分配 ID 圖(右設限)

輸入失效時間及設限欄。工具用最大概似法配適 Weibull、Lognormal、Exponential、Normal、Logistic 和 Loglogistic,在各分配的機率刻度上繪製 Nelson-Aalen 估計值及配適線和信賴界限,並按相關係數排序。可在進行 Parametric Distribution Analysis 或 Distribution Overview Plot 之前使用。排名靠前的分配之間的微小差異說明不了什麼。

最後審閱

核心要點

分配 ID 圖(右設限)對含右設限單元的失效時間配適六種分配,並為每種分配繪製機率圖,以幫助選擇壽命分配;點越接近直線,配適越好。

本頁內容
  1. 用途
  2. 主要功能
  3. 統計方法
  4. 輸入欄位和選項
  5. 輸出說明
  6. 計算範例

用途

分配 ID 圖(右設限)幫助您在估計可靠度或百分位數之前選擇壽命分配。它對同一份失效時間資料(包括已移除或仍在執行即右設限的單元)配適六種常見分配,並為每種分配繪製機率圖。點最接近直線的分配配適最好。可將其用作進行 Parametric Distribution Analysis 或 Distribution Overview Plot 之前的第一步。

主要功能

  • 一次執行即可配適 Weibull、Lognormal、Exponential、Normal、Logistic 和 Loglogistic 分配。
  • 透過設限欄和設限值處理右設限資料。
  • 按各分配機率圖的相關係數對分配排序。
  • 每種分配對應一個機率圖面板,含配適線、其信賴界限和失效點。
  • 報告任何無法對資料配適的分配。

統計方法

在設限欄中,等於設限值的列為右設限(該單元最後一次被觀測時尚未失效),其餘各列均為失效。六種分配都用最大概似法對所有列進行配適,其中失效點貢獻其密度 f(t),設限單元貢獻其存活機率 S(t) = 1 − F(t)。

圖中的點為失效時間及採用 Nelson-Aalen 法得到的累積失效機率的非參數估計,該方法考慮了每個失效時間點處於風險中的設限單元。每個面板都對座標軸進行轉換,使其分配呈一條直線:Weibull、Lognormal 和 Loglogistic 的時間軸為對數刻度,Normal、Logistic 和 Exponential 的時間軸為線性刻度,機率軸採用相應的刻度(以百分比標註)。紅線為配適分配在同一刻度上的累積分配函數。每個面板還按 Confidence level 顯示雙側信賴界限(虛線),其繪製方式與 Minitab 相同:對每個百分比 p,取配適分配的百分位數 t_p,其變異數基於對數概似函數的逆海森矩陣用 delta 法得到,Weibull、Lognormal、Exponential 和 Loglogistic 對 ln(t_p) 構造區間,Normal 和 Logistic 對 t_p 構造區間。明顯落在界限之外的點表示配適不佳。

每個面板的相關係數是所繪 x 值(時間,對數軸上則為 ln(時間))與失效點的轉換後機率之間的 Pearson 相關係數。接近 1 的值表示點靠近直線。排名靠前的分配之間的微小差異並不能證明其中某一種配適更好;應檢視各面板,尤其是尾部,並結合工程知識加以考慮,例如 Weibull 是失效時間的常用選擇。

輸入欄位和選項

欄位

說明

Variable

必填。失效時間,或已移除或仍在執行的單元的設限時間。

Use censoring column

必填。等於設限值的列為右設限;其餘各列均為失效。每一列都需要有值。

Censoring value

設限欄中標記設限單元的值。預設為 0,即 1 = 失效。

Confidence level (%)

預設為 95;範圍 50 至 99.99。設定每條配適線周圍繪製的信賴界限。

distribution-id-plot-right-censoring-inputs


圖 1 — 範例所用選項:80 °C 下的繞組試驗時間(Temp80),設限欄 Cens80,設限值 0。

輸出說明

  • Correlation ranking — 各分配及其相關係數,從最佳到最差。
  • Messages — 任何無法配適的分配及其原因。
  • Distribution ID Plot — 每種分配一個機率圖面板,按排名順序排列,標題為其相關係數 (r),顯示失效點、配適線及其信賴界限。
  • 透過 Download 匯出 PDF。

distribution-id-plot-right-censoring-output


圖 2 — 50 個繞組試驗時間的相關係數排序和機率圖:Normal、Weibull 和 Loglogistic 接近 0.989;Exponential 明顯最差,為 0.956。

計算範例

一名可靠度工程師在 80 °C 下測試 50 個渦輪發動機繞組。其中 37 個在試驗期間失效,13 個在失效前被移除,因此其時間為設限。在估計壽命百分位數之前,工程師想知道哪種分配能描述這些資料。工程師設定 Variable = Temp80、Use censoring column = Cens80 和 Censoring value = 0,因為失效繞組的 Cens80 為 1,被移除繞組的為 0。

相關係數分別為:Normal 0.9890、Weibull 0.9886、Loglogistic 0.9883、Lognormal 0.9844、Logistic 0.9837 和 Exponential 0.9559。前四種實際上不相上下,因此僅憑資料無法在它們之間做出選擇。Exponential 明顯最差:其面板顯示出明顯的彎曲,因此失效率並非恆定,假定隨機失效的模型會產生誤導。

對工程師而言,Weibull 是合理的選擇:它的配適程度與其他分配相當,不會給出負的時間,並且其形狀參數能顯示失效屬於早期失效、隨機失效還是磨損失效。各候選分配的差異主要出現在尾部,因此工程師檢查低端和進階的面板,並且在極端百分位數很重要時,比較多種分配的估計值。下一步是使用 Weibull 進行 Distribution Overview Plot 或 Parametric Distribution Analysis。

常見問題

如何解讀分配 ID 圖上的相關係數?

它是所繪 x 值與失效點的轉換後機率之間的 Pearson 相關係數。接近 1 的值表示點靠近直線。排名靠前的分配之間的微小差異並不能證明其中某一種配適更好;應檢視各面板,尤其是尾部,並結合工程知識。

如何處理右設限單元?

在設限欄中,等於設限值(預設為 0)的列為右設限,即該單元最後一次被觀測時尚未失效;其餘各列均為失效。在最大概似擬閤中,失效點貢獻其密度,設限單元貢獻其存活機率,而 Nelson-Aalen 圖上的點則考慮了處於風險中的設限單元。

有多種分配配適程度相當時應選擇哪一種?

在繞組範例中,Normal、Weibull、Loglogistic 和 Lognormal 實際上不相上下,而 Exponential 明顯最差,說明失效率並非恆定。Weibull 是合理的選擇:它的配適程度與其他分配相當,不會給出負的時間,並且其形狀參數能顯示失效屬於早期失效、隨機失效還是磨損失效。

分配 ID 圖之後該做什麼?

下一步是使用所選分配進行 Distribution Overview Plot 或 Parametric Distribution Analysis,以估計可靠度或壽命百分位數。各候選分配的差異主要出現在尾部,因此如果極端百分位數很重要,請檢查低端和進階的面板,並比較多種分配的估計值。