분포 개관 그림(임의 중도절단)

Start와 End 열을 입력하여 각 행을 정확한 값 또는 중도절단으로 표시하고, Weibull, Lognormal, Exponential, Normal, Logistic 또는 Loglogistic을 선택합니다. 이 도구는 최대우도법으로 분포를 적합하여 표준 오차가 포함된 모수 추정값과 평균 수명을 제공하며, Turnbull 점과 신뢰 한계가 있는 확률도, 그리고 밀도, 생존, 위험 곡선을 그립니다. 적합도를 확인할 때 사용합니다.

최종 검토

핵심 요점

분포 개관 그림(임의 중도절단)은 정확한 값, 우측, 좌측 또는 구간 중도절단된 단위가 있는 데이터에 하나의 수명 분포를 적합하여 확률도, 밀도, 생존, 위험 함수를 함께 보여 줍니다.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

목적

분포 개관 그림(임의 중도절단)은 정확한 고장 시간을 항상 알 수는 없는 고장 데이터에 하나의 수명 분포를 적합하고, 적합 결과를 한 페이지에 네 가지 방식, 즉 확률도, 확률 밀도 함수, 생존 함수, 위험 함수로 보여 줍니다. 다음 점검에서야 고장이 발견되는 검사 기록처럼, 데이터에는 정확한 고장과 우측, 좌측, 구간 중도절단된 단위가 섞여 있을 수 있습니다. 선택한 분포를 확인하고 연령에 따라 고장률이 어떻게 변하는지 보는 데 사용합니다.

주요 기능

  • Start 열과 End 열로 입력하는 데이터이며, 비어 있는 셀과 채워진 셀의 패턴이 각 행의 중도절단 유형을 결정합니다.
  • 같은 데이터 집합 안에 정확한 값, 우측, 좌측, 구간 중도절단된 행을 함께 사용할 수 있습니다.
  • 여섯 가지 분포: Weibull, Lognormal, Exponential, Normal, Logistic, Loglogistic.
  • 표준 오차가 포함된 최대우도 모수 추정값과 평균 수명.
  • 신뢰 한계가 있는 확률도, 그리고 적합된 분포의 밀도, 생존, 위험 곡선.

통계적 방법

각 행은 Start와 End 값으로 판독합니다. Start = End는 정확한 고장이고, Start < End는 두 시간 사이의 구간 중도절단 고장이며, End가 비어 있으면 Start에서 우측 중도절단이고, Start가 비어 있으면 End에서 좌측 중도절단입니다. 모든 행에는 값이 하나 이상 있어야 하며 Start가 End보다 크면 안 됩니다.

선택한 분포는 최대우도법으로 적합합니다. 정확한 고장은 밀도 f(t)를, 우측 중도절단 단위는 1 − F(Start)를, 좌측 중도절단 단위는 F(End)를, 구간 중도절단 단위는 F(End) − F(Start)를 기여합니다. 표준 오차는 추정값에서의 로그 우도의 헤세 행렬의 역행렬에서 구합니다. Weibull은 척도 Alpha(63.2%가 고장 나는 시간)와 형상 Beta로, Normal과 Logistic은 Mu와 Sigma로, Lognormal은 ln(시간)의 Mu와 Sigma로, Loglogistic은 척도 Alpha와 형상 Beta로, Exponential은 고장률 Lambda로 보고합니다. 평균은 적합된 분포의 평균 수명입니다.

확률도는 Turnbull 방법으로 구한 누적 고장 확률의 비모수 추정값을 보여 주며, 이 방법은 각 구간 중도절단 고장을 그것이 발생했을 수 있는 시간들에 걸쳐 분산시킵니다. 축은 선택한 분포가 직선이 되도록 구성되며 적합선은 빨간색입니다. 다른 패널은 밀도 f(t), 생존 함수 S(t) = 1 − F(t), 위험 함수 h(t) = f(t) / S(t)를 보여 줍니다. 위험이 증가하면 마모 고장, 일정하면 우발 고장, 감소하면 초기 고장을 뜻합니다. 확률도에는 Minitab이 그리는 방식대로 Confidence level의 양측 신뢰 한계(점선)도 표시됩니다. 이는 적합된 분포의 백분위수 t_p에 대한 신뢰구간이며, 역 헤세 행렬에 대한 델타 방법으로 구하고 Weibull, Lognormal, Exponential, Loglogistic에서는 ln(t_p)에, Normal과 Logistic에서는 t_p에 대해 구성합니다.

입력 항목 및 옵션

항목

설명

Start column

필수입니다. 마지막으로 정상이 확인된 시간 또는 정확한 고장 시간입니다. 행의 Start를 비워 두면 좌측 중도절단으로 표시됩니다.

End column

필수입니다. 고장이 처음 확인된 시간 또는 정확한 고장 시간입니다. 행의 End를 비워 두면 우측 중도절단으로 표시됩니다. Start = End는 정확한 고장을, Start < End는 구간 중도절단을 의미합니다. Start와 다른 열이어야 합니다.

Assumed distribution

Weibull(기본값), Lognormal, Exponential, Normal, Logistic 또는 Loglogistic.

Confidence level (%)

기본값은 95이며 50~99.99입니다. 확률도의 신뢰 한계를 설정합니다.

distribution-overview-plot-arbitrary-censoring-inputs


그림 1 — 예제의 옵션: Start와 End 열의 검사 데이터, Weibull 분포.

출력 설명

  • Parameter estimates — 적합된 분포의 Parameter, Estimate, Standard Error입니다.
  • Characteristics — 적합된 분포의 평균 수명입니다.
  • Distribution Overview Plot for Start-End — 네 개의 패널: Probability Plot(신뢰 한계 포함), Probability Density Function, Survival Function, Hazard Function.
  • Download를 통한 PDF 내보내기.

distribution-overview-plot-arbitrary-censoring-output


그림 2 — 10시간마다 점검한 권선 50개의 Weibull 개관: Alpha 73.3시간, Beta 2.17, 평균 64.9시간이며 위험은 꾸준히 증가합니다.

계산 예제

이 예제는 분포 개관 그림(우측 중도절단) 페이지에서 80 °C로 시험한 터빈 엔진 권선 50개를 사용하며, 권선을 30시간부터 10시간마다만 점검했다고 가정하여 기록한 것입니다. 첫 점검에서 고장으로 확인된 권선 4개는 좌측 중도절단(Start 비어 있음, End = 30)이고, 이후 점검에서 고장으로 확인된 33개는 구간 중도절단(예: Start = 50, End = 60)이며, 고장 전에 제거된 13개는 제거 시간에서 우측 중도절단(End 비어 있음)입니다. 엔지니어는 Start와 End를 Start 열과 End 열로 선택하고 Assumed distribution = Weibull을 유지합니다.

적합된 Weibull의 척도 Alpha = 73.26시간(표준 오차 5.55), 형상 Beta = 2.173(표준 오차 0.314)이고 평균 수명은 64.88시간입니다. 이는 정확한 고장 시간으로 구한 값(Alpha 73.34시간, Beta 2.318)과 가까우므로, 표준 오차는 약간 더 크지만 10시간 간격의 점검 격자로 인한 정보 손실은 여기서 거의 없습니다. Survival Function은 20시간에 0.94, 40시간에 0.76, 80시간에 0.30이며 중앙 수명은 61.9시간입니다. 확률도의 95% 한계는 10번째 백분위수에 대해 18.8~36.0시간(추정값 26.0시간), 중앙값에 대해 53.0~72.3시간이며, 정확한 시간으로 구한 것보다 약간 넓습니다.

확률도에는 Turnbull 추정이 고장을 배치하는 30, 40, 50, 60, 79시간에 점이 다섯 개 있으며, 이 점들은 30시간의 점이 적합선보다 약간 아래에 있는 것을 제외하고 적합된 Weibull 선을 따릅니다. Beta가 1보다 크므로 Hazard Function은 연령에 따라 증가하여, 20시간에 시간당 약 0.0065건에서 80시간에 약 0.033건으로 늘어나며, 권선이 마모됩니다. 정비 팀에게 이는 곡선의 가파른 구간 이전의 계획 교체를 뒷받침합니다. Assumed distribution = Lognormal이면 평균 수명은 67.82시간이고 위험은 증가하지 않고 80시간 이후 시간당 약 0.03 수준에서 평탄해지므로, 분포 선택은 긴 시간의 예측에서 가장 중요합니다.

자주 묻는 질문

분포 개관 그림의 네 패널은 무엇을 보여 줍니까?

확률도는 적합선과 비교한 누적 고장 확률의 Turnbull 추정값을 신뢰 한계와 함께 보여 주어 적합도를 판단하게 합니다. 나머지 세 패널은 적합된 분포의 확률 밀도 함수 f(t), 생존 함수 S(t) = 1 − F(t), 위험 함수 h(t) = f(t) / S(t)를 보여 줍니다.

위험 함수는 어떻게 해석합니까?

위험이 증가하면 마모 고장, 일정하면 우발 고장, 감소하면 초기 고장을 뜻합니다. 권선 예제에서 Weibull 형상 Beta가 2.173으로 1보다 컸으므로 위험이 20시간에 시간당 약 0.0065건에서 80시간에 약 0.033건으로 증가했으며, 이는 곡선의 가파른 구간 이전의 계획 교체를 뒷받침합니다.

검사 간격 데이터에서는 정보가 얼마나 손실됩니까?

계산 예제에서 10시간마다 점검한 권선 50개는 Weibull Alpha 73.26시간, Beta 2.173을 제공했으며, 이는 정확한 고장 시간으로 구한 Alpha 73.34시간, Beta 2.318에 가깝습니다. 표준 오차와 신뢰 한계는 약간 더 컸지만 10시간 간격의 점검 격자로 인한 정보 손실은 거의 없었습니다.

분포 모수는 무엇을 의미합니까?

Weibull은 척도 Alpha(단위의 63.2%가 고장 나는 시간)와 형상 Beta로 보고합니다. Normal과 Logistic은 Mu와 Sigma를, Lognormal은 ln(시간)의 Mu와 Sigma를, Loglogistic은 척도 Alpha와 형상 Beta를, Exponential은 고장률 Lambda를 사용합니다. 각 추정값에는 표준 오차가 있으며 평균 수명도 함께 보고합니다.