트렌드 신뢰도 성장Trend Reliability Growth 애플리케이션은 JMP의 Reliability Growth 플랫폼을 사용하여 사용자가 시간 경과에 따른 베타 및 람다 매개변수의 변화를 볼 수 있도록 합니다.전체 데이터 세트가 포함될 때까지 여러 모델을 연속 관찰의 하위 집합에 맞추면 됩니다. 관찰 세트가 연속적이고 겹치지 않는 경우 결과는 Reinitialized Weibull NHPP를 단계 마지막 그룹을 제외하고 각 그룹에 동일한 수의 관측치가 있는 열입니다. 위상 열이 있는 신뢰도 성장과 달리 겹치는 그룹이 적합할 수 있습니다.
애플리케이션은 데이터가 이벤트 형식에 맞춰져 있다고 가정합니다. 창문 각 모델에 사용되는 관측치의 수를 제어합니다. 단계 각 하위 집합에서 시작 관찰을 결정하기 위한 단계 크기에 해당합니다. 특히 각 반복에 대해 창문 행에서 시작하는 Crow-AMSAA 모델을 맞추는 데 사용됩니다( 나 -1)*단계, 여기서 나 반복 횟수입니다. 다음과 같은 경우 하위 집합이 겹칩니다. 단계 보다 작다 창문 . 만약에 고정 시작점 가 선택되면 첫 번째 하위 집합은 관찰 1로 시작합니다. 창문 관찰 수를 결정합니다. 각 후속 반복에서 창 크기는 다음과 같이 증가합니다. 단계 시작점은 관찰 1로 남아 있습니다.
신뢰할 수 있음Re: 트렌드 신뢰도 성장감사해요 @jthi . 시작하는 참조는 MIL-HDBK-189C . 추가 기능의 기본 아이디어는 성장 및 변화 지점 감지의 변화를 모델링하는 보다 유연한 방법을 제공하는 것입니다.
Re: 트렌드 신뢰도 성장아마도 그들은 여기에서 찾을 수 있습니다 신뢰성 및 생존 방법 > 신뢰성 성장 > 신뢰성 성장 플랫폼에 대한 통계 세부 정보
Re: 트렌드 신뢰도 성장안녕 @DonMcCormack
신뢰도 성장에 관한 기사나 책의 출처를 알려주십시오.
문안 인사
