假設您正在製造零件，其中一小部分零件容易受到早期生命「缺陷」的影響，從而導致它們失效，而其餘部分則沒有缺陷，並且永遠不會失效，因為如果有缺陷。 你怎麼處理這個問題？
最近發表的一篇論文探索高峰會解決了這個問題。 論文的作者是 David Trindade 博士，他在分析缺陷亞群 (DS)。
當製造過程在所生產的總零件的一小部分中引入缺陷時，就會發生 DS。 例如，也許一家電機製造商從多家供應商購買電刷。 在組裝時不知不覺中，其中一家供應商（為該特定馬達型號供應約 15% 的電刷）提供的電刷最終會在馬達壽命的早期失效。 其餘廠商的刷子都沒問題。 因此，有一小部分固定的電機會在使用壽命早期出現故障。
我們可以使用 JMP 的壽命分佈平台分析馬達的可靠性，並透過將兩條威布爾曲線與數據擬合來假設存在兩個故障「原因」。 其中一條曲線將適合早期故障數據，而第二條曲線將處理其餘的馬達。
但這並不完全正確。 威布爾分佈假設整個群體在產品的整個生命週期中都容易受到任一類型故障的影響，而實際上只有少數電機會經歷早期故障。 一旦該子群中的馬達全部發生故障，就不會再有馬達因這種「壞電刷」原因而發生故障。
這就是缺陷子群體分佈的用武之地。 在這裡，我們假設只有一部分產品存在這種最初的早期失效缺陷。結果是產品或系統可靠性的更好模型。
如果您有興趣了解有關此主題的更多信息，我鼓勵您閱讀Trindade 博士的優秀論文。 享受！
