非破壞性退化數據衡量產品隨時間推移的可靠性，例如材料中裂紋的傳播、功率放大器輸出的降低或粘合強度的退化。 退化建模和分析的目標是預測所研究產品的故障時間和概率。
從 JMP 17 開始，JMP 提供了兩種不同的退化數據分析和建模方法：1) JMP 中已針對多個版本提供的重複測量，以及 2) 一種新的重複測量退化功能，該功能實施了 Meeker 中討論的可靠性貝葉斯統計方法, 埃斯科瓦爾和帕斯誇爾 (2022)。
重複測量退化方法使您能夠使用貝葉斯推理估計具有隨機參數的退化模型，並通過蒙特卡羅模擬找到故障時間。 它適合具有隨機參數的退化路徑模型，而退化平台適合固定的效果模型。重複測量退化使用退化路徑模型的總體參數的後驗估計來模擬故障時間，而重複測量從固定效應路徑模型推斷偽故障時間。
一般來說，當您至少有兩個建模不確定性時，當您想要擴展它以包括您自己的模型時，以及當重複測量退化中的模型適合您的問題時，請使用重複測量退化。當其中一種重複測量退化模型不適用於您的問題時，請勿使用它。
觀看視頻，其中提供了三個使用 JMP 樣本數據（分別為 GaAs Laser.jmp、Alloy A.jmp 和 Device B.jmp）的案例研究，這些數據位於 JMP 樣本數據的 Reliability 文件夾中。
每個案例研究後都包含問題和答案。 案例研究 1 開始於〜時間 24:00，演員表研究 2 開始於〜時間 57:00，案例研究 3 開始於〜時間 1:04:00。
