8.18.

Διαγράμματα συσχετισμού (scatter diagrams)

Το διάγραμμα συσχετισμού χρησιμοποιείται για να προσδιορίσουμε αν

φαίνεται να υπάρχει κάποια σχέση ανάμεσα σε δύο μεταβλητές. Μ πορεί να
διαφωτίσει πιθανές σχέσεις και να αποτελέσει ένα χρήσιμο οδηγό ως προς
το τι πρέπει να αναμένουμε στο μέλλον. Ο αναγνώστης παραπέμπεται στο
σχετικό παράδειγμα της μελέτης περιπτώσεως.6.3 (Σχήμα 6.9) στην Πα­
ράγραφο 6.7.

Υποστηρίζοντας τη Διαδικασία Βελτίωσης της Ποιότητας 285

8.19. Ανάλυση του Weibuii (Weiboli analysis)

Η ανάλυση του Weibull είναι μια τεχνική που χρησιμοποιείται- για να

εκτιμηθει η πιστότητα δεδομενων που αναφερονται στΓ| διαρκεια ζωης
του προϊόντος. Τα βασικά βήματα που ακολουθούμε θα γίνουν εμφανή
με την ανάλυση συγκεκριμένων δεδομένων διάρκειας ζωής ηλεκτρικών
λαμπτήρων. Θα κάνουμε μια διάκριση ανάμεσα σε πλήρη και σε ελλιπή
δεδομένα αποτυχίας. Ξεκινάμε με τον ορισμό των εννοιών αξιοπιστία και
ρυθμός αποτυχίας.

8.19.1. Αξιοπιστία

Η αξιοπιστία είναι το μέτρο της δυνατότητας ενός προϊόντος να λειτουρ­

γήσει επιτυχώς, όποτε απαιτείται, για την περίοδο που απαιτείται, κάτω
από τις προδιαγεγραμμένες συνθήκες λειτουργίας του. Εκφράζεται συνή­
θως ως μαθηματική πιθανότητα και έτσι μπορεί να κυμαίνεται μεταξύ 0 ή
0% (πλήρης αναξιοπιστία) και 1 ή 100% (άριστη αξιοπιστία). Για παρά­
δειγμα,\ιν ένας λαμπτήρας θεωρείται 70% αξιόπιστος στις 200 ώρες, αυτό
σημαίνει ότι το 70% των λαμπτήρων θα διαρκέσουν τουλάχιστον επί 200
ώρες χωρίς διακοπή. Το ποσοστό αποτυχίας (διακοπή λειτουργίας) είναι
(100 - R)%, όπου R είναι η ποσοστιαία αξιοπιστία.
Αν υποθέσουμε την ύπαρξη αποτυχιών σε έναν πληθυσμό ομάδων, ο
Ύρόνος μέχρι την αποτυχία θ*ι εχει κάποιο, κατανομή. Μπορούμε τότε vet"
ποσοτικοποιήσουμε.την αξιοπιστία της ποσοστιαίας αποτυχίας σε οποια-
δήποτε επιθυμητή ηλικία, υπολογίζοντας αυτήν την κατανομή αποτυχίας
με τη βοήθεια των δεδομένων ενός δείγματος.

8.19.2. Ρυθμός αποτυχίας και κατανομές αποτυχίας

Η κατανομή αποτυχίας χαρακτηρίζεται από ένα μέτρο που ονομάζεται

ρυθμός αποτυχίας και ορίζεται ως εξής
ΡΑ = η αναλογία με την οποία οι παραμένουσες μονάδες παθαίνουν βλ.άβη

αριθμός μονάδω ν που παθαίνουν βλάβη σε ένα χρονικό διάστημα

(αριθμός επιζώ ντω ν στην αρχή του δ ια σ τή μ α το ς)χ (έκτα ση του.χρονικού
διαστήματος )
Υ;ι(Χμ2(ΌΙ)ν CphlLj iDTCOl pl>0j-iCOV CiJiQ

286 Μάνατζμεντ Ολικής Π ο ιό τη τα ς

1. Ελαττούμενος - βρεφική θνησιμότητα: πρώιμες αποτυχίες οφειλόμε-
νες σε κατασκευαστικά λάθη.
2. Σταθερός - χρήσιμη ζωή (το ζενίθ της ηλικίας): τυχαίες αποτυχίες
οφειλόμενες σε κακή χρήση από την πλευρά του πελάτη, σε περιστα-
σιακή φόρτιση της λειτουργίας, που ξεπερνάει την προδιαγεγραμμέ-
νη φόρτιση κ.λπ.
3. Αυξανόμενος - βλάβες κόπωσης που οφείλονται σε φθορά, καταπόνη-
ση, χημική γήρανση π.χ. οξείδωση κ.λπ.
Τα διάφορα προϊόντα μπορεί να λάβουν πείραν του ενός, των δύο, ή και των
τριών εκ των παραπάνω τύπων. Μπορούμε να χρησιμοποιήσουμε την
κατανομή του Weibull (βλ. Σχήμα 8.19) για να τυποποιήσουμε το είδος
της αποτυχίας σε καθέναν από τους τρεις τύπους του Ρ Α . Στην απλούστε­
ρη μορφή της εμπεριέχει δύο παραμέτρους:
β - η κλίση ή παράμετρος σχήματος
a - η παράμετρος κλίμακας

χ > 0 α>0 β>0

χ«0

χ
0 1 2 5
Σ χήμα 8.19 Κ ατανομές του W eibull

Η τιμή η = l / α συνήθως ονομάζεται χαρακτηριστική ζωή. Μαθηματικά, η

τιμή αυτή παριστάνει την ηλικία στην οποία το 63.8% των εξεταζόμενων
τεμαχίων θα πάθουν βλάβη. Η μεταβλητότητα της παραμέτρου σχήματος
επιτρέπει την τυποποίηση της κατανομής ζωής των τεμαχίων που ακολου-

Υποστηρίζοντας τη Διαδικασία Βελτίωσης της Ποιότητας 287

 Φάση PA ___ Κλίση (β)
Πρώιμη ζωή Ελαττούμενος <1
Χρήσιμη ζωή Σταθερός =1
Φθορά/Κόπωση Αυξανόαενος >1
Όταν β = 1, έχουμε την εκθετική κατανομή ως μια ειδική περίπτωση
της κατανομής W eibull.-Επομένως, η εκθετική κατανομή είναι χαρακτη­
ριστικό του σταθερού ρυθμού αποτυχίας. Είναι χρήσιμη για την περιγρα­
φή της διάρκειας ζωής ορισμένου ηλεκτρικού και ηλεκτρονικού εξοπλι­
σμού, επίσης στην περιγραφή των αποτυχιών (οποιουδήποτε είδους) των
σύνθετων συναρμολογήσεων οι οποίες επισκευάζονται και, στην περίπτω­
ση αυτή, η χαρακτηριστική ζωή (77) αντιπροσωπεύει το (σταθερό) μέσο
χρόνο μεταξύ των αποτυχιών των επισκευαζόμενων συστημάτων, και το
μέσο χρόνο μέχρι την αποτυχία των μη-επισκευαζόμενων συστημάτων.
Ό ταν β > 5, η κατανομή Weibull χαρακτηρίζεται από έναν αυξανόμενο
Ρ Α και είναι χρήσιμη για να περιγράφει ορισμένες καταστάσεις φθοράς
(όπως η οξείδωση) και στην περιγραφή γενικά του ορίου αντοχής των
υλικών (σε πολεοδομικούς κανονισμούς, καταπονήσεις αεροσκαφών
κ.λπ.).
ί
Ανάλυση διάρκειας ζωής

Γενικά, η ανάλυση των αποτυχιών είναι ο καλύτερος τρόπος για την εκτί­
μηση της αξιοπιστίας. Όταν έχουν αποτύχει όλα τα υπό δοκιμήν προϊόντα,
παίρνουμε αυτό που ονομάζεται σύνολο πλήρων δεδομένων. Όμως, όπως
μπορούμε να όουμε από το Σχήμα 8.19, οι συνήθεις κατανομές αποτυχίας
έχουν αρκετά μεγάλες απολήξεις στα δεξιά - μια ένδειξη ότι μερικά τεμά­
χια από τα δεδομένα του δείγματος ζουν σημαντικά περισσότερο πέρα από
το μέσο όρο ζωής. Σε τέτοιες περιπτώσεις, εφόσον μπορεί να είναι τρομερά
δαπανηρό να συνεχίσουμε τις δοκιμές έως ότου σταματήσουν να λειτουρ­
γούν όλα τα τεμάχια του δείγματος, θα ήταν καλύτερα να'λήξουμε (ή να
περικόψουμε) το τεστ ενός συγκεκριμένου τεμαχίου σε χρόνο πρόσφορο.
Σαφώς τέτοιου είδους περικοπές θα πρέπει να λαμβάνονται υπόψη στην
ανάλυση, επειδή είναι φορείς πληροφοριών σχετικά με την αξιοπιστία. Θα
υποδείξουμε πρώτα τα βασικά βήματα που πρέπει κανείς να ακολουθήσει
για την ανάλυση των πλήρων δεδομένων, συνοδευόμενα από μια γενικό­
τερη προσέγγιση, για την περίπτωση που τα δεδομένα αποτυχίας εμπεριέ­
χουν αναστολές (ελλιπή δεδομένα).

' 288 Μάνατζμεντ Ολικής Ποιότητας

*>
8.19.3. Ανάλυση του WeibuII για τα πλήρη δεδομένα

Θα παρουσιάσουμε τη μέθοδο ανάλυσης με μια μελέτη περιπτώσεως.

Για να ελεγχθεί η διάρκεια ζωής ενός συγκεκριμένου τύπου λαμπτήρων

πυρακτώσεως, επιλέγησαν τυχαία 17 λαμπτήρες από τη γραμμή παραγω­
γής και δοκιμάστηκαν όσον αφορά στην αντοχή τους σε ένα μηχάνημα
προσομοίωσης τυπικών συνθηκών χρήσης. Στον Πίνακα 8.9 παρουσιάζε­
ται η διάρκεια ζωής των λαμπτήρων.
Πίνακας 8.9 Διάρκεια ζωής των λαμπτήρων και διάμεσοι βαθμοί
Διάρκεια (ώρες) Αριθμός προτεραιότητας Διάμεσος βαθμός (%)
32 1 4.0
34 2 9.8
90 3 15.5
103 4 21.3
170 5 27.0
179 6 32.8
232 7 38.5
360 8 44.3
360 9 -50.0
360 10 55.8
360 11 61.5
415 12 67.3
603 13 73.0
603 14 78.8
717 15 84.5
718 16 90.3
1009 17 96.0

Η πρώτη στήλη του Πίνακα 8.9 απεικονίζει τη διάρκεια ζωής των

λαμπτήρων σε ώρες, από τη μικρότερη έως τη μεγαλύτερη διάρκεια. Στη
δεύτερη στηλη κατατασσεται η σειρά με την οποία οι λαμπτήρες σταμα­
τάνε να λειτουργούν (ονομάζεται αριθμός προτεραιότητας). Απέναντι σε
κάθε αριθμό προτεραιότητας ορίζουμε ένα διάμεσο βαθμό (Δ Β ), ο οποίος
απεικονίζεται στην τρίτη στήλη του Πίνακα 8.9 και υπολογίζεται ως εξής:
. π Α Π - 0.3 ηηη.
Δ Β = — — — χ 100%
Ν + 0.4
όπου A l l είναι ο αριθμός προτεραιότητας των αποτυχιών και Ν είναι το
μέγεθος του δείγματος (στην περίπτωσή μας Ν = 17). Ο διάμεσος βαθμός
μιας συγκεκριμένης διακοπείσας ζωής είναι ο πρόχειρος υπολογισμός του

Υποστηρίζοντας τη Διαδικασία Βελτίωσης της Ποιότητας 289

 S a m p le S i ie

M inim um Lift

A G E AT fA lL U ^ E - -ij

Σ χήμα 8.20 Ανάλυση του W eibull για πλήρη δεδομένα (μελέτη περιπτώ σεως 8.1)

αθροιστικού ποσοστού των τεμαχίων τα οποία διακόπτουν τη λειτουργία

τους σε αυτήν την τιμή. Για παράδειγμα, υπολογίζεται ότι το 4% των
λαμπτήρων διακόπτουν τη ?^ειτουργία τους σε 32 ώρες, με βάση μόνο το
διάμεσο βαθμό για τη διάρκεια αυτή.
Τώρα τα δεδομένα μπορούν να παρασταθούν στο χάρτη πιθανοτήτων
του Weibull (βλ. Σχήμα 8.20). Οι κλίμακες αυτού του χάρτη είναι έτσι
διαιιορφωμένες, ώστε, όταν σημειώνονται οι διάμεσοι βαθμοί έναντι της

290 Μάνατζμεντ Ολικής Ποιότητας

διακοπείσας ζωής, προκύπτει μια ευθεία γραμμή, αν τα δεδομένα κατανέ-
μονται σύμφωνα με την κατανομή Weibull.
Το Σχήμα 8.20 μας δείχνει το αποτέλεσμα. Παρατηρούμε ότι, εφόσον
μία ευθεία γραμμή μπορεί να χαραχτεί από τα σημεία, η Weibull κατανομή
ταιριάζει με τα δεδομένα πολύ καλά. Η γραμμή των διάμεσων βαθμών
αντιπροσωπεύει την καλύτερη εκτίμηση της κατανομής Weibull και μπο­
ρούμε να μαθαίνουμε ό,τι πληροφορίες χρειαζόμαστε. Χρησιμοποιώντας
την ευθεία γραμμή, μπορούμε κατά προσέγγιση να έχουμε τα ποσοστά της
αποτυχίας σε διαφορετικές ηλικίες του προϊόντος και, επίσης, να υπολο­
γίζουμε τη διάρκεια ζωής του σε διαφορετικά ποσοστά.
Για παράδειγμα, αν ενδιαφερόμαστε για μια συγκεκριμένη ηλικία, ας
πούμε 700 ώρες (που αντιπροσωπεύεται στην οριζόντια κλίμακα), τότε
μπορούμε να μάθουμε (από τον κάθετο άξονα) την αντίστοιχη προσέγγιση
του ποσοστού αποτυχίας, που στην περίπτωση αυτή είναι 82%. Παρο­
μοίως, το κατά προσέγγιση ποσοστό αποτυχίας εντός 100 ωρών είναι 19%.
Μπορούμε να πάμε και αντίθετα, π.χ. το 36% των λαμπτήρων εκτιμάται
ότι διακόπτει τη λειτουργία του εντός 200 ωρών. Αυτό ισοδυναμεί με το να
πούμε ότι ένας λαμπτήρας είναι 64% αξιόπιστος στις 200 ώρες.
Εύκολα μπορούμε να βρούμε τις κατά προσέγγιση τιμές της παραμέ­
τρου σχήματος β και της χαρακτηριστικής διάρκειας ζωής η, που χαρα­
κτηρίζουν την κατανομή Weibull. Βρίσκουμε το β χαράσσοντας μία γραμ­
μή κάθετη προς' τη-γραμμή των διάμεσων βαθμών, που περνάει από το
σημείο υπολογισμού (estimation point) στην άνω αριστερή γωνία (βλ.
Σχήμα 8.20). Τότε βρίσκουμε την τιμή του β στο σημείο όπου αυτή η νέα
γραμμή τέμνει την κλίμακα του β. Αυτό δίνει μία τιμή πολύ κοντά στο 1..
πράγμα που σημαίνει ότι οι λαμπτήρες αποτυγχάνουν με σταθερό ρυθμό
αποτυχίας. Αυτό με τη σειρά του υποδηλώνει ότι η εκθετική κατανομή
(ειδική περίπτωση του Weibull, όταν β = 1) ταιριάζει με τα υπάρχοντα
δεδομένα.
Η εκθετική καμπύλη υποδηλώνει ότι αυτού του τύπου οι λαμπτήρες
χαρακτηρίζονται από το ότι, τουλάχιστον στην πρώιμη διάρκεια ζωής
τους (έως τουλάχιστον 1000 ώρες), ο ρυθμός με τον οποίο διακόπτουν τη
λειτουργία τους είναι σταθερός. Με άλλα λόγια, οι λαμπτήρες δε γηρά-
σκουν από αυτήν την άποψη: αν έχουμε έναν λαμπτήρα σε λειτουργία και
διερωτώμαστε για το πότε μπορεί να σταματήσει, η σημερινή του ηλικία
δεν παίζει ρόλο- δεν έχει σημασία αν ο λαμπτήρας έχει λειτουργήσει 1 ή
100 ώρες. Φυσικά, μπορεί να έχει σημασία αν ο λαμπτήρας έχει λειτουργή­
σει πάνω από 1000 ώρες. Στο συγκεκριμένο περιορισμένο μας δείγμα, όλοι
οι λαμπτήρες διέκοψαν τη λειτουργία τους στις 1010 ώρες και δεν υπάρχει
τρόπος να βγάλουμε συμπεράσματα σχετικά με το ρυθμό αποτυχίας των
λαμπτήρων οι οποίοι διαρκούν πέρα από 1000 ώρες.

Υποστηρίζοντας τη Διαδικασία Βελτίωσης της Ποιότητας 29]

 Το η (χαρακτηριστική ζωή) το παίρνουμε χρησιμοποιώντας τη μαθη­
ματική ιδιότητα ότι το η είναι η ηλικία στην οποία το 63.8% (των λαμπτή­
ρων) σταματάει να λειτουργεί. Μια διάστικτη οριζόντια γρ'αμμή παριστά­
νει το σημείο του 63.8%, το'οποίο, για αυτήν την παρτίδα λαμπτήρων,
αντιστοιχεί σε μια ηλικία περίπου 425 ωρών. Εφόσον έχουμε να κάνουμε
με μια εκθετική κατανομή, αυτό είναι και η αναμενόμενη διάρκεια ζωής (ο
μέσος χρόνος μέχρι την αποτυχία) των λαμπτήρων.

8.19.4. Η ανάλυση του Weibull για τα ελλιπή δεδομένα

Παρόλο που η ανάλυση δεδομένων αποτυχίας είναι η καλύτερη μέθοδος

του υπολογισμού της πιστότητας, το ζήτημα του κόστους μερικές φορές
μας οδηγεί στη λήξη (λογοκρισία) του τεστ σε πρόσφορο χρόνο. Ο πιο
διαδεδομένος τύπος λογοκρισίας είναι η πολλαπλή λογοκρισία (που επί­
σης ονομάζεται αυθαίρετη ή προοδευτική λογοκρισία), η οποία γίνεται
όταν συμβαίνουν αναστολές σε διάφορες ηλικίες και διασπείρονται σε
ολόκληρη τη σειρά των δεδομένων. Όταν π.χ. το τεστ διάρκειας ζωής
ενός λαμπτήρα λήγει χωρίς να έχει αποτύχει ο λαμπτήρας σε, ας πούμε,
100 ώρες, αυτό σημαίνει ξεκάθαρα ότι η ενδεχόμενη διάρκεια ζωής του
λαμπτήρα θα ξεπερνά τις 100 ώρες. Είναι προφανές ότι αυτό υποδεικνύει
κάτι για την πιστότητα του λαμπτήρα αυτού του είδους. Συνεπώς, οι ανα­
στολές θα πρέπει να λαμβάνονται υπόψη στην ανάλυση της αξιοπιστίας.

Πρέπει να αναλυθεί ένα σύνολο 70 τηλεφωνικών λαμπτήρων μετά το τεστ,

το οποίο συμπεριλάμβανε αναστολές. Τα αποτελέσματα απεικονίζονται
στον Πίνακα 8.10.
Ο Πίνακας 8.10 έχει ταξινομηθεί όσο είναι δυνατόν βάσει αυτών που
έως τώρα γνωρίζουμε. Για παράδειγμα, γνωρίζουμε ότι η αποτυχία στις 4
ώρες θα πρέπει να είναι η πρώτη αποτυχία από το δείγμα των 70 λαμπτή ρων
και, επομένως, έχει σειρά προτεραιότητας 1. Όμως δεν υπάρχει τρόπος να
μάθουμε τη σειρά προτεραιότητας για την αποτυχία στις 230 ώρες, εφόσον
υπήρξαν 10 αναστολές στις 95 ώρες. Αν αυτές οι αναστολές δε συνέβαιναν
πριν από 230 ώρες, η αποτυχία στις 230 ώρες θα ήταν η δεύτερη αποτυχία-
αν όχι, θα ήταν η τρίτη ή η τέταρτη κ.λπ., ανάλογα με το πόσοι λαμπτήρες
από τους 10 της αναστολής επρόκειτο να διαρκέσουν περισσότερο από 230
ώρες.

292 Μάνατζμεντ Ολικής Ποιότητας

/
 Πίνακας 8.10 Ελλιπή δεδομένα
Ώρες λειτουργίας Προτεραιότητα Αποτέλεσμα
■4 1 Διακοπή (Δ)
95 Το τεστ ανέσταλη για 10 λαμπτήρες (SxlO)
230 ? Δ
256 ' SxlO
266 ? -Δ
461 Sx8
483 SxlO
436 9 Δ
666 ? Δ
713 ? Δ
784 Sx9
881 Sx8 -
1091 - Sx9

Προφανώς, χρειάζεται κάποια συμβιβαστική φόρμουλα για να ορίσου­

με έναν αριθμό προτεραιότητας και ένα διάμεσο βαθμό σε όλες τις αποτυ­
χίες, όταν υπάρχουν αναστολές. Εφόσον επιτευχθεί αυτό, οι αποτυχίες
μπορούν να παρασταθούν γραφικά, όπως και στην περίπτωση των πλή ρων
δεδομένων. Σημειώστε ότι μόνο οι αποτυχίες-παριστάνονται στους χάρτες
πιθανότητας του Weibull. Η μέθοδος που ακολουθούμε είναι να υπολογί­
σουμε μια νέα αύξηση (ΝΑ) στον αριθμό προτεραιότητας των αποτυχιών,
όποτε συμπεριλαμβάνεται 'κάποια αναστολή. Αυτή η Ν Α προστίθεται στον
προηγούμενο'αριθμό προτεραιότητας (της τελευταίας αποτυχίας), για να
,3ώσει τον (αναμενόμενο) αριθμό προτεραιότητας στην αποτυχία που έπε-
ται της αναστολής Η νέα αύξηση δίνεται από τη σχέση:
(Ν + 1) —Α Π Π
ΝΑ
1+ ΠΔ
όπου Ν είναι τα συνολικό μέγεθος δείγματος (των αναστολών συμπερι­
λαμβανομένων), Α Π Π είναι ο αριθμός προτεραιότητας της προηγούμενης
αποτυχίας και Π Δ είναι το μέγεθος δείγματος που παραμένει, δηλαδή ο
αριθμός των.προϊόντων που έχουν αποτύχει ή έχουν ανασταλεί σε ηλικίες
ίσες ή μεγαλύτερες από την εξεταζόμενη αποτυχία (της ίδιας της αποτυ­
χίας συμπεριλαμβανομένης). Σημειώστε ότι, αν δεν υπάρχουν αναστολές
στο δείγμα, η ανωτέρω σχέση θα δίνει πάντοτε την τιμή 1.
Για παράδειγμα, στη μελέτη της περιπτώσεώς μας, για την αποτυχία σε
230 ώρες έχουμε Ν = 70, Α Π ΊΊ = 1 (ο αριθμός προτεραιότητας της απο­
τυχίας σε 4 ώρες) και Π Δ = 59 (ο αριθμός των λαμπτήρων με ηλικία
μεγαλύτερη ή ίση με 230 ώρες). Επομένως:
ΝΑ = (70 + 1)-1 = 1Λ7
i -f- ο9

Υποστηρίζοντας τη Διαδικασία Βελτίωσης της Ποιότητας 293

Αυτό το ΝΑ μπορεί τώρα να προστεθεί στον αριθμό προτεραιότητας της
τελευταίας αποτυχίας (σε 4 ώρες), για να δώσει τον (αναμενόμενο) αριθμό
προτεραιότητας για τη διακοπή σε 230 ώρες, ο οποίος θα είναι
1 + 1.17 = 2.17
Συνεχίζουμε να προσθέτουμε αυτήν την αύξηση στο προηγούμενο αριθμό
προτεραιότητας για κάθε επακόλουθη διακοπή, έως ότου συμπεριληφθούν
νέες αναστολές, οπότε αλλάζει η αύξηση (χρησιμοποιείται και πάλι ο
τύπος για ΝΑ).
Τώρα μπορούμε να βρούμε το διάμεσο βαθμό για κάθε αποτυχία, με τη
βοήθεια του ίδιου τύπου της περίπτωσης των πλήρων δεδομένων, δηλαδή:
Α Π - 0 .3 nnh,
Δ Β = — — — - χ 100%
Ν -f 0.4 -
όπου Α Π είναι ο (πραγματικός ή αναμενόμενος) αριθμός προτεραιότητας
για τη διακοπή αυτή. Για παράδειγμα, για τη διακοπή σε 230 ώρες
δ β = 2.1 ί - 0 . 3 χ = 2

70 + 0.4
Με τη βοήθεια των τύπων για ΝΑ και Δ Β μπορούμε τώρα να διαμορφώ­
σουμε τον Πίνακα 8.11. Μπορούμε τώρα να παραστήσουμε γραφικά τα
αποτελέσματα του Πίνακα 8.11 στο χάρτη πιθανότητας του Weibull (όπως
και προηγουμένως), για να πάρουμε το σχεδιάγραμμα του Weibull στο
Σχήμα 8.21. Σημειώστε ότι, παρά το μικρό μέγεθος των δεδομένων αποτυ­
χίας, παίρνουμε μία αρκετά ευθεία γραμμή, με β — 1.4. Η τιμή αυτή του β
δηλώνει ότι οι λαμπτήρες σταματούν να λειτουργούν με έναν ελαφρώς
αυξανόμενο ρυθμό αποτυχίας.

Πίνακας 8.11 Ελλιπή δεδομένα και διάμεσοι βαθμοί

Διάρκεια (ώρες) Αριθμός προτεραιότητας (αύξηση) Διάμεσος βαθμός(%)
4 1.0 0.99
230 2.17 (1.17) 2.66
. 266 3.58 (1.41) 4.65
486 5.83 (2.25) 7.85
666 8.08 (2.25) 11.10
713 10.33 (2.25) 14.30

294 Μάνατζμεντ Ολικής Ποιότητας

Σχήμα -&:2! Α νάλυση του W eibull για ελλιπή δεδομένα (μελέτη περιπχώσεως 8.2)

Υποστηρίζοντας τη Διαδικασία Βελτίωσης της Ποιότητας 295