WEIBULL.DIST関数の使い方｜ワイブル分布で設備寿命・故障率を分析する【実務活用例5選】

「製品の故障確率を時間軸でモデル化したい」「設備の計画保全タイミングをデータで決めたい」――信頼性工学・品質管理の現場で使われる WEIBULL.DIST関数 について解説します。

WEIBULL.DIST関数はワイブル分布の値（累積分布関数または確率密度関数）を計算する関数で、Excel 2010以降で推奨される現行の標準関数です。旧関数の WEIBULL は互換性維持のために残されていますが、新規シートでは WEIBULL.DIST を使うのが正解です。

この記事では、WEIBULL.DIST関数の構文、累積分布関数と確率密度関数の違い、設備保全・品質保証・信頼性分析での実務活用例まで、現場で使える形でまとめて紹介します。

WEIBULL.DIST関数とは？
WEIBULL.DIST関数の書き方
1. 基本構文
2. 引数の説明
累積分布関数（TRUE）と確率密度関数（FALSE）の違い
基本的な使い方
実務での活用例
WEIBULL関数（旧）との違い
似た統計関数との違い・使い分け
よくあるエラーと対処法
よくある質問（FAQ）
まとめ

WEIBULL.DIST関数とは？

読み方と語源

「ワイブルディスト」と読みます。WEIBULL（ワイブル分布） + DIST（DISTribution＝分布）が語源です。Excel 2010で「ピリオド付き」の新世代統計関数が一斉に追加された際に、旧 WEIBULL の後継として登場しました。

ピリオド付きの新世代関数には他にも NORM.DIST（正規分布）・POISSON.DIST（ポアソン分布）・BETA.DIST（ベータ分布）などがあり、いずれも統計分布計算の標準関数として推奨されています。

ワイブル分布とは？

ワイブル分布は機器の 寿命・故障分析 に使われる確率分布です。スウェーデンの工学者 Waloddi Weibull が1951年に提唱した分布で、現在では信頼性工学・品質管理の世界標準ツールとして使われています。

ワイブル分布の特徴は、形状パラメーター（α）の値を変えるだけで 3種類の故障パターン を1つの式で表現できる点です。

αの値	故障パターン	具体例
α < 1	初期不良型（故障率が時間とともに減少）	電子部品の初期不良、製造不良品
α = 1	偶発故障型（故障率が一定。指数分布と一致）	ランダムな外部要因による故障
α > 1	摩耗故障型（故障率が時間とともに増加）	機械的摩耗、疲労破壊、経年劣化

製造業の現場で語られる「バスタブ曲線」は、まさにこの3パターンを時間軸で組み合わせた曲線です。WEIBULL.DIST関数を使えば、バスタブ曲線の各区間をデータから推定できます。

対応バージョン

Excel 2010以降。旧 WEIBULL 関数より優先して使用してください。Microsoft 365・Excel for the web・Excel for Mac でも利用できます。

WEIBULL.DIST関数の書き方

基本構文

=WEIBULL.DIST( x, α, β, 関数形式 )

引数の説明

引数	必須/任意	説明
x	必須	分布の評価点となる値（0以上の数値）を指定します
α（アルファ）	必須	形状パラメーター（正の数値）。故障パターンの形状を決めます
β（ベータ）	必須	尺度パラメーター（正の数値）。特性寿命の目安となります
関数形式	必須	TRUE=累積分布関数（CDF）/ FALSE=確率密度関数（PDF）

αとβは過去の故障データから推定するパラメーターです。手元にデータがない段階ではメーカー仕様書の値や業界平均を仮入力し、データが蓄積されたら最尤推定（後述）で再計算するのが一般的な進め方です。

累積分布関数（TRUE）と確率密度関数（FALSE）の違い

WEIBULL.DIST関数の第4引数は、計算結果の意味を切り替える重要なスイッチです。

関数形式	返す値	実務での意味
TRUE	累積分布関数（CDF）	「時間x以内に故障する確率」
FALSE	確率密度関数（PDF）	「x時点での確率密度」（ハザード率計算の材料）

実務でよく使うのは TRUE（累積分布関数） です。「保証期間内に何%が故障するか」「保全タイミングまでに何%の確率で故障するか」といった経営判断に直結する数値を、そのまま取り出せます。

FALSE（確率密度関数）は単独で意味を読み取るのは難しく、後述するハザード率（瞬間故障率）の計算式の中で使うのが一般的な使い方です。

基本的な使い方

例1：累積分布関数で故障確率を求める

特性寿命β=1000時間、形状α=2として、500時間以内の故障確率を求めます。

=WEIBULL.DIST(500, 2, 1000, TRUE)

結果：約 0.221（500時間以内に故障する確率は約22.1%）

設備が500時間運転された時点で、約5台に1台は故障している計算です。この値を保全計画の判断材料に使います。

例2：確率密度関数を求める

=WEIBULL.DIST(500, 2, 1000, FALSE)

結果：約 0.000779

確率密度の値そのものは直感的に理解しづらいですが、後述するハザード率の計算で使います。

例3：異なる形状パラメーターで比較する

形状パラメーター（α）を変えると、同じ時刻x=500での故障確率が大きく変わります。

=WEIBULL.DIST(500, 0.5, 1000, TRUE)   → 約 0.505（初期不良型 α=0.5）
=WEIBULL.DIST(500, 1,   1000, TRUE)   → 約 0.393（偶発故障型 α=1）
=WEIBULL.DIST(500, 2,   1000, TRUE)   → 約 0.221（摩耗故障型 α=2）

初期不良型（α=0.5）では運転開始直後に故障が集中するため500時間時点で既に半数が故障している一方、摩耗故障型（α=2）では序盤は安定しており故障は2割程度に留まる、というように、αが分布形状そのものを決めていることがわかります。

例4：βを変えて特性寿命の影響を見る

=WEIBULL.DIST(500,  2,  500, TRUE)   → 約 0.632（β=500、x=βのとき）
=WEIBULL.DIST(500,  2, 1000, TRUE)   → 約 0.221
=WEIBULL.DIST(500,  2, 2000, TRUE)   → 約 0.061

βは「特性寿命」とも呼ばれ、累積故障率が約63.2%になる時刻を表します。βが大きいほど故障が遅く現れる（＝寿命が長い）製品といえます。

実務での活用例

活用例1：設備の計画保全タイミングの決定

製造設備の過去の故障データからα・βを推定し、「故障確率10%以下を維持するための交換時期」を計算します。

A列：評価時間（100, 200, 300, ...）
B列：=WEIBULL.DIST(A2, $E$1, $E$2, TRUE)
     ※ E1にα推定値、E2にβ推定値を置く

B列の値が10%（0.1）を超える行が、計画保全の目安タイミングです。例えば「α=2、β=2000時間」のとき、約650時間の運転で故障確率が10%に達するため、それ以前に予防保全を入れる、という判断ができます。

予防保全のコストと故障発生時の損失コストを比較し、許容故障率（5%・10%・20%など）を社内で決めておくと、保全計画が客観的に立てられます。

活用例2：製品の品質保証期間の設定

耐久試験データからワイブルパラメーターを推定し、保証期間内の不良率を予測します。例えば3年保証（24時間×365日×3年＝ 26,280時間）の場合：

=WEIBULL.DIST(26280, 1.5, 50000, TRUE)

この値が品質目標（例：1%未満）を満たしていれば、その保証期間で問題なし、超えていれば設計改善や保証期間の見直しが必要、という意思決定に使えます。

活用例3：バスタブ曲線の可視化

バスタブ曲線（故障率の時間変化）はα<1・α=1・α>1の3区間を組み合わせて表現します。Excelで以下のような表を作り、折れ線グラフ化するとバスタブ曲線が描けます。

A列：時間（1, 100, 200, ..., 10000）
B列：=WEIBULL.DIST(A2, 0.5, 100, FALSE)    ← 初期不良区間
C列：=WEIBULL.DIST(A2, 1,   3000, FALSE)   ← 偶発故障区間
D列：=WEIBULL.DIST(A2, 3,   8000, FALSE)   ← 摩耗故障区間
E列：=B2+C2+D2                              ← 合算（バスタブ曲線）

3区間のパラメーターは過去の故障データから推定するのが理想ですが、まずは仮の値で曲線を描き、形状を見ながら調整するのが現場での進め方です。

活用例4：ハザード率（瞬間故障率）の計算

ハザード率は「ある時刻xで動いていた製品が、直後に故障する瞬間的な確率」を表します。信頼性工学の標準的な指標で、次の式で求められます。

=WEIBULL.DIST(x, α, β, FALSE) / (1 - WEIBULL.DIST(x, α, β, TRUE))

分子が確率密度関数、分母が「x時点で生存している確率」です。ハザード率を時間軸でプロットすると、設備が「いつから劣化局面に入ったか」が直感的にわかります。

活用例5：α・βパラメーターの推定（ソルバー利用）

実務では過去の故障時刻データからα・βを推定する必要があります。手計算では難しいですが、Excelのソルバーを使うと最尤推定法で簡単に求められます。

1. A列に故障時刻データを並べる
2. B列に =LN(WEIBULL.DIST(A2, $α, $β, FALSE)) で対数尤度を計算
3. C1に =SUM(B:B) で対数尤度の合計を入れる
4. ソルバーでC1を最大化、変数セルにα・βを指定して実行

ソルバーが「最も観測データを説明できるα・β」を返してくれます。データが30件以上あれば、実用的な精度のパラメーターが得られます。

WEIBULL関数（旧）との違い

比較項目	WEIBULL	WEIBULL.DIST
構文	`=WEIBULL(x, α, β, 関数形式)`	`=WEIBULL.DIST(x, α, β, 関数形式)`
計算結果	同一	同一
対応バージョン	Excel 2007以前〜（互換性のため残存）	Excel 2010以降（推奨）
廃止リスク	将来廃止の可能性あり	廃止リスクなし

移行は簡単で、WEIBULL を WEIBULL.DIST に書き換えるだけです。引数の並びと意味は全く同じなので、検索・置換で一括変換できます。

Ctrl+H で置換ダイアログを開き、
  検索：WEIBULL(
  置換：WEIBULL.DIST(

ただし、WEIBULL.DIST を含む別の関数を巻き込まないよう、置換前に対象シートを限定しておくと安全です。

旧 WEIBULL 関数の詳細は WEIBULL関数の使い方｜ワイブル分布の値を求める（互換関数）を参照してください。

似た統計関数との違い・使い分け

ワイブル分布以外にも、寿命分析や故障分析で使われる確率分布があります。代表的なものとの違いを整理しておきます。

関数	分布	主な用途
WEIBULL.DIST	ワイブル分布	機器の寿命・故障率分析（最も汎用的）
EXPON.DIST	指数分布	偶発故障の解析（α=1のワイブル分布と一致）
LOGNORM.DIST	対数正規分布	修理時間・故障時間のばらつき分析
NORM.DIST	正規分布	製造ばらつき・測定誤差の解析
POISSON.DIST	ポアソン分布	単位時間あたりの故障発生件数

「時間軸で故障パターンが変わる」場合はワイブル分布、「単位時間あたりの発生件数を扱う」場合はポアソン分布、というのが大まかな使い分けの目安です。

詳しくは POISSON.DIST関数の使い方｜ポアソン分布の確率を求めるもあわせて参照してください。

よくあるエラーと対処法

エラー	原因	対処法
`#NUM!`	xが0より小さい	xに0以上の数値を指定する
`#NUM!`	αまたはβが0以下	α・βには正の数値（0より大きい値）を指定する
`#VALUE!`	引数に数値以外が入っている	引数のセルに数値が入っているか確認する
結果が0や1に張り付く	xがβに比べて極端に大きいまたは小さい	β（特性寿命）の桁を見直す

特に多いのが「αに0を入れてしまう」「βに負の値を入れてしまう」というケースです。パラメーターの意味（αは形状、βは特性寿命）を意識すると、入力ミスは大幅に減らせます。

よくある質問（FAQ）

WEIBULL.DIST関数について、現場で特に質問の多いポイントをまとめました。

Q. α・βのパラメーターはどうやって決めればよいですか？

A. 大きく分けて3つの決め方があります。

1つ目は 過去の故障データから推定する 方法です。これが最も信頼できる決め方で、本記事の活用例5で紹介したExcelのソルバー（最尤推定）を使えば、観測データに最もよく当てはまるα・βを自動で求められます。データが30件以上あれば実用的な精度が得られます。

2つ目は メーカー仕様書や業界平均を仮入力する 方法です。新製品でまだ故障データがない段階では、類似製品の値やメーカー公表値を仮置きし、運用しながらデータを蓄積して再推定するのが現実的です。

3つ目は 形状から当たりをつける 方法です。初期不良が中心ならα<1、ランダムな偶発故障ならα=1、経年劣化・摩耗が中心ならα>1、というように故障の性質からαの目安を決め、βはおおよその特性寿命（累積故障率が約63.2%になる時刻）から逆算します。

実務では「3つ目で当たりをつけて表を作り、データが溜まったら1つ目で精度を上げる」という流れが定番です。

Q. Excelにワイブル確率紙（ワイブルプロット）を描く機能はありますか？

A. 専用機能はありませんが、散布図を使えば自作できます。

ワイブル確率紙は、累積故障率を縦軸・時間を横軸に取り、ワイブル分布なら点が直線に並ぶように軸を変換したグラフです。Excelでは次の手順で再現できます。

1. 故障時刻を昇順に並べる（A列）
2. メディアンランク法で累積故障率Fを計算（B列）
   =(順位 - 0.3) / (データ数 + 0.4)
3. X座標 =LN(A2)          ← 時間の自然対数
4. Y座標 =LN(-LN(1 - B2)) ← 二重対数変換
5. X座標とY座標で散布図を描く

このグラフ上で点が直線に並べば、データがワイブル分布に従っていると判断できます。直線の傾きがαに対応するため、近似直線を引いてパラメーターの当たりをつけることも可能です。本格的に推定したい場合は、活用例5のソルバーと併用するのがおすすめです。

Q. α=1のときWEIBULL.DISTはEXPON.DISTと同じ結果になりますか？

A. はい、同じ結果になります。形状パラメーターα=1のワイブル分布は、数学的に指数分布と完全に一致します。

=WEIBULL.DIST(500, 1, 1000, TRUE)   → 約 0.393
=EXPON.DIST(500, 1/1000, TRUE)       → 約 0.393

注意点は βの渡し方 です。WEIBULL.DISTのβ（尺度パラメーター）は特性寿命そのものを指定しますが、EXPON.DISTのλ（ラムダ）は故障率＝βの逆数（1/β）を指定します。同じ現象を扱っているのに引数の与え方が逆になるため、両関数を並べて検算するときは混同しないよう気をつけてください。

「偶発故障（故障率が一定）だけを扱いたい」とわかっている場合は、α=1で固定するよりも、最初から指数分布専用の関数を使うほうがシンプルです。詳しくは EXPON.DIST関数の使い方を参照してください。

Q. 製品の平均故障間隔（MTTF）をWEIBULL.DISTで計算できますか？

A. WEIBULL.DIST関数だけでは直接は求められません。平均故障間隔（MTTF＝Mean Time To Failure）はワイブル分布の期待値にあたり、ガンマ関数を含む別の式で計算します。

=β * EXP(GAMMALN(1 + 1/α))

GAMMALN関数（ガンマ関数の自然対数）を使い、EXPで元に戻すのがExcelでの定番の書き方です。例えばα=2、β=1000の場合：

=1000 * EXP(GAMMALN(1 + 1/2))   → 約 886.2 時間

特性寿命β（約63.2%が故障する時刻）と平均故障間隔MTTF（約886時間）は意味が異なる点に注意してください。βは分布の尺度を表すパラメーター、MTTFは実際に故障が発生するまでの平均時間です。保全計画では両方を区別して扱うと、より正確な判断ができます。

まとめ

WEIBULL.DIST関数のポイントをまとめます。

ワイブル分布の累積分布関数（TRUE）または確率密度関数（FALSE）を計算できる
形状パラメーターαが1未満・1・1超で、初期不良・偶発故障・摩耗故障の3パターンを表現できる
旧 WEIBULL 関数と構文・計算結果は同一。既存シートは関数名の書き換えだけで移行できる
設備保全のタイミング決定・品質保証期間の設定・バスタブ曲線の可視化など、製造業の現場で特に役立つ
α・βの推定にはExcelのソルバーが使える

ワイブル分析はデータがあれば今すぐExcelで始められます。まずはサンプルデータでβ=1000、α=2を入れて累積分布関数を計算し、故障確率の変化を確認するところから始めてみてください。