分布 ID 图(右删失)
输入失效时间及删失列。工具用极大似然法拟合 Weibull、Lognormal、Exponential、Normal、Logistic 和 Loglogistic,在各分布的概率刻度上绘制 Nelson-Aalen 估计值及拟合线和置信界限,并按相关系数排序。可在进行 Parametric Distribution Analysis 或 Distribution Overview Plot 之前使用。排名靠前的分布之间的微小差异说明不了什么。
最后审阅
核心要点
分布 ID 图(右删失)对含右删失单元的失效时间拟合六种分布,并为每种分布绘制概率图,以帮助选择寿命分布;点越接近直线,拟合越好。
用途
分布 ID 图(右删失)帮助您在估计可靠性或百分位数之前选择寿命分布。它对同一份失效时间数据(包括已移除或仍在运行即右删失的单元)拟合六种常见分布,并为每种分布绘制概率图。点最接近直线的分布拟合最好。可将其用作进行 Parametric Distribution Analysis 或 Distribution Overview Plot 之前的第一步。
主要功能
- 一次运行即可拟合 Weibull、Lognormal、Exponential、Normal、Logistic 和 Loglogistic 分布。
- 通过删失列和删失值处理右删失数据。
- 按各分布概率图的相关系数对分布排序。
- 每种分布对应一个概率图面板,含拟合线、其置信界限和失效点。
- 报告任何无法对数据拟合的分布。
统计方法
在删失列中,等于删失值的行为右删失(该单元最后一次被观测时尚未失效),其余各行均为失效。六种分布都用极大似然法对所有行进行拟合,其中失效点贡献其密度 f(t),删失单元贡献其生存概率 S(t) = 1 − F(t)。
图中的点为失效时间及采用 Nelson-Aalen 法得到的累积失效概率的非参数估计,该方法考虑了每个失效时间点处于风险中的删失单元。每个面板都对坐标轴进行变换,使其分布呈一条直线:Weibull、Lognormal 和 Loglogistic 的时间轴为对数刻度,Normal、Logistic 和 Exponential 的时间轴为线性刻度,概率轴采用相应的刻度(以百分数标注)。红线为拟合分布在同一刻度上的累积分布函数。每个面板还按 Confidence level 显示双侧置信界限(虚线),其绘制方式与 Minitab 相同:对每个百分数 p,取拟合分布的百分位数 t_p,其方差基于对数似然函数的逆海森矩阵用 delta 法得到,Weibull、Lognormal、Exponential 和 Loglogistic 对 ln(t_p) 构造区间,Normal 和 Logistic 对 t_p 构造区间。明显落在界限之外的点表示拟合不佳。
每个面板的相关系数是所绘 x 值(时间,对数轴上则为 ln(时间))与失效点的变换后概率之间的 Pearson 相关系数。接近 1 的值表示点靠近直线。排名靠前的分布之间的微小差异并不能证明其中某一种拟合更好;应查看各面板,尤其是尾部,并结合工程知识加以考虑,例如 Weibull 是失效时间的常用选择。
输入字段和选项
字段 | 说明 |
Variable | 必填。失效时间,或已移除或仍在运行的单元的删失时间。 |
Use censoring column | 必填。等于删失值的行为右删失;其余各行均为失效。每一行都需要有值。 |
Censoring value | 删失列中标记删失单元的值。默认为 0,即 1 = 失效。 |
Confidence level (%) | 默认为 95;范围 50 至 99.99。设定每条拟合线周围绘制的置信界限。 |

图 1 — 示例所用选项:80 °C 下的绕组试验时间(Temp80),删失列 Cens80,删失值 0。
输出说明
- Correlation ranking — 各分布及其相关系数,从最优到最差。
- Messages — 任何无法拟合的分布及其原因。
- Distribution ID Plot — 每种分布一个概率图面板,按排名顺序排列,标题为其相关系数 (r),显示失效点、拟合线及其置信界限。
- 通过 Download 导出 PDF。

图 2 — 50 个绕组试验时间的相关系数排序和概率图:Normal、Weibull 和 Loglogistic 接近 0.989;Exponential 明显最差,为 0.956。
计算示例
一名可靠性工程师在 80 °C 下测试 50 个涡轮发动机绕组。其中 37 个在试验期间失效,13 个在失效前被移除,因此其时间为删失。在估计寿命百分位数之前,工程师想知道哪种分布能描述这些数据。工程师设置 Variable = Temp80、Use censoring column = Cens80 和 Censoring value = 0,因为失效绕组的 Cens80 为 1,被移除绕组的为 0。
相关系数分别为:Normal 0.9890、Weibull 0.9886、Loglogistic 0.9883、Lognormal 0.9844、Logistic 0.9837 和 Exponential 0.9559。前四种实际上不相上下,因此仅凭数据无法在它们之间做出选择。Exponential 明显最差:其面板显示出明显的弯曲,因此失效率并非恒定,假定随机失效的模型会产生误导。
对工程师而言,Weibull 是合理的选择:它的拟合程度与其他分布相当,不会给出负的时间,并且其形状参数能显示失效属于早期失效、随机失效还是磨损失效。各候选分布的差异主要出现在尾部,因此工程师检查低端和高端的面板,并且在极端百分位数很重要时,比较多种分布的估计值。下一步是使用 Weibull 进行 Distribution Overview Plot 或 Parametric Distribution Analysis。
常见问题
如何解读分布 ID 图上的相关系数?
它是所绘 x 值与失效点的变换后概率之间的 Pearson 相关系数。接近 1 的值表示点靠近直线。排名靠前的分布之间的微小差异并不能证明其中某一种拟合更好;应查看各面板,尤其是尾部,并结合工程知识。
如何处理右删失单元?
在删失列中,等于删失值(默认为 0)的行为右删失,即该单元最后一次被观测时尚未失效;其余各行均为失效。在极大似然拟合中,失效点贡献其密度,删失单元贡献其生存概率,而 Nelson-Aalen 图上的点则考虑了处于风险中的删失单元。
有多种分布拟合程度相当时应选择哪一种?
在绕组示例中,Normal、Weibull、Loglogistic 和 Lognormal 实际上不相上下,而 Exponential 明显最差,说明失效率并非恒定。Weibull 是合理的选择:它的拟合程度与其他分布相当,不会给出负的时间,并且其形状参数能显示失效属于早期失效、随机失效还是磨损失效。
分布 ID 图之后该做什么?
下一步是使用所选分布进行 Distribution Overview Plot 或 Parametric Distribution Analysis,以估计可靠性或寿命百分位数。各候选分布的差异主要出现在尾部,因此如果极端百分位数很重要,请检查低端和高端的面板,并比较多种分布的估计值。
