめたモデルから、特性寿命は6 kN、25 °Cでは約45,900サイクルですが、12 kN、75 °Cでは約9,670サイクルにすぎません。生存プロットは、平均の試験条件(8.75 kNと52.6 °C)にあるばねを示しています。共変量からTemperature Cを除くと、AICは825.1から833.3に上がるため、温度を含むモデルのほうが良いモデルです。設計の観点では、試験した範囲では荷重の影響のほうが大きいものの、高温で使用されるばねには、荷重に対して余分な余裕が必要です。
よくある質問
寿命データによる回帰は、どのような場合に使用すべきですか?
製品寿命が荷重、温度、電圧、設計寸法などの1つ以上の数値因子に依存し、試験終了時に一部の単位が故障していない場合に使用します。単一のストレスの水準ではなく、複数の条件の組み合わせで実施した寿命試験に適しており、他の設定での寿命を予測できます。
Weibull加速故障時間モデルの係数はどのように解釈しますか?
共変量が1単位増加すると、寿命はその係数のexp倍になるため、係数が負であれば寿命が短くなることを意味します。k単位の場合、係数はexp(k × 係数)です。計算例では、荷重の係数が1 kNあたり−0.166ということは、1 kN増えるごとにばねの寿命が0.85倍、つまり約15%短くなることを意味します。
寿命データの回帰で、Weibullの形状パラメーターは何を示しますか?
共通の形状は、故障率が経過時間とともにどう変化するかを表します。1より大きければ故障率は上昇し、疲労のような摩耗故障を示します。1に近ければ一定で、1より小さければ低下します。ばねの疲労の例では、形状は2.39で、95%信頼区間は1.77〜3.00であり、摩耗故障であることが裏付けられました。
打ち切りデータの扱いと、モデルの比較はどのように行いますか?
打ち切り列を使用します。打ち切り値(既定は0)に等しい行は、試験終了時にまだ稼働していた右側打ち切りの単位で、それ以外の行はすべて故障です。打ち切りの単位は、Weibullの生存確率として尤度に寄与します。モデルの比較にはAICを使用します。AICが低いほど、項の数を考慮したうえで良いモデルであることを意味します。
