이번 달 초, 우리는 호스팅의 즐거움을 가졌습니다. 빌 미커 , 아이오와 주립 대학의 인문 과학 및 과학 교수, 우리의 분석적 말하기 웹 캐스트 시리즈. Bill은 신뢰성 데이터 분석, 신뢰성 테스트 계획, 가속화 된 테스트, 비파괴적인 평가 및 통계 계산 분야의 유명 작가이자 전문가입니다. 시청자들은 라이브 웹 캐스트에서 Bill에게 많은 좋은 질문을 던졌지 만 모든 것을 포함 할 시간이 없었습니다. 대기열에있는 사람들을 위해 Bill은 친절하게 답변을 제공했습니다.
의문 : 코호트 분석과 생존 분석간에 연관성이 있습니까? 함께 사용할 수 있습니까? 그렇다면 서로 어떻게 보완합니까?
대답 : 예, 집단 분석 및 생존 분석 방법을 함께 사용하여 집단 행동에 대한 더 많은 통찰력을 얻을 수 있습니다. 코호트 분석에서, 우리는 유사한 특징 또는 특성을 공유하는 여러 단위 그룹으로 인구를 층화합니다. 예를 들어 지리적 위치 및 / 또는 잠재 고객에 대한 과거 경험을 토대로 잠재 고객 인구를 층화 할 수 있습니다. 그런 다음 예를 들어 각 하위 그룹에 대한 제안에 응답하기 위해 시간을 별도로 분석 할 수 있습니다. 적합한 모델은 "결함있는 모집단 모델"(또는 DS 모델)이 될 것입니다. JMP Life Distribution 플랫폼에서 인구의 일부 비율은 결코 반응하지 않을 것입니다. 이 모델은 "제한 실패 인구 모델"및 "치료 모델"로도 알려져있어 반응하는 인구의 비율과 각 하위 그룹의 대응 시간 분포를 추정 할 수 있습니다. 이 모델은 Meeker and Escobar (1998)의 11 장에 자세히 설명되어있다. Life Distribution 및 다른 많은 플랫폼에는 각 코호트별로 별도의 분석을 수행하는 "By"옵션이 있습니다. JMP 12에서는 Life Distribution 플랫폼에 "그룹 비교"옵션이있어 이러한 비교를 훨씬 쉽게 수행 할 수 있습니다.
의문 : 당신은 재범을 신뢰의 적용으로 언급했습니다. 웹 캐스트 중에 언급하지 않은 신뢰성 분석의 다른 적용 영역에는 어떤 것들이 있습니까?
대답 : 예, 앤 (Anne)은 재범에 대해 언급했는데, 그것은 분명히 인생 데이터 분석의 적용이었습니다 (일명 생존 분석) 방법. 실제로 그것은 위에서 언급 한 "치료 모델"의 초기 응용 중 하나였습니다. 석방 된 후 얼마나 오래 사람이 감옥에 있어야하는지에 관심이있었습니다. 그러나 물론 일부 개인은 "완치"되고 결코 돌아 오지 않을 것입니다. 일반적으로 "이벤트 발생 시간 (time to event)"응용 프로그램이라고 할 수있는이 방법에는 무수히 많은 응용 프로그램이 있습니다. 공학적 신뢰성 측면에서 우리는 종종 보증 수리를위한 제품의 고장 시간 또는 반환 시간과 관련이 있습니다. 식품 과학과 많은 다른 제품의 개발에서, 사람들은 유통 기한에 관심을 가지고 있습니다. 은행 업계에서는 채무 불이행에 대한 "지불시기"에 관심이 있습니다. 의료 응용 분야에서는 치료 후 회복 시간에 관심이 있습니다. 사회학에서는 결혼 후 이혼하는 시간에 관심이있을 수 있습니다. 다시 말해, 상당한 양의 부부가 이혼을하지 않기 때문에 "치료"모델이 적합 할 수 있습니다. 많은 응용 프로그램에서 우리는 첫 번째 이벤트에만 관심이있는 것이 아니라 시간 경과에 따른 특정 이벤트의 재발에 있습니다. 예를 들면 질병의 재발 (예 : 감기), 기계 수리, 더 많은 구매를 위해 돌아 오는 고객 등이 있습니다. 특수 모델 및 방법은 이러한 데이터에 사용할 수 있습니다. 다시 말하지만, Wayne Nelson의 2003 년 책 재발 데이터의 분석에 대해 배우기 시작하기에 좋은 곳으로 JMP는 또한 재발 데이터에 대한 강력한 분석 방법을 제공합니다.
의문 : 이러한 시험이 비용이 많이 들고 저항하기 때문에 25 ~ 30 회의 시험이 필요하다고 최종 사용자 또는 고객에게 확신시켜야합니까? 그렇다면 어떤 접근 방식을 사용합니까?
대답 : 예, 통계 컨설턴트에게 가장 많이 묻는 질문은 "테스트 할 단위의 수는 얼마나됩니까?"입니다. 안정성 응용 프로그램에서 "테스트해야하는 기간은 얼마입니까?"라는 질문을 듣습니다. JMP에는 기획 실험 데모 테스트 및 가속 수명 테스트와 같은 신뢰성 실험을 포함하여 다양한 종류의 이 방법의 이론은 결말러 다. 원하는 정밀도를 얻기 위해 30 단위가 필요하다고 소프트웨어에서 말하면 올바른 것입니다. 그러나 이는 제한된 자원으로 최종 사용자를 설득하는 데 도움이되지 않을 수 있습니다. 제안 된 실험을 반복적으로 시뮬레이션하여 "블랙 박스"답변을 보완하는 것이 유용하다는 것을 알았습니다. 저는 일반적으로 분석을 통해 5 ~ 6 개의 완전한 시뮬레이션 데이터 세트를 실행 한 다음 50 개의 시뮬레이션 된 실험 결과를 그래픽으로 요약합니다. 그래픽으로 제시된 시뮬레이션 요약 결과를 통해 반복적 인 실험에서 볼 수있는 가변성과 주어진 결과가 얼마나 진실인지 얼마나 멀리 떨어져 있는지 시각화 할 수 있습니다. 이러한 시뮬레이션은 서로 다른 후보 시험 계획 (예 : 서로 다른 표본 크기)을 비교하는 데 사용할 수 있습니다. 시뮬레이션 결과의 시각화에서 오는 영향을 이해하려면 실험 설계 이론을 알 필요가 없습니다. 이러한 시뮬레이션은 JSL 스크립팅 언어 인 JSL에서 프로그래밍 할 수 있습니다.
의문 : 설계 실험에서, 특히 Taguchi 방법으로 취한 접근법과 관련하여 신뢰성 연구를 하나 또는 주요 고려 사항으로 말할 수 있습니까?
대답 : 다구치 방법 (일명 견고한 설계 방법)은 제품의 사용 방식에 따른 원재료의 가변성 또는 가변성과 같은 외부 노이즈에 대해 제품 및 프로세스를보다 강력하게 만드는 데 사용할 수있는 실험 설계 도구 모음을 제공합니다. 이 방법의 사용은 제품의 품질이나 공정의 결과를 향상시킬 수있는 잠재력이 높은 것으로 나타났습니다. 품질은 높은 신뢰성 (신뢰성이 "시간이 지남에 따른 품질"이라는 것을 상기 함)을위한 전제 조건이기 때문에, 견고한 설계 방법의 숙련 된 사용은 신뢰성을 향상시킵니다. 일부 어플리케이션에서는 견고한 설계 방법을 사용하여 신뢰성에 직접 초점을 맞출 수 있습니다. 이 영역에 대해 매우 권유하는 두 권의 책은 다음과 같습니다.
Condra, L. (2001). 실험 설계를 통한 신뢰성 향상. CRC Press.Grove, DM, & Davis, TP (1992). 엔지니어링, 품질 및 실험 설계 . Longman 과학 및 기술. 의문 : 실패 모드를 제외하면 그 데이터가 검열 된 데이터로 취급됩니까?
대답 : 다중 실패 모드 분석에서 첫 번째 단계는 각 실패 모드에 대한 "한계"분포를 추정하는 것입니다. 서로 다른 고장 모드의 독립성 가정하에, 이는 문자 그대로 서로 다른 고장 모드 각각에 대해 별도의 데이터 세트를 작성한 다음 각각에 대해 개별적인 분석을 수행하여 수행됩니다. 하나의 실패 모드에 초점을 맞춘 이러한 데이터 세트의 구성에서 모든 다른 실패 모드에 대한 실패는 우연히 감지됩니다 (우리가 알고있는 것은 모두 실패 모드가 아직 발생하지 않았기 때문입니다). 이는 각 고장 모드에 대해 수행됩니다. 그런 다음 소위 "시리즈 시스템 모델"을 사용하여 한계 분포의 추정치를 결합하여 모든 고장 모드가 활성화 된 고장 시간 분포의 추정치를 얻을 수 있습니다. 이 접근법의 간단한 확장은 장애 모드 중 일부만 활성화하여 장애 시간 분포를 추정하는 것입니다 (하나 이상의 다른 장애 모드를 제거하는 효과를 볼 수 있습니다). JMP와 같은 신뢰성 데이터를 분석 할 수있는 최신 소프트웨어는이 모든 작업을 자동으로 수행합니다. 이 주제에 대한 기술적 세부 사항은 Meeker and Escobar (1998)의 15 장에서 찾을 수 있습니다.
너를보고 싶으면. 보관 된 웹 캐스트 통계, 안정성 등에 대한 Bill의 광범위한 전문 지식을 통해 더 많은 것을 배울 수 있습니다.
