为什么要做Weibull分析？案例3-可靠性比较

【前言】Weibull分析不是简单的画图包含了很多外延的知识和经验。我们这一系列分享旨在每一篇讲清楚一两个知识点。如果大家有任何建议欢迎指正今天让咱们通过一个简单的案例了解如何通过Weibull分析比较两组数据的可靠性。【背景】在某零部件有两个供应商为了挑选更合适的供应商分别拿了8个样本进行寿命试验得到的数据是每个样本失效的时间结果如下那哪家供应商的可靠性更好呢【讨论】如果单纯从数据上来看供应商1的数据比较分散供应商2的数据比较集中但是很难说谁更好一些通常我们会选择一些量化的比较方法1、最常用的方法是比较平均值也称平均寿命供应商1产品的平均寿命是136,749供应商2产品的平均寿命是38,593供应商1胜出。2、另外一种比较方法是使用中位数即中位寿命的比较供应商1产品的中位寿命是100,515供应商2产品的中位寿命是37,616还是供应商1胜出。注中位数指一组数据的中间值通俗来说就是50%比它大50%比它小。Excel公式Median但的确如此吗相信这时候很多朋友一定会想到需要进行比较还需要一个前提就是咱们期望这个产品使用多少时间。如果时间要求是1~2万的可能会是供应商2会更好一些因为在此之前都没有失效如果时间要求是5~6万的可能会是供应商1会更好一些因为在此之前供应商2基本都已经失效。接下来让我们看看Weibull分析可以帮助到我们什么【分析结果】通过Weibull分析我们可以得到这两个供应商各自的Weibull分析图形。为了便于比较我们可以通过“多图”将他们放在一张图上进行直观比较。如果要求的使用时间是2万供应商1产品的不可靠度即F(2万) 是13.18%供应商2产品的不可靠度即F(2万) 是2.68%供应商2胜出。注不可靠度指的是使用到某时刻T产品失效了的百分比。如果要求的使用时间是5万供应商1产品的不可靠度即F(5万) 是29.19%供应商2产品的不可靠度即F(5万) 是90.52%供应商1胜出。注与其说供应商1数值比较上的确更好一点不如说供应商2更差一些。这个问题以后有机会再讨论。【总结】简单总结该案例的启示1、平均值在产品可靠性比较中有一定的意义但还需根据客户需求、设计目标、数据分布进一步对比分析。和大家经常吐槽自己“被平均”是一个道理2、用不可靠度F(t)或者可靠度R(t)进行比较可能会更加合适3、通过Weibull分析我们可以得到产品应用到任意时刻当然需要找个时间点是有价值的的可靠性或者不可靠度4、在平时的工作中我们可以通过这样的分析比较不同供应商、批次、区域等的产品可靠性也可以进行产品改进前后的可靠性比较5、静待大家补充可在公众号直接回复每期将有一位幸运读者获赠《产品生命周期可靠性工程》一书【题外话】在11月20日发送的第一篇文章《为什么要做Weibull分析案例1-不仅仅是预警》后收到了很多朋友的反馈和建议。王政老师指出升降反转的数据点前期出现拐弯可能有多个失效模式存在严玲老师建议需要开展进一步的失效机理分析才能判断是早期失效还是损耗失效杜绍华老师提醒分析的时候需要把截尾数据删失数据也包含在内分析案例中已包含删失数据图上未显示姜波老师提醒数据取值范围会影响分析分析结果等当然还有很多其他朋友的反馈在此不一一罗列。在此对大家的建议表示感谢以上建议我们将后期补充到之前的文章中。关于一些知识点会单独再写一些相关的介绍。注案例中Weibull分析由国可工软自主研发的eWeibull软件完成。该软件支持线上免费使用。