Anfang dieses Monats hatten wir das Vergnügen, Gastgeber zu sein Bill Meeker , Renommierter Professor für freie Künste und Wissenschaften an der Iowa State University, über unsere Analytisch sprechen Webcast-Serie. Bill ist ein bekannter Autor und Experte in den Bereichen Zuverlässigkeitsdatenanalyse, Zuverlässigkeitsprüfungsplanung, beschleunigtes Testen, zerstörungsfreie Bewertung und statistische Berechnungen. Unsere Zuschauer hatten während des Live-Webcasts so viele gute Fragen an Bill, dass wir keine Zeit hatten, alle einzubeziehen. Für diejenigen, die sich in der Warteschlange befanden, hat Bill freundlicherweise Antworten gegeben.
Frage : Gibt es einen Zusammenhang oder Zusammenhang zwischen Kohortenanalyse und Überlebensanalyse? Können sie zusammen verwendet werden? Und wenn ja, wie würden sie sich ergänzen?
Antworten : Ja, Methoden der Kohortenanalyse und Überlebensanalyse können zusammen verwendet werden, um mehr Einblick in das Bevölkerungsverhalten zu erhalten. In der Kohortenanalyse gliedern wir unsere Bevölkerung in verschiedene Gruppen von Einheiten, die ein ähnliches Merkmal oder ähnliche Merkmale aufweisen. Zum Beispiel könnten wir eine Population potenzieller Kunden nach geografischem Standort und / oder früheren Erfahrungen mit den potenziellen Kunden einordnen. Dann könnten wir beispielsweise separate Zeitanalysen durchführen, um auf ein Angebot für jede Untergruppe zu antworten. Ein passendes Modell für dieses Modell wäre das "defekte Subpopulationsmodell" (oder DS-Modell) in JMP in der Life-Distribution-Plattform. Ein Teil der Bevölkerung wird niemals antworten. Dieses Modell wird auch als "begrenztes Versagensgruppenmodell" und "Heilungsmodell" bezeichnet und ermöglicht die Abschätzung des Anteils der Bevölkerung, der antworten wird, und die Verteilung der Zeit für jede Subgruppe. Dieses Modell wird in Kapitel 11 von Meeker und Escobar (1998) ausführlich beschrieben. In der Lebensdistribution und auf vielen anderen Plattformen gibt es die Option "Nach", mit der für jede Kohorte separate Analysen durchgeführt werden. (In JMP 12 gibt es auf der Life-Distribution-Plattform eine Option zum Vergleichen von Gruppen, um den Vergleich solcher Vergleiche noch einfacher zu machen.)
Frage : Sie haben den Rückfall als eine Anwendung der Zuverlässigkeit erwähnt. Welche anderen Anwendungsbereiche der Zuverlässigkeitsanalyse haben Sie im Webcast nicht erwähnt?
Antworten : Ja, Anne hat Rückfälle erwähnt, und das war sicherlich eine Anwendung der Lebensdatenanalyse (aka Überlebensanalyse) Methoden. In der Tat war dies eine der ersten Anwendungen des oben genannten "Heilungsmodells". Es bestand Interesse daran, wie lange eine Person nach ihrer Freilassung aus dem Gefängnis bleiben würde. Aber manche Menschen sind natürlich „geheilt“ und werden niemals wiederkommen. Es gibt unzählige Anwendungen dieser Methoden, die generisch als "Time to Event" -Anwendungen bezeichnet werden können. In Bezug auf die Zuverlässigkeit von Konstruktionen sind wir oft besorgt über die Zeit bis zum Versagen oder die Rückgabezeit (eines Produkts für die Garantiereparatur). In der Lebensmittelwissenschaft und bei der Entwicklung vieler anderer Produkte interessiert man sich für die Haltbarkeit. In der Bankenbranche besteht Interesse an der "Zeit bis zur Zahlung" für ein ausgefallenes Darlehen. Bei medizinischen Anwendungen besteht ein Interesse an der Genesungszeit nach einer Behandlung. In der Soziologie könnte es Zeit für eine Scheidung nach der Ehe geben. Auch hier könnte das „Heilungsmodell“ angebracht sein, da ein beträchtlicher Teil der Paare sich niemals scheiden lassen wird. In vielen Anwendungen interessieren wir uns nicht nur für das erste Ereignis, sondern für die Wiederholung bestimmter Ereignisse im Laufe der Zeit. Beispiele sind das Wiederauftreten einer Krankheit im Laufe der Zeit (z. B. Erkältungen), Reparaturen einer Maschine, Kunden, die für mehr Einkäufe zurückkehren, usw. Für diese Daten stehen spezielle Modelle und Methoden zur Verfügung. Auch hier empfehle ich Wayne Nelson 2003 Buch über das Thema als einen guten Ort, um die Analyse von Wiederholungsdaten zu erlernen. JMP verfügt auch über leistungsfähige Analysemethoden für Wiederholungsdaten.
Frage : Müssen Sie Endbenutzer oder Kunden oft davon überzeugen, dass 25 oder 30 Versuche erforderlich sind, wenn diese Versuche teuer sind und sich daher widersetzen? Wenn ja, welchen Ansatz würden Sie verwenden?
Antworten : Ja, die häufigste Frage, die von einem statistischen Berater gestellt wird, lautet "Wie viele Einheiten muss ich testen?". In Zuverlässigkeitsanwendungen hören wir die zugehörige Frage "Wie lange muss ich testen?". JMP verfügt über umfangreiche Tools Planungsversuche von verschiedenen Arten, einschließlich Zuverlässigkeitsexperimenten wie Demonstrationstests und beschleunigten Lebensdauertests. Die Theorie hinter den Methoden ist tadellos. Wenn die Software sagt, dass Sie 30 Einheiten benötigen, um die gewünschte Genauigkeit zu erreichen, ist dies richtig. Dies kann jedoch nicht dazu beitragen, Endbenutzer mit begrenzten Ressourcen zu überzeugen. Ich fand es nützlich, die Antworten auf die "Black Box" durch wiederholte Simulation des vorgeschlagenen Experiments zu ergänzen. Ich durchlaufe die Analyse normalerweise fünf oder sechs vollständige simulierte Datensätze und fasse dann die Ergebnisse von 50 solcher simulierten Experimente grafisch zusammen. Die grafisch dargestellten Ergebnisse der Simulationszusammenfassung ermöglichen die Visualisierung der Variabilität, die man in wiederholten Experimenten erwarten könnte, und inwieweit ein bestimmtes Ergebnis von der Wahrheit entfernt ist. Solche Simulationen können verwendet werden, um verschiedene Kandidatentestpläne (z. B. unterschiedliche Stichprobengrößen) zu vergleichen. Sie müssen keine Theorie des experimentellen Designs kennen, um die Auswirkungen der Visualisierung der Simulationsergebnisse verstehen zu können. Solche Simulationen könnten in der JMP Scripting Language (JSL) programmiert werden.
Frage : Können Sie von Zuverlässigkeitsstudien als einer - oder der Haupt - Überlegung in einem entworfenen Experiment sprechen, insbesondere im Hinblick auf den Ansatz, der mit den Taguchi-Methoden verfolgt wird?
Antworten : Taguchi-Methoden (aka robuste Konstruktionsmethoden) bieten eine Sammlung von Design-of-Experiment-Tools, mit denen Produkte und Prozesse robuster gegen Fremdgeräusche gemacht werden können, z. B. Variabilität der Rohstoffe oder Variabilität der Verwendung eines Produkts. Es hat sich gezeigt, dass die Verwendung dieser Methoden ein hohes Potenzial zur Verbesserung der Qualität eines Produkts oder des Outputs eines Prozesses aufweist. Da Qualität eine Voraussetzung für hohe Zuverlässigkeit ist (erinnern Sie sich daran, dass Zuverlässigkeit „Qualität über Zeit“ ist), verbessert der geschickte Einsatz robuster Konstruktionsmethoden auch die Zuverlässigkeit. In einigen Anwendungen können robuste Entwurfsmethoden verwendet werden, um sich direkt auf die Zuverlässigkeit zu konzentrieren. Zwei Bücher, die ich für diesen Bereich sehr empfehlen kann, sind:
Condra, L. (2001). Verbesserung der Zuverlässigkeit durch Versuchsplanung. CRC Press.Grove, DM & Davis, TP (1992). Engineering, Qualität und experimentelles Design . Longman Scientific & Technical. Frage : Wenn Sie einen Fehlermodus ausschließen, werden diese als zensierte Daten behandelt?
Antworten : Bei der Analyse mehrerer Fehlerarten werden zunächst die Randverteilungen für die einzelnen Ausfallarten geschätzt. Unter der Annahme, dass die verschiedenen Fehlermodi unabhängig sind, geschieht dies buchstäblich, indem für jeden der verschiedenen Fehlermodi separate Datensätze erstellt werden und dann für jeden der jeweiligen Modi separate Analysen durchgeführt werden. Bei der Konstruktion dieser Datensätze mit Fokus auf einen Fehlermodus werden Fehler für alle anderen Fehlermodi als richtig zensiert behandelt (da wir nur wissen, dass der Fokusmodus noch nicht aufgetreten ist). Dies wird für jeden Fehlermodus durchgeführt. Dann kann das sogenannte "Seriensystemmodell" verwendet werden, um die Schätzungen der Randverteilungen zu kombinieren, um eine Schätzung der Ausfallzeitverteilung mit allen aktiven Ausfallmodi zu erhalten. Eine einfache Erweiterung dieses Ansatzes besteht darin, eine Schätzung der Ausfallzeitverteilung bereitzustellen, wobei nur einige der Fehlermodi aktiv sind (so können Sie die Auswirkung der Beseitigung eines oder mehrerer der anderen Fehlermodi sehen). Moderne Software mit Funktionen zur Analyse von Zuverlässigkeitsdaten wie JMP erledigt dies automatisch. Technische Details zu diesem Thema finden Sie in Kapitel 15 von Meeker und Escobar (1998).
Wenn Sie das sehen möchten archivierter Webcast erfahren Sie mehr über das umfassende Know-how von Bill zu Statistiken, Zuverlässigkeit und mehr.
