수명 데이터 회귀

수명 데이터 회귀는 일부 단위가 우측 중도절단된 경우에 고장까지의 시간 또는 사이클 수를 하나 이상의 수치형 공변량과 연관시킵니다. 공통 형상 모수를 갖는 Weibull 가속 고장 시간 모형을 최대우도법으로 적합합니다. 출력에는 Z 검정과 신뢰구간이 포함된 계수, Weibull 형상 모수, 모형 비교를 위한 로그 우도와 AIC, 평균 공변량 값에서의 생존 그림이 포함됩니다.

최종 검토

핵심 요점

수명 데이터 회귀는 하중이나 온도와 같은 수치형 요인에 대한 제품 수명의 관계를 Weibull 가속 고장 시간 모형으로 적합하며, 시험이 끝날 때까지 고장 나지 않은 우측 중도절단 단위를 포함합니다.

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

목적

수명 데이터 회귀는 시험이 끝날 때까지 일부 단위가 고장 나지 않은 경우(우측 중도절단)에 제품 수명을 하중, 온도, 전압, 설계 치수와 같은 하나 이상의 수치형 요인과 연관시킵니다. 특성 수명이 요인에 따라 변하는 Weibull 수명 모형을 적합하므로, 각 요인이 수명을 얼마나 강하게 단축하거나 연장하는지 확인하고 다른 설정에서의 수명을 예측할 수 있습니다. 단일 스트레스의 수준이 아니라 여러 조건의 조합에서 수행한 수명 시험에 사용합니다.

주요 기능

  • 하나 이상의 수치형 공변량을 갖는 Weibull 가속 고장 시간 모형.
  • 우측 중도절단 단위, 즉 고장 전에 중단된 시험을 처리합니다.
  • 표준오차, Z 검정, p-값, 신뢰구간을 포함한 계수.
  • 추정값과 구간을 포함한 공통 Weibull 형상 모수.
  • 모형 비교를 위한 로그 우도와 AIC, 그리고 평균 공변량 값에서의 생존 그림.

통계적 방법

이 모형은 수명이 공통 형상 모수 β와, 공변량에 따라 달라지는 척도(특성 수명, 63.2%가 고장 나는 시간)를 갖는 Weibull 분포를 따른다고 가정합니다: ln(η) = b₀ + b₁Z₁ + b₂Z₂ + .... 이것은 가속 고장 시간 모형으로, 공변량이 변하면 전체 수명 분포가 일정한 배수만큼 늘어나거나 줄어듭니다. Zⱼ가 한 단위 증가하면 수명은 exp(bⱼ)배가 되므로 음의 계수는 더 짧은 수명을 뜻합니다. k 단위 변화에서는 배수가 exp(k · bⱼ)입니다.

형상 모수와 계수는 최대우도법으로 함께 추정합니다. 고장은 그 시점의 Weibull 밀도를, 중도절단 단위는 Weibull 생존 확률 exp(−(t/η)^β)를 기여합니다. 표준오차는 추정값에서 음의 로그 우도의 헤세 행렬의 역행렬(관측 정보)로부터 수치적으로 계산합니다. 각 계수는 Z = coef / SE로 표준정규분포에 대해 검정하며, 신뢰구간은 선택한 신뢰수준에서 coef ± z·SE입니다. AIC = 2k − 2 × 로그 우도이며 k는 모수의 수입니다. 항의 수를 고려했을 때 AIC가 낮을수록 더 나은 모형이므로, AIC를 비교하여 공변량을 유지할 가치가 있는지 판단하십시오.

형상 모수 β는 고장률이 연령에 따라 어떻게 변하는지 나타냅니다. 1보다 크면 증가하고(피로와 같은 마모), 1에 가까우면 일정하며, 1보다 작으면 감소합니다. 중도절단 열에서 중도절단 값과 같은 행은 우측 중도절단이고 그 외의 모든 행은 고장입니다. 생존 그림은 각 공변량이 표본 평균인 단위에 대한 exp(−(t/η)^β)를 보여 줍니다.

입력 항목 및 옵션

항목

설명

Time variable

필수 항목입니다. 고장까지의 시간 또는 사이클 수이며, 고장 나지 않은 단위는 중도절단까지의 값입니다.

Use censoring column

필수 항목입니다. 중도절단 값과 같은 행은 우측 중도절단이고 그 외의 모든 행은 고장입니다. 모든 행에 값이 있어야 합니다.

Censoring value

시험이 중단되었을 때 아직 작동 중인 단위를 나타내는 중도절단 열의 값입니다. 기본값은 0이므로 1 = 고장입니다.

Covariates (predictors)

수치형 예측변수 열 하나 이상. 여러 열을 선택하려면 Ctrl 또는 Command를 누릅니다.

Confidence level (%)

계수와 형상 모수의 구간에 사용합니다. 기본값은 95이며 50에서 99.99 사이입니다.

regression-with-life-data-inputs


그림 1 — 스프링 예제의 옵션: 고장까지의 사이클 수, 중도절단 열로 Status(0 = 생존), 공변량으로 하중과 온도.

출력 설명

  • Model summary — Distribution (Weibull (AFT)), Log-Likelihood, AIC, N (Observations), 고장 수인 N (Events).
  • Shape table — Shape (Weibull)의 추정값, 표준오차, 신뢰 한계.
  • Coefficients — Intercept와 각 공변량의 Coef, SE Coef, Z, P, 신뢰 한계.
  • Regression with Life Data Survival Plot (at mean covariate values) — 각 공변량이 평균인 단위에 대한 시간별 적합 생존 확률.
  • Download를 통한 PDF 내보내기.

regression-with-life-data-output


그림 2 — 스프링 피로 결과: 하중 계수 kN당 −0.166, 온도 계수 °C당 −0.0112, Weibull 형상 모수 2.39(95% 신뢰구간 1.77~3.00)이며, 평균 하중과 온도에서의 생존 곡선이 함께 표시됩니다.

계산 예제

한 설계 엔지니어가 현가 스프링 48개를 하중 4수준(6, 8, 10, 12 kN)과 온도 3수준(25, 50, 75 °C)에서 반복 하중을 가해 시험합니다. 30,000사이클을 넘긴 스프링은 시험을 중단하고 우측 중도절단으로 처리하며, 48개 중 39개가 고장 납니다. 엔지니어는 하중과 온도가 피로 수명을 얼마나 단축하는지 알고자 합니다. Time variable = Cycles to Failure, Use censoring column = Status(Censoring value = 0)로 설정하고 공변량으로 Load kN과 Temperature C를 선택합니다.

하중 계수는 kN당 −0.166(SE 0.0313, Z = −5.32, p < 0.001)입니다. kN이 1 늘어날 때마다 수명은 exp(−0.166) = 0.85배, 즉 약 15% 짧아지며, 95% 신뢰구간(−0.228~−0.105)은 이 배수를 0.80에서 0.90 사이로 제시합니다. 온도 계수는 °C당 −0.0112(SE 0.00341, Z = −3.28, p = 0.001, 95% 신뢰구간 −0.0179~−0.0045)입니다. 온도가 10 °C 높아질 때마다 수명은 0.89배가 되고, 25 °C에서 75 °C로 가면 수명이 57%로 줄어듭니다. 두 효과 모두 유의합니다. 공통 Weibull 형상 모수는 2.39(95% 신뢰구간 1.77~3.00)로 1보다 훨씬 크므로 고장률이 사이클 수에 따라 증가합니다. 피로에서 예상되는 대로 마모입니다.

적합된 모형에서 특성 수명은 6 kN, 25 °C에서 약 45,900사이클이지만 12 kN, 75 °C에서는 약 9,670사이클에 불과합니다. 생존 그림은 평균 시험 조건(8.75 kN, 52.6 °C)의 스프링을 보여 줍니다. 공변량에서 Temperature C를 제거하면 AIC가 825.1에서 833.3으로 높아지므로 온도를 포함한 모형이 더 좋습니다. 설계 측면에서 시험한 범위에서는 하중의 영향이 더 크지만, 뜨겁게 작동하는 스프링은 하중에 추가 여유가 필요합니다.

자주 묻는 질문

수명 데이터 회귀는 언제 사용합니까?

제품 수명이 하중, 온도, 전압, 설계 치수와 같은 하나 이상의 수치형 요인에 좌우되고 시험이 끝날 때까지 일부 단위가 고장 나지 않았을 때 사용합니다. 단일 스트레스의 수준이 아니라 여러 조건의 조합에서 수행한 수명 시험에 적합하며, 다른 설정에서의 수명을 예측할 수 있습니다.

Weibull 가속 고장 시간 모형에서 계수는 어떻게 해석합니까?

공변량이 한 단위 증가하면 수명은 그 계수의 exp배가 되므로, 음의 계수는 더 짧은 수명을 뜻합니다. k 단위에서는 배수가 exp(k × 계수)입니다. 계산 예제에서 하중 계수 kN당 -0.166은 kN이 1 늘어날 때마다 스프링 수명이 0.85배, 즉 약 15% 짧아진다는 뜻입니다.

수명 데이터 회귀에서 Weibull 형상 모수는 무엇을 알려 줍니까?

공통 형상 모수는 고장률이 연령에 따라 어떻게 변하는지 나타냅니다. 1보다 크면 고장률이 증가하여 피로와 같은 마모를 나타내고, 1에 가까우면 일정하며, 1보다 작으면 감소합니다. 스프링 피로 예제에서 형상 모수는 2.39였고 95% 신뢰구간은 1.77~3.00으로 마모임을 확인해 주었습니다.

중도절단 데이터는 어떻게 처리하고 모형은 어떻게 비교합니까?

중도절단 열을 사용합니다. 중도절단 값(기본값 0)과 같은 행은 시험이 중단되었을 때 아직 작동 중이던 우측 중도절단 단위이고, 그 외의 모든 행은 고장입니다. 중도절단 단위는 Weibull 생존 확률을 우도에 기여합니다. 모형은 AIC로 비교하며, 항의 수를 고려했을 때 AIC가 낮을수록 더 나은 모형입니다.