数据分析案例：根据 95% 置信水平上限，1190 万辆车中，44 辆车可能出现故障

想象一下，您的新车开了 60 英里后就抛锚了。发动机灯亮起，您的汽车必须拖走维修。这不单单是保修问题，同时也是一个现场问题，因为产品缺少可靠性。

可靠性的定义是产品在一段时间内的质量，从统计学角度来说，它反映了产品在定义的一段时间内不会出现故障的概率。一、出现故障的风险

若出现类似这种情况，则属于原始设备制造商 (OEM) 的过失。这些 OEMS 必须快速找出问题根源并确定其他仍在行驶的车辆的风险，以便可以预测还有多少车辆会因同样问题返厂，或者有多少车辆没有这类问题而能继续正常驾驶（后者也称为幸存车辆）。最终，如果风险够高，则需要在该市场进行车辆召回。

一旦找到故障部件，就可以确定尚待解决的风险，并开始计算给定时间段内的概率。通常，寿命数据（如周期数、里程、行驶时间）并不总是符合正态分布，因此建议使用 Weibull 分布模型进行可靠性分析，以便利用 Minitab进行预测。

要在 Minitab 软件中执行可靠度分析，需要提供以下数据：· 故障数量· 发生故障时的里程· 故障发生日期

· 故障部件生产日期

· 车辆登记日期

· 风险期间的产量

拥有以上数据后，我们就可以提供必要的输入，以使用 Minitab进行分析。

二、数据详探

42 辆汽车因为燃油喷射装置故障而在路上抛锚。这是来自原始设备制造商的报告。由于早期故障（称为早期损坏率）也计算在内，因此相对于已生产的 1190 万个部件而言，这一数字并不算高。

即便某些部件已出现故障，幸存车辆仍在路上行驶。我们需要考虑幸存车辆的数量以及它们迄今为止的里程。三、运行可靠性分析参数分布分析将帮助我们计算有多少辆车可能会出现故障。 2022011808255831

Graph: Weibull Probability Plot

三、多少辆汽车可能会出现故障？

汽车平均一年行驶约 45000 公里。下面显示的表中，报告了预估的行驶至 45000 公里和 135000 公里时的累积故障概率。

2022011808264455

表：累积故障概率

生产了 1190 万个部件。根据 95% 置信水平上限，估算的最大预期返回故障数为 0.0000037。因此，我们预计，每 100 万个部件中，会有 3.7 个出现故障。

1190 万辆车中，44 辆车可能出现故障：1190 万个部件 x 3.7 个部件/百万 = 44 个部件可能会出现故障。42 辆车已经出现故障，预计另有 2 辆车有可能行驶不到 45000 公里就会返回。

原始设备制造商通常与部件供应商签订保修协议：部件在设定的期间内不得出现故障，该数据驱动方法卓有成效，Minitab 为计算产品可靠性提供了丰富的功能。

* 注意：风险由定性和定量两方面决定，但本博客中我们的主要关注点是定量。

本文由 MinitabChina 投稿至数据分析网并经编辑发表，内容观点不代表本站立场，如转载请联系原作者，本文链接：https://www.afenxi.com/113569.html 。