分布概要图(右删失)
输入失效时间及删失列,并选择 Weibull、Lognormal、Exponential、Normal、Logistic 或 Loglogistic 分布。工具用极大似然法进行拟合,报告带标准误的参数和平均寿命,并绘制 Nelson-Aalen 点对拟合线及置信界限的概率图,以及密度、生存和风险曲线。可用于检验拟合程度和失效率趋势。
最后审阅
核心要点
分布概要图(右删失)对包含右删失单元的失效时间拟合一种选定的寿命分布,并在同一页面展示概率图、密度函数、生存函数和风险函数。
用途
分布概要图(右删失)对失效时间数据(包括已移除或仍在运行即右删失的单元)拟合您选定的一种寿命分布,并在同一页面以四种方式展示:概率图、概率密度函数、生存函数和风险函数。在进行更完整的 Parametric Distribution Analysis 之前,可用它检验所选分布的拟合程度,并一目了然地了解失效率随使用时间的变化。
主要功能
- 六种分布:Weibull、Lognormal、Exponential、Normal、Logistic 和 Loglogistic。
- 通过删失列和删失值处理右删失数据。
- 带标准误的极大似然参数估计值,以及平均寿命。
- 失效点对拟合线及其置信界限的概率图,用于判断拟合程度。
- 拟合分布的密度、生存和风险曲线。
统计方法
在删失列中,等于删失值的行为右删失,其余各行均为失效。所选分布用极大似然法拟合,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)。标准误取自对数似然函数在估计值处的海森矩阵的逆。Weibull 分布以尺度参数 Alpha(63.2% 失效所需的时间)和形状参数 Beta 报告;Normal 和 Logistic 以位置参数 Mu 和尺度参数 Sigma 报告;Lognormal 以 ln(时间) 的 Mu 和 Sigma 报告;Loglogistic 以尺度参数 Alpha 和形状参数 Beta 报告;Exponential 以其失效率 Lambda 报告。平均值为拟合分布的平均寿命。
概率图将失效时间与累积失效概率的非参数估计(Nelson-Aalen 法,已考虑删失单元)作对照,坐标轴经过变换,使所选分布呈一条直线;Weibull、Lognormal 和 Loglogistic 的时间轴为对数刻度。红线为拟合分布。点靠近该线表示拟合良好;出现系统性的弯曲则表示该分布不适合这些数据。概率图还按 Confidence level 显示双侧置信界限(虚线),其绘制方式与 Minitab 相同:即拟合分布百分位数 t_p 的置信区间,基于逆海森矩阵用 delta 法得到,Weibull、Lognormal、Exponential 和 Loglogistic 对 ln(t_p) 构造,Normal 和 Logistic 对 t_p 构造。
其余三个面板展示拟合分布:密度 f(t);生存函数 S(t) = 1 − F(t),即单元寿命超过时间 t 的概率;以及风险函数 h(t) = f(t) / S(t),即存活到 t 的单元的失效率。风险上升表示磨损失效,风险持平表示随机失效,风险下降表示早期失效。对于 Weibull,形状参数 Beta 大于 1 时风险上升。
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。 |
Assumed distribution | Weibull(默认)、Lognormal、Exponential、Normal、Logistic 或 Loglogistic。 |
Confidence level (%) | 默认为 95;范围 50 至 99.99。设定概率图上的置信界限。 |

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,Weibull 分布。
输出说明
- Parameter estimates — 拟合分布的 Parameter、Estimate 和 Standard Error。
- Characteristics — 拟合分布的平均寿命。
- Distribution Overview Plot — 四个面板:Probability Plot(带置信界限)、Probability Density Function、Survival Function 和 Hazard Function。
- 通过 Download 导出 PDF。

图 2 — 50 个绕组试验时间的 Weibull 概要图:Alpha 为 73.3 h,Beta 为 2.32,平均值为 65.0 h,风险随使用时间稳步上升。
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 个失效,13 个在失效前被移除。Distribution ID Plot 显示 Weibull 的拟合程度与其他分布相当,因此工程师设置 Variable = Temp80、Use censoring column = Cens80、Censoring value = 0 和 Assumed distribution = Weibull。
拟合的 Weibull 尺度参数 Alpha = 73.34 小时(标准误 5.20),形状参数 Beta = 2.318(标准误 0.313),平均寿命为 64.98 小时。由于 Beta 远大于 1,Hazard Function 随使用时间稳步上升,从 20 小时时约每小时 0.006 次失效升至 80 小时时约 0.035:绕组出现磨损失效。Survival Function 在 20 小时为 0.95,40 小时为 0.78,80 小时为 0.30,中位寿命为 62.6 小时。在概率图上,第 10 百分位数(估计值 27.8 小时)的 95% 界限为 20.8 至 37.1 小时,中位数的界限为 54.2 至 72.4 小时。
在 Probability Plot 中,低端的点沿线分布,但在约 50 至 70 小时之间位于线的上方,因此工程师应谨慎对待极端百分位数,并与另一种分布进行比较。当 Assumed distribution = Normal 时,拟合结果为 Mu = 63.55 小时,Sigma = 27.55 小时。对于维护而言,风险上升支持在绕组进入曲线陡峭部分之前按计划更换,而不是运行到失效。
常见问题
分布概要图中的生存函数是什么?
生存函数 S(t) = 1 − F(t) 是单元寿命超过时间 t 的概率。在计算示例中,对 50 个涡轮发动机绕组拟合 Weibull,得到 20 小时的生存概率为 0.95,40 小时为 0.78,80 小时为 0.30,中位寿命为 62.6 小时。
风险函数说明什么?
风险函数 h(t) = f(t) / S(t) 是存活到时间 t 的单元的失效率。风险上升表示磨损失效,风险持平表示随机失效,风险下降表示早期失效。对于 Weibull 分布,形状参数 Beta 大于 1 时风险上升。
如何在概率图上判断拟合程度?
点靠近拟合的红线表示拟合良好;出现系统性的弯曲则表示该分布不适合这些数据。图中的点为考虑了删失单元的 Nelson-Aalen 估计值。在示例中,约 50 至 70 小时之间的点位于线的上方,因此应谨慎对待极端百分位数,并与另一种分布进行比较。
Weibull 的 Alpha 和 Beta 参数是什么意思?
Alpha 是 Weibull 尺度参数,即 63.2% 的单元失效所需的时间,Beta 是形状参数。在示例中 Alpha 为 73.34 小时,Beta 为 2.318,远大于 1,因此绕组出现磨损失效;风险上升支持按计划更换,而不是运行到失效。
