All'inizio di questo mese, abbiamo avuto il piacere di ospitare Bill Meeker Professore di arti liberali e scienze presso l'Iowa State University, sul nostro Parlando analiticamente serie di webcast. Bill è un noto autore ed esperto nelle aree di analisi dei dati di affidabilità, pianificazione dei test di affidabilità, test accelerato, valutazione non distruttiva e calcolo statistico. I nostri telespettatori hanno avuto così tante buone domande per Bill durante il webcast live, non abbiamo avuto il tempo di includerle tutte. Per quelli che erano in coda, Bill ha gentilmente fornito risposte.
Domanda : Esiste un collegamento o una relazione tra analisi di coorte e analisi di sopravvivenza? Possono essere usati insieme? E se sì, come si completerebbero a vicenda?
Risposta : Sì, l'analisi di coorte e i metodi di analisi di sopravvivenza possono essere usati insieme per ottenere maggiori informazioni sul comportamento della popolazione. Nell'analisi di coorte, stratifichiamo la nostra popolazione in diversi gruppi di unità che condividono caratteristiche o caratteristiche simili. Ad esempio, potremmo stratificare una popolazione di potenziali clienti sulla base della posizione geografica e / o delle esperienze passate con i potenziali clienti. Quindi potremmo, ad esempio, fare analisi separate del tempo per rispondere a un'offerta per ciascun sottogruppo. Un modello appropriato per adattarsi sarebbe il "modello di sottopopolazione difettoso" (o modello DS) in JMP , nella piattaforma di Life Distribution. Una parte della popolazione non risponderà mai. Questo modello è anche noto come "modello di popolazione con insufficienza limitata" e "modello di cura", che consente di stimare la percentuale della popolazione che risponderà e la distribuzione del tempo per rispondere per ciascun sottogruppo. Questo modello è descritto in dettaglio nel capitolo 11 di Meeker ed Escobar (1998). Nella Life Distribution e in molte altre piattaforme, esiste un'analisi "Per" che effettuerà analisi separate per ogni coorte. (In JMP 12, ci sarà un'opzione "Confronta gruppi" nella piattaforma di Life Distribution per rendere ancora più facile l'esecuzione di tali confronti.)
Domanda : Hai menzionato la recidiva come un'applicazione di affidabilità. Quali sono alcune altre aree di applicazione dell'analisi di affidabilità che non hai menzionato durante il webcast?
Risposta : Sì, Anne ha menzionato la recidiva, e quella è stata certamente un'applicazione di analisi dei dati sulla vita (aka metodi di analisi di sopravvivenza). In effetti, è stata una delle prime applicazioni del "modello di cura" di cui sopra. C'era interesse per quanto tempo una persona sarebbe rimasta fuori dalla prigione dopo il rilascio. Ma, naturalmente, alcuni individui sono "guariti" e non torneranno mai più. Esistono innumerevoli applicazioni di questi metodi, che in genere potrebbero essere chiamate applicazioni "time to event". Nell'affidabilità dell'ingegneria, spesso ci preoccupiamo del tempo di guasto o del tempo di restituzione (di un prodotto per la riparazione in garanzia). Nella scienza alimentare e nello sviluppo di molti altri prodotti, uno è interessato alla durata di conservazione. Nel settore bancario, ci sarebbe interesse per il "tempo di pagamento" per un prestito insoluto. Nelle applicazioni mediche, c'è interesse in tempo per il recupero dopo un trattamento. In sociologia, potrebbe esserci interesse in tempo per il divorzio dopo il matrimonio. Ancora una volta, il modello di "cura" potrebbe essere appropriato qui perché una proporzione considerevole di coppie non potrà mai divorziare. In molte applicazioni, non siamo solo interessati al primo evento, ma alla ricorrenza di determinati eventi nel tempo. Gli esempi includono la ricorrenza di una malattia nel tempo (ad esempio, raffreddori comuni), riparazioni di una macchina, la restituzione dei clienti per ulteriori acquisti, ecc. Modelli speciali e metodi sono disponibili per tali dati. Di nuovo, raccomando Wayne Nelson del 2003 libro sul tema come un buon posto per iniziare a conoscere l'analisi dei dati di recidiva. JMP ha anche potenti metodi di analisi per i dati di ricorrenza.
Domanda : Hai spesso bisogno di convincere gli utenti finali o i clienti che sono necessarie 25 o 30 prove, quando queste prove sono costose e quindi resistono? Se sì, quale approccio useresti?
Risposta : Sì, la domanda più frequente di qualsiasi consulente statistico è "quante unità devo testare?" E nelle applicazioni di affidabilità sentiamo la domanda correlata "Quanto tempo ho bisogno di testare?" JMP ha strumenti estesi per pianificazione di esperimenti di diversi tipi, compresi esperimenti di affidabilità come test di dimostrazione e test di vita accelerato. La teoria dietro i metodi è impeccabile. Quando il software dice che hai bisogno di 30 unità per raggiungere la precisione desiderata, è corretto. Ma questo potrebbe non aiutare a convincere gli utenti finali con risorse limitate. Ho trovato utile integrare le risposte "scatola nera" con ripetute simulazioni dell'esperimento proposto. Di solito analizzo cinque o sei serie di dati simulati completi e riassumo graficamente i risultati di 50 di tali esperimenti simulati. I risultati del sommario di simulazione presentati graficamente consentono di visualizzare la variabilità che ci si potrebbe aspettare di vedere in esperimenti ripetuti e quanto lontano dalla verità possa essere un dato risultato. Tali simulazioni possono essere utilizzate per confrontare diversi piani di test candidati (ad esempio, diverse dimensioni del campione). Non è necessario conoscere alcuna teoria del design sperimentale per apprezzare le implicazioni derivanti dalla visualizzazione dei risultati della simulazione. Tali simulazioni potrebbero essere programmate in JMP Scripting Language, JSL.
Domanda : Puoi parlare di studi sull'affidabilità come una - o la principale - considerazione in un esperimento progettato, in particolare per quanto riguarda l'approccio adottato con i metodi di Taguchi?
Risposta : Metodi Taguchi (aka metodi di progettazione robusti) forniscono una collezione di strumenti di progettazione di esperimento che possono essere utilizzati per rendere i prodotti e i processi più robusti ai rumori esterni, come la variabilità delle materie prime o la variabilità nel modo in cui un prodotto viene utilizzato. L'uso di questi metodi ha dimostrato di avere un alto potenziale per migliorare la qualità di un prodotto o l'output di un processo. Poiché la qualità è un prerequisito per l'alta affidabilità (ricorda che l'affidabilità è "qualità nel tempo"), l'uso sapiente di metodi di progettazione robusti migliorerà anche l'affidabilità. In alcune applicazioni, è possibile utilizzare solidi metodi di progettazione per concentrarsi direttamente sull'affidabilità. Due libri che consiglio vivamente per questa zona sono:
Condra, L. (2001). Miglioramento dell'affidabilità con Design of Experiment. Stampa CRC.Grove, DM e Davis, TP (1992). Ingegneria, qualità e progettazione sperimentale . Longman Scientific & Technical. Domanda : Quando si esclude una modalità di errore, tratta quelli come dati censurati?
Risposta : Nell'analisi della modalità a errori multipli, il primo passo consiste nel valutare le distribuzioni "marginali" per ciascuna modalità di errore. Sotto l'assunzione di indipendenza delle diverse modalità di errore, questo viene fatto, letteralmente, creando insiemi di dati separati per ciascuna delle diverse modalità di errore e quindi facendo analisi separate per ciascuna. Nella costruzione di questi set di dati, concentrati su una modalità di errore, l'errore per tutte le altre modalità di errore viene considerato come censurato correttamente (poiché tutto ciò che sappiamo è che la modalità di errore non è ancora stata attivata). Questo viene fatto per ogni modalità di errore. Quindi il cosiddetto "modello di sistema di serie" può essere utilizzato per combinare le stime delle distribuzioni marginali per ottenere una stima della distribuzione del tempo di guasto con tutte le modalità di errore attive. Una semplice estensione di questo approccio è di fornire una stima della distribuzione del tempo di errore con solo alcune delle modalità di errore attive (in modo da poter vedere l'effetto di eliminare una o più delle altre modalità di errore). Un software moderno con funzionalità per l'analisi dei dati di affidabilità, come JMP, farà tutto questo automaticamente. I dettagli tecnici per questo argomento sono disponibili nel capitolo 15 di Meeker ed Escobar (1998).
Se ti piacerebbe vedere il webcast archiviato , puoi imparare di più dalla vasta esperienza di Bill su statistiche, affidabilità e altro ancora.
