我们提出一个简单的接近正常随机变量近似一个威布尔(r.v),考虑的问题估计预测上限(推),其中包括至少<我t一个l我c>l的<我t一个l我c>米未来的观测的威布尔分布在每个<我t一个l我c>r地点,基于提出的近似和著名的Box-Cox正常近似。基于蒙特卡罗模拟的比较研究显示,正常approximation-based推为威布尔分布比那些基于现有的广义变量(问)方法。正常approximation-based占有有明显大的覆盖概率比问的方法,特别是对于小未知形状参数分布高度倾斜,对于小样本大小在工业应用中经常遇到的。结果说明与从业者的真实数据集。