具有影响因素的可修复系统的故障概率建模你好社区，
我想在这个主题中寻求一些帮助，我已经阅读了 JMP 的大部分帖子和指南以及一些网络研讨会，但我仍然不知道如何正确地对以下情况进行建模。
想象一下你做了一个实验N个系统，运行一个T期，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，因此您有审查的数据及其审查指标。
* 以这种方式记录修复之间的运行时间以及T到期之前最后测量的运行时间。
* 运行状况（开/关）、运行时间和其他几个传感器测量值每小时记录一次，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“拟合参数生存”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，那么是否可以对影响因素进行重现分析建模呢？
b) 如果您在这里使用传感器在某个点 t 的测量值来预测故障概率，那么参数生存或重复分析是否有意义？
多谢！！
劳尔
消费者和市场研究数据探索和可视化可靠性分析回复：对可修复系统的故障概率及其影响因素进行建模你好！
嗯，我检查了给出的资源，它们很棒！ 但现在我面临另一个问题，源于需要“年龄”进行复发分析。 我的数据只有到下一次故障的时间，所以问题是：
* 如果您不知道，定义初始“年龄”的好策略是什么？
我没有太多数据，因此估算第一次修复并将第二次修复作为第一次修复将是我最后的手段。 是否有正式或通用的方法来解决这种情况？
再次非常感谢！
干杯，
劳尔
回复：对可修复系统的故障概率及其影响因素进行建模
感谢您的建议，我真的很感激，我会尝试这种方法并在这里发布它是如何进行的，
干杯，
回复：对可修复系统的故障概率及其影响因素进行建模根据您的描述，您应该使用重复分析。 拟合参数生存适用于不可修复的系统。
如果您对错误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注目的例子，却得出了完全相反的结论。 一些关键幻灯片：第 21、24、27 页。
要将因素纳入重现分析中，请查看文档中重现分析一章中的“拟合模型”部分。 这是 JMP16.2 文档的链接递归分析中的拟合模型。 这应该回答（a）。
对于 (b)，您将无法做出“系统 X 在未来两周内的故障概率为 1%”之类的解释，而是“系统 X 预计在未来两周内将出现 0.01 次故障”这样的解释。 请注意，失败只是一小部分。 如果您有一个由 100 个此类系统组成的队列，并且所有系统的重复率都相同，那么您应该预计有一个系统将在接下来的两周内出现故障。
