William Q. Meeker, 통계학 석좌교수, Iowa State University
Peng Liu, 수석 연구 통계 개발자, JMP
열화 데이터 분석은 레이저, LED, 배터리, 화학 및 제약 제품을 포함한 다양한 종류의 제품의 신뢰성, 고장 시간 분포 또는 유통 기한 분포를 평가하는 데 사용됩니다. 모델링 저하 프로세스는 기본 물리-화학적 고장 메커니즘에 빛을 비추어 가속 테스트에 필요한 외삽에 대한 더 나은 정당성을 제공합니다. 또한 성능 저하 데이터는 이벤트 발생 시간 데이터에 비해 안정성에 대한 훨씬 풍부한 정보를 제공합니다. 실제로, 적절한 열화 데이터를 사용하면 장애가 관찰되지 않은 경우에도 신뢰성을 추론할 수 있습니다.
그러나 열화 데이터는 모델링 및 추론에 특별한 문제를 가져옵니다. 이 강연에서는 최신 베이지안 계층적 모델링을 사용하여 고장 시간 분포 확률과 분위수를 추정하는 JMP 17의 새로운 반복 측정 저하 플랫폼에 대해 설명합니다. 우리가 제시하는 방법은 다른 기존 접근 방식과 비교할 때 이론적으로 더 좋습니다. 장점 외에도 베이지안 방법은 사전 분포를 지정해야 하는 것과 같은 특별한 문제를 제기합니다. 베이지안 분석 워크플로에서 이 중요한 단계에 대한 권장 사항을 간략하게 설명합니다. 이 강연에서 우리는 이론에서 모델 사양, 그리고 마지막으로 결과 해석에 이르기까지 흥미롭고 도전적인 새로운 접근 방식을 통해 청중을 안내합니다. 발표자들은 라이브 데모로 강연을 마무리합니다.
