욕조 곡선
신뢰성 공학과 열화 모델링에서 욕조 곡선은 욕조의 형태와 유사하게 양쪽 끝이 위로 휘어지는 고장률 그래프이다.[^1] 이 용어는 이러한 형태를 가진 모든 그래프에도 적용될 수 있다.[^2]
전부는 아니지만 많은 전자 소비재 제품의 수명 주기가 욕조 곡선을 따른다.[^3] 대량의 제품 사용 데이터와 관련 고장률 데이터 없이는 특정 제품이 욕조 곡선의 어느 지점에 있는지, 또는 욕조 곡선이 해당 제품에 적용 가능한지조차 알기 어렵다.
신뢰성 공학에서 욕조 곡선에 대응하는 누적 분포 함수는 와이블 차트[^3]나 신뢰성 등고선 지도를 사용하여 분석할 수 있다.
설명
욕조 곡선은 3개의 영역으로 구성된다: #첫 번째 영역은 초기 고장으로 인해 고장률이 감소하는 구간이다(일명 "초기 사망 단계"). #중간 영역은 무작위 고장으로 인해 고장률이 일정한 구간이다(일명 "유효 수명 단계"). #마지막 영역은 마모 고장으로 인해 고장률이 증가하는 구간이다(일명 "마모 단계").
제품 수명 초기에 결함 있는 제품이 식별되어 폐기되고, 제조 결함이나 운송 중 손상과 같은 잠재적 고장 원인이 발견되면서 고장률이 감소하는 경우, 해당 제품은 욕조 곡선을 따른다고 할 수 있다. 제품 수명의 중기에는 고장률이 일정하다. 제품 수명의 후기에는 마모로 인해 고장률이 증가한다.
제품이 조기에 퇴역하거나 수명 말기에 사용량이 감소하면, 욕조 곡선이 예측하는 것보다 단위 달력 시간당 고장 수가 적게 나타날 수 있다(단, 단위 사용 시간당 고장 수는 해당되지 않음).
일부 제조업체는 초기 고장을 줄이기 위해 제품을 번인 테스트하거나 사전 검사를 실시한다.[^4]
같이 보기
*곰페르츠-메이컴 사망 법칙
추가 문헌
참고 문헌
[^1]: Smith, David J.. 신뢰성, 정비성 및 위험. Elsevier. (2022)
[^2]: 욕조 형태 분포
[^3]: 전자 시스템 설계의 기초. Springer International Publishing. (2017)
[^4]: Klein, Andy. 시간에 따른 드라이브 고장: 욕조 곡선이 새고 있다. Backblaze. (2021년 10월 26일)
관련 인사이트

로봇은 왜 볼트를 떨어뜨리는가 — Physical AI가 공장에 필요한 진짜 이유
AI가 데이터 패턴만 외우는 시대는 끝나고 있다. 물리 법칙을 이해하는 Physical AI가 제조 현장에 왜 필요한지, KAIST 교수와 자동차 부품 공장 팀장이 볼트 하나를 놓고 이야기한다.

디지털 트윈, 당신 공장엔 이미 있다 — 엑셀과 MES 사이 어딘가에
디지털 트윈은 10억짜리 3D 시뮬레이션이 아니다. 지금 쓰고 있는 엑셀에 좋은 질문 하나를 더하는 것 — 두 전문가가 중소 제조기업이 이미 가진 데이터로 예측하는 공장을 만드는 현실적 로드맵을 제시한다.

공장의 뇌는 어떻게 생겼는가 — 제조운영 AI 아키텍처 해부
지식관리, 업무자동화, 의사결정지원 — 따로 보면 다 있던 것들입니다. 제조 AI의 진짜 차이는 이 셋이 순환하면서 '우리 공장만의 지능'을 만든다는 데 있습니다.