23._连续性_韦布尔分布Weibull
韦布尔分布
韦布尔分布在可靠性工程中被广泛应用,尤其适用于机电类产品的磨损累计失效的分布形式。由于它可以利用概率值很容易地推断出它的分布参数,被广泛应用于各种寿命试验的数据处理。
他的密度函数
其中, x 是随机变量, 是比例参数(scale parameter), 是形状参数(shape parameter)。显然,它的累积分布函数是扩展的指数分布函数,而且,Weibull distribution与很多分布都有关系。如,当 ,它是指数分布; 且时,是Rayleigh distribution(瑞利分布)。
应用背景
Weibull 分布是最常用于对可靠性数据建模的分布。此分布易于解释且用途广泛。在可靠性分析中,可以使用此分布回答以下问题:
预计将在老化期间失效的项目所占的百分比是多少?例如,预计将在 8 小时老化期间失效的保险丝占多大百分比?
预计在有效寿命阶段有多少次保修索赔?例如,在该轮胎的 50,000 英里有效寿命期间预计有多少次保修索赔?
预计何时会出现快速磨损?例如,应将维护定期安排在何时以防止发动机进入磨损阶段?
Weibull 分布可以对右偏斜数据、左偏斜数据或对称数据建模。因此,分布可用来评估不同应用(包括真空管、电容器、滚珠轴承、继电器和材料强度)的可靠性。Weibull 分布还可以对递增、递减或固定故障函数建模,并允许使用该模型描述项目寿命的任何阶段。Weibull 分布可能不适用于由化学反应或退化过程(如半导体失效时出现的腐蚀)造成的产品失效。通常会使用对数正态分布对这些情况建模。
瑞利分布
Weibull 分布的形状参数为 2 时,它被称为 Rayleigh 分布。此分布通常用来描述通信工程领域中的测量数据,如输入回波损耗、调制边带注入、载波抑制和 RF 衰减的测量数据。此分布还广泛用于电真空设备的寿命检验中
指数分布和韦布尔分布
在指数分布里,我们介绍过指数分布具有无记忆性,这意味着一个产品,使用5小时后的损耗率和再用5小时的损坏率一样。 这显示和实际的感官不同,这是因为,指数分布是“理想分布”,他认为设备不会老化,在实际使用里,使用韦布尔分布进行建模更具有实际意义
通过调整 Weibull 分布的形状参数 β,可以对许多不同寿命分布的特征建模。
0 < ß < 1
早期失效发生在产品寿命的初始阶段。这些失效可能会迫使产品进入“老化”阶段以降低初期失效的风险
概率密度函数 从无穷远处成指数递减

故障函数 初始失效率很高,随着时间的推移会逐渐降低(“浴盆”形状故障函数的第一部分)

ß = 1
失效率保持恒定。随机失效,失效的原因有多种。对产品的“使用寿命”建模。
概率密度函数 从 1/α(α = 尺度参数)处成指数递减

故障函数 失效率在产品寿命期间保持恒定(“浴盆”形状故障函数的第二部分)

ß = 1.5
早期磨损失效
概率密度函数 增加到峰值,之后减小

故障函数 失效率不断增加,最初增加速度最快
