加速老化非線性回歸，退化模型的阿倫尼烏斯公式不起作用大家好，
我目前正處於 JMP 的入門階段，正在觀看可以通過入門許可證預訂的教程視頻。 “穩定性分析”視頻是關於使用加速老化來確定藥物的最佳使用日期。
我嘗試將這種計算方法轉移到我們的材料（橡膠）上，這實際上應該是可能的。
我在幾天內的八個時間間隔後測量了三個不同溫度（180、200、220°C）下的最大應變，在 220°C 下僅測量了六個時間間隔。 然而，視頻中顯示的退化模型的阿倫尼烏斯公式對我不起作用，我無法解釋原因（參見下面的公式）。 我從視頻中獲取了表格變量和參數，我只是使用了更高的活化能（100 kJ/mol）和更高的溫度起始值（建議23°C）。
對我來說，該模型通過非線性調整來識別真實的起始值（399），但僅此而已。 在視頻中，首先在“退化模型”列中計算理論衰減，並基於此我相信衰減的真實激活能，這對我不起作用。 如果我將激活能設置為 10，就像視頻中那樣，它會計算出錯誤的起始值（290），但至少它計算了一些東西，並且分析圖表也沒有意義。
有人知道出了什麼問題嗎？ 請不要使用 JSL 腳本作為答案，我還沒有那麼遠！ 
提前致謝！
EA = 100 調整 EA = 10 調整
我的數據：26以下是測量時間後的應變
視頻中的公式
我的公式：
質量和工藝工程視窗回覆：加速老化中的非線性回歸，退化模型的阿倫尼烏斯公式不起作用在與開發商協商後，我們設計了一個簡單的解決方案。使用中間實驗溫度（在您的情況下為 200°C）作為參考溫度，而不是使用條件。從一開始就使用原始起始值來擬合模型。然後推斷回使用條件（在您的情況下為 23°C）。使用非線性平台時，它應該看起來像這樣。您不應該以這種方式體驗到估算的不穩定。我現在在退化平台中也得到了相同的估計。
我用這些變更更新了我的資料表。它附在下面。
回覆：加速老化中的非線性回歸，退化模型的阿倫尼烏斯公式不起作用不幸的是，非線性迴歸在很大程度上取決於起始值，因此使用啟發式的情況可能會有所幫助。我懷疑 EA 是否會達到 100，因此 EA = 10 可能是更好的選擇。這裡的變化率 d 遠大於 0.01。如果嘗試使用 d = 10 作為起始值會怎麼樣？
您也可以研究另一個平台來進行此類分析。請參閱有關降級平台的說明章節。
回覆：加速老化中的非線性回歸，退化模型的阿倫尼烏斯公式不起作用嗨馬克，
謝謝你的提示。我已經嘗試將 EA 設為 10，正如我在問題描述中所描述的那樣。那麼起始值計算錯誤，分析圖就沒有任何意義。我還嘗試用 EA =1 擬合我的數據，但這沒有幫助。我嘗試在分析功能下使用退化平台，但在那裡我找不到阿倫尼烏斯模型，也許它就在那裡，但我不認識它。
回覆：加速老化中的非線性回歸，退化模型的阿倫尼烏斯公式不起作用您的變化率比課程中的範例更快，因此我還建議同時使用更大的d起始值。
我將您的數據輸入到數據表中，並添加了非線性模型的公式。 JMP 似乎很難找到合適的人選。收斂高度依賴起始值。
我也嘗試過使用 Degradation 平台。我在數據表中保存了非線性和退化的腳本。
您應將此問題報告給 JMP 技術支援 ( support@jmp.com ) 並提供此資料表以供調查。
回覆：加速老化中的非線性回歸，退化模型的阿倫尼烏斯公式不起作用我又做了一些調查，並向開發商報告了這個情況。他們發現，由於使用條件和實驗溫度之間存在較大差異，因此存在很大的數值不穩定性。您可以看到 d 和 ea 參數之間的高度相關性以及參數分析器的效果。您可以更改 ea，然後更改 d 以獲得基本相同的 SSE，因此不存在穩定收斂。
該模型可能不適合您的數據。我得到的最好結果仍然表現出非線性殘差模式。可能違反了該模型的假設。您可以嘗試改變反應或時間，看看這種改變是否提高了擬合的穩定性。您可以嘗試另一個模型，例如具有兩個因子的 Eyring 模型。
回覆：關於加速老化中的非線性迴歸，退化模型的阿倫尼烏斯公式不再適用。嗨，馬克，
為了將應用溫度從 23°C 調整得更接近測量溫度，我達到了目標。實際上，應用溫度應該在 180 到 220°C 之間。謝謝你指出我的錯誤！
回覆：關於加速老化中的非線性迴歸，退化模型的阿倫尼烏斯公式不再適用。在這樣複雜的分析中，很容易犯一些簡單的錯誤。我也從中吸取了教訓。
