형상 모수와 척도 모수 읽기
시험을 시작한 뒤 첫 고장이 발생하기까지의 시간을 T라고 하겠습니다. 생존율(survival probability) R(t)=P(T>t)는 시료가 시간 t까지 정해 둔 고장 기준을 넘지 않고 작동할 확률입니다. 누적 고장 확률은 F(t)=1-R(t)입니다. 시험 시작점을 시간 0으로 두는 두 모수 와이블 모형에서는 다음 식을 씁니다.
R(t)=exp[-((t/η))^β], · t≥ 0.
exp(x)=e^x이고, 형상 모수(shape parameter) β>0는 단위가 없습니다. 척도 모수(scale parameter) η>0는 시간 t와 같은 단위로 넣습니다. 예를 들어 t와 η를 모두 시간(h) 단위로 넣으면 t/η는 단위가 없는 비율입니다.
t=η를 대입하면 β에 관계없이 R(η)=e⁻¹≈ 0.368입니다. 특성 수명(characteristic life) η는 모형에서 누적 고장 확률이 약 63.2%에 이르는 시각입니다. 이 시점에도 약 36.8%는 작동합니다. 목표 시간에서의 생존율은 해당 시간을 식에 대입해 계산하세요.
고장 시간의 확률밀도(probability density) f(t)는 고장 시각이 시간축에 어떻게 분포하는지를 나타냅니다. 정해진 구간에서 처음 고장 날 확률은 그 구간에서 밀도 곡선 아래의 면적입니다. 시간을 시간(h) 단위로 기록하면 밀도의 단위는 h⁻¹입니다.
순간 고장률(instantaneous hazard) h(t)는 시간 t까지 작동한 시료에서 그 직후 고장이 얼마나 빠르게 일어나는지를 나타냅니다. 그때까지의 생존율로 밀도를 나눈 h(t)=f(t)/R(t)입니다. t>0에서의 식은 다음과 같습니다.
h(t)=(β/η)((t/η))^(β−1).
시간을 시간(h) 단위로 넣으면 h(t)의 단위는 h⁻¹입니다. 시간 t까지 작동한 시료가 그다음의 짧은 구간 Δ t에서 고장 날 확률은 약 h(t)Δ t입니다.
| 형상 모수 | 시간에 따른 순간 고장률 | 해석할 때 확인할 점 |
|---|---|---|
| β<1 | 감소 | 초기에 고장률이 높은 구간과 그때 나타난 고장 형태를 조사합니다. |
| β=1 | 일정 | 이 모형은 고장률이 일정한 지수 모형으로 줄어듭니다. |
| β>1 | 증가 | 시간이 지날수록 고장이 잦아지는지 관측 자료와 대조합니다. |
형상 모수는 고장률의 변화 방향을 요약합니다. 고장 원인을 밝히려면 개별 시료의 고장 형태와 시험 조건을 함께 보세요. 두 모수 와이블의 고장률은 한 방향으로 변하거나 일정하므로, 초반에는 감소하고 후반에는 증가하는 전체 수명 구간을 한 식으로 표현하기 어렵습니다.
목표 5,000시간을 계산하는 예
계산을 위해 β=2, η=10,000 h라고 가정하겠습니다.
R(5,000)=exp[-(5,000/10,000)²]=e^(−0.25)≈ 0.7788.
이 모형에서 5,000시간 생존율은 약 77.9%, 그때까지의 누적 고장 확률은 약 22.1%입니다. 목표가 5,000시간에 90% 생존이라면 이 가정의 계산값은 목표에 못 미칩니다.
같은 모형에서 5,000시간의 순간 고장률은 h(5,000)=0.0001 h⁻¹입니다. 이미 5,000시간을 버틴 시료가 그다음 100시간 안에 고장 날 확률은 1-R(5,100)/R(5,000)≈ 1.00%입니다. 첫 계산은 시험 시작 시료 전체에 대한 누적 확률이고, 두 번째 계산은 5,000시간을 버틴 시료에 대한 조건부 확률입니다.
B10 수명(B10 life)은 누적 고장 확률이 10%가 되는 시간입니다. R(t)=0.90을 풀면 t=η[-ln(0.90)]^(1/β)이고, ln은 자연로그입니다. 이 예의 B10은 약 3,246시간입니다. 같은 모형에서 특성 수명은 10,000시간이고, 고장 시각의 평균(mean time to failure)은 β=2일 때 η√π/2, 약 8,862시간입니다. B10과 특성 수명은 각각 정해진 고장 비율에 이르는 시각이고, 평균은 모형에서 고장 시각 전체의 평균값입니다.
고장 기록과 시험 종료 기록을 함께 적합하기
- 시험 조건과 고장 기준을 먼저 정합니다. 시료마다 시험 시작, 온도와 부하, 마지막 확인 시각, 고장 여부와 고장 형태를 남깁니다. 예를 들어 기능이나 전기 특성이 허용 한계를 처음 벗어난 시점을 고장으로 정했다면 모든 시료에 같은 판정 기준을 적용하세요. 시험 조건이나 고장 형태가 다른 기록은 구분해서 모형을 검토합니다.
- 시험이 끝날 때 작동하던 시료는 우측 검열(right censoring)로 기록합니다. 3,000시간에 고장 난 시료는 고장 시각을 3,000시간으로 적습니다. 5,000시간에 시험을 종료했을 때 여전히 작동한 시료는 5,000시간까지 생존했다고 기록합니다. 이 시료의 실제 고장 시각은 그 이후입니다. 중도 제외 시에는 시각과 사유도 남깁니다. 이상 증상이 보여 시료를 뺀 경우에는 제외 사유가 수명과 관련될 수 있으므로 검열 가정부터 검토하세요. 정해진 시각에만 상태를 점검했다면 마지막 정상과 첫 고장 확인 사이의 구간을 기록합니다.
- 기록 유형을 반영해 모수를 추정합니다. 독립 시료를 같은 조건에서 시험했고 검열 과정이 고장 위험과 독립이라는 가정 아래, 최대우도추정(Maximum Likelihood Estimation, MLE)을 사용할 수 있습니다. 이 방법은 관측한 기록이 선택한 모형 아래에서 얼마나 그럴듯한지 비교해 모수를 정합니다. 정확한 고장 시각 t는 그 시각의 고장 시간 확률밀도 f(t), 무고장 종료 시각 c는 생존율 R(c)로 계산에 반영합니다. 고장 시각이 구간으로만 알려진 기록이 있다면 구간 검열(interval censoring)을 지원하는 방법을 사용하세요.
- 자료에 맞는지 확인한 뒤 목표와 비교합니다. 검열을 처리할 수 있는 와이블 확률 그림(Weibull probability plot)을 사용합니다. 한 시간처럼 기준 시간 t₀를 정하고 고장 시각의 가로값을 ln(t/t₀)로 둡니다. 세로값은 검열을 반영한 자료의 누적 고장 확률 F̂(t)을 ln[-ln(1-F̂(t))]로 바꿉니다. 이 좌표에는 t>0이고 F̂(t) ∈ (0, 1)인 점을 사용합니다. 두 모수 와이블의 모형 직선은 기울기가 β이고 세로값이 0인 가로 위치는 ln(η/t₀)입니다. 자료의 점들이 대략 직선에 놓이는지 살펴보고, 일정한 굽음이 보이면 고장 형태나 시험 조건이 섞였는지 먼저 확인합니다. 필요하면 같은 자료를 로그정규(lognormal) 모형으로도 비교합니다. 고장 수가 적거나 목표 시간이 시험의 마지막 관측보다 훨씬 뒤라면 모수나 모형의 작은 차이에도 추정값이 크게 달라질 수 있습니다. 보고서에는 시료 수와 고장 수, 관측 기간, 적합한 모수, 목표 시간의 생존율과 신뢰구간을 함께 적으세요. 시험 계획에서 생존율의 신뢰하한으로 합격을 판단하기로 했다면, 사전에 정한 신뢰수준으로 계산한 하한을 목표와 비교합니다.