가속 수명 시험을 위한 조각선형 연계 모델 기반 최적 샘플링 플랜 설계

초록

본 논문은 Weibull 분포를 따르는 제품 수명을 가속 스트레스와 조각선형 함수로 연결하고, Type‑I 검열 하에서 Fisher 정보 행렬을 유도한다. 비용 최소화와 분산 최소화를 목표로 샘플 크기·스트레스 수준·배정 비율을 최적화한 가속 수명 시험 샘플링 플랜(AL‑TSP)을 제시한다. 시뮬레이션 결과, 기존 선형 연계 모델보다 비선형 조각선형 모델이 추정 정확도와 플랜 효율성에서 우수함을 확인하였다.

상세 분석

이 연구는 가속 수명 시험(AL‑T)에서 흔히 가정되는 “스트레스와 수명 특성 간의 선형·로그선형 관계”가 실제 제품에 적용되기 어려운 점을 지적한다. 이를 해결하기 위해 저자는 Weibull 분포의 형태(α)와 척도(λ) 파라미터를 가속 스트레스 수준 ξ에 대해 조각선형(piecewise linear, PL) 함수로 연결한다. PL 함수는 사용자가 정의한 절점(컷포인트) 집합 Ξµ, Ξσ에 따라 구간별 서로 다른 기울기와 절편을 갖는 다중 선형 구간을 형성하므로, 전체 연계는 비선형이면서도 충분히 유연하다.

수명 Xij 를 로그 변환한 Tij=ln Xij는 위치‑스케일 형태의 Extreme‑Value(EV) 분포를 따르며, 위치 파라미터 µi와 스케일 파라미터 σi는 각각 µ(ξi;γµ), ln σ(ξi;γσ) 로 PL 함수에 의해 정의된다. 이러한 설정은 Weibull 파라미터 αi=σi⁻¹, λi=exp(−µi) 로 직접 연결되므로, 스트레스 변화가 평균·분산·위험률 등 다양한 수명 특성에 미치는 영향을 정량화할 수 있다.

논문은 Type‑I 검열(고정 시험 시간 τ0) 하에서 관측된 실패시간과 검열 데이터를 이용해 전체 로그우도 함수를 구성하고, 이를 통해 Fisher 정보 행렬 I(θ) 를 상세히 도출한다. 특히, µ와 σ에 대한 파라미터 γµ, γσ 가 다중 구간에 걸쳐 존재함을 고려해 각 구간별 2차 미분을 계산하고, 비대칭 정보 구조를 명시함으로써 추정량의 asymptotic variance 를 정확히 평가한다.

이 정보를 바탕으로 수용 기준(OC) 함수를 정의한다. 허용 상수 k 와 허용 오차 σ²µ0, σ²σ0 를 이용해 “합격”·“불합격”을 구분하는 통계량 W 를 설계하고, 그 분포를 정규 근사하여 생산자 위험(α)·소비자 위험(β) 를 제어한다.

플랜 최적화는 두 가지 목표 함수를 동시에 만족하도록 제약 최적화 문제로 설정한다. 첫 번째는 제품 비용, 검사 비용, 보증 비용 등을 포함한 총 비용 C_T 를 최소화하는 것이고, 두 번째는 로그‑수명 사분위수와 같은 품질 지표의 분산 V_Q 를 최소화하는 것이다. 결정 변수는 전체 샘플 크기 n, 각 스트레스 수준별 할당 비율 πi, 그리고 절점 위치 ξµ,q, ξσ,q 등이다. 제약 조건으로는 총 비용 한도, 최소 검출 파워, 검증 기간 등을 포함한다.

수치 실험에서는 Q1=Q2=2 인 경우와 Q1=Q2=3 인 경우를 비교했으며, PL 기반 모델이 동일한 비용 하에서 더 작은 분산과 높은 검출력을 제공함을 확인했다. 특히, 선형 연계 모델에 비해 추정 편향이 현저히 감소하고, 최적 스트레스 수준이 실제 비선형 관계를 반영하도록 자동 조정되는 점이 두드러졌다.

이 논문은 가속 수명 시험 설계에서 파라메트릭 가정의 유연성을 크게 확대함으로써, 실무에서 흔히 마주치는 비선형 스트레스‑수명 관계를 보다 정확히 모델링하고, 비용·품질 트레이드오프를 정량적으로 최적화할 수 있는 방법론을 제공한다.