【案例连载】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. 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. 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. 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. 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. 5静待大家补充。

题外话

在第一篇文章《为什么要做Weibull分析？案例1》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；
• 姜波老师提醒数据取值范围会影响分析结果等；

在此对大家的建议表示感谢！

> 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。