Weibull-analyysi on tilastollinen menetelmä, jota käytetään vianmääritystietojen mallintamiseen ja tuotteiden tai järjestelmien luotettavuuden ennustamiseen. Se auttaa tunnistamaan vikakuvioita ja arvioimaan epäonnistumisen todennäköisyyden ajan mittaan. Tämä opas tarjoaa vaihe vaiheelta tapahtuvan prosessin Weibull-analyysin suorittamiseksi tehokkaasti.

Weibull-jakelun ymmärtäminen

Weibull-jakaumalle on ominaista kaksi muuttujaa: muotoparametri (β) ja asteikkoparametri (η). Muotoparametri osoittaa vikanopeuden käyttäytymisen, kun taas asteikkoparametri liittyy tuotteen ominaiseen käyttöikään. Näiden parametrien tarkka arviointi on välttämätöntä luotettavan analyysin kannalta.

Vaihe 1: Kerää vikatietoja

Kerää vian aika tai elinajan tiedot testauksesta tai kenttähavainnoista. Tietojen tulisi sisältää sekä epäonnistuneita että sensuroituja kohteita. Järjestä tiedot nousevassa järjestyksessä analyysiä varten.

Vaihe 2: Rank and Calculate Facility Todennäköisyys

Määritä rivejä kullekin vikatietopisteelle alkaen 1:stä, jos vika on aikaisintaan. Laske vikatodennäköisyys kunkin tietopisteen osalta käyttäen mediaanilukumenetelmää:

  • Epäonnistuminen (F) = (rank - 0,3) / (kokonaisviantila + 0,4)

Vaihe 3: Tonttitiedot Weibull Paper

Muunna vikatiedot laskemalla Weibull-piirrosten edellyttämät logaritmit. Plot vika-aikojen logaritmi vikatodennäköisyyden logaritmiin nähden. Tämä auttaa visualisoimaan tiedot ja arvioimaan niiden sopivuutta.

Vaihe 4: Arvio Weibull Parametrit

Määritetään kaavioitujen tietojen muoto (β) ja mittakaava (η) -parametrit. Käytä Weibull-palstan lineaarista regressiota löytääksesi kaltevuuden (β) ja sieppauksen, joka liittyy η. Vaihtoehtoisesti sovelletaan tilastollista ohjelmistoa parametrien estimointiin.

Vaihe 5: Tulkkaustulokset

Käyttäkää arvioituja Weibull-parametreja vian käyttäytymisen analysoimiseen. A β alle 1 tarkoittaa pienenevää vikanopeutta, joka on 1, joka viittaa satunnaisiin epäonnistumisiin, ja suurempi kuin 1 osoittaa kasvavaa vikanopeutta. Asteikon η tarjoaa ominaisen elämän, jossa 63,2% yksiköistä on epäonnistunut.