参数分布分析(右删失)

参数分布分析对含右删失观测值的失效时间数据拟合一种理论统计分布——例如 Weibull、Lognormal 或 Exponential。右删失单元是指在收集数据时尚未失效的产品。正确处理这些幸存单元,可得到 MTTF、B10 寿命、失效率和生存概率等可靠性参数的无偏估计。

最后审阅

核心要点

参数分布分析对含右删失观测值的失效时间数据拟合一种理论统计分布,例如 Weibull、Lognormal 或 Exponential。

本页内容
  1. 什么是参数分布分析(右删失)?
  2. 何时使用参数分布分析(右删失)?
  3. 正确使用参数分布分析(右删失)的指南
  4. 替代方法:何时不宜使用参数分布分析(右删失)
  5. 参数分布分析(右删失)示例
  6. 如何进行参数分布分析(右删失)

什么是参数分布分析(右删失)?

参数分布分析对含右删失观测值的失效时间数据拟合一种理论统计分布——例如 Weibull、Lognormal 或 Exponential。右删失单元是指在收集数据时尚未失效的产品。正确处理这些幸存单元,可得到 MTTF、B10 寿命、失效率和生存概率等可靠性参数的无偏估计。

简单定义:一种统计工具,即使许多单元仍在运行、尚未失效,也能对数据拟合失效时间模型——从而准确、无偏地估计产品的使用寿命。

何时使用参数分布分析(右删失)?

  • 当来自寿命试验或现场数据的失效时间数据既包含 失效单元,也包含幸存单元(右删失观测值)时使用。
  • 用于估计 MTTF、B 寿命百分位数、失效率以及特定时间的可靠度。
  • 用于确定 拟合最佳的失效时间分布 ——如果不知道正确的分布,请先使用单值分布识别。

正确使用参数分布分析(右删失)的指南

  • 务必 明确标识右删失观测值 ——将幸存单元当作失效处理,会严重低估可靠性。
  • 在解读估计值之前,使用 概率图和拟合优度统计量 验证所选分布对数据的拟合是否良好。
  • 确保试验条件 代表实际使用条件 ——如果采用了加速试验,请应用适当的加速因子。

替代方法:何时不宜使用参数分布分析(右删失)

  • 如果系统 可修复且多次失效,请使用 参数增长曲线
  • 如果无法论证任何分布假设,请使用 非参数分布分析
  • 如果所有单元均已失效且无删失,不含删失的标准分布拟合 就已足够,且更简单。

参数分布分析(右删失)示例

一名可靠性工程师研究涡轮组件中发动机绕组的失效率,以确定绕组失效的时间。在高温下,绕组可能退化得更快。工程师记录了发动机绕组在 80°C 和 100°C 下的失效时间,但部分单元在失效前须从试验中移除,因而产生右删失数据。步骤如下:

  1. 收集所需数据。
Parametric Distribution Analysis- (Right Censoring) — figure 1

2. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。

3. 要找到参数分布分析(右删失),请选择 Statistical module> Reliability>Parametric Distribution Analysis- (Right Censoring)。

4. 在工具中输入数据及其他输入项,如下所示:

Parametric Distribution Analysis- (Right Censoring) — figure 2

5. 使用上述工具后,得到如下输出:

Parametric Distribution Analysis- (Right Censoring) — figure 3Parametric Distribution Analysis- (Right Censoring) — figure 4Parametric Distribution Analysis- (Right Censoring) — figure 5

如何进行参数分布分析(右删失)

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Reliability>Parametric Distribution Analysis- (Right Censoring)。
  3. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V);也可以使用 Load Example 选项加载示例数据。
  4. 接下来,填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

参数分布分析(右删失)的工具界面分为两部分。

Parametric Distribution Analysis- (Right Censoring) — figure 6

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

右侧提供以下选项:

  • Variable: 选择包含数据集中每个单元的失效时间或生存时间的列——即每个单元失效的实际观测时间,或对尚未失效的单元而言观测结束的时间。
  • Use Censoring Column: 选择表示每个观测值删失状态的列。常见的编码为 1 = 失效(已知确切失效时间),0 = 删失(单元在观测结束时仍在运行)。该列对于正确区分失效单元和幸存单元至关重要——没有它,所有观测值都会被错误地当作失效处理。
  • Assumed Distribution: 选择要对数据拟合的理论失效时间分布。Weibull 为默认选项,也是可靠性分析中使用最广泛的分布。选择时应参考工程知识、历史数据或单值分布识别分析的输出。所拟合的分布决定所有下游的可靠性估计,包括 MTTF、B 寿命和生存概率。

常见问题

什么是右删失参数分布分析?

它对含右删失观测值(即收集数据时尚未失效的单元)的失效时间数据拟合一种理论分布,例如 Weibull、Lognormal 或 Exponential。正确处理这些幸存单元,可得到 MTTF、B10 寿命、失效率和生存概率等可靠性指标的无偏估计。

为什么必须标识右删失观测值?

将幸存单元当作失效处理,会严重低估可靠性。删失列(常见编码为 1 表示失效、0 表示删失)用于区分失效单元和幸存单元;没有它,所有观测值都会被错误地当作失效处理。

如何为右删失寿命数据选择分布?

Weibull 为默认选项,也是可靠性分析中使用最广泛的分布,但选择时应参考工程知识、历史数据或单值分布识别。在解读估计值之前,用概率图和拟合优度统计量验证拟合效果,因为所拟合的分布决定 MTTF、B 寿命和生存概率。

何时不应使用参数分布分析?

如果系统可修复且多次失效,请使用参数增长曲线。如果无法论证任何分布假设,请使用非参数分布分析。如果所有单元均已失效且无删失,不含删失的标准分布拟合就已足够。采用加速试验时,应应用适当的加速因子。