具有影響因素的可修復系統的故障機率建模你好社區，
我想在這個主題中尋求一些幫助，我已經閱讀了 JMP 的大部分帖子和指南以及一些網路研討會，但我仍然不知道如何正確地對以下情況進行建模。
想像你做了一個實驗N個系統，運行一個T期，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，因此您有審查的數據及其審查指標。
* 以這種方式記錄修復之間的運行時間以及T到期之前最後測量的運行時間。
* 運行狀況（開/關）、運行時間和其他幾個感測器測量值每小時記錄一次，直到 T（實驗結束），因此您希望這些感測器可以部分解釋故障率
問題：
a）在使用「擬合參數生存」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數的方法，但我不知道如何將這些因素合併到遞歸分析中，那麼是否可以對影響因素進行重現分析建模呢？
b) 如果您在這裡使用感測器在某一點 t 的測量值來預測故障機率，那麼參數生存或重複分析是否有意義？
多謝！！
勞爾
消費者與市場研究數據探索和視覺化可靠度分析回覆：對可修復系統的故障機率及其影響因素進行建模你好！
嗯，我檢查了給出的資源，它們很棒！ 但現在我面臨另一個問題，源自於需要「年齡」進行復發分析。 我的數據只有到下一次故障的時間，所以問題是：
* 如果您不知道，定義初始「年齡」的好策略是什麼？
我沒有太多數據，因此估算第一次修復並將第二次修復作為第一次修復將是我最後的手段。 是否有正式或通用的方法來解決這種情況？
再次非常感謝！
乾杯，
勞爾
回覆：對可修復系統的故障機率及其影響因素進行建模
感謝您的建議，我真的很感激，我會嘗試這種方法並在這裡發布它是如何進行的，
乾杯，
回覆：對可修復系統的故障機率及其影響因素進行建模根據您的描述，您應該使用重複分析。 擬合參數生存適用於不可修復的系統。
如果您對錯誤地使用擬合參數生存或壽命分佈來分析經常性資料會發生什麼感興趣，請查看此演講壽命分佈或復發分析。 特林達德博士舉了一個引人注目的例子，卻得出了完全相反的結論。 一些關鍵投影片：第 21、24、27 頁。
若要將因素納入重現分析中，請查看文件中重現分析一章中的「擬合模型」部分。 這是 JMP16.2 文件的鏈接遞歸分析中的擬合模型。 這應該回答（a）。
對於(b)，您將無法做出「系統X 在未來兩週內的故障機率為1%」之類的解釋，而是「系統X 預計在未來兩週內將出現0.01 次故障」這樣的解釋。 請注意，失敗只是一小部分。 如果您有一個由 100 個此類系統組成的佇列，並且所有系統的重複率都相同，那麼您應該預期有一個系統將在接下來的兩週內出現故障。
