重複退化資料可衡量產品隨時間推移的可靠性，例如材料中裂縫的擴展、功率放大器輸出的下降或單一物件隨時間推移的其他性能測量變化。 退化建模和分析的目標是預測所研究產品的故障時間和機率。
從JMP 17 開始，JMP 提供兩種不同的重複測量退化資料分析和建模方法：1) 偽故障方法，已在JMP 退化平台的多個版本中提供；2) 實施分層貝葉斯的新重複在測量退化平台Meeker、Escobar 和 Pascual (2022) 中討論了可靠性建模。
分層貝葉斯建模方法可讓您透過貝葉斯推理估計隨機參數的退化模型，並透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，而偽失效方法適合固定的參數模型。 分層貝葉斯建模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，而偽故障方法則從固定參數路徑模型推斷偽故障時間。
一般來說，當新的重複測量降級支援的模型之一合適時，請使用新的重複測量降級。 如果您在新平台中沒有看到任何適合您的資料的模型，則應考慮在現有的降級平台中使用偽故障方法，您可以在其中定義自己的模型。
請觀看視頻，該視頻提供了使用 JMP 示例數據的可靠性文件夾中的 JMP 示例數據（分別為 GaAs Laser.jmp、Alloy A.jmp 和 Device B.jmp）進行的三個案例研究。
每個案例研究後都包含問題和答案。 案例研究 1 在 ~ 時間 24:00 開始，演員研究 2 在 ~ 時間 57:00 開始，案例研究 3 在 ~ 時間 1:04:00 開始。
