類神經網路於完備資料之韋伯與對數常態分配之判定

于鴻福、黃耿輝

   

    韋伯(Weibull)分配與對數常態(lognormal)分配，可用以描述大多數電子產品之壽命，惟兩者極為相似，於資料分析時常造成分配的誤判，而導致後續可靠度推估時的嚴重偏差。因此，在資料分析時，如何正確選擇適當的壽命分配，是可靠度工程師常需面對的問題。本研究擬針對完備資料(complete data)，利用類神經網路(artificial neural network)來探討此二種分配之判定問題。模擬結果顯示，在大樣本(n=60, 80, 100)下的正確辨識率幾乎都在 0.92以上，而在中樣本(n=30, 40)時，正確辨識率約介於 0.81∼0.88之間，然而在小樣本(n=15, 20, 25)時其正確辨識率約介於 0.72~0.81之間。此外，本文亦針對上述八種樣本數所得之模擬結果與以最大概似比(ratio of maximized likelihood; RML)所得的結果進行比較。數值結果顯示，在樣本數 n=25, 40, 60, 80, 100時，本研究所提出的方法較 RML法的辨識效率為佳；而當 n=15, 20, 30時，則是RML法的辨識效率為佳。由此可知：本研究所提出之方法並不比 RML法遜色。

    關鍵字：分配的誤判、韋伯分配、最大概似比、對數常態分配、類神經網路