平均寿命だけでは、いつ壊れるかの確率はわかりません。手計算で求めるとべき乗やeの計算が出てきて大変ですよね。

そんなときに使うのがWEIBULL.DIST関数です。この記事では基本構文から実務活用まで解説します。累積分布と確率密度の使い分けや、WEIBULL関数との違いもあわせて紹介しますよ。

WEIBULL.DIST関数とは

WEIBULL.DIST関数（読み方: ワイブル・ディスト関数）は、ワイブル分布にもとづいて確率を返す関数です。ワイブル分布とは、製品の寿命や故障までの時間をモデル化するのに使われる確率分布です。

「WEIBULL」はスウェーデンの数学者ワロディ・ワイブル（Waloddi Weibull）に由来しています。「DIST」は「Distribution（分布）」の略です。

たとえば「平均1,000時間で故障する部品が、500時間以内に壊れる確率」を1つの数式で求められます。

WEIBULL.DIST関数にできることをまとめると、次のとおりです。

• ある時間内に製品が故障する確率を求める（累積分布）
• 特定の時点での故障確率の密度を求める（確率密度）
• 製品寿命の予測やメンテナンス計画の立案に使う
• 形状パラメータを変えて故障パターン（初期故障・偶発故障・摩耗故障）を分析する

NOTE

WEIBULL.DIST関数はGoogleスプレッドシートの全バージョンで使えます。Excelにも同名の関数があり、動作は同じです。

ワイブル分布が使える場面とは

ワイブル分布は、次のような場面で使われます。

1. 製品の寿命分析: 電子部品やモーターなどの故障時間を予測する
2. 品質管理: 不良品の発生タイミングを統計的に把握する
3. メンテナンス計画: 予防保全のタイミングを確率で決める
4. 信頼性工学: 製品の故障率が時間とともにどう変化するかを分析する

指数分布（EXPON.DIST関数）は「故障率が一定」という前提です。一方、ワイブル分布は「故障率が時間とともに変化する」場面も扱えます。そこがワイブル分布の強みですね。

TIP

ワイブル分布の形状パラメータ（alpha）を1にすると、指数分布とまったく同じになります。ワイブル分布は指数分布を含む、より汎用的な分布といえます。

基本構文と4つの引数

=WEIBULL.DIST(x, alpha, beta, cumulative)

カッコの中に4つの引数を指定します。

alphaは「形状パラメータ」と呼ばれ、分布の形（故障パターン）を決めます。betaは「尺度パラメータ」と呼ばれ、時間のスケール（目安となる寿命）を決めます。

WARNING

alphaとbetaはどちらも0より大きい値を指定してください。0以下を指定すると#NUM!エラーになります。

WEIBULL関数（互換関数）との関係

GoogleスプレッドシートにはWEIBULL関数という関数もあります。これはWEIBULL.DIST関数の旧バージョン（互換関数）です。計算結果はまったく同じです。

=WEIBULL.DIST(500, 2, 1000, TRUE)     --- 新関数名（推奨）
=WEIBULL(500, 2, 1000, TRUE)          --- 旧関数名（互換関数）

引数の数・順番・意味もすべて同じです。新しく数式を書くときはWEIBULL.DIST関数を使いましょう。

NOTE

WEIBULL関数の詳しい使い方は、別の記事で解説しています。既存のシートでWEIBULL関数が使われていても、そのまま動作するので急いで書き換える必要はありません。

WEIBULL.DIST関数のTRUE/FALSEの違い

4番目の引数（cumulative）にTRUEとFALSEのどちらを指定するかで、返ってくる値の意味がまったく変わります。

TRUE（累積分布関数）——x時間以内に故障する確率

TRUEを指定すると累積分布関数（CDF: Cumulative Distribution Function）の値を返します。「時間x以内に故障する確率」です。

たとえば形状パラメータ alpha=2、尺度パラメータ beta=1000のとき、500時間以内に故障する確率を求めてみましょう。

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

結果は約0.2212（22.1%）です。500時間以内に故障する確率は約22%とわかります。

数学的には、次の式で計算されています。

F(x) = 1 - e^(-(x/beta)^alpha)

実務で「何時間以内に故障する確率は？」と聞かれたら、TRUEを使ってください。

FALSE（確率密度関数）——特定時点での密度

FALSEを指定すると確率密度関数（PDF: Probability Density Function）の値を返します。「時間xでの故障確率の密度」を表す値です。

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

結果は約0.000778です。

数学的には、次の式で計算されています。

f(x) = (alpha / beta^alpha) * x^(alpha-1) * e^(-(x/beta)^alpha)

確率密度はそのままでは「ちょうどx時間での故障確率」にはなりません。連続分布なので、ある範囲の確率を求めたいときはTRUE（累積分布関数）を使うのが一般的です。

2つを比較してみる（サンプルデータつき）

alpha=2、beta=1000の場合で、経過時間ごとの結果を比べてみましょう。

alpha=2なので、確率密度（FALSE列）は beta 付近でピークを迎えます。累積確率（TRUE列）は時間とともに1に近づいていきますね。

「x時間以上もつ確率」を求めたいときは =1-WEIBULL.DIST(x, alpha, beta, TRUE) と書きます。たとえば「1,500時間以上もつ確率」なら次のとおりです。

=1-WEIBULL.DIST(1500, 2, 1000, TRUE)

結果は約0.1054（10.5%）です。

WEIBULL.DIST関数の実務活用3パターン

基本がわかったところで、実際の業務で使えるパターンを紹介します。

製品の保証期間を設定する

「平均寿命が約1,000時間のモーターがある。保証期間を500時間に設定したい。保証期間内に故障する確率はどのくらいか？」を考えてみましょう。

過去の故障データから alpha=1.5、beta=1000 が推定されているとします。

=WEIBULL.DIST(500, 1.5, 1000, TRUE)

結果は約0.1455（14.6%）です。保証期間500時間以内に故障する確率は約15%とわかります。

では保証期間を300時間に短縮するとどうでしょうか。

=WEIBULL.DIST(300, 1.5, 1000, TRUE)

結果は約0.0570（5.7%）です。300時間なら故障確率が約6%に下がります。保証コストとのバランスを考える判断材料になりますね。

形状パラメータで故障パターンを見分ける

ワイブル分布の最大の特徴は、形状パラメータ（alpha）の値で故障パターンが変わることです。これは「バスタブ曲線」として知られています。

実際にbeta=1000で固定して、alphaを変えて500時間以内の故障確率を比較してみましょう。

=WEIBULL.DIST(500, 0.5, 1000, TRUE)    --- alpha=0.5（初期故障型）
=WEIBULL.DIST(500, 1, 1000, TRUE)      --- alpha=1（偶発故障型）
=WEIBULL.DIST(500, 2, 1000, TRUE)      --- alpha=2（摩耗故障型）
=WEIBULL.DIST(500, 3, 1000, TRUE)      --- alpha=3（摩耗故障型・急激）

alphaが小さいほど初期に故障しやすく、大きいほど初期は安定しています。自社製品の故障データからalphaを推定して、どの故障パターンに当てはまるかを把握するのが品質改善の第一歩です。

メンテナンス時期を逆算する

「故障確率が10%を超える前にメンテナンスしたい」という場合、経過時間ごとの故障確率を見ていく方法が実用的です。

alpha=2、beta=1000の場合、300時間前後でメンテナンスするのが妥当です。300時間での故障確率は約8.6%で、目標の10%以内に収まっていますね。

スプレッドシートで経過時間を100刻みで並べてWEIBULL.DIST関数を入力し、グラフ化すると故障確率の推移が一目で確認できます。

WEIBULL.DIST関数でよくあるエラーと対処法

WEIBULL.DIST関数でつまずきやすいポイントをまとめました。

WARNING

4番目の引数（cumulative）は省略できません。TRUEとFALSEでは結果がまったく異なります。「x時間以内に故障する確率」を求めたいのにFALSEを指定すると、確率密度が返ってきてしまうので注意してください。

WEIBULL.DIST関数とWEIBULL関数の違い

WEIBULL.DIST関数は、WEIBULL関数の新しいバージョンです。引数・計算結果はまったく同じです。

新しく数式を書くときはWEIBULL.DIST関数を使いましょう。既存のシートでWEIBULL関数が使われていても問題なく動作します。急いで書き換える必要はありません。

ただし、今後のバージョンアップで互換関数が廃止される可能性はゼロではありません。新規のシートではWEIBULL.DISTを選んでおくのが安心です。

確率分布関数ファミリー

Googleスプレッドシートには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 故障率が時間とともに変化する → WEIBULL.DIST
• 故障率が一定 → EXPON.DIST
• 連続データの確率 → NORM.DIST
• イベントの発生回数 → POISSON.DIST

Excelとの違い

WEIBULL.DIST関数は、ExcelとGoogleスプレッドシートの両方で使えます。引数の数・順番・計算結果はすべて同じです。

ExcelとGoogleスプレッドシートを併用している環境でも、WEIBULL.DIST関数ならそのまま使い回せます。

まとめ

WEIBULL.DIST関数は、ワイブル分布にもとづいて確率を求める関数です。

• 4番目の引数にTRUEで「x時間以内に故障する確率」が返る
• FALSEで「時間xでの確率密度」が返る
• alphaは形状パラメータ（故障パターンを決める）、betaは尺度パラメータ（時間のスケールを決める）
• alpha < 1で初期故障型、alpha = 1で偶発故障型、alpha > 1で摩耗故障型
• 製品の保証期間設定、故障パターン分析、メンテナンス計画の立案に使える
• 「x時間以上もつ確率」は =1-WEIBULL.DIST(x, alpha, beta, TRUE) で求める
• xが負、alphaやbetaが0以下だと#NUM!エラー
• WEIBULL関数と計算結果は同じ。新規にはWEIBULL.DISTを推奨
• 故障率が一定ならEXPON.DIST関数、連続データの確率ならNORM.DIST関数を使う

平均寿命はわかっていても、特定の時間内に故障する確率を出すのは簡単ではありません。手計算で求めようとすると、べき乗やeの計算が出てきて大変ですよね。

そんなときに使うのがWEIBULL関数です。この記事では基本構文から実務活用まで解説します。累積分布と確率密度の使い分けや、WEIBULL.DIST関数との関係もあわせて紹介しますよ。

WEIBULL関数とは

WEIBULL関数（読み方: ワイブル関数）は、ワイブル分布にもとづいて確率を返す関数です。ワイブル分布とは、製品の寿命や故障までの時間を表すのによく使われる確率分布です。

「WEIBULL」はスウェーデンの数学者ワロディ・ワイブル（Waloddi Weibull）の名前に由来しています。

たとえば「平均1,000時間で故障する部品が、500時間以内に壊れる確率」を1つの数式で求められます。

WEIBULL関数にできることをまとめると、次のとおりです。

• ある時間内に製品が故障する確率を求める（累積分布）
• 特定の時点での故障確率の密度を求める
• 製品寿命の予測やメンテナンス計画の立案に使う
• 形状パラメータを変えて故障パターン（初期故障・偶発故障・摩耗故障）を分析する

NOTE

WEIBULL関数はGoogleスプレッドシートの全バージョンで使えます。ただし互換関数のため、新しく数式を書くときはWEIBULL.DIST関数の使用が推奨されています。

ワイブル分布が使える場面とは

ワイブル分布は、次のような場面で使われます。

1. 製品の寿命分析: 電子部品やモーターなどの故障時間を予測する
2. 品質管理: 不良品の発生タイミングを統計的に把握する
3. メンテナンス計画: 予防保全のタイミングを確率で決める
4. 信頼性工学: 製品の故障率が時間とともにどう変化するかを分析する

指数分布（EXPON.DIST関数）は「故障率が一定」という前提ですが、ワイブル分布は「故障率が時間とともに変化する」場面も扱えます。そこがワイブル分布の強みです。

TIP

ワイブル分布の形状パラメータ（alpha）を1にすると、指数分布とまったく同じになります。ワイブル分布は指数分布を含む、より汎用的な分布といえます。

基本構文と4つの引数

=WEIBULL(x, alpha, beta, cumulative)

カッコの中に4つの引数を指定します。

alphaは「形状パラメータ」と呼ばれます。この値によって分布の形（故障パターン）が大きく変わります。betaは「尺度パラメータ」と呼ばれ、時間のスケール（目安となる寿命）を決めます。

WARNING

alphaとbetaはどちらも0より大きい値を指定してください。0以下を指定すると#NUM!エラーになります。

WEIBULL.DIST関数（推奨関数）との関係

GoogleスプレッドシートにはWEIBULL.DISTという関数もあります。これはWEIBULL関数の新しいバージョンです。計算結果はまったく同じです。

=WEIBULL(500, 2, 1000, TRUE)          --- 旧関数名（互換関数）
=WEIBULL.DIST(500, 2, 1000, TRUE)     --- 新関数名（推奨）

引数の数・順番・意味もすべて同じです。新しく数式を書くときはWEIBULL.DIST関数を使いましょう。既存のシートでWEIBULL関数が使われていても、そのまま動作します。急いで書き換える必要はありません。

NOTE

WEIBULL.DIST関数の詳しい使い方は、別の記事で解説しています。

WEIBULL関数の基本的な使い方

累積分布関数で「〇〇時間以内の故障確率」を求める

4番目の引数にTRUEを指定すると累積分布関数（CDF）の値を返します。「時間x以内に故障する確率」です。

たとえば形状パラメータ alpha=2、尺度パラメータ beta=1000のとき、500時間以内に故障する確率を求めてみましょう。

=WEIBULL(500, 2, 1000, TRUE)

結果は約0.2212（22.1%）です。500時間以内に故障する確率は約22%です。

数学的には、次の式で計算されています。

F(x) = 1 - e^(-(x/beta)^alpha)

実務で「何時間以内に故障する確率は？」と聞かれたら、TRUEを使ってください。

確率密度関数で特定時点の値を求める

4番目の引数にFALSEを指定すると確率密度関数（PDF）の値を返します。「時間xでの故障確率の密度」を表す値です。

=WEIBULL(500, 2, 1000, FALSE)

結果は約0.000778です。

数学的には、次の式で計算されています。

f(x) = (alpha / beta^alpha) * x^(alpha-1) * e^(-(x/beta)^alpha)

確率密度はそのままでは「ちょうどx時間での故障確率」にはなりません。連続分布なので、確率はTRUEで求めるのが一般的です。

2つを比較してみる（サンプルデータつき）

alpha=2、beta=1000の場合で、経過時間ごとの結果を比べてみましょう。

alpha=2なので、確率密度（FALSE列）はベータ付近でピークを迎えます。累積確率（TRUE列）は時間とともに1に近づいていきます。

「x時間以上もつ確率」を求めたいときは =1 - WEIBULL(x, alpha, beta, TRUE) と書きます。たとえば「1,500時間以上もつ確率」なら次のとおりです。

=1 - WEIBULL(1500, 2, 1000, TRUE)

結果は約0.1054（10.5%）です。

WEIBULL関数の実務活用パターン

基本がわかったところで、実際の業務で使えるパターンを紹介します。

製品の故障率・寿命分析

「平均寿命が約1,000時間のモーターがある。保証期間を500時間に設定したい。保証期間内に故障する確率はどのくらいか？」を考えてみましょう。

過去の故障データから alpha=1.5、beta=1000 が推定されているとします。

=WEIBULL(500, 1.5, 1000, TRUE)

結果は約0.1455（14.6%）です。保証期間500時間以内に故障する確率は約15%です。

では保証期間を800時間に延ばすとどうなるでしょうか。

=WEIBULL(800, 1.5, 1000, TRUE)

結果は約0.3440（34.4%）です。800時間にすると故障確率が約34%に上がります。保証コストとのバランスを考える判断材料になりますね。

形状パラメータで故障パターンを読み解く

ワイブル分布の最大の特徴は、形状パラメータ（alpha）の値で故障パターンが変わることです。これは「バスタブ曲線」として知られています。

実際に同じ beta=1000 で、alphaを変えて500時間以内の故障確率を比較してみましょう。

=WEIBULL(500, 0.5, 1000, TRUE)    --- alpha=0.5（初期故障型）
=WEIBULL(500, 1, 1000, TRUE)      --- alpha=1（偶発故障型）
=WEIBULL(500, 2, 1000, TRUE)      --- alpha=2（摩耗故障型）
=WEIBULL(500, 3, 1000, TRUE)      --- alpha=3（摩耗故障型・急激）

alphaが小さいほど初期に故障しやすく、大きいほど初期は安定している代わりに後から故障率が急激に上がります。自社製品の故障データを分析して、どの故障パターンに当てはまるかを把握することが品質改善の第一歩です。

メンテナンス時期の判断

「故障確率が10%を超える前にメンテナンスしたい」という場合、何時間で10%に達するかを逆算できます。

直接的な逆関数はありませんが、経過時間を変えながら確率を見ていく方法が実用的です。

alpha=2、beta=1000の場合、300時間前後でメンテナンスするのが妥当です。300時間での故障確率は約8.6%で、目標の10%以内に収まっていますね。

WEIBULL関数でよくあるエラーと対処法

WEIBULL関数でつまずきやすいポイントをまとめました。

WARNING

4番目の引数（cumulative）は省略できません。TRUEとFALSEでは結果がまったく異なります。「x時間以内に故障する確率」を求めたいのにFALSEを指定すると、確率密度が返ってしまいます。

WEIBULL関数とWEIBULL.DIST関数の違い

WEIBULL関数は、以前のバージョンとの互換性を維持するために残されている関数です。引数・計算結果はWEIBULL.DIST関数とまったく同じです。

新しく数式を書くときはWEIBULL.DIST関数を使いましょう。既存のシートでWEIBULL関数が使われていても問題なく動作します。急いで書き換える必要はありません。

ただし、今後のバージョンアップで互換関数が廃止される可能性はゼロではありません。新規のシートではWEIBULL.DISTを選んでおくのが安心です。

確率分布関数ファミリー

Googleスプレッドシートには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 故障率が時間とともに変化する → WEIBULL.DIST（またはWEIBULL）
• 故障率が一定 → EXPON.DIST
• 連続データの確率 → NORM.DIST

まとめ

WEIBULL関数は、ワイブル分布にもとづいて確率を求める互換関数です。

• 4番目の引数にTRUEで「x以内に故障する確率」が返る
• FALSEで「時間xでの確率密度」が返る
• alphaは形状パラメータ（故障パターンを決める）、betaは尺度パラメータ（時間のスケールを決める）
• alpha < 1で初期故障型、alpha = 1で偶発故障型、alpha > 1で摩耗故障型
• 製品の故障率分析、保証期間の設定、メンテナンス計画の立案に使える
• 「x時間以上もつ確率」を求めるには =1 - WEIBULL(x, alpha, beta, TRUE) と書く
• xが負、alphaやbetaが0以下だと#NUM!エラー
• WEIBULL.DIST関数と計算結果は同じ。新規にはWEIBULL.DISTを推奨
• 故障率が一定ならEXPON.DIST関数、連続データの確率ならNORM.DIST関数を使う

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？

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。

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

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。

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

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。

「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

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。

最初に重要なお知らせ：WEIBULL関数はExcelの旧バージョン（Excel 2007以前）との互換性維持のために残されている関数です。Excel 2010以降では、後継の WEIBULL.DIST関数 を使うのが推奨されています。これから新しいシートを作るならWEIBULL.DISTを、既存シートにWEIBULL関数が残っている場合は早めに書き換えておきましょう。

この記事では、旧WEIBULL関数の構文と使い方を整理しつつ、WEIBULL.DISTへの移行手順も含めて解説します。

WEIBULL関数とは？

読み方と語源

「ワイブル」と読みます。スウェーデンの工学者 Waloddi Weibull（ワロディ・ワイブル）が1951年に提唱した ワイブル分布 にちなんでいます。当初は材料の破壊強度のばらつきを表す分布として発表されましたが、現在では機器の寿命解析や信頼性工学の標準ツールとして世界中で使われています。

ワイブル分布とは？

ワイブル分布は 機器の寿命・故障分析 に広く使われる確率分布です。2つのパラメーター（形状・尺度）を持ち、値を変えることで多様な故障パターンを1つの式で表現できる、というのが大きな特徴です。

この3パターンを1つの分布でまとめて扱えるため、製造業の品質管理やプラントの保全計画にぴったり合うのです。

互換関数としての位置づけ

WEIBULL関数はExcel 2010でWEIBULL.DISTに置き換えられ、現在は 互換性維持のため に残されています。計算結果はWEIBULL.DISTと完全に同じですが、将来のバージョンで廃止される可能性がアナウンスされています。新規作成のシートでは必ずWEIBULL.DISTを使いましょう。

WEIBULL関数の書き方

基本構文

=WEIBULL( x, α, β, 関数形式 )

引数の説明

パラメーターの意味をもう少し詳しく

• α（形状）：故障の傾向を表します。1未満なら初期不良型、1ならランダム故障型、1超なら摩耗故障型です
• β（尺度）：寿命の目安となる値（特性寿命）です。x = β のとき、累積故障率はα値によらず常に約63.2%になります
• 関数形式：TRUEは「時間x以内に故障する確率」、FALSEは「x時点での確率密度」を返します。実務ではTRUEを使う場面が圧倒的に多いです

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の設備について、500時間時点での故障確率を求めてみましょう。

=WEIBULL(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%）

α=2は摩耗故障型を表すので、稼働時間が増えるほど故障確率も加速度的に上がる、という結果になります。

例2：確率密度関数を求める

=WEIBULL(500, 2, 1000, FALSE)

指定したx時点での確率密度値が返されます。確率密度関数はハザード率（瞬間故障率）の計算など、信頼性分析の応用計算で使います。

例3：セル参照を使って汎用化する

実務では引数を直接書かず、セル参照にして使い回せる形にするのが定番です。

=WEIBULL(B2, B3, B4, TRUE)

• B2：評価点（x）
• B3：形状パラメーター（α）
• B4：尺度パラメーター（β）

B3・B4を1か所にまとめ、B2をオートフィルで100、200、300…と並べれば、時間ごとの故障確率推移を一気に計算できます。

例4：複数の形状αで故障パターンを比較する

α値を変えると同じ時間でも故障確率が大きく変わります。3パターン並べて比較してみましょう。

=WEIBULL(500, 0.5, 1000, TRUE)  → 約0.506（初期不良型）
=WEIBULL(500, 1,   1000, TRUE)  → 約0.393（偶発故障型）
=WEIBULL(500, 2,   1000, TRUE)  → 約0.221（摩耗故障型）

x=500・β=1000という同じ条件でも、形状αによって故障確率は半分以下から5割超まで変動します。ワイブル分析でαの値を正しく推定する重要性が分かります。

実務での活用例

活用例1：設備保全計画の策定

工場の機械設備について、過去の故障データからα・βを推定し、「稼働X時間での故障確率」を計算します。

A列（評価時間）：100, 200, 300, ...（オートフィル）
B列：=WEIBULL(A2, $D$2, $D$3, TRUE)

D2にα推定値、D3にβ推定値を入れておけば、B列の累積故障確率を一覧化できます。故障確率が事前に設定した閾値（例：10%）を超える時間が、計画的に交換すべきタイミングの目安になります。

活用例2：製品ロットの信頼性評価

寿命試験のデータからワイブルパラメーターを推定して、保証期間内（例：1年=8,760時間）の故障率を予測します。

=WEIBULL(8760, α, β, TRUE)

この結果を品質目標値（例：1%未満）と比較し、設計改善や工程変更の判断材料にできます。

活用例3：ハザード率（瞬間故障率）の計算

ワイブル分布のハザード率は、確率密度関数を「累積分布関数の補数」で割って求めます。

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

時間とともにハザード率がどう変化するかをグラフ化すると、いわゆる バスタブ曲線 が描けます。

活用例4：MTTF（平均故障寿命）の計算

ワイブル分布の理論的なMTTFは β × Γ(1 + 1/α) で求められます。Excelでは GAMMA関数 を組み合わせて計算します。

=B4 * GAMMA(1 + 1 / B3)

B3にα、B4にβを入れておけば、推定された平均寿命を表示できます。

WEIBULL.DIST関数との違い

結論：構文・引数・計算結果はすべて同一です。既存シートでWEIBULL関数を使っている場合は、関数名を WEIBULL.DIST に変えるだけで移行できます。

詳しい使い方は 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 を参照してください。

WEIBULL → WEIBULL.DIST への一括移行手順

1. Ctrl+H で「検索と置換」を開く
2. 検索する文字列：WEIBULL(
3. 置換後の文字列：WEIBULL.DIST(
4. 「すべて置換」を実行

これだけで移行は完了します。WEIBULL_INV のような他の関数名と衝突しないように、必ず末尾の ( まで含めて置換するのがコツです。

よくあるエラーと対処法

特に多いのが α・βの推定ミス です。少数のデータから機械的に推定すると誤差が大きくなるので、最低でも20点以上のサンプルを使うのが望ましいとされています。

よくある質問（FAQ）

Q1. WEIBULLとWEIBULL.DISTのどちらを使うべきですか？

A. 新しく作るシートでは必ず WEIBULL.DIST を使ってください。WEIBULLは互換性のために残っているだけで、将来的に廃止される可能性があります。既存シートでWEIBULLを使っている場合も、機会を見て書き換えておくのが安全です。

Q2. α・βはどうやって求めればよいですか？

A. ワイブル確率紙にプロットして直線回帰する方法と、対数最小二乗法をExcelのSLOPE関数と組み合わせる方法があります。少数データでも推定はできますが、サンプル数が少ないと推定誤差が大きくなるため、できれば20点以上の故障データを集めましょう。

Q3. xにマイナスの値や0を入れるとどうなりますか？

A. xが0より小さい場合は #NUM! エラーになります。x=0は受け付けますが、累積分布関数なら0、確率密度関数も0（α≥1のとき）が返るだけで意味のある値にはなりません。x>0の範囲で使うのが基本です。

Q4. ワイブル分布と正規分布はどう使い分けますか？

A. 寿命や故障時間のように「0以上の正の値で、右に裾を引く分布」にはワイブル分布が向いています。一方、誤差や測定値のように左右対称な分布には 正規分布（NORM.DIST） が適しています。データの形状を確認してから選びましょう。

Q5. 関数形式のTRUE/FALSEはどちらを使えばいい？

A. 実務では TRUE（累積分布関数） を使うことが圧倒的に多いです。「ある時間までに故障する確率」を直接得られるので、保全タイミングや保証期間の判断に直結します。FALSE（確率密度関数）はハザード率の計算など、応用的な分析で使う場面に限られます。

まとめ

WEIBULL関数のポイントを整理します。

• WEIBULL関数はワイブル分布の累積分布関数（TRUE）または確率密度関数（FALSE）を計算する関数
• 形状パラメーターαで初期不良型・偶発故障型・摩耗故障型の3パターンをモデル化できる
• 尺度パラメーターβは特性寿命の目安（β時点で累積故障率が約63.2%になる）
• WEIBULLは互換関数。現行Excelでは同等機能の WEIBULL.DIST関数 の使用が推奨
• 構文は完全に同じ。WEIBULL( を WEIBULL.DIST( に置換するだけで移行できる

信頼性工学・品質管理にExcelを活用するなら、まずはWEIBULL.DIST関数で累積分布関数（TRUE）を試してみるのが第一歩です。データさえあれば、今すぐ自分の現場の設備や製品の寿命分析を始められます。

関連記事

• 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
• GAMMA関数の使い方｜ガンマ関数の値を求める
• NORM.DIST関数の使い方｜正規分布の確率密度・累積分布を求める
• CHISQ.DIST関数の使い方｜カイ二乗分布の左側累積確率を求める
• アルファベット順 Excel関数一覧
• 機能別 Excel関数一覧