今月初め、私たちはホスティングをすることができましたビル・ミーカー 、アイオワ州立大学の教養学部教授、分析的に言えばウェブキャストシリーズ Billは信頼性データ分析、信頼性試験計画、加速試験、非破壊評価および統計計算の分野で著名な著者および専門家です。私たちの視聴者はライブウェブキャストの間にビルにとても多くの良い質問をしました、私たちはそれらすべてを含める時間がありませんでした。列に並んでいた人々のために、ビルは親切に答えを提供してくれました。
質問 ：コホート分析と生存分析の間に関連性はありますか？一緒に使えますか？そしてもしそうなら、彼らはどのようにお互いを補完するのだろうか？
回答はい、コホート分析法と生存分析法を組み合わせて使用することで、集団の行動をより深く理解することができます。コホート分析では、我々は人口を似たような特性を持つユニットの異なるグループに階層化します。たとえば、地理的な場所や潜在的な顧客との過去の経験に基づいて、潜在的な顧客の人口を層別化することができます。それから、たとえば、サブグループごとにオファーに応答するために、別々の時間分析を行うことができます。適合する適切なモデルは、「欠陥のある亜集団モデル」（またはDSモデル）です。 JMP 、Life Distributionプラットフォームでは。人口の一部は決して反応しないでしょう。このモデルは「限定的失敗母集団モデル」および「治癒モデル」としても知られていて、応答する母集団の割合と各サブグループの応答時間の分布の推定を可能にします。このモデルは、Meeker and Escobar（1998）の第11章にある程度詳細に記述されています。Life Distributionや他の多くのプラットフォームでは、各コホートごとに別々の分析を行う「By」分析オプションがあります。（JMP 12では、このような比較をさらに実行しやすくするために、Life Distributionプラットフォームに「Compare Groups」オプションがあります。
質問 ：あなたは信頼性の応用として再犯を述べました。Webキャストで言及しなかった、信頼性分析の他の適用分野は何ですか？
回答 ：はい、アンは再犯を述べました、そしてそれは確かに生命データ分析の応用でした（別名 生存分析）方法。確かに、それは上記の「治療モデル」の初期の応用の1つでした。釈放されてからどれだけの期間、刑務所に入らないかに関心がありました。しかし、もちろん、何人かの個人は「治癒」しており、決して戻ってこないでしょう。これらの方法には無数のアプリケーションがあり、それらは総称して「イベントまでの時間」アプリケーションと呼ばれることがあります。技術的信頼性において、我々はしばしば（保証修理のための製品の）故障までの時間または返却までの時間を心配します。食品科学および他の多くの製品の開発において、貯蔵寿命に関心があります。銀行業界では、債務不履行ローンの「支払いまでの時間」に関心があるでしょう。医療用途では、治療後に回復するまでの時間に関心があります。社会学では、結婚後に離婚する時期に興味があるかもしれません。ここでも、かなりの割合のカップルが離婚することは決してないため、「治療」モデルがここでは適切かもしれません。多くのアプリケーションでは、最初のイベントだけに関心があるのではなく、特定のイベントが繰り返し発生することに関心があります。例としては、長期にわたる病気の再発（例：風邪など）、機械の修理、さらなる購入のために戻ってくる顧客などがあります。そのようなデータには特別なモデルと方法があります。繰り返しますが、Wayne Nelsonの2003年をお勧めします。本再発データの分析について学び始めるのに適した場所として、被験者に JMPには、再発データの強力な分析方法もあります。
質問 ：これらのトライアルが高価で抵抗があるときに、エンドユーザーまたは顧客に25または30のトライアルが必要であると納得させる必要がありますか？もしそうなら、どのようなアプローチを使用しますか？
回答はい。統計コンサルタントに尋ねられる最も一般的な質問は、「テストする必要がある単位数」です。信頼性アプリケーションでは、「どのくらいの期間テストする必要がありますか」という関連質問があります。実験計画デモンストレーションテストや加速寿命テストなどの信頼性実験を含むさまざまな種類の。メソッドの背後にある理論は完璧です。ソフトウェアが要求された精度を達成するためにあなたが30単位を必要とすると言うとき、それは正しいです。しかし、それは限られたリソースでエンドユーザーを納得させるのに役立ちません。提案された実験を繰り返しシミュレーションすることで「ブラックボックス」の回答を補完することが有用であることがわかりました。私は通常5つか6つの完全な模擬データセットを分析し、それから50の模擬実験の結果をグラフで要約します。シミュレーションで要約された結果をグラフで表示することで、繰り返し実験で予想される可能性がある変動性と、与えられた結果が真実からどれほど離れているかを視覚化できます。そのようなシミュレーションは、異なる候補試験計画（例えば、異なるサンプルサイズ）を比較するために使用することができる。シミュレーション結果の視覚化からもたらされる影響を理解するために、実験計画法の理論を知る必要はありません。そのようなシミュレーションは、JMPスクリプト言語、JSLでプログラムすることができます。
質問 ：特に田口メソッドで取られたアプローチに関して、設計された実験で信頼性研究を1つの、または主な考慮事項として話すことができますか？
回答 ：田口メソッド（別名 ロバスト設計法）は、原材料のばらつきや製品の使用方法のばらつきなど、製品やプロセスを外部ノイズに対してより堅牢にするために使用できる一連の実験計画法ツールを提供します。これらの方法の使用は、製品の品質またはプロセスの生産量を改善するための高い可能性を有することが示されている。品質は高い信頼性のための前提条件であるため（信頼性は「時間の経過とともに品質」であることを思い出してください）、堅牢な設計手法を上手に使用することで信頼性も向上します。いくつかの用途では、信頼性に直接焦点を合わせるためにロバスト設計方法を使用することができる。この分野で私が強くお勧めする2冊の本は、
Condra、L.（2001）。実験計画法による信頼性の向上 CRCプレス。Grove、DM、＆Davis、TP（1992）。工学、品質および実験計画 。 ロングマンサイエンティフィック＆テクニカル。質問 ：失敗モードを除外すると、それらは打ち切りデータとして扱われますか？
回答 ：多重故障モード解析では、最初のステップは各故障モードの「周辺」分布を推定することです。異なる故障モードの独立性の仮定の下で、これは文字通り、異なる故障モードのそれぞれに対して別々のデータセットを作成し、次にそれぞれに対して別々の分析を行うことによって行われる。これらのデータセットの構築では、1つの故障モードに焦点を当てて、他のすべての故障モードの故障は正しく検閲されたものとして扱われます。これは各障害モードに対して行われます。次に、いわゆる「直列システムモデル」を使用して、周辺分布の推定値を組み合わせて、アクティブなすべての故障モードでの故障時間分布の推定値を取得できます。このアプローチを単純に拡張すると、一部の障害モードのみをアクティブにして、障害時間の分布を見積もることができます（したがって、他の障害モードを1つ以上削除した場合の効果を確認できます）。JMPのような信頼性データの分析機能を備えた最新のソフトウェアは、これらすべてを自動的に行います。このトピックに関する技術的な詳細は、Meeker and Escobar（1998）の15章にあります。
あなたが見たいのならアーカイブされたウェブキャスト統計、信頼性などに関するBillの豊富な専門知識からより多くを学ぶことができます。
