繰り返し劣化データは、材料の亀裂の伝播、パワーアンプの出力の低下、または個々の対象に関する時間の経過に伴うその他の性能測定値の変化など、製品の時間の経過に伴う信頼性を測定します。 劣化のモデリングと分析の目標は、研究対象の製品の故障時間と故障確率を予測することです。
JMP 17 以降、JMP は反復測定劣化データの分析とモデリングに対して 2 つの異なるアプローチを提供します。1) いくつかのリリースの JMP 劣化プラットフォームで利用可能になった擬似障害アプローチ、2) 階層ベイジアンを実装する新しい反復測定劣化プラットフォームMeeker、Escobar、Pascual (2022) で議論されている信頼性のモデリング。
階層ベイジアン モデリング アプローチを使用すると、ベイズ推論を使用してランダム パラメーターを使用して劣化モデルを推定し、モンテカルロ シミュレーションを通じて故障時間を見つけることができます。 擬似障害アプローチのアプローチはランダムなパラメーターを使用して劣化パス モデルを適合させます。修理済みパラメータモデル。 階層ベイジアン モデリングは、劣化パス モデルの母集団パラメータの事後推定値を使用して故障時間をシミュレートするのに対し、擬似故障アプローチは固定パラメータ パス モデルから擬似故障時間を外挿します。
一般に、サポートされているモデルのいずれかが適切な場合は、新しい反復測定劣化を使用します。 新しいプラットフォームにデータに適したモデルが見つからない場合は、独自のモデルを定義できる既存の劣化プラットフォームで擬似障害アプローチを使用することを検討する必要があります。
JMP サンプル データの信頼性フォルダーにある JMP サンプル データ (それぞれ GaAs Laser.jmp、Alloy A.jmp、および Device B.jmp) を使用した 3 つのケース スタディを紹介するビデオをご覧ください。
各ケーススタディの後には質問と回答が含まれています。 ケース スタディ 1 は ~ タイム 24:00 に始まり、キャスト スタディ 2 は ~ タイム 57:00 に始まり、ケース スタディ 3 は ~ タイム 1:04:00 に始まります。
