William Q. Meeker, Profesor Distinguido de Estadística, Universidad Estatal de Iowa
Peng Liu, desarrollador principal de estadísticas de investigación, JMP
El análisis de datos de degradación se utiliza para evaluar la confiabilidad, la distribución del tiempo de falla o la distribución de la vida útil de muchos tipos diferentes de productos, incluidos láseres, LED, baterías y productos químicos y farmacéuticos. El modelado de los procesos de degradación arroja luz sobre los mecanismos de falla físico-químicos subyacentes, proporcionando una mejor justificación para la extrapolación que se necesita en las pruebas aceleradas. Además, los datos de degradación proporcionan información mucho más rica sobre la confiabilidad, en comparación con los datos de tiempo hasta el evento. De hecho, mediante el uso de datos de degradación apropiados, es posible hacer inferencias de confiabilidad incluso si no se han observado fallas.
Sin embargo, los datos de degradación presentan desafíos especiales para el modelado y la inferencia. Esta charla describe la nueva plataforma de degradación de medidas repetidas en JMP 17, que utiliza modelos jerárquicos bayesianos de última generación para estimar las probabilidades y los cuantiles de distribución del tiempo de falla. Los métodos que presentamos están mejor fundamentados teóricamente en comparación con otros enfoques existentes. Además de las ventajas, los métodos bayesianos presentan desafíos especiales, como la necesidad de especificar distribuciones previas. Describimos nuestras recomendaciones para este importante paso en el flujo de trabajo del análisis bayesiano. En esta charla, guiamos a la audiencia a través de este nuevo y emocionante enfoque, desde la teoría hasta las especificaciones del modelo y, finalmente, la interpretación de los resultados. Los presentadores concluyen la charla con una demostración en vivo.
