신뢰도 성장 분석 계산기 (Crow-AMSAA)

L.H. Crow(1974)가 개발한 비동차 포아송 과정(NHPP) 모델로, 개발·시험 단계에서 고장 수정을 반복하며 신뢰도가 성장하는 패턴을 정량화합니다. 누적 고장수 N(t) = lambda * t^beta로 모델링하며, log-log 좌표에서 직선으로 나타납니다. MIL-HDBK-189C, IEC 61014 등 국제 표준에서 채택한 방법입니다.

beta < 1이면 고장률이 감소하는 신뢰도 성장 상태로, 개발 효율성을 반영합니다. beta = 1은 고장률 일정(지수분포, 우발고장). beta > 1은 고장률 증가로 마모·열화 또는 개발 과정에서 새로운 결함이 도입되는 패턴입니다. 개발 시험에서 일반적으로 beta = 0.3~0.7 범위를 목표로 합니다.

순간 MTBF(Instantaneous MTBF)는 시험 시간 t에서의 현재 신뢰도 수준으로 MTBF_i(t) = t^(1-beta) / (lambda * beta). 누적 MTBF는 전체 시험 기간의 평균으로 MTBF_c(t) = t^(1-beta) / lambda. 성장 중(beta < 1)이면 순간 MTBF < 누적 MTBF이며, 목표 달성 여부 판단에는 순간 MTBF를 사용합니다.

누적 시험 시간에서 고장이 발생한 시점(TTF, Time-To-Failure)을 시간 순서대로 입력합니다. 수리 후 재시험(Repairable System)의 고장 이력이 주 입력 데이터입니다. 최소 3개 이상의 고장 데이터가 필요하며, 10개 이상이면 추정 정확도가 크게 향상됩니다.

t_goal = (MTBF_target * lambda * beta) ^ (1 / (1-beta)). beta < 1인 성장 국면에서만 의미 있는 추정이 가능합니다. 계산 결과는 현재 추세(beta, lambda)가 유지된다는 가정 아래의 예측이므로, 설계 수정·시험 방법 변경 시 파라미터를 재추정해야 합니다.

J.T. Duane(1964)이 log-log 경험 법칙으로 제안한 성장 곡선을 Crow가 통계 기반 NHPP로 체계화한 것이 Crow-AMSAA입니다. Duane 기울기 alpha = 1 - beta 관계가 있으며, 두 방법 모두 log-log 직선 적합이라는 점에서 동일한 결과를 산출합니다. Crow-AMSAA가 신뢰구간·가설검정을 포함해 더 발전된 방법입니다.

고장 발생 시 즉각적인 원인 분석(RCA)과 효과적인 수정 조치(CA) 반영이 핵심입니다. RCM 도구로 고장 모드를 체계적으로 분류하고, FTA 도구로 잠재 고장 원인을 사전에 제거할수록 beta가 빠르게 낮아집니다. 시험-분석-수정(TAAF: Test-Analyze-And-Fix) 사이클 주기를 단축하는 것이 성장 속도를 높이는 핵심입니다.

log-log 선형회귀(최소제곱법) 기반으로 MLE(최대우도추정)와 유사한 결과를 제공합니다. R2(결정계수)가 0.95 이상이면 Crow-AMSAA 모델 적합성이 양호합니다. 데이터 수가 적거나(5개 미만) 고장 시점이 군집되어 있으면 beta 추정 불확실성이 크므로, 신뢰구간 산출이 필요한 경우에는 전문 신뢰도 소프트웨어(Reliasoft, Minitab) 사용을 권장합니다.