William Q. Meeker, illustre professore di statistica, Iowa State University
Peng Liu, principale sviluppatore statistico di ricerca, JMP
L'analisi dei dati di degradazione viene utilizzata per valutare l'affidabilità, la distribuzione del tempo di guasto o la distribuzione della durata di conservazione di molti diversi tipi di prodotti, inclusi laser, LED, batterie e prodotti chimici e farmaceutici. La modellazione dei processi di degradazione mette in luce i meccanismi di guasto fisico-chimici sottostanti, fornendo una migliore giustificazione per l'estrapolazione necessaria nei test accelerati. Inoltre, i dati sul degrado forniscono informazioni molto più complete sull'affidabilità rispetto ai dati relativi al tempo all'evento. Infatti, utilizzando appropriati dati di degrado, è possibile fare inferenze di affidabilità anche se non sono stati osservati guasti.
I dati sulla degradazione, tuttavia, pongono sfide speciali alla modellazione e all'inferenza. Questo discorso descrive la nuova piattaforma di degradazione delle misure ripetute in JMP 17, che utilizza la modellazione gerarchica bayesiana all'avanguardia per stimare le probabilità e i quantili della distribuzione del tempo di guasto. I metodi che presentiamo hanno una base teorica migliore rispetto ad altri approcci esistenti. Oltre ai vantaggi, i metodi bayesiani pongono sfide speciali, come la necessità di specificare le distribuzioni a priori. Descriviamo le nostre raccomandazioni per questo importante passaggio nel flusso di lavoro dell'analisi bayesiana. In questo discorso, guidiamo il pubblico attraverso questo nuovo approccio entusiasmante e stimolante, dalla teoria alle specifiche del modello e, infine, all'interpretazione dei risultati. I presentatori concludono il discorso con una dimostrazione dal vivo.
