ワイブルプロット シミュレーター

形状・尺度パラメータをスライダーで調整してリアルタイム可視化

パラメータ設定

1.50
100
100
平均寿命 μ —
中央値 —
標準偏差 σ —
B10寿命 —

ワイブル確率紙プロット

ヒストグラム（β=1.50: 摩耗故障型）

関連ツール： 数学グラフ計算ツール 正規分布確率計算ツール

ワイブル分布とは

ワイブル分布は信頼性工学・品質管理で広く使われる確率分布です。形状パラメータ β によって多様な故障パターンを表現できます。製品の寿命試験データや設備の故障履歴の解析に広く用いられており、自動車部品・電子機器・機械設備など幅広い分野で活用されています。

使い方

  1. スライダーで β（形状）・η（尺度）・N（サンプルサイズ）を調整します。
  2. ワイブル確率紙プロット（左）とヒストグラム（右）がリアルタイムで更新されます。
  3. 特性値カード（平均寿命・中央値・標準偏差・B10寿命）が自動計算されます。
  4. 「再サンプリング」ボタンで同じパラメータのまま乱数を振り直し、サンプリングのばらつきを確認できます。

パラメータの意味

β（形状パラメータ）
故障のパターンを決めます。β<1 で初期故障（乳児死亡期）、β=1 で偶発故障（指数分布）、β>1 で摩耗故障を表します。バスタブ曲線の各フェーズに対応しており、故障のメカニズムを数値一つで表現できます。
η（尺度パラメータ / 特性寿命）
全体の時間スケールを決めます。t=η のとき、故障確率は常に約 63.2% になります。製品の寿命スケールを調整するパラメータで、単位は時間・サイクル・距離など用途に応じて設定します。
N（サンプルサイズ）
シミュレーションで生成するランダムサンプル数です。Nを増やすとデータのばらつきが小さくなり、理論直線への当てはまりが良くなります。
ワイブル確率紙の読み方

ワイブル確率紙（Weibull probability paper）とは、縦軸に ln(−ln(1−F))、横軸に ln(t) をとった座標系です。この変換を行うと、ワイブル分布に従うデータは直線状に並びます。直線の傾きが形状パラメータ β に相当し、傾きが急なほど摩耗故障（摩耗・疲労型）であることを示します。直線の切片から尺度パラメータ η（特性寿命）を読み取ることができます。実際の寿命試験では観測データをこの座標系にプロットして直線に当てはめ（グラフィカル推定法）、パラメータを推定します。本シミュレーターでは赤い破線が理論直線です。サンプル点が赤線に沿って並ぶほどワイブル分布への当てはまりが良いことを示します。

B10寿命・平均寿命（MTTF）の意味

B10寿命（B10 life）は累積故障確率が10%になる時間です。「B10寿命10万km」であれば、10万km走行時点で全体の10%が故障することを意味します。自動車部品・軸受・歯車の信頼性基準として広く使われます。平均寿命（MTTF: Mean Time To Failure）はすべての製品が故障するまでの平均時間で、ワイブル分布では η × Γ(1 + 1/β) で計算されます（Γはガンマ関数）。B10寿命はMTTFよりも保守的な指標であり、高信頼性が求められる部品評価には B10 や B1 がよく使われます。

よくある質問（FAQ）
β < 1 の場合は何を意味しますか？
β<1のとき故障率は時間とともに減少します（初期故障期）。製品出荷直後の不良品・初期不良（バスタブ曲線の左側）に相当し、スクリーニング試験やバーンインで対策します。
β = 1 の場合は？
β=1のときワイブル分布は指数分布と一致します。故障率が時間によらず一定の「偶発故障」を意味します。電子部品のランダム故障期がこれに近い特性を示します。
β > 1 の場合は？
β>1のとき故障率は時間とともに増加します（摩耗故障・老化故障）。機械部品の疲労破壊・ゴムの劣化・バッテリーの消耗などがこれに該当します。β=2〜3が典型的な摩耗故障です。
実際の信頼性試験でどう活用しますか？
寿命試験で得た故障時間データをワイブル確率紙にプロットし、直線当てはめでβとηを推定します。推定したパラメータからB10寿命・MTTFを算出し、保証期間設定・予防保全計画に活用します。
ワイブル分布はどのような分野で使われますか？
自動車部品・電子機器・機械設備の寿命試験解析、製品の保証期間設定、予防保全計画の策定、信頼性設計・FMEA（故障モード影響解析）に広く活用されています。
打ち切りデータ（censored data）にも対応しますか？
本シミュレーターは完全データ（全サンプルが故障）を前提としています。実際の試験で試験終了時点でまだ故障していないデータ（打ち切りデータ）がある場合は、Kaplan-Meier法や最尤推定法が必要です。
参照文献・免責事項

免責事項：本ツールのシミュレーション結果は教育・学習目的の参考値です。実際の製品設計・品質保証への適用には、専門的な統計解析ソフトウェアと信頼性工学の専門家によるレビューをお勧めします。

βの値から故障の原因を読む

ワイブル分布が信頼性工学で使われるのは、形状パラメータ β が 「なぜ壊れているのか」を示唆するからです。故障の起き方は時間に対して一様ではなく、 原因ごとに固有のパターンを持ちます。βはそのパターンを一つの数値に要約します。

実際の製品では、これらが時期をずらして重なります。 初期故障が減り、偶発故障が続き、最後に摩耗故障が立ち上がる形が、 よく知られたバスタブ曲線です。試験データのβが想定と食い違うときは、 故障メカニズムの理解そのものが誤っている可能性を疑ってください。

ケーススタディ1：交換時期を決める

軸受の寿命試験でβ=2.5、η=8,000時間という結果が得られたとします。 平均寿命（MTTF）は約7,100時間ですが、この値で交換計画を立てると半数近くが交換前に壊れます。

こうした場面で使われるのがB10寿命です。累積故障確率10%の時点、 この例では約3,250時間を交換時期とすれば、10台に9台は故障前に交換できます。 平均寿命の半分以下という保守的な数字になりますが、 故障による二次被害が大きい設備では、この差が費用対効果を決めます。

ケーススタディ2：サンプル数の影響を確かめる

推定したβがどれだけ信頼できるかは、サンプル数に強く依存します。 本シミュレーターでNを10前後にすると、点が理論直線から大きく外れることが分かります。 Nを200に増やすと直線に沿って並びます。

現実の寿命試験では、コストの制約からサンプル数を10〜20程度に抑えることが珍しくありません。 その規模で得たβを、あたかも確定値のように扱うと判断を誤ります。 少数のデータでどの程度ばらつくのかを、実際に動かして体感しておくと、 報告書の数字を読む目が変わります。

ケーススタディ3：ηとB10を混同しない

ηは「約63.2%が故障する時間」であって、平均寿命でも代表値でもありません。 この63.2%という数字はβによらず常に一定で、ワイブル分布の定義から出てきます。

「特性寿命10万km」と書かれた資料を「10万kmまで持つ」と読むと、 実際には6割以上が故障する時点を安全側と勘違いすることになります。 設計や保守の判断に使うのはB10やB1であり、ηは分布の位置を示す量だと切り分けてください。

陥りやすい誤解・注意点

よくある質問

実測した故障データを読み込めますか？
本ツールは指定したパラメータから乱数サンプルを生成して表示するシミュレーターで、データの読み込みには対応していません。実測値からβ・ηを推定する場合は、最尤推定や回帰による方法を用いる専用のソフトウェアをご利用ください。
βはどのくらいの値だと「摩耗故障」と判断できますか？
目安としてβが1を明確に超えていれば摩耗傾向ですが、サンプル数が少ないと推定値は大きくばらつきます。N=10程度でβ=1.3といった結果が出ても、それだけで摩耗故障と断定することはできません。信頼区間を併せて評価してください。
B10寿命はどう計算されていますか？
累積故障確率F(t)=10%となるtを、ワイブル分布の式から逆算しています。具体的には t = η × (−ln(0.9))^(1/β) です。同様にB1寿命なら0.99を用います。
なぜ t=η のとき必ず63.2%になるのですか？
ワイブル分布の累積分布関数 F(t) = 1 − exp(−(t/η)^β) に t=η を代入すると、βの値にかかわらず F = 1 − exp(−1) ≈ 0.632 となるためです。この性質からηは「特性寿命」と呼ばれます。

参照情報・免責事項

本ツールはワイブル分布の性質を学習・確認するためのシミュレーターです。 表示される数値は入力パラメータから生成した乱数にもとづくもので、実際の製品の信頼性を保証するものではありません。 設計・保守の判断には、実測データにもとづく評価と専門家の確認を行ってください。

信頼性工学・品質管理の学習には、専門書やオンライン講座も合わせてご活用ください。