통계 도구를 활용하여 시간에 따른 고장 데이터를 분석하는 방법은 무엇인가요?

학부 신뢰성 공학 수업에서 Weibull 분포를 사용해 소자 수명 데이터를 분석하는 실습을 했습니다. 고장 시간 데이터를 Weibull 확률지에 플롯하면 형상 파라미터(β)가 1보다 작으면 초기 불량, 1이면 우발 고장, 1보다 크면 마모 고장이라는 것을 배웠습니다.

형상 파라미터와 척도 파라미터를 최대 우도법으로 추정하는 실습도 했습니다. 로그정규 분포가 금속 피로나 부식 같은 마모 메커니즘에 잘 맞는다는 것도 케이스로 배웠습니다. 지수 분포는 고장률이 일정한 우발 고장 구간을 모델링하는 데 단순하지만 유용하다는 것도 이해했습니다. 어떤 분포가 맞는지는 데이터 시각화와 적합도 검정으로 확인해야 한다는 걸 배웠습니다. 이후 저는 수명 데이터를 볼 때 분포 선택 근거부터 확인하는 습관이 생겼습니다.

분포 가정이 틀리면 수명 추정이 크게 어긋날 수 있다는 걸 그때 배웠습니다.