와이블분포(신뢰성) (Weibull Distribution (Reliability))
한 줄 정의: 형상모수와 척도모수를 조정하여 초기고장, 우발고장, 마모고장 등 다양한 고장률 패턴을 모두 표현할 수 있어 신뢰성공학에서 부품이나 시스템의 수명을 모형화하는 데 가장 널리 쓰이는 확률분포입니다.
쉽게 풀면
제품이나 부품이 고장 날 때까지 걸리는 시간은 제품마다 다르게 나타나는 확률적인 현상입니다. 와이블분포는 이런 수명 데이터를 설명하는 데 쓰이는 수학적 모형으로, 형상모수라는 값을 조절하면 초기에 고장이 잦다가 점점 안정되는 패턴, 시간과 무관하게 일정하게 고장이 나는 패턴, 오래 쓸수록 고장이 잦아지는 마모 패턴을 모두 하나의 분포식으로 표현할 수 있습니다.
왜 중요한가
와이블분포는 형태가 매우 유연해 실제 현장에서 관측되는 다양한 고장 패턴에 잘 들어맞기 때문에, 신뢰성 시험 데이터를 분석하고 제품의 수명 특성을 파악하며 보전 주기를 결정하는 데 핵심적인 도구로 활용됩니다.
논문에서는 이렇게 쓰입니다
"가속수명시험에서 수집한 고장시간 데이터를 와이블분포(Weibull Distribution)로 적합시켜 형상모수를 추정하였다."
실제 실험에서 얻은 고장 데이터가 와이블분포를 따른다고 가정하고 그 모수를 계산했다는 의미입니다.
"추정된 형상모수가 1보다 크게 나타나 해당 부품이 마모고장 구간에 진입하였음을 확인하였다."
형상모수 값을 통해 부품이 사용 시간이 늘어날수록 고장률이 증가하는 마모 단계에 있다고 판단했다는 뜻입니다.
조금 더 깊게 보면
와이블분포의 형상모수가 1보다 작으면 초기고장(감소 고장률), 1이면 우발고장(일정 고장률, 이 경우 지수분포와 동일), 1보다 크면 마모고장(증가 고장률)을 나타내며, 이러한 특성 덕분에 배스터브 곡선(bathtub curve)의 각 구간을 설명하는 데도 활용됩니다. 모수 추정에는 최우추정법이나 와이블 확률지를 이용한 도식적 방법이 흔히 사용됩니다.
주의할 점
와이블분포는 유연하지만 만능은 아니며, 데이터가 실제로 와이블분포를 따르는지 적합도 검정을 거치지 않고 무비판적으로 적용하면 잘못된 수명 예측으로 이어질 수 있습니다.