Trend Reliability Growth 应用程序使用 JMP 的 Reliability Growth 平台让用户查看 beta 和 lambda 参数随时间的变化。它通过将多个模型拟合到连续观察的子集来做到这一点，直到覆盖整个数据集。 当观测值集连续且不重叠时，结果类似于将重新初始化的 Weibull NHPP 与阶段列，其中每个组（可能是最后一组除外）具有相同数量的观察值。 与使用 Phase 列的 Reliability Growth 不同，可以拟合重叠组。
应用程序假定数据是及时的事件格式。 窗户控制用于每个模型的观察次数。 步对应于确定每个子集中的起始观察值的步长。 具体来说，对于每次迭代，窗户观察用于拟合从行开始的 Crow-AMSAA 模型 (一世-1)*步长，在哪里一世是迭代次数。 子集将重叠，如果步小于窗户. 如果固定起点被选中时，第一个子集从观察 1 开始窗户确定观察次数。 在随后的每次迭代中，窗口大小增加步以剩余观察点为起点 1。
谢谢@jthi . 开始的参考是MIL-HDBK-189C . 插件背后的想法是提供一种更灵活的方式来模拟增长和变化点检测的变化。
