6. MTTF (Mean Time To Failure)

MTTF(Mean Time To Failure)는 비수리 대상이 고장에 도달하기까지 걸리는 평균 시간, 즉 평균 고장시간을 의미한다.

퓨즈, 전자부품, 센서, 베어링과 같은 부품처럼 고장 발생 후 수리하여 동일한 개체를 계속 사용하는 것이 아니라 교체하는 방식으로 관리되는 대상에서 주로 활용된다.

그러나 MTTF를 단순히 “이 부품은 평균적으로 몇 시간 사용할 수 있다”라고 해석하면 중요한 오류가 발생할 수 있다.

MTTF는 개별 제품의 수명을 예측하는 숫자가 아니라 수명분포 전체를 하나의 평균값으로 요약한 지표이기 때문이다.

따라서 전문적인 신뢰성 분석에서는 MTTF의 크기보다 그 평균을 만들어낸 수명분포와 고장 발생 패턴을 함께 살펴보는 것이 중요하다.

---

6-1. MTTF의 기본 개념

고장까지 걸리는 시간을 확률변수 $T$라고 하면 평균수명은 다음과 같이 표현할 수 있다.$$MTTF=E[T]$$

확률밀도함수 $f(t)$를 이용하면,$$MTTF=\int_0^\infty t f(t)\,dt$$

로 나타낼 수 있다.

그런데 신뢰도 함수 $R(t)$와 연결하면 더욱 중요한 형태가 나온다.$$\boxed{MTTF=\int_0^\infty R(t)\,dt}$$

즉, MTTF는 단순히 고장시간의 평균을 계산하는 것뿐만 아니라 시간에 따라 살아남아 있는 확률을 전체적으로 누적한 값으로도 해석할 수 있다.

이 관계는 MTTF를 신뢰도 함수와 직접 연결해 주기 때문에 신뢰성공학에서 매우 중요하다.

---

6-2. MTTF가 10,000시간이라는 말의 진짜 의미

어떤 부품의 MTTF가 10,000시간이라고 가정해보자.

여기서 흔히 다음과 같이 생각하기 쉽다.

“10,000시간까지 사용할 수 있다.”

하지만 이것은 MTTF의 의미가 아니다.

MTTF 10,000시간은 여러 개체의 고장시간을 통계적으로 평균했을 때 10,000시간이라는 뜻이다.

어떤 부품은 3,000시간에 고장날 수 있고, 다른 부품은 20,000시간 이상 사용할 수도 있다.

따라서 MTTF는$$\text{개별 부품의 보증수명} \neq \text{예상 고장시점}$$

이라는 점을 분명하게 구분해야 한다.

---

6-3. MTTF와 50% 생존시점은 같은 값이 아니다

여기서 상당히 중요한 분석 포인트가 나온다.

평균수명(MTTF)과 중앙수명(Median Life)은 서로 다른 개념이다.

중앙수명 $t_{50}$은 다음 조건을 만족하는 시간이다.$$R(t_{50})=0.5$$

즉, 해당 시점까지 생존할 확률과 고장할 확률이 각각 50%가 되는 지점이다.

반면 MTTF는 전체 수명분포의 평균이다.

수명분포가 비대칭적이라면$$MTTF \neq t_{50}$$

가 될 수 있다.

특히 일부 제품이 매우 긴 수명을 갖는 우측 꼬리가 긴 분포에서는 소수의 장수 제품이 평균값을 크게 끌어올릴 수 있다.

따라서 MTTF가 높다는 이유만으로 대부분의 제품이 그 시간까지 생존한다고 판단해서는 안 된다.

---

6-4. 동일한 MTTF를 가진 두 부품이 왜 다르게 위험할 수 있는가

전문적인 MTTF 분석에서 가장 흥미로운 부분이다.

두 부품의 MTTF가 모두 10,000시간이라고 가정한다.

부품 A

대부분의 제품이 9,000~11,000시간 사이에 고장한다.

부품 B

일부 제품은 1,000시간 이전에 고장하지만, 일부 제품은 20,000시간 이상 생존한다.

두 제품의 평균은 동일하게 10,000시간이 될 수 있다.

하지만 실제 운영에서는 위험도가 동일하다고 볼 수 없다.

A는 수명 분포가 상대적으로 좁고 예측 가능성이 높을 수 있지만, B는 초기고장과 장수 제품이 동시에 존재하는 높은 변동성을 가진 분포일 수 있다.

따라서 전문가의 질문은

“MTTF가 얼마인가?”

에서 끝나지 않고,

“그 MTTF를 만들어낸 수명분포는 어떤 형태인가?”

까지 확장된다.

---

6-5. MTTF와 Weibull β를 함께 보면 평균수명의 한계가 보인다

Weibull 분포에서는 평균수명을 다음과 같이 표현할 수 있다.$$MTTF= \eta\Gamma\left(1+\frac{1}{\beta}\right)$$

여기서

• $\beta$ : 형상모수
• $\eta$ : 척도모수
• $\Gamma$ : 감마함수

이다.

이 식에서 중요한 것은 MTTF가 β와 η의 영향을 동시에 받는다는 것이다.

즉, MTTF라는 하나의 숫자만 보고서는 수명분포의 형태를 충분히 알 수 없다.

Weibull의 β를 함께 보면 다음과 같은 분석이 가능하다.

β 범위	고장률 특성	MTTF 해석에서 주의할 점
β<1	시간에 따라 감소	초기고장 영향 가능
β≈1	일정	우연고장 성격
β>1	시간에 따라 증가	마모·열화 영향 가능

특히 β>1이면 시간이 지나면서 고장위험이 증가하므로 평균수명만 보고 교체시점을 정하는 것은 위험할 수 있다.

---

6-6. MTTF가 높아졌는데 실제 품질이 좋아졌다고 단정할 수 없는 경우

MTTF도 MTBF와 마찬가지로 데이터의 생성방식에 영향을 받는다.

예를 들어 초기 불량품을 시험 전에 제거하고 정상적으로 작동하는 제품만 시험한다면 계산된 MTTF가 높아질 수 있다.

또한 다음과 같은 조건에서도 MTTF가 달라질 수 있다.

• 시험 온도 변화
• 부하조건 변화
• 사용환경 변화
• 고장 판정기준 변경
• 초기 불량 제거
• 데이터 누락
• 시험 중단에 따른 검열자료 발생

따라서$$MTTF_{after}>MTTF_{before}$$

라는 결과만 가지고 설계 또는 제조공정이 개선되었다고 단정해서는 안 된다.

동일한 시험조건과 동일한 고장 정의를 유지했는지를 먼저 확인해야 한다.

---

6-7. 검열자료가 MTTF 해석을 어렵게 만드는 이유

신뢰성 시험에서는 모든 제품이 고장할 때까지 기다릴 수 없는 경우가 많다.

예를 들어 100개의 부품을 10,000시간 동안 시험했는데 10개만 고장하고 나머지 90개가 정상이라면, 시험 종료 시점까지 살아남은 제품은 아직 실제 수명을 알 수 없다.

이 자료를 단순히 제거하면 평균수명을 왜곡할 수 있다.

이처럼 관찰 종료 시점까지 고장이 발생하지 않은 자료를 우측 검열(right censoring) 자료라고 한다.

따라서 MTTF를 전문적으로 추정할 때는 단순 평균보다 검열자료를 포함한 통계적 추정방법을 고려해야 한다.

특히 신뢰성 시험에서는 최대우도추정(MLE)과 같은 방법을 사용하여 검열된 정보를 분석에 반영할 수 있다.

---

6-8. MTTF와 고장률은 서로 다른 질문에 답한다

MTTF는 평균적으로 얼마나 오래 사용하는가를 설명한다.

반면 고장률 $h(t)$은 특정 시점 $t$까지 정상적으로 살아남았다는 조건에서 그 이후 순간적으로 고장할 위험이 어떻게 변화하는가를 나타낸다.$$h(t)=\frac{f(t)}{R(t)}$$

따라서,$$MTTF \rightarrow \text{전체 수명의 평균}$$$$h(t) \rightarrow \text{시간에 따른 고장 위험}$$

이라는 차이가 있다.

이 차이를 이해하면 왜 평균수명 하나만으로 예방교체 시점을 결정하기 어려운지도 알 수 있다.

---

6-9. MTTF와 예방교체 시점은 동일하지 않다

예를 들어 어떤 부품의 MTTF가 12,000시간이라고 하자.

그렇다고 해서$$t_p=12,000\text{시간}$$

을 예방교체 시점으로 설정하는 것은 적절하지 않을 수 있다.

예방교체 시점은 목표 신뢰도와 고장 결과를 함께 고려해야 한다.

예를 들어 안전 관련 부품이라면 고장확률이 몇 %까지 증가하는지를 기준으로 교체시점을 결정할 수 있다.

Weibull 신뢰도 함수가$$R(t)=e^{-(t/\eta)^\beta}$$

라면 목표 신뢰도 $R^*$에 대응하는 시간을$$t_p= \eta[-\ln(R^*)]^{1/\beta}$$

와 같이 계산할 수 있다.

따라서 MTTF는 평균수명을 알려주는 지표이고, 목표 신뢰도 기반 교체시점은 별도의 의사결정 문제다.

---

6-10. MTTF를 부품 비교에 사용할 때 생기는 함정

두 부품의 MTTF가 다음과 같다고 하자.

부품	MTTF
A	8,000 h
B	10,000 h

숫자만 보면 B가 더 우수해 보인다.

그러나 실제 사용환경에서 B가 높은 온도에서 급격하게 고장률이 증가한다면 결과는 달라질 수 있다.

따라서 부품 비교에서는$$MTTF + \text{온도} + \text{부하} + \text{고장모드} + \beta + \text{고장률}$$

을 함께 고려하는 것이 바람직하다.

특히 전자부품이나 회전기계 부품처럼 환경조건에 따라 수명이 크게 변하는 대상에서는 시험조건이 실제 사용조건과 동일하거나 적절한 관계를 갖는지 확인해야 한다.

---

6-11. MTTF를 이용한 ‘수명 개선’과 ‘고장 억제’는 구분해야 한다

신뢰성 개선에서 흥미로운 점은 MTTF를 높이는 방법이 반드시 하나뿐인 것은 아니라는 것이다.

예를 들어 특정 부품의 초기고장을 줄이면 MTTF가 증가할 수 있다.

반면 마모가 진행되는 후반부의 고장률을 낮추어도 MTTF가 증가할 수 있다.

즉,$$MTTF\uparrow$$

라는 동일한 결과라도

초기고장 감소

와

마모고장 억제

는 전혀 다른 개선활동이다.

따라서 MTTF가 증가했다는 결과만 보고 개선효과를 판단하지 말고 어느 수명영역의 고장이 줄어들었는지를 확인해야 한다.

이 관점은 이후 욕조곡선과 Weibull 분석으로 자연스럽게 연결된다.

---

6-12. MTTF 데이터에서 전문가가 확인해야 할 질문

MTTF를 제대로 활용하려면 다음과 같은 질문이 중요하다.

① 평균이 아니라 수명분포는 어떤 형태인가?

평균값 주변에 고장이 집중되어 있는지, 넓게 분산되어 있는지 확인해야 한다.

② 초기고장이 존재하는가?

시험 초기에 집중적으로 고장이 발생한다면 제조·조립·설계상의 문제가 숨어 있을 수 있다.

③ 후반부 고장률이 증가하는가?

β>1이라면 마모와 열화에 따른 고장 가능성을 검토할 필요가 있다.

④ MTTF 증가가 실제 개선인가?

시험조건이나 데이터 수집방법이 변경되지 않았는지 확인해야 한다.

⑤ 검열자료가 존재하는가?

고장하지 않은 제품의 정보가 분석에서 빠지면 수명 추정이 왜곡될 수 있다.

⑥ MTTF와 중앙수명의 차이는 큰가?

차이가 크다면 수명분포의 비대칭성이 큰지 확인할 필요가 있다.

---

6-13. MTTF를 신뢰성 개선에 활용하는 분석 구조

전문적인 분석에서는 다음과 같은 흐름으로 접근할 수 있다.$$\boxed{ 수명데이터 수집 \rightarrow 고장시간 정리 \rightarrow 검열자료 확인 \rightarrow MTTF 산출 }$$

그 다음 단계에서,$$\boxed{ 수명분포 분석 \rightarrow Weibull\ \beta,\eta \rightarrow 고장률 분석 \rightarrow 고장모드 분석 }$$

으로 확장한다.

마지막으로,$$\boxed{ 원인분석 \rightarrow 설계·재료·운전조건 개선 \rightarrow MTTF 재평가 }$$

를 반복하면 평균수명 개선이 실제 신뢰성 향상으로 이어졌는지 확인할 수 있다.

---

6-14. MTTF에서 다음 단계로 넘어가는 핵심 질문

MTTF 분석이 끝났다고 해서 신뢰성 분석이 끝나는 것은 아니다.

오히려 다음 질문이 시작된다.

“평균적으로 얼마나 오래 사용하는가?”

↓

“시간이 지나면서 고장위험은 어떻게 변하는가?”

↓

“초기고장인가, 우연고장인가, 마모고장인가?”

↓

“어떤 고장모드가 수명을 제한하는가?”

↓

“고장 전에 어떤 상태변화를 감지할 수 있는가?”

이 흐름을 따라가면$$MTTF \rightarrow 고장률 \rightarrow 욕조곡선 \rightarrow Weibull \rightarrow 고장모드 \rightarrow 상태기반정비 \rightarrow RUL$$

이라는 전문적인 분석 체계를 구축할 수 있다.

---

핵심 정리

항목	단순한 이해	전문가 관점
MTTF	평균 고장시간	수명분포 전체를 평균으로 요약한 지표
MTTF 10,000h	10,000시간 사용 가능	개별 제품의 고장시점을 의미하지 않음
높은 MTTF	수명이 길다	분포·시험조건·검열자료를 확인
MTTF 비교	숫자가 큰 제품이 우수	동일 조건과 고장모드를 비교
MTTF 증가	품질 향상	어느 수명영역의 고장이 감소했는지 확인
MTTF와 고장률	비슷한 개념	MTTF는 평균, 고장률은 시간별 위험
MTTF와 교체주기	평균수명 = 교체시점	목표 신뢰도·비용·고장영향을 별도 고려
MTTF와 Weibull	별개의 지표	β·η를 통해 평균 뒤의 수명특성 분석
핵심	평균수명 계산	평균값이 숨기고 있는 고장분포를 해석

한 단계 더 깊은 결론

MTTF의 가장 큰 함정은 평균이 너무 많은 정보를 숨긴다는 데 있다.

MTTF가 높아졌다는 사실만으로 제품이 좋아졌다고 판단할 수 없으며, 동일한 MTTF를 가진 두 제품이라도 초기고장 비중, 수명분포의 폭, 마모고장 여부, 환경조건에 따른 고장률 변화가 다를 수 있다.

따라서 신뢰성공학에서 MTTF는 최종적인 결론이 아니라 “평균수명이라는 하나의 숫자 뒤에 어떤 고장분포가 존재하는가?”를 파헤치기 위한 출발점으로 보는 것이 가장 적절하다.