数据分析案例：识别和评估关键的可靠性风险

随着可靠性要求的确定，产品、材料、组件和/或制造工艺也随之改变。接下来，我们要确保识别和评估这些更新可能带来的关键风险。您可以通过验证以下任何一个关键检查点来估计可靠性风险：

所有功能的失效模式（硬件或软件故障、接口故障、材料退化等）。失效模式是指一个部件、（子）系统可能无法满足设计意图和客户要求的模式。
从先前设计中得出的保修数据
组件或材料变更
新采用的现有组件是否增加了压力和风险
行业专家附属材料/材料
有效期对于新设计而言是否是一个现实目标
有关材料和组件的供应商分析
退化估计

案例：含寿命数据的回归

为了证明其中一个检查点，我们将重点说明一位工程师如何在Minitab统计软件的帮助下评估重新设计的喷气发动机压缩机箱的可靠性。

案例背景

为了检验设计，工程师用一台机器向每个压缩机箱投掷一个抛射物。在抛射物撞击后，工程师每隔十二个小时就会检查压缩机，看是否故障。

工程师执行寿命数据回归分析，以评估机箱设计、抛射物重量和失效时间之间的关系。他们还想估计他们预计的1%和5%发动机故障的失效时间。工程师使用Weibull分布对数据进行建模。

软件操作

对上面对话框简单说明一下：

最多输入9个变量或因子，因子既可以是数值型，也可以是文本型；
如果不说明预测变量是因子，则默认为协变量。

3．结果解释

在“回归表”中，设计和重量的 p 值在 α 水平 0.05 处显著。因此，工程师断定，机箱设计和抛射物重量均对失效时间造成统计意义上显著的效应。预测变量的系数可用来定义描述机箱设计、抛射物重量和发动机失效时间之间关系的方程。

下方的“百分位数表”显示每个机箱设计和抛射物重量组合的第1个和第5个百分位数。在所有抛射物重量下，与标准机箱设计相比，新机箱设计在 1% 或 5% 的发动机失效之前经过的时间更长。例如，在受到 10 磅抛射物的冲击之后，具有标准机箱设计的发动机中有 1% 预计会在大约 101.663 小时之后失效。而对于新机箱设计来说，大约有 1% 的发动机预计会在大约 205.882 小时之后失效。