假设您正在制造零件，其中一小部分零件容易受到早期生命“缺陷”的影响，从而导致它们失效，而其余部分则没有缺陷，并且永远不会失效，因为如果有的话。 你怎么处理这个问题？
最近发表的一篇论文探索峰会解决了这个问题。 该论文的作者是 David Trindade 博士，他在分析缺陷亚群 (DS)。
当制造过程在所生产的总零件的一小部分中引入缺陷时，就会发生 DS。 例如，也许一家电机制造商从多家供应商那里购买电刷。 在组装时不知不觉中，其中一家供应商（为该特定电机型号提供大约 15% 的电刷）提供的电刷最终会在电机寿命的早期失效。 其余厂商的刷子都没有问题。 因此，有一小部分固定的电机会在使用寿命早期出现故障。
我们可以使用 JMP 的寿命分布平台分析电机的可靠性，并通过将两条威布尔曲线拟合到数据来假设存在两个故障“原因”。 其中一条曲线将适合早期故障数据，而第二条曲线将处理其余的电机。
但这并不完全正确。 威布尔分布假设整个群体在产品的整个生命周期内都容易受到任一类型故障的影响，而实际上只有少数电机会经历早期故障。 一旦该子群中的电机全部发生故障，就不会再有电机因这种“坏电刷”原因而发生故障。
这就是缺陷子群体分布的用武之地。 在这里，我们假设只有一部分产品存在这种最初的早期失效缺陷。结果是产品或系统可靠性的更好模型。
如果您有兴趣了解有关此主题的更多信息，我鼓励您阅读Trindade 博士的优秀论文。 享受！
