ライフデータプラットフォームの競合リスク混合物とサブサンプル間の分布パラメータの不一致こんにちは、みんな、
私が使う寿命分布からのプラットフォーム信頼性と生存性分布を信頼性の結果に適合させるため。
失敗の原因を区別するために、次の 2 つのワイブル分布を使用しました。競合するリスクの混合の寿命分布プラットフォーム（以下のグラフと添付ファイルを参照）。
部分 1競合リスク混合レポートの種の値 (黄色でマーク) は、第 1 ワイブル分布に関連する信頼性結果の一部です。
で寿命分布プラットフォームのワイブル分布は、信頼性結果の [ 1 - (部分 1) ]% サブセットに適合しました。
私が理解している限り、次の二次分布のワイブルパラメータ競合するリスクの混合報告とサブセット一致する必要がありますが、実際には一致していません (黄色でマークされています)。
2次分布間のワイブルパラメータが必要な理由競合するリスクの混合報告とサブセット異なっています？
信頼性解析Re: ライフ データ プラットフォームにおける競合リスク混合物とサブサンプル間の分布パラメーターの不一致あなたがしたことは私が提案したことではありません。 「寿命分布 - グループの比較」を使用して最後に実行したことは、このディスカッション スレッドの 3 番目の分析です。 ここで行ったことは、2 回目の分析で行ったことと技術的には同じです。 そのため、「同じ」結果が得られます。 目的がわからないので、特定のデータについてガイドするのはやめておきます。 以下では、このスレッドを読む読者にとって一般的に役立つように、JMP サンプル データ セットを使用して要点を説明します。
初め、 "競合するリスクの混合" そして "競合する原因」は 2 つの異なる分析です。 「競合するリスク」と「競合する原因」という用語は、文献内では同じ意味で使用される場合があります。 どちらも一連の観測を取得し、各観測はイベント発生までの時間の観測です。 そして、それぞれの観察は原因と関連付けられています。 しかし、いくつかの実験では原因が分かりました。他の実験ではそうではありません。 失敗の原因がない場合は、競合リスク混合を使用します。 失敗の原因がある場合は、「競合原因」を使用します。 競合リスク混合は、個々の障害原因の分布を推測するのに役立ちますが、個々の観察の原因を確実に伝えることはできません。 競合原因は個々の障害原因の分布に適合し、障害原因は既知の情報です。 通常の使用例では、どの分析を使用するかについて混乱が生じるべきではありません。また、分析タイプを切り替えるためにデータを変更すべきではありません。 「Appliance.jmp」は、競合原因を説明するための信頼性サンプル データ フォルダーにあるサンプル データです。 テーブルには原因コード列があります。 信頼性サンプル データ フォルダー内のサンプル データである「Mixture Demo.jmp」の列「Y2」は、競合リスク混合を説明するために作成されています。 表には原因情報がありません。
次に、競合原因を使用する場合、ユーザーはデータを変更する必要がありません。 ソフトウェアは、ユーザーがモデルに適合するようにデータを変更します。 ソフトウェアが概念的に行うことは次のとおりです。 例として「Appliance.jmp」を使用します。
- 原因コードごとに、データ全体のコピーを作成します。 現在の原因コードが 9 であるとします。 そして、36 行のデータ全体のコピーがあります。
- 左と右の 2 つの新しい列を作成します。
- すべての行について、原因コードが 9 の場合は、時間サイクルを左と右の両方に単純にコピーします。 行の例、2 行目。
- 原因コードが 9 でない場合は、Time Cycles を左側にコピーしますが、右側には欠損値を入力します。 これは正しく検閲された観察を表していることがわかるかもしれません。 失敗の原因が 1 である最初の行を例に挙げます。 競合する原因であるため、原因 1 が最初に発生しました。 1 が起こらなかったと仮定し、原因 9 によりシステムが故障すると、故障時間は 11 サイクル後のどこかになるはずですが、それがいつになるかはわかりません。 したがって、この行では、ソフトウェアは 11 を左にコピーし、右に欠損値を埋めます。
- コード 1 を引き起こす分布に適合させたい場合、Left と Right は Y Time to Event ロールに移動する新しい列です。
新しいデータは次のようになります。
次のように寿命分布を使用して変更されたデータを分析すると、次のようになります。
競合原因分析からのワイブル推定と同じワイブル推定を取得できます。
これは、Appliance.jmp 内の埋め込みスクリプトを実行することによる競合原因の結果です。
そしてこれが修正データを使用して寿命分布を実行した結果です。
すべての原因コード値について繰り返します。 そして、あらゆる原因に対する配布の完全な結果が得られます。 ソフトウェアはこれらすべてをユーザーに代わって実行し、最終的にすべての適合分布をシステムの障害分布である 1 つに集約します。
結論として、私が強調したいのは、「競合するリスクの混合" そして "競合する原因」は 2 つの異なる分析です。 どちらを使用するかは故障原因の情報があるかどうかで判断してください。
最後に、最後の質問になりますが、Fit Life by X は競合リスク混合タイプの分布をサポートしていません。
Re: ライフ データ プラットフォームにおける競合リスク混合物とサブサンプル間の分布パラメーターの不一致親愛なるpeng_liu 様
迅速かつ明確な回答をありがとうございます。
信頼性データを 2 つの故障モードに分割するために提案された変更を加えました。分割ポイントは部分 1からの値競合リスク混合レポート。
ワイブルαそしてβグループ 2 の分布パラメータ (以下のグラフを参照) はワイブルと同じ値を取得しましたαそしてβ上記の私の投稿のサブセットからの分布パラメータ。
PS
方法はありますか競合するリスクの混合でX によるフィット ライフプラットホーム？
Re: ライフ データ プラットフォームにおける競合リスク混合物とサブサンプル間の分布パラメーターの不一致競合リスク混合物を当てはめると、データは失敗の原因に関する情報がないことを意味します。
変更されたデータを適合させ、2 番目の原因によりそれをサブセットとして扱うと、失敗の原因に関する具体的な情報が提供されます。
データやモデルが異なれば、結果も異なります。
データをどのように変更するかもわかります。 最初の 25 行を重み = 26 の 1 行に統合しました。 おそらく、その 1 行を使用して、最初の原因による失敗を表したいのだと思います。 原因について正しいと仮定すると、データの変更方法が正しくありません。 2 行目を例にとると、最初の原因により [0.25,0.5] の間で失敗します。 これを [0.5, MISSING] に変更する必要があります。そうすれば、これは 2 番目の原因により正しく打ち切られた観測値として扱われます。つまり、2 番目の原因により失敗した場合は、0.5 より後の時点で発生することになります。
いずれにしても、私が説明したようにデータを変更したとしても、結果は同じにはなりません。 情報が異なれば、モデルも異なり、結果も異なります。
