파라미터 50% 절감 및 분산 감소를 위한 Weibull 모델 최적화 기준 정립

Context

Series System 신뢰성 분석 시 각 부품의 파라미터를 개별 추정하는 Full Model 방식의 높은 연산 비용과 데이터 요구량 문제 발생. Masked Failure 데이터 환경에서 파라미터 수 증가로 인한 Variance 상승과 추정 효율 저하가 주요 병목 지점임.

Technical Solution

• Shape Parameter를 통합하여 파라미터 수를 2m개에서 m+1개로 줄인 Reduced Model 설계
• Likelihood Ratio Test(LRT)를 통한 Full Model 대비 Reduced Model의 통계적 유의성 검증 로직 도입
• Bias-Variance Trade-off 관점에서 소규모 샘플일 때 Reduced Model의 낮은 Variance가 주는 이득을 우선한 설계 전략 채택
• 부품 간 Shape Deviation 정도에 따른 모델 채택 경계선을 정량화하여 의사결정 트리 구축
• Well-Designed System(MTTF 편차 2~3배 이내) 조건을 전제로 한 모델 단순화 정당성 확보