具有影響因素的可修復系統的故障概率建模你好社區，
我想在這個主題上尋求一些幫助，我已經閱讀了 JMP 可用的大部分帖子和指南以及幾個網絡研討會，但我仍然無法理解如何正確模擬以下情況。
想像一下，你用N個系統, 運行一個週期 T ，其中您觀察到幾個單元（u1 到 uN），其中一些確實發生故障（並且已修復並恢復運行）而另一些則根本沒有發生故障，因此您有審查數據及其審查指標。
* 以這種方式記錄修復之間的運行時間和 T 到期前最後一次測量的運行時間。
* 每小時記錄運行條件（開/關）、運行時間和其他幾個傳感器測量值，直到 T（實驗結束），因此您希望這些傳感器可以部分解釋故障率
問題：
a) 在使用 Fit Parametric Survival 時，您可以添加位置和比例因子作為合併可能影響生存的變量的一種方式，但我不知道如何將這些因素合併到遞歸分析中，那麼是否可以用影響因素對複發分析進行建模？
b) 如果您在這裡使用傳感器在特定點 t 的測量值來預測故障概率，那麼參數生存或複發分析是否有意義？
多謝！！
勞爾
分析回复：建模具有影響因素的可修復系統的故障概率你好！
好吧，我檢查了給定的資源，它們很棒！ 但現在我面臨另一個問題，源於對“年齡”進行複發分析的要求。 我的數據只有下一次失敗的時間，所以問題是：
* 如果您不知道初始“年齡”，什麼是定義初始“年齡”的好策略？
我沒有太多數據，所以將第 1 次修復歸為第 2 次作為第 1 次修復是我最後的選擇。 是否有正式或常用的方法來解決這種情況？
再次感謝！
乾杯，
勞爾
回复：建模具有影響因素的可修復系統的故障概率
感謝您的建議，我真的很感激，我會嘗試這種方法並在此處發布它的進展情況，
乾杯，
回复：建模具有影響因素的可修復系統的故障概率根據您的描述，您應該使用遞歸分析。 Fit Parametric Survival 適用於不可修復的系統。
如果您對如果不正確地使用擬合參數生存或壽命分佈來分析經常性數據會發生什麼感興趣，請查看此演講壽命分佈或複發分析. 特林達德博士舉了一個引人入勝的例子，得出了完全相反的結論。 一些關鍵幻燈片：第 21、24、27 頁。
要將因素納入復發分析，請查看文檔中復發分析一章中的“擬合模型”部分。 這是 JMP16.2 文檔的鏈接回歸分析中的擬合模型. 這應該回答（a）。
對於 (b)，您將無法做出類似“系統 X 在接下來的兩週內發生故障的概率為 1%”這樣的解釋，而是像“系統 X 預計在接下來的兩週內發生 0.01 次故障”這樣的解釋。 請注意失敗是一小部分。 如果您有一組 100 個這樣的系統，所有系統都具有相同的複發率，那麼您應該預計一個系統將在接下來的兩週內發生故障。
