信頼度とは？信頼度関数R(t)の計算式と信頼区間との違い

「この製品は10年間壊れずに動くのか」——設計現場や品質保証の場面で、こうした問いに数値で答えるための概念が信頼度です。

信頼度は、製品やシステムが一定期間内に故障せず機能し続ける確率を意味します。
しかし「信頼度」という同じ日本語でも、信頼性工学と統計学ではまったく異なる概念を指しています。

この二つを混同したまま品質管理を進めると、設計審査や顧客説明の場で重大な誤解を招きかねません。

信頼度関数R(t)の数学的な意味を押さえ、MTBFとの関係を正しく理解することが、寿命設計や保全計画の出発点です。

本記事では、信頼度の基本定義から指数分布・ワイブル分布の計算、MTBFとの換算、そして信頼区間との違いまでを体系的に解説します。

1. 信頼度とは
2. 信頼度関数R(t)の定義と意味
3. 故障率関数λ(t)と信頼度の関係
4. 指数分布による信頼度の計算
5. ワイブル分布による信頼度の計算
6. MTBFと信頼度の関係
7. 信頼度と信頼区間の違い
8. まとめ

1. 信頼度とは

信頼度とは、対象となるアイテム（製品・部品・システム）が、規定の条件下で規定の期間にわたって要求された機能を遂行できる確率のことです。

JIS Z 8115（ディペンダビリティ用語）では、信頼性を「アイテムが与えられた条件の下で、与えられた期間、要求された機能を遂行できる性質」と定義しています。
信頼度はこの信頼性を確率という数値で定量化したものです。

たとえば、あるモーターの信頼度が「1,000時間で0.95」であれば、100台のモーターを1,000時間稼働させたとき、平均して95台は故障せずに動き続けることを意味します。
残りの5台は1,000時間以内のどこかで故障が発生するということです。

数学的には、アイテムの故障時刻を確率変数Tとしたとき、信頼度R(t)は次のように定義されます。

$R(t) = P(T > t)$

これは「故障時刻Tが時刻tより大きい確率」、すなわち時刻tまで生存している確率を表しています。

信頼性と信頼度の違い

「信頼性」と「信頼度」は似た用語ですが、厳密には異なる概念です。

信頼性（reliability）は製品が故障せずに機能し続ける「性質」そのものを指します。
これは定性的な概念であり、「このポンプは信頼性が高い」といった使い方をします。

一方、信頼度は信頼性を数値で表したものであり、0から1（または0%から100%）の範囲をとる確率値です。
「このポンプの1,000時間信頼度は0.98」のように、具体的な時刻と数値で語られます。

信頼性という大きな性質を測るための尺度が信頼度であると理解しておけばよいでしょう。

信頼度が求められる場面

信頼度は、製品設計から品質保証、保全計画に至るまで、ものづくりのあらゆる段階で活用されます。

設計段階では、個々の部品の信頼度からシステム全体の信頼度を予測する信頼性設計が行われます。
直列システムや並列システム（冗長設計）の信頼度計算は、設計審査の必須項目です。

品質保証の段階では、加速試験やフィールドデータの解析から実際の信頼度を推定し、設計値との整合性を検証します。
乖離が大きければ設計変更や製造条件の見直しが必要になります。

運用・保全の段階では、経時的な信頼度の低下を把握し、予防保全の最適な実施間隔を決定します。
「信頼度が0.90を下回る前に交換する」という判断基準を設定することで、突発故障を未然に防ぐことができます。

また、信頼度はFTA（故障の木解析）における定量解析にも不可欠です。
トップ事象の発生確率を計算するためには、個々の基事象の信頼度（または不信頼度）が入力データとして必要になります。

直列システムと並列システムの信頼度

実際の製品は複数の部品で構成されており、システム全体の信頼度は個々の部品の信頼度の組み合わせで決まります。
この組み合わせの仕方には、大きく分けて直列システムと並列システムの2種類があります。

直列システムは、すべての部品が正常に動作しなければシステム全体が機能しない構成です。
たとえば、生産ラインを構成する複数の工程がすべて稼働しなければ製品が完成しない場合、それは直列システムです。

n個の部品からなる直列システムの信頼度は、各部品の信頼度の積で計算されます。

$R_{\text{直列}} = R_1 \times R_2 \times \cdots \times R_n = \prod_{i=1}^{n} R_i$

たとえば、信頼度0.99の部品を10個直列に接続したシステムの信頼度は次のようになります。

$R_{\text{直列}} = (0.99)^{10} \approx 0.904$

個々の部品の信頼度が99%と非常に高くても、10個直列に並ぶとシステム全体の信頼度は90%程度にまで低下します。
直列システムでは部品数が増えるほど信頼度が急速に低下するため、重要度の高い部品には特に高い信頼度が求められます。

一方、並列システム（冗長系）は、複数の部品のうち少なくとも1個が動作すればシステムが機能する構成です。
2個の部品を並列に配置した場合のシステム信頼度は次の通りです。

$R_{\text{並列}} = 1 - (1 - R_1)(1 - R_2)$

信頼度0.90の部品を2個並列に接続すると、次のようになります。

$R_{\text{並列}} = 1 - (1 - 0.90)^2 = 1 - 0.01 = 0.99$

個々の信頼度が90%でも、並列化によってシステム全体の信頼度を99%にまで向上させることができます。
この並列化の考え方が冗長設計の基礎であり、航空宇宙や原子力といった高い信頼性が求められる分野で広く採用されています。

2. 信頼度関数R(t)の定義と意味

信頼度関数R(t)は、時刻tの関数として信頼度を表す数学的な表現です。
時刻0で製品が正常に稼働を開始し、時間が経過するにつれて信頼度がどのように変化するかを記述します。

信頼度関数R(t)を理解するためには、関連する3つの関数——不信頼度F(t)、確率密度関数f(t)、故障率関数λ(t)——との関係を把握しておく必要があります。

不信頼度F(t)との関係

不信頼度F(t)は、時刻tまでに故障が発生する確率を表します。
累積分布関数（CDF）とも呼ばれ、次のように定義されます。

$F(t) = P(T \leq t)$

信頼度R(t)と不信頼度F(t)は互いに補関係にあります。
時刻tにおいて製品は「生存している」か「故障している」かのどちらかですから、両者を足せば必ず1になります。

$R(t) = 1 - F(t)$

この関係式は非常に重要です。
多くの確率分布では累積分布関数F(t)のほうが求めやすいため、F(t)を計算してからR(t)を得るという手順が一般的です。

また、R(t)の初期値と極限値は次の通りです。

$R(0) = 1, \quad \lim_{t \to \infty} R(t) = 0$

時刻0では製品は確実に動作しており（R(0)=1）、無限の時間が経てばいずれ必ず故障する（R(∞)=0）ことを表しています。
修理しない系（非修理系）を前提とした場合の性質です。

確率密度関数f(t)との関係

確率密度関数f(t)は、時刻tの近傍で故障が発生する「密度」を表す関数です。
F(t)を時間tで微分したものに等しく、次の関係が成り立ちます。

$f(t) = \dfrac{dF(t)}{dt} = -\dfrac{dR(t)}{dt}$

R(t)は時間とともに減少する単調減少関数ですから、その微分値は負になります。
f(t)を正の値で扱うために、マイナスの符号をつけてR(t)の微分と関連づけています。

逆に、f(t)を積分することでR(t)を求めることも可能です。

$R(t) = \int_t^{\infty} f(\tau) \, d\tau$

これは「時刻t以降に故障する確率の合計」がR(t)であることを意味しています。
直感的にも、時刻tまで壊れていないということは、故障が起きるのはt以降であるはずなので、f(τ)をtから無限大まで積分した値と一致します。

信頼度関数の基本的な性質

これらの関係をまとめると、信頼度関数R(t)には次の基本的な性質があります。

R(t)は0 ≤ R(t) ≤ 1の範囲をとる
R(t)は時間tに関して単調減少する（非修理系の場合）
R(0) = 1（初期時点では必ず正常に動作する）
R(∞) = 0（無限時間経過後はいずれ故障する）
R(t) + F(t) = 1が常に成り立つ

信頼度関数の具体的な形状は、対象の故障メカニズムに依存します。
次のセクションで解説する故障率関数λ(t)が、その形状を決定づける鍵となります。

3. 故障率関数λ(t)と信頼度の関係

故障率関数λ(t)は、時刻tまで正常に動作しているアイテムが、その直後の微小時間Δtの間に故障する条件付き確率を表す関数です。
ハザード関数、瞬間故障率とも呼ばれ、信頼度関数R(t)と密接に結びついています。

故障率関数の定義

故障率関数λ(t)は、確率密度関数f(t)と信頼度関数R(t)を用いて次のように定義されます。

$\lambda(t) = \dfrac{f(t)}{R(t)}$

分子のf(t)が「時刻tの近傍で故障する確率密度」を、分母のR(t)が「時刻tまで生存している確率」を表しています。
つまりλ(t)は「いま生き残っている製品が、次の瞬間に故障する割合」を示しているのです。

この定義式を変形すると、R(t)をλ(t)で直接表す重要な関係式が得られます。

$R(t) = \exp\left(-\int_0^t \lambda(\tau) \, d\tau\right)$

この式は信頼性工学において最も基本的な公式の一つです。
故障率関数λ(t)の形がわかれば、この積分を計算することで信頼度R(t)を求められます。

逆に言えば、故障率関数の形状こそが信頼度関数の形状を決定するということです。
故障率が時間に対してどう変化するか——一定か、増加か、減少か——によって、まったく異なる信頼度曲線が描かれます。

導出の流れ

上記の関係式は、故障率関数の定義から次のように導くことができます。

$\lambda(t) = \dfrac{f(t)}{R(t)} = -\dfrac{1}{R(t)}\dfrac{dR(t)}{dt} = -\dfrac{d}{dt}\ln R(t)$

両辺を0からtまで積分すると、次の結果が得られます。

$\int_0^t \lambda(\tau) \, d\tau = -\ln R(t) + \ln R(0) = -\ln R(t)$

ここでR(0) = 1ですからln R(0) = 0です。
両辺にマイナスをかけて指数関数をとれば、先の公式が得られます。

この導出を理解しておくと、故障率関数から信頼度関数への変換、あるいはその逆変換を自在に行えるようになります。

バスタブ曲線と故障率の変化

多くの工業製品の故障率は、使用期間を通じて3つの段階を経て変化します。
横軸に時間、縦軸に故障率をとったグラフの形がバスタブ（浴槽）に似ていることから、バスタブ曲線と呼ばれています。

第一段階は初期故障期です。
製造上の不具合や設計マージン不足に起因する故障が集中し、故障率は時間とともに減少していきます。

第二段階は偶発故障期です。
初期不良が淘汰された後、故障率がほぼ一定の水準で推移する安定期に入ります。
この期間の故障はランダムに発生し、指数分布でモデル化されることが多いです。

第三段階は摩耗故障期です。
部品の劣化や疲労が蓄積し、故障率が時間とともに増加していきます。
この期間はワイブル分布（形状パラメータm > 1）でモデル化されます。

信頼度の計算においてどの確率分布を選択するかは、対象製品がバスタブ曲線のどの段階にあるかで決まります。

instant.engineer

4. 指数分布による信頼度の計算

偶発故障期のように故障率λが時間によらず一定の場合、故障の分布は指数分布に従います。
指数分布は信頼性工学で最も基本的な確率分布であり、電子部品やソフトウェアの信頼度計算で広く使われています。

指数分布の信頼度関数

故障率λ(t) = λ（一定）のとき、信頼度関数R(t)は次のように導出されます。

$R(t) = \exp\left(-\int_0^t \lambda \, d\tau\right) = \exp(-\lambda t) = e^{-\lambda t}$

これが指数分布における信頼度関数です。
故障率λが大きいほど信頼度は急速に低下し、λが小さいほど長期間にわたって高い信頼度を維持します。

対応する不信頼度F(t)と確率密度関数f(t)は、それぞれ次のようになります。

$F(t) = 1 - e^{-\lambda t}$

$f(t) = \lambda e^{-\lambda t}$

指数分布には無記憶性という特殊な性質があります。
これは「すでにt時間使用した製品が、追加でΔt時間故障しない確率は、新品がΔt時間故障しない確率と等しい」ことを意味します。

数式で書くと、次の関係が成り立ちます。

$P(T > t + \Delta t \mid T > t) = P(T > \Delta t) = e^{-\lambda \Delta t}$

この性質は、経年劣化が無視できる偶発故障期にのみ妥当であり、摩耗が進行する部品には適用できません。
この点を見誤ると、寿命を過大評価する危険があります。

計算例：ポンプの信頼度

具体的な計算例で、指数分布による信頼度の求め方を確認しましょう。

ある工場の循環ポンプの故障率が、偶発故障期においてλ = 0.0002回/時間であることがフィールドデータからわかっています。
このポンプの5,000時間後の信頼度R(5000)を求めます。

Step 1：故障率と時間を確認する

既知の値を整理します。

$\lambda = 0.0002 \quad \lbrack \text{回/時間} \rbrack, \quad t = 5{,}000 \quad \lbrack \text{時間} \rbrack$

Step 2：指数分布の信頼度関数に代入する

指数分布の信頼度関数 $R(t) = e^{-\lambda t}$ に値を代入します。

$R(5000) = e^{-0.0002 \times 5000} = e^{-1.0}$

Step 3：計算結果を評価する

$R(5000) = e^{-1.0} \approx 0.368$

したがって、このポンプの5,000時間後の信頼度は約0.368（36.8%）です。
100台のポンプを運用した場合、5,000時間後に故障せずに稼働しているのは平均して約37台ということになります。

この結果は、信頼度の観点からは決して高くありません。
もし5,000時間の運用が要求されるなら、信頼度90%以上を確保するための許容故障率を逆算してみましょう。

$R(t) \geq 0.90 \quad \Rightarrow \quad e^{-\lambda \times 5000} \geq 0.90$

両辺の自然対数をとると、次のようになります。

$-\lambda \times 5000 \geq \ln(0.90) \approx -0.1054$

$\lambda \leq \dfrac{0.1054}{5000} \approx 0.0000211 \quad \lbrack \text{回/時間} \rbrack$

信頼度90%を確保するためには、故障率を現在の約10分の1に低減する必要があることがわかります。
この定量的な根拠に基づいて、部品の選定変更や冗長化の判断が行われます。

指数分布の適用範囲と注意点

指数分布は計算が簡便であり、信頼性予測の第一近似として非常に便利です。
しかし、故障率一定という前提条件を満たす場面は、実際にはバスタブ曲線の偶発故障期に限られます。

電子部品（抵抗、コンデンサ、ICなど）は偶発故障期が長いため、指数分布が比較的よく適合します。
一方、機械部品（ベアリング、ギア、シールなど）は摩耗による劣化が避けられないため、指数分布の適用は慎重に判断すべきです。

摩耗故障が支配的な部品に対しては、次に解説するワイブル分布がより適切なモデルとなります。

5. ワイブル分布による信頼度の計算

ワイブル分布は、信頼性工学において最も汎用性の高い確率分布です。
スウェーデンの数学者ヴァリボド・ワイブルが1951年に提唱したこの分布は、形状パラメータmの値を変えることで初期故障期・偶発故障期・摩耗故障期のすべてを表現できます。

ワイブル分布の信頼度関数

ワイブル分布の信頼度関数R(t)は、形状パラメータm（形状母数）と尺度パラメータη（尺度母数・特性寿命）を用いて次のように表されます。

$R(t) = \exp\left\{-\left(\dfrac{t}{\eta}\right)^m\right\}$

対応する確率密度関数f(t)は、次の通りです。

$f(t) = \dfrac{m}{\eta}\left(\dfrac{t}{\eta}\right)^{m-1}\exp\left\{-\left(\dfrac{t}{\eta}\right)^m\right\}$

そして故障率関数λ(t)は、次のようになります。

$\lambda(t) = \dfrac{m}{\eta}\left(\dfrac{t}{\eta}\right)^{m-1}$

この故障率関数の形を見ると、形状パラメータmの値によって故障率の時間変化が根本的に変わることがわかります。

形状パラメータmの意味

形状パラメータmは、ワイブル分布の最大の特徴であり、故障のメカニズムを反映するパラメータです。
mの値によって故障率の振る舞いが3つのパターンに分かれます。

m < 1（初期故障型）の場合、故障率は時間とともに減少します。
製造不良やスクリーニング不足による初期故障が支配的な状況を表します。
バスタブ曲線の初期故障期に対応します。

m = 1（偶発故障型）の場合、故障率は時間によらず一定（ $\lambda(t) = \dfrac{1}{\eta}$ ）になります。
このとき故障率関数は定数となり、ワイブル分布は指数分布と完全に一致します。
つまり指数分布はワイブル分布のm = 1における特殊ケースです。

m > 1（摩耗故障型）の場合、故障率は時間とともに増加します。
疲労、腐食、摩耗など経年劣化に起因する故障パターンを表します。
バスタブ曲線の摩耗故障期に対応し、ベアリングやギアなど機械部品の寿命解析で頻繁に使われます。

実務では、試験データや故障データをワイブル確率紙にプロットして直線回帰を行い、mとηの値を推定します。
mの値から故障メカニズムの推定が可能であり、たとえばm ≈ 3.5であれば疲労破壊が支配的であると判断できます。

尺度パラメータηの意味

尺度パラメータηは、不信頼度F(t)が約63.2%に達する時刻、すなわち信頼度R(t)が約36.8%に低下する時刻を表します。
この値は特性寿命とも呼ばれ、信頼度関数にt = ηを代入すると確認できます。

$R(\eta) = \exp\left\{-\left(\dfrac{\eta}{\eta}\right)^m\right\} = \exp(-1) = e^{-1} \approx 0.368$

この結果はmの値に関係なく常に成り立ちます。
つまりηは、ワイブル分布のパラメータmがどんな値であっても、信頼度が約36.8%になる寿命を表しているのです。

形状パラメータmと故障の典型例

形状パラメータmの値は、故障モードの特定にも役立ちます。
過去の実績データから得られたmの典型的な値を以下に示します。

mの範囲	故障パターン	典型的な例
0.5〜0.8	初期故障（減少型）	はんだ接合不良、製造欠陥
0.9〜1.1	偶発故障（一定型）	電子部品のランダム故障
1.5〜2.5	初期摩耗故障	ベアリングの転がり疲労
3.0〜4.0	疲労故障	金属疲労、繰り返し荷重
5.0以上	急速摩耗故障	腐食、高温酸化

推定されたmの値がこれらのどの範囲に該当するかを確認することで、故障の根本原因に対するヒントが得られます。
たとえばm ≈ 1であるにもかかわらず摩耗部品の解析であれば、データの取得期間が偶発故障期に限定されている可能性を疑うべきです。

計算例：ベアリングの寿命信頼度

ワイブル分布を使った信頼度の具体的な計算を見てみましょう。

あるベアリングの寿命試験を実施したところ、ワイブルパラメータがm = 2.0、η = 8,000時間と推定されました。
このベアリングの3,000時間後の信頼度R(3000)を求めます。

Step 1：パラメータを確認する

$m = 2.0, \quad \eta = 8{,}000 \quad \lbrack \text{時間} \rbrack, \quad t = 3{,}000 \quad \lbrack \text{時間} \rbrack$

Step 2：ワイブル分布の信頼度関数に代入する

$R(3000) = \exp\left\{-\left(\dfrac{3000}{8000}\right)^{2.0}\right\} = \exp\left\{-(0.375)^{2.0}\right\}$

$= \exp(-0.1406)$

Step 3：計算結果を評価する

$R(3000) = \exp(-0.1406) \approx 0.869$

したがって、このベアリングの3,000時間後の信頼度は約0.869（86.9%）です。
100個のベアリングを使用した場合、3,000時間後に約87個は故障せずに使用できることを意味します。

m = 2.0は故障率が時間に比例して増加することを表しており、摩耗故障が支配的なパターンです。
ベアリングの転がり面に蓄積する疲労損傷がこの故障パターンの原因であると推測できます。

なお、m = 2.0の場合の故障率関数は次のようになります。

$\lambda(t) = \dfrac{2.0}{8000}\left(\dfrac{t}{8000}\right)^{1.0} = \dfrac{t}{32{,}000{,}000}$

3,000時間時点での瞬間故障率は $\lambda(3000) = \dfrac{3000}{32{,}000{,}000} \approx 9.38 \times 10^{-5}$ 回/時間です。
これは指数分布で近似した場合のλと比べて、時刻によって値が変わるという点が根本的に異なります。

6. MTBFと信頼度の関係

MTBF（Mean Time Between Failures：平均故障間隔）は、信頼度とともに製品の信頼性を表す最も代表的な指標です。
しかし、MTBFと信頼度は同じものではなく、両者の関係を正しく理解しておかないと設計判断を誤ります。

MTBFの定義と信頼度関数との関係

MTBFは、信頼度関数R(t)を0から無限大まで積分した値として定義されます。

$\text{MTBF} = \int_0^{\infty} R(t) \, dt$

この積分は、信頼度曲線R(t)と時間軸で囲まれた面積に相当します。
直感的には「製品が平均して何時間動き続けるか」を表しています。

修理不可能なアイテムに対してはMTTF（Mean Time To Failure：平均故障時間）という用語が使われますが、数学的な定義は同一です。

指数分布におけるMTBFの簡潔な関係式

指数分布の場合、上記の積分は解析的に計算でき、非常にシンプルな結果が得られます。

$\text{MTBF} = \int_0^{\infty} e^{-\lambda t} \, dt = \dfrac{1}{\lambda}$

この $\text{MTBF} = \dfrac{1}{\lambda}$ という関係式は、信頼性工学で最も頻繁に使われる公式です。
故障率λ = 0.001回/時間のアイテムであれば、MTBF = 1,000時間となります。

ここで重要なのは、「MTBF = 1,000時間」は「1,000時間で必ず壊れる」という意味ではないということです。
MTBFの時点での信頼度を計算してみましょう。

$R(\text{MTBF}) = e^{-\lambda \cdot \dfrac{1}{\lambda}} = e^{-1} \approx 0.368$

MTBF時点での信頼度はわずか約36.8%です。
つまり、MTBF = 1,000時間の製品を1,000時間使用すると、約63%の確率で故障が発生するのです。

この事実を知らずに「MTBFが1,000時間だから、1,000時間は安心して使える」と考えてしまうのは、現場でよくある危険な誤解です。
高い信頼度を確保するためには、MTBFよりもはるかに短い使用時間で交換や点検を行う必要があります。

信頼度とMTBFの換算

指数分布の場合、任意の目標信頼度から必要な使用時間（ミッションタイム）を逆算できます。

$R(t) = e^{-\dfrac{t}{\text{MTBF}}}$

この式を変形すると、目標信頼度Rを達成するためのミッションタイムtは次のように求まります。

$t = -\text{MTBF} \times \ln(R)$

代表的な信頼度に対するミッションタイムの目安を一覧にすると、次のようになります。

目標信頼度R	ミッションタイム（MTBFに対する比率）
0.99（99%）	MTBF × 0.01（MTBFの約1%）
0.95（95%）	MTBF × 0.051（MTBFの約5%）
0.90（90%）	MTBF × 0.105（MTBFの約10.5%）
0.80（80%）	MTBF × 0.223（MTBFの約22%）
0.50（50%）	MTBF × 0.693（MTBFの約69%）

たとえばMTBF = 10,000時間の製品で信頼度R = 0.95を確保したいなら、次のようになります。

$t = -10{,}000 \times \ln(0.95) = -10{,}000 \times (-0.0513) \approx 513 \quad \lbrack \text{時間} \rbrack$

MTBF 10,000時間の製品であっても、95%の信頼度を維持できるのはわずか513時間（MTBFの約5%）に過ぎません。
この換算を正しく行うことが、可用性の高い保全計画を策定するための出発点となります。

instant.engineer

MTBF = 1/λ が成り立つ条件

$\text{MTBF} = \dfrac{1}{\lambda}$ の関係が成立するのは、故障率λが時間によらず一定の場合（指数分布）に限られます。

ワイブル分布のように故障率が時間とともに変化する場合、MTBFは次のガンマ関数を含む式で計算されます。

$\text{MTBF} = \eta \cdot \Gamma\left(1 + \dfrac{1}{m}\right)$

ここでΓはガンマ関数で、自然数nに対してΓ(n) = (n-1)!となる階乗の一般化です。

たとえばm = 2.0、η = 8,000時間のワイブル分布では、次のようになります。

$\text{MTBF} = 8{,}000 \times \Gamma\left(1 + \dfrac{1}{2}\right) = 8{,}000 \times \Gamma(1.5) = 8{,}000 \times \dfrac{\sqrt{\pi}}{2} \approx 7{,}090 \quad \lbrack \text{時間} \rbrack$

この場合、MTBFは特性寿命η = 8,000時間よりも短くなります。
指数分布以外では $\text{MTBF} \neq \dfrac{1}{\lambda}$ ですので、安易にこの公式を適用しないよう注意が必要です。

7. 信頼度と信頼区間の違い

日本語で「信頼度」と言ったとき、信頼性工学と統計学で意味がまったく異なります。
この混同は、品質管理の現場で実際に発生しやすい深刻な問題です。

統計学における信頼度（信頼係数）

統計学の文脈で使われる「信頼度」は、正式には信頼係数（confidence coefficient）と呼ばれる概念です。
区間推定において、推定区間が母数の真の値を含む確率を表します。

たとえば、ある工程で製造された部品の平均寸法を推定する場面を考えます。
サンプルからの計算で「95%信頼区間は49.8mm〜50.2mm」と求まったとき、「95%」が信頼度（信頼係数）です。

信頼区間の計算式は、母平均μの推定の場合、次のように表されます。

$\bar{x} - z_{\alpha/2} \cdot \dfrac{\sigma}{\sqrt{n}} \leq \mu \leq \bar{x} + z_{\alpha/2} \cdot \dfrac{\sigma}{\sqrt{n}}$

ここで $\bar{x}$ は標本平均、σは母標準偏差、nはサンプル数、 $z_{\alpha/2}$ は標準正規分布の上側パーセント点です。
信頼度95%のときは $z_{\alpha/2} = 1.96$ となります。

この「95%」の正しい解釈は、「同じ方法で区間推定を100回行ったとき、約95回はその区間が真の母数を含む」という頻度論的な意味です。
「この特定の区間に真の値が95%の確率で存在する」という解釈は、厳密には正しくありません。

信頼区間の具体的な計算例

統計学の信頼区間がどのように計算されるか、具体例で確認しましょう。

ある製造工程から20個のサンプルを抜き取り、寸法を測定したところ、標本平均 $\bar{x} = 50.05$ mm、母標準偏差σ = 0.3 mm（既知）であったとします。
95%信頼区間を求めます。

Step 1：信頼係数に対応するz値を確認する

95%信頼区間では、α = 0.05、α/2 = 0.025ですから、次のz値を使用します。

$z_{0.025} = 1.96$

Step 2：標準誤差を計算する

$\dfrac{\sigma}{\sqrt{n}} = \dfrac{0.3}{\sqrt{20}} = \dfrac{0.3}{4.472} \approx 0.0671 \quad \lbrack \text{mm} \rbrack$

Step 3：信頼区間を算出する

$50.05 - 1.96 \times 0.0671 \leq \mu \leq 50.05 + 1.96 \times 0.0671$

$49.92 \leq \mu \leq 50.18 \quad \lbrack \text{mm} \rbrack$

これにより、母平均μは95%の信頼度で49.92mm〜50.18mmの範囲にあると推定されます。
この「95%」はこの範囲が正しい確率ではなく、「この推定方法を繰り返し行ったときに95%の確率で正しい範囲を含む」という意味です。

二つの「信頼度」の比較

信頼性工学の信頼度（reliability）と統計学の信頼度（confidence level）を整理して比較してみましょう。

比較項目	信頼性工学の信頼度	統計学の信頼度（信頼係数）
英語名	Reliability	Confidence level
定義	製品が規定期間内に故障しない確率	区間推定が母数の真値を含む確率
対象	製品・部品・システム	統計的推定量（母平均、母分散など）
時間依存性	あり（R(t)は時間の関数）	なし（固定値：90%、95%、99%など）
値の範囲	0〜1（時間とともに減少）	通常は0.90、0.95、0.99のいずれか
主な使用分野	信頼性設計、寿命予測、保全計画	仮説検定、区間推定、品質検査
関連する概念	故障率、MTBF、ワイブル分布	標本分布、t分布、カイ二乗分布

最も根本的な違いは、信頼性工学の信頼度が時間の関数であるのに対し、統計学の信頼度は分析者が事前に設定する固定値であるという点です。

信頼性工学の信頼度は製品の物理的な劣化とともに時間経過で変化しますが、統計学の信頼度は分析手法の精度水準を表す一定の基準値です。

混同を避けるためのポイント

実務で両者の混同を防ぐために、次の3点を意識しておくとよいでしょう。

第一に、文脈を確認することです。
「信頼度95%」という数値が出てきたとき、それが「95%の確率で故障しない」なのか「95%信頼区間での推定値」なのかを、前後の文脈から判断する必要があります。

信頼性工学の文脈であれば「5,000時間で信頼度95%」のように、必ず時間（ミッションタイム）が伴います。
統計学の文脈であれば「母平均の95%信頼区間」のように、推定対象の母数が明示されます。

第二に、英語名で区別することです。
信頼性工学の信頼度は「reliability」、統計学の信頼度は「confidence level」です。
国際的な技術文書やISO規格を参照する際には、英語の用語で確認するのが最も確実です。

第三に、工程能力指数Cpkなどの品質管理指標と信頼度の関係を正しく理解しておくことです。
Cpkの算出において使われる規格値の区間推定には統計学の信頼度が使われますが、製品そのものの故障しにくさは信頼性工学の信頼度で議論されます。
両者が同じ報告書に登場することも珍しくないため、使い分けに注意が必要です。

8. まとめ

本記事では、信頼性工学における信頼度の基本から計算方法、そして統計学の信頼区間との違いまでを体系的に解説しました。

信頼度R(t)は、製品が時刻tまで故障せずに機能し続ける確率であり、信頼性設計と保全計画の定量的な基盤です。
不信頼度F(t)、確率密度関数f(t)、故障率関数λ(t)の4つの関数は相互に変換可能であり、一つがわかれば他のすべてを導出できます。

故障率が一定の偶発故障期には指数分布（ $R(t) = e^{-\lambda t}$ ）を使い、摩耗故障期にはワイブル分布（ $R(t) = \exp\left\{-\left(\dfrac{t}{\eta}\right)^m\right\}$ ）を使い分けます。
指数分布はワイブル分布のm = 1の特殊ケースであり、両者は統一的に理解できます。

システム全体の信頼度は、直列システムでは各部品の信頼度の積として求まり、部品数が増えるほど急速に低下します。
並列システム（冗長系）では個々の部品の信頼度が低くても、組み合わせによってシステム全体の信頼度を大幅に向上させることができます。

MTBFは信頼度関数R(t)の積分として定義され、指数分布では $\text{MTBF} = \dfrac{1}{\lambda}$ という簡潔な関係が成り立ちます。
ただし、MTBF時点での信頼度は約36.8%に過ぎないため、MTBFイコール安全な使用時間ではないことを強く認識しておく必要があります。

最後に、信頼性工学の「信頼度（reliability）」と統計学の「信頼度（confidence level）」は完全に異なる概念です。
前者は時間の関数として製品の生存確率を表し、後者は区間推定の精度水準を表す固定値です。
品質管理の実務では両方の概念が同時に登場する場面があるため、文脈と英語名で確実に区別することが重要です。