<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao,
in una recente discussione con un cliente abbiamo riconosciuto alcune cose nella piattaforma di previsione dell'affidabilità e distribuzione della vita a cui non ho potuto rispondere subito e alle quali in qualche modo sorprendente o un miglioramento.
1. Previsioni di affidabilità:
- I dati sono in formato nevada e organizzati in modo da elencare diversi identificatori (gruppi), quindi V1_0 con dati in formato Nevada, V1_1 e V1_2 oltre anche in formato Nevada. (vedi set di dati allegato Beispiel1_Anonymized.jmp)
- Se eseguo una previsione di affidabilità con il filtro dati impostato su V1_0 o V1_2 (V1_1 possiamo ignorare per questo esempio) e utilizzo Quantità come conteggio prodotti, P-mese come data / ora e le colonne della data come Conteggio errori, funziona bene solo per V1_0 , Solo V1_2 e anche per V1_0 e V1_2 entrambi selezionati. Ma non appena aggiungo la colonna X_1 (che contiene i valori nominali V1_0 e V1_2) come ID di gruppo (immagine sotto) non funziona e porta un messaggio di errore nel formato dei dati non valido.
- Ho pensato che l'ID Goup consentisse di avere in una finestra la stessa analisi una volta per V1_0 e una volta per V1_2 (supponendo che il fiter dei dati sia impostato correttamente ) - da dove viene l'errore?
- Previsioni di affidabilità:
- A volte c'è una riparazione proprio nel primo mese di servizio o anche prima ancora in servizio c'è già una riparazione. Quindi un 1 o un altro numero positivo sulla diagonale o nel triangolo elower. Ciò si traduce in una serie ridotta di possibili distribuzioni (ad es. No weibull). Come gestirlo? Come può una soluzione alternativa essere ancora in grado di utilizzare Weibull o altre distribuzioni più adatte? (Basta usare la piccola produzione e cambiare la 4a riga della colonna 09/2009 o 10/2009 su 1 ed eseguire lo script per vedere la differenza)
- Distribuzione della vita: (vedi Beispiel2 Anomized.jmp)
- se si dispone di riparazioni prima della data di installazione, ciò comporterà valori negativi. Come gestirlo? Anche quando hai cause in competizione? (l'aggiunta di un offset è una soluzione realistica? o ha anche un impatto negativo? Un'altra opzione potrebbe essere quella di utilizzare la data di produzione, ma questo non rifletterebbe il forcast corretto per la data di installazione, presumo)
- se si dispone di riparazioni, ad esempio pochi giorni dopo la data di installazione, ma si desidera cercare su base mensile, ciò comporterebbe un tempo zero. Come gestirlo?
- A volte una miscela adatta è più accurata del Weibull o di altra distribuzione stessa. Come ottenere la miscela adatta rispetto al grafico originale delle distribuzioni in una finestra? So che si potrebbe copiare il contenuto del grafico, ma sarebbe molto meglio se ci fosse un'opzione per includere la miscela per opzione nell'elenco delle altre distribuzioni da mostrare nella trama originale. Inoltre, quando si hanno cause in competizione, non c'è modo di selezionare la miscela adatta. Questo sarebbe un grande vantaggio, ha detto il mio cliente. Ci sono piani o è difficile farlo con una soluzione? (So che questa è più una domanda per gli sviluppatori)
- Per tutte le distribuzioni è possibile utilizzare l'opzione Adatta sopravvivenza, tuttavia, questa opzione non è disponibile per l'adattamento miscela. Questo può essere incluso nella piattaforma? C'è una soluzione semplice?
Grazie per qualsiasi feedback su queste domande.
balestruccio
Ciao Peng, grazie finora. Esaminerò ulteriormente per vedere se le soluzioni alternative funzioneranno finora per il cliente e per capire quale sarebbe l'impatto sul business per il caso zero inflazionato. Aggiungerò presto alcune note qui.
balestruccio
Ciao Martin,
Il problema segnalato è un bug. L'ho risolto in JMP13. Per aggirare le versioni correnti, eliminare il gruppo, se si escludono tutte le righe in un gruppo.
Per la domanda di Previsioni di affidabilità, i punti temporali sono tutti singleton, ad es. 09/2009 indica il primo segno di spunta nel primo giorno di settembre del 2009. Pertanto, è necessario differenziare i timestamp di riga e quelli di colonna per comunicare al software che esiste un inizio e una fine. Gli errori prima dell'inizio sono un errore.
Probabilmente non vuoi giocare le probabilità di mettere i fallimenti proprio all'inizio. Non otterrai i risultati desiderati. Perché i guasti all'inizio significano fallimento al tempo zero. Per analizzare tali dati è necessaria una distribuzione ZI e le distribuzioni ZI non sono supportate nella piattaforma. I guasti a zero inflazione sono rari. Se ne hai bisogno in Previsione affidabilità, invia una richiesta.
Per le prime due domande su Beispiel2 Anomized.jmp, suppongo che stai ancora parlando della piattaforma di previsione. Penso che il primo sia un errore di input, senza dubbio. Il secondo, si gioca con i timestamp di riga e colonna e si aggregano nuovi conteggi per ottenere gli intervalli di tempo desiderati. Il formato Nevada è popolare, perché è già nell'intervallo desiderato per le previsioni, prodotto dall'IT.
Per sovrapporre la miscela con l'individuo, un'alternativa è quella di adattare la miscela monocomponente. Per esempio monta una miscela 2 Weibull e monta una miscela 1 Weibull.
Per le curve di sopravvivenza, prova a ripristinare l'Asse min-max, una casella di controllo nella finestra di dialogo Asse. In qualche modo, l'ombra CI è persa, devo indagare. Immagino non banale.
Grazie,
Peng
