机率分配可靠度估计.ppt

壽命試驗原理與統計分析 可靠度定義 可靠度是由「功能」、「使用條件」、「時間」及「成功機率」四個要素所構成。 統計方法可用來解決可靠度的不確定性的問題，以了解成功或失敗的機率。 一般稱成功的機率為可靠度，失敗的機率稱作不可靠度。習慣上以R(t)表示可靠度，F(t)表示不可靠度。 F(t)+R(t)=1 簡易的可靠度估計方法 從樣本個數估計可靠度，例如有10個測試樣本，測試8個小時壞掉了2個。在8小時的失敗機率F(t)為 F(t=8)= 2/10=0.2 ? 成功機率R(t=8)=1-0.2=0.8 某些研究談到真正的失敗機率F(t)應為 所以8小時的失敗機率F(t)為 F(t=8)=(2-0.3)/(10+0.4)=0.163462 R(t=8)=1-0.163462=0.836538 簡易的可靠度估計方法 機率分配可靠度估計 無母數估計方法雖然簡易，但是準確度差，屬於間斷資料的估計方法，因此，許多失效時間的可靠度值無法估計。 若能找出失效數據的失效機率分配，可以提高可靠度估計的準確度，且可求的任意失效時間點可靠度值。 右圖是一個機率分配的 機率密度函數f（t）圖 機率分配可靠度估計 除了可靠度值之外，失效率分析也是λ（t）壽命試驗相當重要。 至某時點為止還能動作之物件，在接下來的期間內引起失效之比例，稱作失效率，函數以λ（t）表示 機率分配可靠度估計 在可靠度中，常用的失效機率分配有常態分配（Normal Distribution）、對數常態分配（Log-Normal Distribution）、指數分配（Exponential Distribution）、韋伯分配（Weibull Distribution）四種。 這些機率分配均有固定的模型，只要透過試驗的失效數據找出這機率分配的參數值，就可以估計不同失效時間點的可靠度值，或特徵壽命值。 Minitab 除了可分析上述的四個基本的機率分配，另外還多了極值分配（Extreme Value Distribution）、邏輯分配（Logistic Distribution）、對數邏輯分配（Log-Logistic Distribution）的分析功能。 機率分配可靠度估計 機率分配可靠度估計-韋伯分配 韋伯分配是可靠度中常用的機率分配，機率密度函數如下 機率分配可靠度估計-韋伯分配 機率分配可靠度估計-韋伯分配 機率分配可靠度估計-韋伯分配 決定β和η的方法有最大概似估計法（Maximum Likelihood ；MLE）和機率紙圖解法（Probability Plotting），韋伯分配的β和ηMLE如下 MLE的方法，所得到的參數估計值較為準確，但某些機率分配的MLE式不易計算，例如韋伯分配，相較之下，機率紙圖解法的參數估計就簡單多了，但其準確度較差。 機率分配可靠度估計-韋伯分配 機率分配可靠度估計-韋伯分配 機率分配可靠度估計-韋伯分配 韋伯機率紙上的直線配適，是失效數據的點最小誤差直線，直線的配適方法可採用迴歸分析中的最小平方法，因此機率紙法也稱作最小平方法參數估計。 如果機率紙上的點和線相當接近，則表示此失效數據相當符合所假設的機率分配。如果機率紙上的點並非直線可配適，表示失效數據與假設的機率分配不符。 直線的斜率為韋伯分配的形狀參數（Shape parameter），63.2％失效機率的時間點為特徵壽命（尺度參數Scale parameter）。對於其他機率分配的機率紙而言，直線斜率會是尺度參數，位置參數（Location parameter）才是特徵壽命。 每種機率分配都有各自的機率紙，不能混合使用。每個機率分配的特徵壽命失效機率值並不一定相同。 機率分配可靠度估計 加速壽命試驗 加速壽命試驗（ALT）：以試驗時間縮短為目的，採用比基準條件（低應力）更嚴格的條件（高應力）來實施的試驗。不同應力水準下的樣本失效模式要相同，加速性才成立。 應力（Stress）：外來負載之通稱，若負載超過產品所能承受的程度，產品故障。ALT中表示試驗環境值。 加速壽命試驗 相同失效模式假設下，ALT會改變η，而不會改變β 加速壽命試驗 Arrhenius-Weibull Model 加速壽命試驗 每個試驗條件（應力條件）的樣本失效模式要相同，且要與正常環境的失效模式相同。 測試的樣本必須要相同，至少要是同質性高的樣本。 若每個試驗條件（應力條件）有相同的失效模式，則每個試驗條件壽命分配是會相同，且形狀參數（韋伯分配＆指數分配）或尺度參數（其他分配）會是相同。 若在相同失效模式下，每個試驗條件的形狀參數（韋伯分配＆指數分配）或尺度參數（其他分配）不相同，則必須為形狀參數或尺度參數找出共同值，並進行參數修正。 加速壽命試驗-物理統計基礎模型 加速壽命試驗