Salut à tous,
J'ai eu plusieurs questions d'une équipe d'ingénierie de la fiabilité des semi-conducteurs.
Parmi eux, je veux poser trois questions;
1. Il y a 4 grands groupes de distributions paramétriques dans 'Life Distribution'
Distributions de temps d'échec de base
-TH (seuil) Distributions
-Distributions SD (sous-population défectueuse)
-ZI (Zéro-gonflé) distributions
J'ai beaucoup de difficulté à expliquer la différence de 4 groupes.
S'il vous plaît laissez-moi savoir si vous avez de bonnes idées à expliquer simplement et facilement pour eux.
2 Nous devons identifier la relation entre l'événement et le facteur d'accélération dans 'Fit Life by X'
1) S'il n'y a pas de modèle prédéfini ou s'ils ne savent pas quelle relation est la mieux adaptée,
Comment peuvent-ils trouver la relation la mieux adaptée?
2) S'ils utilisent une relation (personnalisée), comment peuvent-ils entrer les valeurs appropriées dans les blancs en dessous?
3 Le diagramme de dispersion habituel est comme ci-dessous dans 'Fit Life by X'
Si leurs données sont mesurées ou testées en deux ou plusieurs lots ou groupes,
Pourrions-nous tracer le diagramme de dispersion superposé groupé par lots ou groupes?
Merci
Ikju
1. Les modèles de distribution de la durée de vie de fiabilité sont dérivés de modèles théoriques de défaillance. Ils nécessitent généralement deux paramètres: l'emplacement et l'échelle ou bien l'échelle et la forme et supposent que la vie commence à zéro. Ce paramétrage est insuffisant dans certains cas. Les modèles de distribution à seuil utilisent un troisième paramètre dans les cas où la distribution n'est pas ancrée à l'origine. Le seuil représente une origine non nulle. Cela peut être positif (durée de vie sans défaillance) ou négatif (vie terminée avant la fin de la fabrication). Les modèles à gonflage nul tiennent compte des cas présentant des unités sans vie ("mort infantile" ou défaillances au cours de la période de rodage). Le contraire est constitué par les modèles de sous-population défectueux qui prennent en compte les unités à durée de vie infinie (mode de défaillance impossible pour toutes les unités).
2.1. Les graphiques sont destinés à guider le choix d'un modèle en l'absence d'un modèle théorique ou d'une connaissance préalable du mode de défaillance. Cette approche consiste simplement à ajuster des données, mais peut néanmoins conduire à des modèles utiles. L'interface utilisateur prend en charge une variété de modèles à tester et à comparer. Il est utile de rechercher dans la littérature technique et scientifique des articles sur la fiabilité et les modes de défaillance d’appareils similaires.
2.2. Voir la rubrique Aide> Livres> Fiabilité et survie> Ajuster la vie par X chapitre. Une section est consacrée à l’utilisation de relations personnalisées.
3 Je ne pense pas que ce soit possible. Les lots, cependant, représentent de toute façon une erreur aléatoire.
Je recommande fortement le manuel de référence "Méthodes statistiques pour les données de fiabilité" de Meeker et Escobar. Bill Meeker a été un collaborateur apprécié de JMP Development pour la création des plates-formes de fiabilité.
Salut Mark,
Merci pour votre aimable explication et je vérifierais le livre et le webinaire de Meeker
Merci
Ikju
