※本記事にはプロモーション（広告）が含まれています。
💭 こんな疑問、ありませんか？
- 「ワイブル分布って、正規分布や指数分布と何が違うの？」
- 「形状パラメータmって、結局何を表してるの？」
- 「故障率曲線（バスタブカーブ）との関係がわからない」
✅ この記事でわかること
- ワイブル分布とは何か、なぜ信頼性工学で使われるのか
- 形状パラメータmの意味＝故障パターン（初期・偶発・摩耗）を決める
- 尺度パラメータηの意味＝寿命の長さを決める
- 信頼度関数R(t)と故障率関数λ(t)の導出
- バスタブカーブとの関係をイメージで理解
📌 結論（3秒で理解）
ワイブル分布は、形状パラメータmの値を変えるだけで、
「初期故障」「偶発故障」「摩耗故障」のすべての故障パターンを表現できる万能分布です。
信頼性工学では「故障データの分析」に欠かせないツールです。
製品の寿命を予測したい。故障のパターンを数値で把握したい。
そんなとき、信頼性工学で最もよく使われるのがワイブル分布です。
「分布」と聞くと難しそうですが、ワイブル分布の本質はたった2つの数字で故障の特徴を表現できることです。
この記事では、ワイブル分布を図解たっぷり・中学生でもわかる言葉で解説します。
「mが大きいと何が変わるのか？」「ηは何を意味するのか？」
イメージで理解すれば、怖くありません。
品質管理の全体を、1冊で見渡したいときに向いています。品質管理と品質改善の基本を、図解でわかりやすくまとめた本です（日本実業出版社）。
ワイブル分布は信頼性工学の道具の1つです。信頼性工学の全体像は次の記事で図解しています。
製品が"壊れない"を数値化する技術
🎯 ワイブル分布とは？
📖 ワイブル分布の定義
スウェーデンの技術者・数学者ワロディ・ワイブルが材料の強さの研究で使い、1951年の論文で広く知られるようになった確率分布。
2つのパラメータを調整するだけで、さまざまな故障パターンを表現できる。
信頼性工学では「最も使われる分布」と言っても過言ではありません。
💡 なぜワイブル分布が使われるのか？
世の中には「正規分布」「指数分布」などいろいろな分布がありますが、
故障の分析にはワイブル分布が圧倒的に便利です。その理由は…
🏆 ワイブル分布が選ばれる3つの理由
- 柔軟性：パラメータを変えるだけで、あらゆる故障パターンを表現できる
- 物理的意味：パラメータが「故障の性質」に直結していて解釈しやすい
- 実績：機械・電子部品・材料など、幅広い分野で有効性が実証されている
| 分布 | 故障率の形 | 向いている使い方 |
|---|---|---|
| 指数分布 | 一定（いつ壊れるかがランダム） | 偶発故障の期間。MTBFの計算。ワイブルの m＝1 と同じ |
| 正規分布 | 後半で急に増える | 寸法のばらつきなど。0より小さい値も出るので寿命には使いにくいことがある |
| ワイブル分布 | m で減る・一定・増えるを選べる | 初期故障・摩耗故障を含む寿命データ全般 |
ワイブル分布は、指数分布を「故障率が時間とともに変わる」ように広げたものと考えるとわかりやすいです。
📐 ワイブル分布の2つのパラメータ
ワイブル分布は、たった2つの数字で形が決まります。
① 形状パラメータ m
故障のパターン（形）を決める
別名：ワイブル係数、形状母数
記号：m または β（ベータ）
② 尺度パラメータ η
寿命の長さ（スケール）を決める
別名：特性寿命、尺度母数
記号：η（イータ）または α（アルファ）
🔴 形状パラメータ m ─ 故障パターンを決める
形状パラメータmは、「この製品がどんな壊れ方をするか」を決めます。
mの値によって、故障率の「形」が劇的に変わります。
📊 mの値と故障パターンの関係
| mの値 | 故障率の傾向 | 故障パターン | バスタブカーブ |
|---|---|---|---|
| m < 1 | 時間とともに減少 | 初期故障型（DFR） | 左側の下り坂 |
| m = 1 | 一定（指数分布） | 偶発故障型（CFR） | 真ん中の平ら |
| m > 1 | 時間とともに増加 | 摩耗故障型（IFR） | 右側の上り坂 |
🎭 mの値を「人間の一生」でイメージする
💡 人間の死亡率で考えると…
m < 1（初期故障型）：生まれたばかりの赤ちゃん
→ 最初は弱いが、生き延びるほど丈夫になる
m = 1（偶発故障型）：若い成人
→ 事故など、いつ起きるかわからないランダムな死亡
m > 1（摩耗故障型）：高齢者
→ 年を取るほど、死亡率が上がっていく
🏭 実際の製品での例
- m ≈ 0.5〜0.8：半導体の初期不良、溶接の欠陥
- m ≈ 1.0：電子部品のランダム故障
- m ≈ 2.0〜3.0：ベアリング、歯車などの機械部品の摩耗
- m ≈ 3.5：金属疲労による破壊
※ m の値は例です。同じ部品でも材料・使い方・データの取り方で変わるので、自社の故障データから求めます。
QC検定1級を目指すなら、出題範囲に沿ったテキストで全体を押さえておくと安心です。QC検定1級の受検テキストです（日科技連出版社）。
形状パラメータ m の3つの場合は、製品の一生を3つの期間に分ける「故障率曲線(バスタブカーブ)」と対応しています。
初期故障・偶発故障・摩耗故障の3つの期間
🟢 尺度パラメータ η ─ 寿命の長さを決める
尺度パラメータη（イータ）は、「この製品がどのくらい長持ちするか」を決めます。
mが「形」なら、ηは「大きさ」を決めるパラメータです。
📖 尺度パラメータηの意味
全体の約63.2%が故障するまでの時間を表します。
別名：特性寿命（characteristic life）
単位：時間、回数、走行距離など（製品に応じて）
🚗 車の走行距離でイメージする
💡 同じ形状パラメータ、違う尺度パラメータ
2種類のタイヤがあるとします。どちらも同じ摩耗パターン（m=2）ですが…
タイヤA：η = 30,000km
→ 約63%のタイヤが30,000kmまでに交換が必要
タイヤB：η = 50,000km
→ 約63%のタイヤが50,000kmまでに交換が必要
ηが大きいほど「長持ち」ということです。
🤔 なぜ「63.2%」という中途半端な数字？
📐 数学的な理由
信頼度関数 R(t) = exp[−(t/η)m] において、
t = η を代入すると…
R(η) = exp[−1] = 1/e ≈ 0.368
つまり、t = η のとき約36.8%が生存している。
逆に言えば、約63.2%が故障済みということです。
この「1/e」という値は、数学的に扱いやすいため基準として使われます。
🔵 ワイブル分布の4つの関数
ワイブル分布には、用途に応じた4つの関数があります。
それぞれの意味と関係を押さえましょう。
📐 4つの関数と公式
① 信頼度関数 R(t)
R(t) = exp[−(t/η)m]
意味：時間tまで故障せずに生き残る確率
② 累積故障分布関数 F(t)
F(t) = 1 − R(t) = 1 − exp[−(t/η)m]
意味：時間tまでに故障する確率（信頼度の裏返し）
③ 確率密度関数 f(t)
f(t) = (m/η)(t/η)m−1 exp[−(t/η)m]
意味：時間tで故障する確率の密度（グラフの「高さ」）
④ 故障率関数 λ(t)
λ(t) = f(t)/R(t) = (m/η)(t/η)m−1
意味：時間tまで生き残った製品が、次の瞬間に故障する確率
🔗 4つの関数の関係
R(t) + F(t) = 1 （生存 + 故障 = 100%）
f(t) = F(t)の微分 = −R(t)の微分
λ(t) = f(t) / R(t) （瞬間故障率）
![信頼度関数R(t)=exp[−(t/η)^m]のグラフで、時間tまで生き残る確率が下がっていき、t=ηで約0.368になることを示した図](https://shirasusolo.net/wp-content/uploads/2026/01/image-320-1024x572.jpg)
🟠 故障率関数とバスタブカーブの関係
ワイブル分布の最大の強みは、形状パラメータmを変えるだけで、バスタブカーブの3つの期間すべてを表現できることです。
🛁 バスタブカーブとの対応
m < 1
故障率：減少型（DFR）
バスタブ左側
初期故障期間
m = 1
故障率：一定型（CFR）
バスタブ底面
偶発故障期間
m > 1
故障率：増加型（IFR）
バスタブ右側
摩耗故障期間
※ DFR = Decreasing Failure Rate、CFR = Constant Failure Rate、IFR = Increasing Failure Rate
📐 故障率関数の計算例
📝 例題
ある部品の故障データを分析したところ、以下のパラメータが得られた。
m = 2、η = 1000時間
t = 500時間 における故障率 λ(500) を求めなさい。
📊 計算プロセス
Step 1：故障率関数の公式を確認
λ(t) = (m/η)(t/η)m−1
Step 2：数値を代入
λ(500) = (2/1000)(500/1000)2−1
λ(500) = 0.002 × (0.5)1
Step 3：計算して完了！
λ(500) = 0.001 [/時間] = 0.1%/時間
💡 結果の解釈
m = 2 > 1 なので、これは摩耗故障型の部品です。
t = 500時間の時点で、1時間あたり約0.1%の確率で故障します。
m > 1なので、時間が経つほどこの値は大きくなっていきます（摩耗が進むため）。
🎯 m = 1 のとき、指数分布になる
💡 ワイブル分布と指数分布の関係
m = 1 を代入すると、故障率関数は…
λ(t) = (1/η)(t/η)0 = 1/η = 一定
これは「故障率が一定」という指数分布の特徴そのものです。
つまり、指数分布はワイブル分布の特殊ケース（m=1）なのです。
平均寿命は MTTF ＝ η × Γ(1 ＋ 1/m) で求めます（Γはガンマ関数）。m ごとの値は次のとおりです。
| m | Γ(1＋1/m) | MTTF（η＝1,000時間のとき） |
|---|---|---|
| 0.5 | 2.000 | 2,000時間 |
| 1 | 1.000 | 1,000時間（指数分布と同じ） |
| 2 | 0.886 | 約886時間 |
| 3 | 0.893 | 約893時間 |
Excelでは =WEIBULL.DIST(t, m, η, TRUE) で累積故障確率 F(t)、TRUE を FALSE にすると確率密度 f(t) が出ます。引数の順番は「形状 m → 尺度 η」です。
| mの値 | ワイブル分布の特殊ケース |
|---|---|
| m = 1 | 指数分布（故障率一定） |
| m = 2 | レイリー分布（風速などのモデル） |
| m ≈ 3.6 | ほぼ正規分布に近似 |
ツールで出す B10寿命は、全体の10%が壊れるまでの時間です。考え方は次の記事でベアリングの例から解説しています。
10%が壊れる時間で寿命を予測する方法
ワイブル分布の計算ツール｜信頼度R(t)・故障率λ(t)・MTTF・B10寿命
形状パラメータ m・尺度パラメータ η・時間 t を入れてください。上の4つの関数（R(t)・F(t)・f(t)・λ(t)）と、平均寿命MTTF、信頼度が目標まで下がる時間（B10寿命など）を、途中式つきで出します。最初の値は上の例題（m＝2、η＝1000時間、t＝500時間）です。
入力すると、その場で計算し直します。入力した数字は画面の中で計算するだけで、どこにも送信されません。位置パラメータ γ を使わない2パラメータのワイブル分布で計算します。m と η は、故障データをワイブル確率紙や統計ソフトで解析して求めた値を入れてください。
ツールに入れる m・η(と位置パラメータ γ)がそれぞれ何を表すかは、次の記事で「人の一生」にたとえて解説しています。
形状・尺度・位置パラメータを「人の一生」で
QC検定1級を目指すなら、過去問で出題のされ方を確かめておきましょう。QC検定1級の過去問題を、解説つきで学べる問題集です（日本規格協会）。
ワイブル分布の m と η を、実際の故障データから求める方法がワイブル確率紙です。
📝 まとめ
✅ この記事のポイント
- ワイブル分布は、2つのパラメータであらゆる故障パターンを表現できる万能分布
-
形状パラメータ m：故障の「パターン」を決める
m < 1（初期故障）、m = 1（偶発故障）、m > 1（摩耗故障） -
尺度パラメータ η：寿命の「長さ」を決める
約63.2%が故障するまでの時間（特性寿命） - 4つの関数：R(t)信頼度、F(t)累積故障、f(t)確率密度、λ(t)故障率
- 指数分布はm=1のワイブル分布（特殊ケース）
🔑 覚えておくべき公式
信頼度関数
R(t) = e−(t/η)m
故障率関数
λ(t) = (m/η)(t/η)m−1
ポイント：t = η のとき、R(η) = 1/e ≈ 0.368（約36.8%が生存）
💡 形状パラメータ m の早見表
| mの値 | 故障率 | 故障タイプ |
|---|---|---|
| m < 1 | 減少（DFR） | 初期故障 |
| m = 1 | 一定（CFR） | 偶発故障 |
| m > 1 | 増加（IFR） | 摩耗故障 |
🚀 次に読むべき記事
ワイブル分布を理解できたら、次は「B10ライフ」を学びましょう。
「10%が故障するまでの時間」という実務で超重要な指標です。
📖 NEXT STEP
【図解】B10ライフとは？｜"10%が壊れる時間"でベアリングの寿命を予測する
ベアリングや機械部品の寿命予測に使われる「B10ライフ」の意味と計算方法を図解。ワイブル分布との関係も解説します。
📚 関連記事
【超入門】信頼性工学とは？｜製品が"壊れない"を数値化する技術を完全図解 信頼性指標
【図解】MTBFとMTTFの違い｜"修理できるか"で使い分ける2つの指標 故障率曲線
【完全図解】故障率曲線（バスタブカーブ）｜製品の"寿命"を3つの期間で理解する システム信頼性
【完全図解】信頼度の計算（直列・並列）｜信頼性ブロック図の作り方と例題
📖 信頼性工学シリーズ
- 信頼性工学とは？
- MTBFとMTTFの違い
- 故障率曲線（バスタブカーブ）
- アベイラビリティ（可用性）
- 信頼性ブロック図
- ワイブル分布 ← 今ここ
- B10ライフ ← 次はこれ！
- 打ち切りデータ
- ワイブル確率紙（準備中）
💡 ワイブル分布は、「mを見ればどんな壊れ方をする製品かわかる」という強力なツールです。
故障データを分析するときは、まず「mがいくつか？」を確認しましょう！
メーカーで電気設計と品質保証に携わってきた経験をもとに執筆しています。むずかしい専門用語をできるだけ使わず、はじめて学ぶ人がつまずかないように、図とたとえで説明することを大切にしています。
統計学のおすすめ書籍
統計学の「数式アレルギー」を治してくれた一冊
「Σ（シグマ）や ∫（インテグラル）を見ただけで眠くなる…」 そんな私を救ってくれたのが、小島寛之先生の『完全独習 統計学入門』です。
この本は、難しい記号を一切使いません。 「中学レベルの数学」と「日本語」だけで、検定や推定の本質を驚くほど分かりやすく解説してくれます。
「計算はソフトに任せるけど、統計の『こころ（意味）』だけはちゃんと理解したい」 そう願う学生やエンジニアにとって、これ以上の入門書はありません。
【QC2級】「どこが出るか」がひと目で分かる！最短合格へのバイブル
私がQC検定2級に合格した際、使い倒したのがこの一冊です。
この本の最大の特徴は、「各単元の平均配点（何点分出るか）」が明記されていること。 「ここは出るから集中」「ここは出ないから流す」という戦略が立てやすく、最短ルートで合格ラインを突破できます。
解説が分かりやすいため、私はさらに上の「QC1級」を受験する際にも、基礎の確認用として辞書代わりに使っていました。 迷ったらまずはこれを選んでおけば間違いありません。
ポチップ