A principios de este mes, tuvimos el placer de hospedar Bill Meeker , Distinguido profesor de artes y ciencias liberales de la Universidad del Estado de Iowa, en nuestra Hablando analíticamente serie de webcast. Bill es un destacado autor y experto en las áreas de análisis de datos de confiabilidad, planificación de pruebas de confiabilidad, pruebas aceleradas, evaluación no destructiva y computación estadística. Nuestros televidentes tuvieron tantas buenas preguntas para Bill durante la transmisión en vivo, que no tuvimos tiempo de incluirlos a todos. Para aquellos que estaban en la cola, Bill ha respondido amablemente.
Pregunta : ¿Existe un vínculo o relación entre el análisis de cohortes y el análisis de supervivencia? ¿Pueden usarse juntos? Y si es así, ¿cómo se complementan?
Responder : Sí, los métodos de análisis de cohorte y análisis de supervivencia se pueden utilizar juntos para obtener una mejor comprensión del comportamiento de la población. En el análisis de cohortes, estratificamos nuestra población en diferentes grupos de unidades que comparten una característica o características similares. Por ejemplo, podríamos estratificar una población de clientes potenciales en función de la ubicación geográfica y / o la experiencia pasada con los clientes potenciales. Entonces podríamos, por ejemplo, hacer análisis separados de tiempo para responder a una oferta para cada subgrupo. Un modelo apropiado para adaptarse sería el "modelo de subpoblación defectuoso" (o modelo DS) en JMP , en la plataforma Life Distribution. Alguna proporción de la población nunca responderá. Este modelo también se conoce como el "modelo de población con falla limitada" y el "modelo de cura", que permite estimar la proporción de la población que responderá y la distribución del tiempo para responder por cada subgrupo. Este modelo se describe con cierto detalle en el Capítulo 11 de Meeker y Escobar (1998). En la Distribución de vida y muchas otras plataformas, hay una opción de análisis "Por" que hará análisis separados para cada cohorte. (En JMP 12, habrá una opción de "Comparar grupos" en la plataforma de distribución de vida para hacer que las comparaciones sean aún más fáciles de realizar).
Pregunta : Mencionaste la reincidencia como una aplicación de fiabilidad. ¿Cuáles son algunas otras áreas de aplicación de análisis de confiabilidad que no pudo mencionar durante la transmisión por Internet?
Responder : Sí, Anne mencionó la reincidencia, y eso ciertamente ha sido una aplicación del análisis de datos de vida (también conocido como análisis de supervivencia) métodos. De hecho, fue una de las primeras aplicaciones del "modelo de cura" mencionado anteriormente. Hubo interés en cuánto tiempo una persona se quedaría fuera de la cárcel después de su liberación. Pero, por supuesto, algunas personas están "curadas" y nunca regresarán. Existen innumerables aplicaciones de estos métodos, que genéricamente podrían llamarse aplicaciones de "tiempo para eventos". En cuanto a la confiabilidad de la ingeniería, a menudo nos preocupa el tiempo de falla o el tiempo de devolución (de un producto para reparación en garantía). En la ciencia de los alimentos y en el desarrollo de muchos otros productos, uno está interesado en la vida útil. En la industria bancaria, habría interés en el "tiempo de pago" para un préstamo en incumplimiento. En aplicaciones médicas, hay interés en el tiempo de recuperación después de un tratamiento. En sociología, podría haber interés en el tiempo para divorciarse después del matrimonio. Nuevamente, el modelo de "cura" podría ser apropiado aquí porque una proporción considerable de parejas nunca se divorciará. En muchas aplicaciones, no solo estamos interesados en el primer evento, sino en la repetición de ciertos eventos a lo largo del tiempo. Los ejemplos incluyen la recurrencia de una enfermedad a lo largo del tiempo (p. Ej., Resfriados comunes), reparaciones de una máquina, clientes que regresan para más compras, etc. Modelos y métodos especiales están disponibles para tales datos. Una vez más, recomiendo Wayne Nelson 2003 libro sobre el tema como un buen lugar para comenzar a aprender sobre el análisis de datos de recurrencia. JMP también tiene poderosos métodos de análisis para datos de recurrencia.
Pregunta : ¿Necesita a menudo convencer a los usuarios finales o clientes de que son necesarias 25 o 30 pruebas, cuando estas pruebas son caras y, por lo tanto, resistidas? Si es así, ¿qué enfoque utilizarías?
Responder : Sí, la pregunta más común que se le hace a cualquier consultor estadístico es “¿cuántas unidades debo probar?” Y en las aplicaciones de confiabilidad escuchamos la pregunta relacionada “¿Cuánto tiempo necesito probar?” JMP tiene herramientas extensas para experimentos de planificación de diferentes tipos, incluidos experimentos de confiabilidad como pruebas de demostración y pruebas de vida acelerada. La teoría detrás de los métodos es impecable. Cuando el software dice que necesita 30 unidades para lograr la precisión deseada, es correcto. Pero eso podría no ayudar a convencer a los usuarios finales con recursos limitados. Me ha resultado útil complementar las respuestas de la "caja negra" con una simulación repetida del experimento propuesto. Por lo general, analizo cinco o seis conjuntos de datos simulados completos y luego resumo gráficamente los resultados de 50 experimentos simulados. Los resultados de simulación-resumen presentados gráficamente permiten visualizar la variabilidad que uno podría esperar ver en experimentos repetidos y cuán lejos de la verdad podría estar cualquier resultado dado. Estas simulaciones se pueden usar para comparar diferentes planes de prueba candidatos (por ejemplo, diferentes tamaños de muestra). No es necesario conocer ninguna teoría del diseño experimental para apreciar las implicaciones derivadas de la visualización de los resultados de la simulación. Dichas simulaciones podrían programarse en el lenguaje de scripting JMP, JSL.
Pregunta : ¿Se puede hablar de estudios de confiabilidad como uno o la consideración principal en un experimento diseñado, en particular con respecto al enfoque adoptado con los métodos de Taguchi?
Responder : Métodos taguchi (alias métodos de diseño robustos) proporcionan una colección de herramientas de diseño de experimentos que se pueden usar para hacer que los productos y procesos sean más robustos a los ruidos externos, como la variabilidad en las materias primas o la variabilidad en la forma en que se utiliza un producto. Se ha demostrado que el uso de estos métodos tiene un alto potencial para mejorar la calidad de un producto o la salida de un proceso. Debido a que la calidad es un requisito previo para una alta confiabilidad (recuerde que la confiabilidad es “calidad en el tiempo”), el uso hábil de métodos de diseño robustos también mejorará la confiabilidad. En algunas aplicaciones, se pueden usar métodos de diseño robustos para enfocarse directamente en la confiabilidad. Dos libros que recomiendo altamente para esta área son:
Condra, L. (2001). Mejora de la fiabilidad con diseño de experimento. Prensa CRC.Grove, DM, y Davis, TP (1992). Ingeniería, Calidad y Diseño Experimental. . Longman Scientific & Technical. Pregunta : Cuando excluye un modo de falla, ¿trata a esos como datos censurados?
Responder : En el análisis del modo de falla múltiple, el primer paso es estimar las distribuciones "marginales" para cada modo de falla. Bajo el supuesto de independencia de los diferentes modos de falla, esto se hace, literalmente, haciendo conjuntos de datos separados para cada uno de los diferentes modos de falla y luego haciendo análisis separados para cada uno. En la construcción de estos conjuntos de datos, con enfoque en un modo de falla, la falla para todos los demás modos de falla se trata como censurada correctamente (porque todo lo que sabemos es que el modo de falla para obtener enfoque aún no se ha producido). Esto se hace para cada modo de falla. Luego, el llamado "modelo de sistema en serie" se puede usar para combinar las estimaciones de las distribuciones marginales para obtener una estimación de la distribución del tiempo de falla con todos los modos de falla activos. Una extensión simple de este enfoque es proporcionar una estimación de la distribución del tiempo de falla con solo algunos de los modos de falla activos (para que pueda ver el efecto de eliminar uno o más de los otros modos de falla). El software moderno con capacidades para el análisis de datos de confiabilidad, como JMP, hará todo esto automáticamente. Los detalles técnicos de este tema se pueden encontrar en el Capítulo 15 de Meeker y Escobar (1998).
Si quieres ver el webcast archivado , puede aprender más de la amplia experiencia de Bill en estadísticas, confiabilidad y más.
