Level: Mittelstufe
Job Funktion: Analyst / Wissenschaftler / Ingenieur
William Q. Meeker, angesehener Professor für Statistik, Iowa State University
Christopher Gotwalt, JMP, Direktor für statistische Forschung und Entwicklung, SAS
Die Entwicklung der Theorie und Anwendung von Monte-Carlo-Markov-Kettenmethoden, enorme Verbesserungen der Rechenfähigkeiten und aufkommende Softwarealternativen, insbesondere bei JMP, haben den breiten Einsatz von Bayes'schen Methoden in Zuverlässigkeitsanwendungen ermöglicht. Bayesianische Methoden bleiben jedoch in Bezug auf Zuverlässigkeit (und andere Anwendungen) umstritten, da Bedenken bestehen, woher die erforderlichen vorherigen Verteilungen stammen sollten. Andererseits gibt es viele Anwendungen, bei denen Ingenieure solide Vorinformationen zu bestimmten Aspekten ihrer Zuverlässigkeitsprobleme haben, die auf der Physik des Versagens oder früheren Erfahrungen mit demselben Versagensmechanismus beruhen (z. B. ungenaues Wissen über die Aktivierungsenergie in einem temperaturbeschleunigten Leben) Test oder über den Weibull-Formparameter bei der Analyse von Ermüdungsversagensdaten). In solchen Anwendungen bietet die Verwendung von Bayes'schen Methoden einen angemessenen, wenn nicht zwingenden Kompromiss zwischen der Annahme, dass solche Größen bekannt sind, und der Annahme, dass nichts bekannt ist. In diesem Vortrag vergleiche ich die Verwendung von Bayes'schen Methoden mit traditionellen Maximum-Likelihood-Methoden für eine Reihe von Beispielen, einschließlich der Analyse von Feldversagensdaten, beschleunigten Lebensdauertestdaten und beschleunigten Verschlechterungstestdaten.
