Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit EinflussfaktorenHallo Community,
Ich möchte um etwas Hilfe zu diesem Thema bitten. Ich habe die meisten für JMP verfügbaren Beiträge und Leitfäden sowie einige Webinare gelesen, weiß aber immer noch nicht, wie ich die folgende Situation richtig modellieren soll.
Stellen Sie sich vor, Sie führen ein Experiment durch N-Systeme , kandidiert für a Periode T , in dem Sie mehrere Einheiten beobachten (u1 bis uN), einige von ihnen fallen tatsächlich aus (und werden repariert und wieder in Betrieb genommen) und andere fallen überhaupt nicht aus, also haben Sie es getan zensiert Daten und ihr Zensurindikator.
* Auf diese Weise wird die Laufzeit zwischen Reparaturen und die zuletzt gemessene Laufzeit vor Ablauf von T erfasst.
* Der Betriebszustand (ein/aus), die Laufzeit und mehrere andere Sensormessungen werden stündlich bis T (Ende des Experiments) aufgezeichnet. Sie hoffen also, 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. Ich weiß jedoch nicht, wie ich diese Faktoren in die Wiederholungsanalyse integrieren soll. Ist es also möglich, eine Wiederholungsanalyse mit Einflussfaktoren zu modellieren?
b) Wenn Sie die Ausfallwahrscheinlichkeit anhand der Sensormessungen an einem bestimmten Punkt t vorhersagen möchten, wäre dann eine parametrische Überlebens- oder Wiederholungsanalyse überhaupt sinnvoll?
Vielen Dank!!
Raul
Verbraucher- und MarktforschungDatenexploration und -visualisierungZuverlässigkeitsanalyseBetreff: Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit EinflussfaktorenHallo!
Nun, ich habe die bereitgestellten Ressourcen überprüft, sie waren großartig! Aber jetzt stehe ich vor einem anderen Problem, das sich aus der Anforderung ergibt, „Alter“ für die Wiederholungsanalyse anzugeben. Meine Daten haben nur Zeit bis zum nächsten Fehler, daher lautet die Frage:
* Was wäre eine gute Strategie, um das anfängliche „Alter“ zu definieren, wenn Sie es nicht kennen?
Ich habe nicht viele Daten, daher wäre es mein allerletzter Ausweg, die erste Reparatur anzurechnen und die zweite als erste zu nehmen. Gibt es eine formelle oder allgemeine Methode, um diese Situation zu umgehen?
Vielen Dank nochmal!
Prost,
Raul
Betreff: Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit Einflussfaktoren
Vielen Dank für den Rat, ich weiß ihn wirklich zu schätzen. Ich werde diesen Ansatz ausprobieren und hier posten, wie er funktioniert.
Prost,
Betreff: Modellierung der Ausfallwahrscheinlichkeit eines reparierbaren Systems mit EinflussfaktorenBasierend auf Ihrer Beschreibung sollten Sie die Wiederholungsanalyse verwenden. Fit Parametric Survival ist für nicht reparierbare Systeme gedacht.
Wenn Sie sich dafür interessieren, was passieren würde, wenn man „Fit Parametric Survival“ oder „Life Distribution“ fälschlicherweise zur Analyse wiederkehrender Daten verwendet, schauen Sie sich diesen Vortrag an Lebensverteilungs- oder Wiederholungsanalyse . Dr. Trindade gab ein eindrucksvolles Beispiel, das zu völlig gegensätzlichen Schlussfolgerungen führt. Einige wichtige Folien: Seite 21, 24, 27.
Informationen zum Einbeziehen von Faktoren in die Wiederholungsanalyse finden Sie im Abschnitt „Modell anpassen“ im Kapitel zur Wiederholungsanalyse in der Dokumentation. Hier ist der Link zum JMP16.2-Dokument Modell in der Wiederholungsanalyse anpassen . Dies sollte (a) beantworten.
Für (b) können Sie keine Interpretation wie „Die Ausfallwahrscheinlichkeit von System Beachten Sie, dass es sich bei dem Fehler um einen Bruchteil handelt. Wenn Sie über eine Flotte von 100 solchen Systemen verfügen, die alle die gleiche Wiederholungsrate aufweisen, müssen Sie damit rechnen, dass ein System in den nächsten zwei Wochen ausfällt.
