408842_de-DE

liliconcom

Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit Einflussfaktoren

Hallo Community,

 

Ich würde gerne um ein wenig Hilfe zu diesem Thema bitten, ich habe die meisten Beiträge und Anleitungen gelesen, die für JMP verfügbar sind, sowie einige Webinare, aber ich kann immer noch nicht erkennen, wie ich die folgende Situation richtig modellieren soll.

 

Stellen Sie sich vor, Sie führen ein Experiment durch N Systeme , läuft für a Periode T , in dem Sie mehrere Einheiten beobachten (u1 bis uN), einige von ihnen fallen aus (und werden repariert und wieder in Betrieb genommen) und einige andere fallen überhaupt nicht aus, also haben Sie zensiert Daten und deren Zensurindikator.

 

* Laufzeit zwischen Reparaturen wird auf diese Weise aufgezeichnet und die letzte gemessene Laufzeit vor Ablauf von T.

* Betriebszustand (ein/aus), Laufzeit und mehrere andere Sensormessungen werden stündlich bis T (Ende des Experiments) aufgezeichnet, so dass Sie hoffen, dass diese Sensoren die Ausfallrate teilweise erklären können

 

Fragen:

 

a) Bei der Verwendung von Fit Parametric Survival können Sie Standort- und Skalierungsfaktoren hinzufügen, um Variablen einzubeziehen, die sich auf das Überleben auswirken können, aber ich weiß nicht, wie ich diese Faktoren in die Wiederholungsanalyse einbeziehen soll. Ist es also möglich, eine Wiederholungsanalyse mit beeinflussenden Faktoren zu modellieren?

 

b) Wenn Sie hier sind, um die Ausfallwahrscheinlichkeit anhand der Messungen des Sensors an einem bestimmten Punkt t vorherzusagen, wäre eine parametrische Überlebens- oder Wiederholungsanalyse überhaupt sinnvoll?

 

Vielen Dank!!

Raúl

 

AnalytikBetreff: Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit EinflussfaktorenHallo!
Nun, ich habe die angegebenen Ressourcen überprüft, sie waren großartig! Aber jetzt stehe ich vor einem anderen Problem, das sich aus der Anforderung ergibt, „Alter“ für die Wiederholungsanalyse zu haben. Meine Daten haben nur Zeit bis zum nächsten Ausfall, also ist die Frage:

* Was wäre eine gute Strategie, um das anfängliche „Alter“ zu definieren, wenn Sie es nicht kennen?

Ich habe nicht viele Daten, also wäre es mein allerletzter Ausweg, die 1. Reparatur zu unterstellen und die 2. als 1. zu nehmen. Gibt es eine formale oder allgemeine Methode, um diese Situation zu umgehen?

Vielen Dank nochmal!
Beifall,
Raúl
Betreff: Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit Einflussfaktoren

Danke für den Rat, ich weiß es wirklich zu schätzen, ich werde diesen Ansatz ausprobieren und hier posten, wie es geht,

Beifall,

 

Betreff: Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit Einflussfaktoren

Basierend auf Ihrer Beschreibung sollten Sie die Wiederholungsanalyse verwenden. Fit Parametric Survival ist für nicht reparierbare Systeme.

Wenn Sie daran interessiert sind, was passieren würde, wenn man Fit Parametric Survival oder Life Distribution falsch verwendet, um wiederkehrende Daten zu analysieren, lesen Sie diesen Vortrag Lebensdauerverteilung oder Wiederholungsanalyse . Dr. Trindade gab ein eindrucksvolles Beispiel, das zu völlig entgegengesetzten Schlussfolgerungen führt. Einige wichtige Folien: Seite 21, 24, 27.

Informationen zum Einbeziehen von Faktoren in die Wiederholungsanalyse finden Sie im Abschnitt „Anpassungsmodell“ im Kapitel zur Wiederholungsanalyse in der Dokumentation. Hier ist der Link zur JMP16.2-Dokumentation Anpassungsmodell in der Wiederholungsanalyse . Dies sollte (a) beantworten.

Für (b) können Sie keine Interpretation wie "Die Ausfallwahrscheinlichkeit von System X in den nächsten zwei Wochen beträgt 1 %" vornehmen, sondern so etwas wie "System X wird in den nächsten zwei Wochen voraussichtlich 0,01 Ausfälle erleiden." Beachten Sie, dass der Fehler ein Bruchteil ist. Wenn Sie über eine Flotte von 100 solcher Systeme verfügen, alle mit der gleichen Wiederholungsrate, dann sollten Sie damit rechnen, dass ein System in den nächsten zwei Wochen ausfallen wird.