I dati di degradazione non distruttivi misurano l'affidabilità nel tempo di un prodotto come la propagazione di cricche in un materiale, la diminuzione della potenza degli amplificatori di potenza o il deterioramento della resistenza di un legame adesivo. L'obiettivo della modellazione e dell'analisi del degrado è prevedere i tempi di guasto e le probabilità per il prodotto oggetto di studio.
A partire da JMP 17, JMP offre due diversi approcci per l'analisi e la modellazione dei dati di degradazione: 1) Repeated Measures disponibile in JMP per diverse release e 2) una nuova funzionalità di Repeated Measures Degradation che implementa i metodi statistici bayesiani per l'affidabilità discussi in Meeker , Escobar e Pascual (2022).
L'approccio al degrado a misure ripetute consente di stimare i modelli di degrado con parametri casuali con l'inferenza bayesiana e trovare i tempi di guasto attraverso la simulazione Monte Carlo. Si adatta ai modelli di percorso di degradazione con parametri casuali, mentre la piattaforma di degradazione si adatta fisso modelli di effettiLa degradazione a misure ripetute simula i tempi di guasto utilizzando le stime a posteriori dei parametri della popolazione del modello del percorso di degradazione, mentre le misure ripetute estrapolano i tempi di pseudo guasto dal modello del percorso a effetti fissi.
In generale, utilizzare Repeated Measures Degradation quando si hanno almeno due incertezze di modellazione, quando si desidera estenderlo per includere i propri modelli e quando i modelli in Repeated Measures Degradation sono appropriati per il problema.Non usarlo quando uno dei modelli di degradazione per misure ripetute non è appropriato per il tuo problema.
Guarda un video che fornisce tre case study utilizzando i dati campione JMP (rispettivamente GaAs Laser.jmp, Alloy A.jmp e Device B.jmp) che si trovano nella cartella Affidabilità dei dati campione JMP.
Domande e risposte sono incluse dopo ogni studio di caso. Case Study 1 inizia alle ~24:00, Cast Study 2 inizia alle ~57:00 e Case Study 3 inizia alle ~1:04:00.
