参数分布分析(任意删失)

该分析对精确失效时间往往未知的失效数据拟合寿命分布,例如在检验时发现已失效的单位。各行通过 Start 和 End 列设定删失类型。可选择 Weibull、Lognormal、Exponential、Normal、Logistic 或 Loglogistic,采用最大似然法拟合。输出包括带置信区间的参数估计、均值、中位数、百分位数、拟合优度和概率图,并可选做 Weibayes 分析。

最后审阅

核心要点

参数分布分析(任意删失)对含区间删失、左删失和右删失失效的检验数据拟合威布尔分布等寿命分布,以估计中位寿命、B10 寿命和百分位数。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

参数分布分析(任意删失)对精确失效时间往往未知的失效数据拟合寿命分布:在某次检验中发现已失效的单位(区间删失)、在首次检查时就已失效的单位(左删失)、最后一次观察时仍在工作的单位(右删失),并可与任何精确失效混合。它报告分布的参数、均值、中位数、四分位数以及完整的百分位数表。可用于根据检验或审核记录,估计 B10 寿命、保修期内的失效比例或中位寿命。对于形状已知的威布尔分布,还可运行 Weibayes 分析。

主要功能

  • 数据以 Start 列和 End 列输入;空白与已填写单元格的组合模式决定每一行的删失类型。
  • 六种分布:Weibull、Lognormal、Exponential、Normal、Logistic 和 Loglogistic。
  • 最大似然估计,附标准误和您所设置置信水平下的置信区间。
  • 均值、标准差、中位数、四分位数,以及 1% 至 99% 的单位失效所需的时间。
  • 针对威布尔分布的 Weibayes 选项:根据以往的知识固定形状,仅估计尺度,并给出置信界限以及所选时间点的可靠度。
  • 带拟合线和置信界限的概率图。

统计方法

每一行根据其 Start 和 End 值读取:Start = End 为精确失效;Start < End 为发生在两个时间之间的区间删失失效;End 为空白为在 Start 处右删失;Start 为空白为在 End 处左删失。删失表统计每种类型的数量。分布采用最大似然法拟合:精确失效贡献密度 f(t),右删失单位贡献 1 − F(Start),左删失单位贡献 F(End),区间删失单位贡献 F(End) − F(Start)。标准误来自估计值处对数似然 Hessian 矩阵的逆,置信区间使用正态分布的 z 值对应 Confidence level(95% 时为 1.96)。与 Minitab 一样,必须为正的参数(尺度、形状、sigma 或速率)在对数尺度上给出区间,从 estimate / exp(z × SE / estimate) 到 estimate × exp(z × SE / estimate),这使其保持为正,并使区间不对称;位置参数 Mu 则为 estimate ± z × SE。概率图添加了百分位数的双侧置信界限,与 Minitab 的画法相同:对每个百分比 p,由同一协方差矩阵用 delta 方法得到百分位数 t_p 及其方差,对于 Weibull、Lognormal、Exponential 和 Loglogistic,区间在 ln(t_p) 上构造,对于 Normal 和 Logistic,则在 t_p 上构造。

特性和百分位数根据拟合的分布计算:第 p 百分位数是预期 p% 的单位失效所需的时间,因此第 10 百分位数即为 B10 寿命。拟合优度表给出对数似然,参数个数相同的分布之间可以比较该值(越大越好)。仅当至少有两个精确失效时,才会增加 Anderson-Darling 统计量。概率图显示累积失效概率的 Turnbull 非参数估计,其坐标轴使所选分布呈一条直线,并附拟合线。

当为威布尔拟合输入 Known shape (Weibayes) 时,形状被固定,仅用最大似然法估计尺度;若数据包含左删失或区间删失行,则给出似然比置信界限;若数据仅含精确失效和右删失,则给出卡方(定时截尾)界限。即使失效很少或没有失效,该方法也适用;没有失效时,工具还会报告经典的 Weibayes 估计,它假定有一个失效即将发生。Confidence interval 和可靠度时间字段仅用于这种情形;Confidence level 在两种情形下都会用到。

输入字段和选项

字段

说明

Start column

必填。最后一次已知完好的时间,或精确失效时间。在某一行将 Start 留空,表示该行为左删失。

End column

必填。首次已知失效的时间,或精确失效时间。在某一行将 End 留空,表示该行为右删失。Start = End 表示精确失效;Start < End 表示区间删失。必须与 Start 列不同。

Assumed distribution

必填。Weibull、Lognormal、Exponential、Normal、Logistic 或 Loglogistic。

Known shape (Weibayes)

针对 Weibull 显示。可选:将威布尔形状固定为该值,仅估计尺度。留空则两者都估计。

Confidence level

默认值 95;50 至 99.99。设定参数的置信区间和概率图的界限,以及输入已知形状时的 Weibayes 界限。

Confidence interval

仅用于 Weibayes。Lower bound(默认)、Two-sided 或 Upper bound。

Estimate reliability at times

仅用于 Weibayes。可选,以空格分隔的时间,例如 500 1000,在这些时间点报告可靠度及其界限。

parametric-distribution-analysis-arbitrary-censoring-inputs


图 1 — 示例的选项:Start 和 End 列中的检验数据,威布尔分布,形状为估计值。

输出说明

  • Censoring table — 未删失、左删失、区间删失和右删失值的个数,以及估计方法。
  • Parameter estimates — 每个参数及其估计值、标准误和所选水平下的置信限(Weibayes 为:已知形状以及带界限的尺度)。
  • Goodness of fit — 对数似然;至少有两个精确失效时,还有 Anderson-Darling。
  • Characteristics — Mean、Standard deviation、Median、First quartile (Q1)、Third quartile (Q3) 和 Interquartile range (IQR)。
  • Percentiles — 1%、2%、……、10%、20%、……、90%、91%、……、99% 的单位失效所需的时间。
  • Reliability — 仅用于 Weibayes,在所输入的时间点。
  • Probability plot — Turnbull 估计值、拟合线及其置信界限(虚线)。
  • 可通过 Download 导出 PDF。

parametric-distribution-analysis-arbitrary-censoring-output


图 2 — 对每 10 小时检查一次的 50 个绕组做威布尔拟合:尺度 73.3 h,形状 2.17,中位数 61.9 h,附概率图及其 95% 界限(百分位数表未显示)。

计算示例

涡轮发动机绕组在 80 °C 下进行试验,但自 30 小时起仅在每 10 小时一次的检验时才检查。本示例使用右删失示例中的 50 个绕组,按此方式记录:4 个在首次检验时发现失效(左删失,End = 30),33 个在较晚的检验中发现失效(区间删失,例如 Start = 50,End = 60),13 个在失效前被移除(右删失,End 为空白)。工程师将 Start 和 End 分别选为 Start 列和 End 列,选择 Assumed distribution = Weibull,并将 Known shape 留空。

拟合的威布尔分布尺度为 Alpha = 73.26 小时(95% 置信区间 63.15 至 84.99),形状为 Beta = 2.173(95% 置信区间 1.637 至 2.883),与 Minitab 对这些数据给出的结果相同。由于形状的整个区间都在 1 以上,失效率随使用时间上升:属于耗损型失效。平均寿命为 64.88 小时,中位数为 61.89 小时,四分位数为 41.29 和 85.15 小时。根据百分位数表,预期 10% 的绕组在 26.0 小时之前失效(B10 寿命),90% 在 107.5 小时之前失效。这与根据精确失效时间得到的拟合结果(尺度 73.34 小时,形状 2.318)很接近,因此每 10 小时一次的检验在此处几乎没有损失精度。当 Confidence level 为 90 时,尺度的区间收窄为 64.67 至 82.99 小时,形状的区间收窄为 1.714 至 2.755。

对数似然为 −99.01。在参数个数相同的情况下,对数正态分布(−95.93)和对数逻辑斯蒂分布(−95.51)的对数似然更高,因此它们对这些分组数据的拟合略好;其中位数分别为 59.6 和 58.5 小时,B10 寿命分别为 31.1 和 30.4 小时,而威布尔分布为 26.0 小时。威布尔分布给出的早期寿命数值更为保守,因此在确定保修数值之前,应使用不止一种分布检查较低的百分位数。当 Known shape (Weibayes) = 2 时,尺度为 73.37 小时,95% 下限为 64.45 小时;在 Estimate reliability at times 下输入 40,得到 40 小时时的可靠度为 0.743,95% 下限为 0.680。

常见问题

什么是任意删失的参数分布分析?

它对精确失效时间往往未知的失效数据拟合寿命分布,混合了在检验时发现已失效的区间删失单位、在首次检查时就已失效的左删失单位、最后一次观察时仍在工作的右删失单位,以及任何精确失效。它报告参数、均值、中位数、四分位数以及完整的百分位数表。

如何根据参数分布分析求得 B10 寿命?

第 p 百分位数是预期 p% 的单位失效所需的时间,因此百分位数表中的第 10 百分位数即为 B10 寿命。由于不同分布的早期百分位数可能不同,在确定保修数值之前,应使用不止一种分布检查较低的百分位数。

对于任意删失数据,如何在各种分布之间做选择?

比较拟合优度表中参数个数相同的各分布的对数似然;值越大表示拟合越好。仅当至少有两个精确失效时,才会增加 Anderson-Darling 统计量。概率图还显示 Turnbull 估计值与拟合线的对照。

什么是 Weibayes 分析?

对于威布尔分布,输入已知形状即可根据以往的知识固定形状,仅用最大似然法估计尺度,并给出置信界限以及所选时间点的可选可靠度。即使失效很少或没有失效,该方法也适用;没有失效时,还会报告经典的 Weibayes 估计,它假定有一个失效即将发生。