【案例连载】Weibull案例8-如何给客户一个合理的产品可靠性指标

今日话题

最近碰到好多朋友提到类似的问题，"脑痒"了睡不着，半夜起来写一篇。希望对大家有所帮助。过程和原理与之前发表的案例6类似，不过应用场景有所区别。

过程其实不那么复杂：

1、了解客户需求和可用资源；

2、收集数据；

3、进行分析；

4、给出结果，甚至还可以"算个命"(预测未来）

1. 背景简介

在实际工作中，很多朋友都会碰到这样的情况：

客户或者领导需要提供产品或者某个部件的可靠性指标，比如Bx寿命、R(t)或F(t)---某个时间的可靠度或不可靠度、甚至是Weibull分布的Beta值和Eta值；（MTBF的情况以后找机会讨论）

通常来说，比较合理方式是通过实际的数据计算，给到客户一个结果，数据来源主要是两个来源：

1、通过产品寿命试验，得到寿命数据（即运行多少时间失效或者不失效）；

2、通过之前产品的销售和索赔（返修）数据；

很多时候，通过现有的售后数据分析得到的结果，成本更低，客户的接受度会更高。今天，我们就通过一个例子，简单讲解一下整个过程。

2. 收集数据

基于售后数据的寿命数据收集，主要是收集以下两个方面的数据：

1、产品的销售数据，原始数据类似下表；

注：数据列明类似，根据企业情况会有差别。

2、索赔或者返修数据，即现场发生失效的数据，类似下表；

注：数据列名类似，根据企业情况会有差别。

3. 数据处理

根据上一步中收集到的数据，我们可以很容易通过Excel的透视表工具，整理得到以下的数据

1、产品的销售数据统计（本例中按月统计）；

2、产品的失效数据；

注：本例中是按月统计，其实也可以使用其他的方式进行。请持续关注我们的文章。

4. 数据分析

将整理后的数据，输入到软件中：

3.1、选择软件模块：

3.2、数据输入：

3.3、点击"分析"，得到处理后的寿命数据：

3.4、选择分布：Weibull两参数，设置分析方法：极大似然估计，然后点击"计算"

3.5、得到图形和Beta值和Eta值：

从图中可以得到：Beta=1.50887；Eta=30.776508；

3.6、检查确认分析过程和结果是正确的，计算结果是可以说明您的产品达到或者超出客户的预期，提交给客户。

5. 预测未来

如果还需要预测一下未来，可以通过软件自带的"预测"功能，预测未来某段时间内，这个产品的索赔和返修情况。

注：分析过程和其中数据的处理原理，请参考之前的文章。

6. 总结和说明

销售及售后数据，可以很好地作为产品可靠性指标计算的数据来源。

文中只是介绍了一种基于售后数据进行Weibull分析的过程和方法。

分析中时间取值只是以月为单位作为时间的维度，很多时候可能会是有偏差的，其实还可以以天数、里程等维度来进行分析；数据处理也有其他更复杂的方式，在以后的文章中，我们会对此展开进一步的说明；

本文旨在介绍基于售后数据的数据处理和分析过程；故分析过程中的很多细节，没有展开进行详细说明介绍。