- 「ワイブル分布のη、m、γって何？アルファベットが多すぎて頭がパンクする」
- 「形状パラメータ、尺度パラメータ…日本語にしても意味がわからない」
- 「mが1だと指数分布になるって言われたけど、なぜ？」
- 「γ（ガンマ）は"位置パラメータ"って聞いたけど、何の位置なの？」
- 「数式を見ても一切イメージが湧かない…」
- 3つのパラメータを「人間の一生」に例えて直感的に理解できる
- m（形状パラメータ）＝「壊れ方のクセ」。若死にタイプか老衰タイプか
- η（尺度パラメータ）＝「寿命のスケール」。短命か長寿か
- γ（位置パラメータ）＝「絶対に壊れない保証期間」。最低寿命
- それぞれ「なぜそういう役割になるのか？」を数式の中身から説明
ワイブル分布は、製品の「いつ壊れるか？」を予測するための確率分布です。信頼性工学の世界では最も重要な道具の1つで、QC検定1級や技術者試験でも頻出です。
でも、初めて学ぶ人にとって最大の壁は「3つのパラメータの意味がわからない」こと。η（イータ）、m、γ（ガンマ）という3つの文字が出てきた瞬間に、多くの人がフリーズします。
安心してください。この記事では、3つのパラメータを「人間の一生」に例えて、数式アレルギーの方でもスッキリ理解できるように解説します。読み終わるころには、「あぁ、そういうことか！」と腹落ちしているはずです。
【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 →
目次
まず全体像｜3つのパラメータを「人間の一生」で俯瞰する
いきなり数式に入る前に、3つのパラメータの「役割」だけを先に掴みましょう。人間の寿命に例えると、驚くほどスッキリします。
🧑 ワイブル分布＝「人間の寿命を表す履歴書」
ワイブル分布は、製品（＝人間）が「いつ」「どんなパターンで」壊れる（＝亡くなる）かを表します。この「履歴書」を書くために必要な情報が、次の3つです。
| 記号 | 名前 | 人間で例えると？ | ひとことで言うと |
|---|---|---|---|
| m | 形状パラメータ （Shape） |
死因のパターン 若くして事故で亡くなるタイプか、老衰で亡くなるタイプか |
📊 壊れ方の「クセ」を決める 故障率が増えるか・一定か・減るか |
| η | 尺度パラメータ （Scale） |
平均寿命 50歳で亡くなる国か、85歳まで生きる国か |
📏 寿命の「スケール」を決める 時間軸を伸び縮みさせる |
| γ | 位置パラメータ （Location） |
絶対に死なない期間 「生まれてから5歳まではどんなことがあっても死なない」という保証 |
🛡️ 壊れ始める「スタート地点」を決める この時間までは故障率ゼロ |
m ＝ 壊れ方の「パターン」（若死にか老衰か）
η ＝ 寿命の「長さ」（短命か長寿か）
γ ＝ 壊れ始める「スタート時刻」（保証期間）
この3つを理解すれば、ワイブル分布は8割わかったも同然です。では、1つずつ「なぜそうなるのか？」を深掘りしていきましょう。
m（形状パラメータ）＝壊れ方の「クセ」を決める最重要パラメータ
3つのパラメータの中で最も重要なのが、このm（形状パラメータ）です。mの値によって「壊れ方のパターン」がガラリと変わります。
🤔 mが決めるのは「故障率が時間とともにどう変わるか」
「故障率」とは、「今この瞬間に壊れる確率」のことです。mの値によって、この故障率の変わり方が3パターンに分かれます。
人間で例えると、こうなります。
故障率は時間とともに減少します。最初がいちばん危険で、時間が経つほど安定する。人間で例えると「乳幼児期」。生まれたばかりが最も死亡リスクが高く、成長するにつれてリスクが下がる。
→ 製品では：ハンダ不良や組み立てミスなどの「初期不良」がこのパターン。使い始めが一番壊れやすい。
故障率は時間によらず一定。いつ壊れるかは完全にランダム。人間で例えると「交通事故」。20歳でも80歳でも事故に遭う確率は同じ（年齢に関係ない）。
→ これは指数分布と完全に一致します。つまり「m=1のワイブル分布＝指数分布」。
故障率は時間とともに増加。使えば使うほど壊れやすくなる。人間で例えると「加齢による老衰」。年を取るほど死亡リスクが上がる。
→ 製品では：タイヤの摩耗、ベアリングの劣化、電解コンデンサのドライアップなど、「使い続けるほど壊れやすくなる」がこのパターン。実務で最も多い。
🔍 なぜmの値で故障率が変わるのか？｜数式の中身をチラ見
「なぜmの値だけで故障率の増減が決まるの？」という疑問に答えましょう。ワイブル分布の故障率λ(t)は次の式で表されます。
ここで注目すべきは (t/η)m−1 の部分です。時間 t が増えたときにこの値がどう変わるかは、指数の「m−1」で決まります。
| mの値 | 指数 m−1 | tが増えると (t/η)m−1 は？ | つまり故障率は？ |
|---|---|---|---|
| m < 1 | マイナス | 減少する | 時間とともに↓下がる |
| m = 1 | ゼロ | (t/η)0 = 常に1 | 一定（＝指数分布） |
| m > 1 | プラス | 増加する | 時間とともに↑上がる |
mというたった1つの数字を変えるだけで、「初期故障（m<1）」「偶発故障（m=1）」「摩耗故障（m>1）」というまったく異なる3つの壊れ方をすべて表現できる。だからワイブル分布は信頼性工学の「万能ナイフ」と呼ばれるのです。
【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 →
m<1・m=1・m>1の3パターンが、バスタブカーブの「初期故障期」「偶発故障期」「摩耗故障期」にそのまま対応します。
η（尺度パラメータ）＝寿命の「スケール」を伸び縮みさせる
次はη（イータ）＝尺度パラメータです。「尺度」とは「ものさし」のこと。つまりηは、時間軸のものさしを伸ばしたり縮めたりするパラメータです。
📏 ηが大きい＝「長寿命」、ηが小さい＝「短命」
人間で例えてみましょう。
η = 小さい（例：η = 1,000時間）
人間で言えば「平均寿命50歳の国」。
壊れ方のパターン（m）は同じでも、早い段階で多くの製品が壊れる。
η = 大きい（例：η = 50,000時間）
人間で言えば「平均寿命85歳の国」。
壊れ方のパターン（m）は同じでも、長い期間もつ。
🤔 なぜηが「スケール」と呼ばれるのか？｜数式で理解する
ワイブル分布の信頼度（時刻tまで壊れない確率）は次の式で表されます。
ここで、t = η を代入してみてください。
R(η) = exp [ − ( η / η )m ] = exp [ −1 ] ≒ 0.368
mの値に関係なく、t = η のとき必ず約36.8%が生き残っている。
つまり63.2%はすでに壊れている。
η ＝ 63.2%の製品が壊れる時刻です。だから「特性寿命」とも呼ばれます。mがどんな値でも、t=ηのとき約63.2%が故障している。この「63.2%」は常に一定です。
ηが大きいということは「63.2%が壊れるまでの時間が長い」＝長寿命ということ。ηが小さいということは「63.2%が壊れるまでの時間が短い」＝短命ということ。
だから「尺度（スケール）」なのです。分布の「形」は変えずに、時間軸を引き伸ばしたり圧縮したりするだけ。
η ≠ 平均寿命（MTTF）です。ηは「63.2%壊れる時刻」であり、平均寿命とは少しズレます。ただしm ≒ 1 のとき η ≒ MTTF になるため、混同しやすいのです。厳密に区別しましょう。
γ（位置パラメータ）＝「絶対に壊れない保証期間」
3つ目はγ（ガンマ）＝位置パラメータです。これは「壊れ始めのスタート時刻をずらす」パラメータです。実は多くの教科書ではγ=0と仮定して省略されるため、存在すら知らない人も多いのですが、実務では非常に重要です。
🛡️ γ ＝「この時間までは絶対に壊れない」という最低寿命
人間で例えてみましょう。
「生まれた瞬間から死亡する可能性がある」。これは2パラメータ・ワイブル分布。多くの教科書はこのケースしか扱いません。
「生まれてから500時間は絶対に壊れない。500時間を過ぎてから、初めて故障が始まる」。つまりγは「保証寿命」のようなもの。メーカーが「最低○○時間は大丈夫」と言える時間です。
🤔 なぜγが「位置」パラメータなのか？｜時間軸をスライドさせる
γがあると、ワイブル分布の式はこうなります。
変わったのは「t」が「t − γ」になっただけ。つまり、時間の原点（スタート地点）をγだけ右にずらしたのです。
γ = 0（2パラメータ）
使い始めた瞬間から壊れる可能性がある
γ = 500時間（3パラメータ）
500時間までは故障ゼロ。その後から分布がスタート
γは分布全体を時間軸上で右にスライドさせるパラメータ。γ=0なら「時刻0から壊れ始める」。γ=500なら「時刻500から壊れ始める」。
つまり、γの時間までは壊れる確率がゼロ＝「保証寿命」「最低寿命」という意味になるのです。
γは便利ですが、「最初の故障が500時間後だったからγ=500」と安易に設定するのは危険です。γを使うか使わないかは、物理的・工学的な根拠があるかどうかで判断します。例えば、機械部品の最低摩耗寿命が理論的にわかっている場合などに使います。根拠なくγを入れると、寿命を過大に見積もる危険があります。
3パラメータの関係を1枚で整理｜具体例で腹落ちさせる
ここまでの内容を、1枚のまとめ図と具体的な数値例で定着させましょう。
🗺️ 3パラメータの役割まとめ図
＝壊れ方のクセ
m=1 → 偶発（指数分布）
m>1 → 摩耗故障
＝寿命の長さ
63.2%が故障
（特性寿命）
＝保証寿命
γ>0 → γまでは壊れない
（最低寿命）
📋 具体例で理解する｜同じ部品でもパラメータが違えば寿命がまるで違う
| 製品 | m | η | γ | 読み方 |
|---|---|---|---|---|
| 電子基板 （初期不良あり） |
0.5 | 5,000h | 0 | m<1なので初期故障型。使い始めが最も危険。バーンイン試験で初期不良を除くのが有効。 |
| 半導体素子 （偶発故障） |
1.0 | 100,000h | 0 | m=1なので故障率一定（＝指数分布）。ランダムにポツポツ壊れる。予測困難。 |
| ベアリング （摩耗故障） |
3.5 | 20,000h | 2,000h | m>1なので摩耗故障型。γ=2,000hなので最初の2,000時間は絶対壊れない。その後、使うほど壊れやすくなる。 |
① まずmを見て「壊れ方のクセ」を判断する（初期故障？偶発？摩耗？）
② 次にηを見て「寿命の長さ」を把握する（63.2%壊れるのはいつ？）
③ 最後にγを見て「保証期間」を確認する（この時間までは絶対大丈夫？）
この順番で読めば、ワイブルパラメータから製品の「壊れ方の人生設計」が一目でわかります。
まとめ｜ワイブル分布は「人間の一生」で理解できる
- m（形状パラメータ）＝壊れ方の「クセ」。m<1で初期故障、m=1で偶発故障（指数分布）、m>1で摩耗故障を表す
- mが3パターンを切り替えられる理由は、故障率の式で指数が「m−1」になるから
- η（尺度パラメータ）＝寿命の「スケール」。t=ηのとき必ず63.2%が故障する（特性寿命）
- ηは分布の「形」を変えずに時間軸を伸縮させるだけ
- γ（位置パラメータ）＝壊れ始めの「スタート時刻」。γまでは故障確率ゼロ（保証寿命・最低寿命）
- γは分布全体を時間軸上で右にスライドさせるパラメータ
- 読み方の順番は m → η → γ の順。壊れ方のクセ → 寿命の長さ → 保証期間
ワイブル分布の3つのパラメータは、最初は「暗号」のように見えますが、「人間の一生」に当てはめれば驚くほどスッキリ理解できます。m＝死因のパターン、η＝平均寿命、γ＝絶対安全な幼少期。この3つで製品の「壊れ方の履歴書」が完成するのです。
ここまで理解できたら、次はワイブル確率紙でパラメータを実際に推定する方法を学ぶと、実務力が一気に上がりますよ。
📚 次に読むべき記事
🔧 信頼性工学シリーズ（この記事の前後の記事）
信頼性工学の全体像を掴む入門記事。この記事の前に読むのがおすすめ。
ηと混同しやすいMTTFの正しい理解。
mの3パターンがバスタブカーブの3領域にそのまま対応。
本記事と最も密接に関連する記事。mの深掘り。
ηが「63.2%が壊れる時間」なら、B10は「10%が壊れる時間」。
m・ηを実際のデータから求める方法。本記事の次に読むべき記事。
すべての製品が壊れるまで待てない時のデータ処理法。
信頼性の「もう1つの指標」。MTBFとの関係性も解説。
システム全体の信頼度計算。ワイブルで求めた部品の信頼度を組み合わせる。
「1台も壊れてないけど信頼性は？」という実務の難問に答える。
📊 統計学の基礎（確率分布の理解に役立つ記事）
m=1のワイブル分布＝指数分布。故障率一定の世界を理解。
m≒3.6のワイブル分布は正規分布に近い形になります。
故障が「ランダムに起きる」ときの分布。信頼性工学の基礎。
MTTFの「期待値」としての意味を理解するために。
統計学を体系的に学びたい方のためのロードマップ。
🏆 QC検定対策（信頼性工学は1級の頻出分野）
QC検定受験を考えている方の学習戦略。
QC検定のキャリアメリットをデータで検証。
QC検定の価値を客観的に検証した記事。
QC検定の年収インパクトをデータで可視化。