具有影响因素的可修复系统的故障概率建模你好社区，
我想在这个主题上寻求一些帮助，我已经阅读了 JMP 可用的大部分帖子和指南以及几个网络研讨会，但我仍然无法理解如何正确模拟以下情况。
想象一下，你用N个系统, 运行一个周期 T ，其中您观察到几个单元（u1 到 uN），其中一些确实发生故障（并且已修复并恢复运行）而另一些则根本没有发生故障，因此您有审查数据及其审查指标。
* 以这种方式记录修复之间的运行时间和 T 到期前最后一次测量的运行时间。
* 每小时记录运行条件（开/关）、运行时间和其他几个传感器测量值，直到 T（实验结束），因此您希望这些传感器可以部分解释故障率
问题：
a) 在使用 Fit Parametric Survival 时，您可以添加位置和比例因子作为合并可能影响生存的变量的一种方式，但我不知道如何将这些因素合并到递归分析中，那么是否可以用影响因素对复发分析进行建模？
b) 如果您在这里使用传感器在特定点 t 的测量值来预测故障概率，那么参数生存或复发分析是否有意义？
多谢！！
劳尔
分析回复：建模具有影响因素的可修复系统的故障概率你好！
好吧，我检查了给定的资源，它们很棒！ 但现在我面临另一个问题，源于对“年龄”进行复发分析的要求。 我的数据只有下一次失败的时间，所以问题是：
* 如果您不知道初始“年龄”，什么是定义初始“年龄”的好策略？
我没有太多数据，所以将第 1 次修复归为第 2 次作为第 1 次修复是我最后的选择。 是否有正式或常用的方法来解决这种情况？
再次感谢！
干杯，
劳尔
回复：建模具有影响因素的可修复系统的故障概率
感谢您的建议，我真的很感激，我会尝试这种方法并在此处发布它的进展情况，
干杯，
回复：建模具有影响因素的可修复系统的故障概率根据您的描述，您应该使用递归分析。 Fit Parametric Survival 适用于不可修复的系统。
如果您对如果不正确地使用拟合参数生存或寿命分布来分析经常性数据会发生什么感兴趣，请查看此演讲寿命分布或复发分析. 特林达德博士举了一个引人入胜的例子，得出了完全相反的结论。 一些关键幻灯片：第 21、24、27 页。
要将因素纳入复发分析，请查看文档中复发分析一章中的“拟合模型”部分。 这是 JMP16.2 文档的链接回归分析中的拟合模型. 这应该回答（a）。
对于 (b)，您将无法做出类似“系统 X 在接下来的两周内发生故障的概率为 1%”这样的解释，而是像“系统 X 预计在接下来的两周内发生 0.01 次故障”这样的解释。 请注意失败是一小部分。 如果您有一组 100 个这样的系统，所有系统都具有相同的复发率，那么您应该预计一个系统将在接下来的两周内发生故障。
