Phân tích độ tin cậy Weibull

Khớp phân phối Weibull với dữ liệu thời gian hỏng để dự đoán độ tin cậy và chế độ hỏng. Phân tích Weibull mô hình hóa phân phối thời gian hỏng để dự đoán độ…

Phân tích Weibull mô hình hóa phân phối thời gian hỏng để dự đoán độ tin cậy. Tham số hình dạng β cho biết chế độ hỏng: β < 1 (hỏng sớm), β ≈ 1 (hỏng ngẫu nhiên), β > 1 (hỏng mài mòn).

Phân tích độ tin cậy Weibull là gì?

Phân tích Weibull là phương pháp thống kê dùng để mô hình hóa dữ liệu thời gian hỏng hóc và dự đoán độ tin cậy của sản phẩm. Phân phối Weibull có tính linh hoạt hiếm có — bằng cách điều chỉnh tham số hình dạng (β), nó có thể mô hình hóa các hỏng hóc sớm (β < 1), hỏng hóc ngẫu nhiên (β ≈ 1) và hỏng hóc do hao mòn (β > 1).

Phân phối Weibull hai tham số được đặc trưng bởi tham số hình dạng (β) và tham số tỷ lệ (η, còn gọi là tuổi thọ đặc trưng). Tham số tỷ lệ η là thời điểm mà 63.2% số đơn vị đã hỏng. Các chỉ số dẫn xuất quan trọng gồm MTTF (thời gian trung bình đến khi hỏng), tuổi thọ B10 (thời điểm 10% số đơn vị đã hỏng) và hàm độ tin cậy R(t).

Các tham số thường được ước lượng bằng phương pháp ước lượng hợp lý cực đại (MLE) hoặc hồi quy tuyến tính trên đồ thị xác suất Weibull. Giá trị R² cho biết mức độ phù hợp của mô hình. Phân tích Weibull được dùng rộng rãi trong dự báo bảo hành ô tô, chứng nhận linh kiện hàng không vũ trụ và lập kế hoạch vòng đời thiết bị y tế.

Formula: f(t) = (β/η)(t/η)^(β-1) x exp(-(t/η)^β) R(t) = exp(-(t/η)^β) MTTF = η x Γ(1 + 1/β) B10 = η x (-ln(0.9))^(1/β)

Ví dụ tính toán

Thời gian hỏng (giờ): 150, 280, 350, 420, 510, 680, 790, 950, 1100, 1400. Kết quả khớp Weibull cho β = 1.62 (chế độ hao mòn), η = 758 giờ. MTTF = 758 × Γ(1.617) ≈ 679 giờ. B10 = 758 × 0.1054^(1/1.62) ≈ 189 giờ. R(500) = e^(-(500/758)^1.62) = 60.1%.

Khi nào sử dụng máy tính này

Những sai lầm thường gặp

Cách diễn giải kết quả

Tiêu chuẩn & Tài liệu tham khảo liên quan

Câu hỏi thường gặp

Tham số hình dạng β cho tôi biết điều gì?

β < 1 biểu thị hỏng hóc sớm (tỷ lệ hỏng giảm dần) — thường do lỗi chế tạo, lọt lỗi chất lượng hoặc sai sót khi lắp đặt. β ≈ 1 biểu thị hỏng hóc ngẫu nhiên (tỷ lệ hỏng không đổi) — phù hợp với phân phối mũ, đặc trưng của linh kiện điện tử. β > 1 biểu thị hao mòn (tỷ lệ hỏng tăng dần) — do mỏi, ăn mòn hoặc suy giảm vật liệu. β = 3.5 xấp xỉ phân phối chuẩn.

Cần bao nhiêu điểm dữ liệu hỏng hóc để phân tích Weibull đáng tin cậy?

Cần tối thiểu 5-10 điểm dữ liệu hỏng hóc để có ước lượng sơ bộ. Với các quyết định kỹ thuật, nên có từ 20 điểm dữ liệu trở lên. Nếu ít hơn 5 điểm, khoảng tin cậy sẽ rất rộng và ước lượng tham số không đáng tin cậy. Dữ liệu kiểm duyệt (các đơn vị đình chỉ, chưa hỏng) vẫn có thể đưa vào và thực tế còn cải thiện phân tích nhờ cung cấp thêm thông tin.