当产品在使用条件下的可靠性较高时，需要进行加速寿命测试（ALT）以减少测试时间。通过在更恶劣的条件下测试零件，故障时间要低得多，因此可以在合理的时间内完成测试。然后，加速失效数据可用于预测低应力下的产品可靠性。
请参阅如何：
- 了解ALT的原理
- 使用恒定阿伦尼乌斯和幂律恒定应力模型来预测使用条件下的寿命
- 使用阶跃应力方法可以进一步缩短测试时间，并且仍然可以预测低应力下的可靠性
- 根据两个因素的加速寿命数据创建安全操作区 (SOA)
加速寿命试验的一些背景：
- 平均故障时间——不可修复产品的平均故障时间。
- 响应面方法 - 探索多个解释变量与一个或多个响应变量之间关系的方法。
- 阿伦尼乌斯方程或模型 - 描述许多物理和化学过程的反应速率与温度之间的关系。 该方程将退化机制与绝对温度 (T) 的依赖性以及失效时间联系起来。失效时间 ~ exp(Ea/T)，其中 Ea 是活化能。 可用于估计温度变化时的可靠性参数。
- 幂律模型 - 给出失效时间和应力之间依赖关系的方程，其中失效时间是应力的某个指数（或幂）的函数。 失败的时间〜压力^n，其中n是指数。
- 审查 - 审查数据点意味着该数据点被排除为故障时间，但仍作为零件的运行时间包含在分析中。正确的审查——在零件失效之前，零件上的应力已停止。 间隔审查——在某个已知的时间间隔内发生零件故障。 左审查——该部件在测试开始前的某个时刻失败了。左删失在工业实验中并不常见。
杰里·菲什回答的问题@杰瑞鱼, 唐·麦科马克@唐麦考马克和查理·惠特曼@charlie_whitman在现场网络研讨会演示期间：
问： ALT 测试是否应该被视为等同于随着时间的推移自然衰老？
答：对于 ALT，您假设加速不会改变您在正常使用条件下看到的故障机制。
问：ALT 是否代表现实世界的情况？
答：是的。 当在标准操作条件下需要很长时间才能获得结果时，就会一直使用它们。 关键是加速因素会导致相同的故障模式，就像您在标准条件下运行一样。 这取决于代表的含义。 尽管它们并不代表现实生活条件，但它们代表了可靠性研究的进行方式。
问：在阿累尼乌斯散点图上，感觉就像是“超出数据范围进行推断”，这是回归中的禁忌。 真的吗？
答：是的，但它是在与回归不同的背景下完成的。 就可靠性而言，您试图找到最适合数据表示的故障概率的分布。 您没有后来的故障时间的数据，但了解早期的故障可能足以对分布进行建模。 最重要的是，您通常对早期的失败概率感兴趣。 因此，您可能会进行推断，但置信区间并不像在回归中推断超出端点时发现的那样宽。
问：Fit Life by X、阿伦尼乌斯分析是否可以在每个温度设置下仅使用一个数据点来完成？
答：仅当您计划对故障分布和加速因子做出一些假设并使用贝叶斯方法时。
问：对于 X 的 Fit Life，阿伦尼乌斯，您需要多少压力条件才能推断使用条件？
答：从数学上讲，我认为您只需要 2 个。但与任何统计问题一样，数据越多越好，置信区间更严格，等等。因此，它成为测试所需资源的权衡。
问：对于 Fit Life by X，Arrhenius，如果将温度建模为序数，该演示是否仍然有效，或者 Fit Life by X 分析是否需要连续数据？
答：没有。 这些模型的假设是 X 是连续的或名义的。
问：对于 Fit Life by X，Arrhenius，您能否简要解释一下 JMP 如何计算预测寿命的置信下限和置信上限？
答：JMP 使用最大似然来估计所选分布的参数。 由此，您可以计算感兴趣的分位数的置信区间。
问：我知道最好在 3 个不同的温度下获取数据，但是否可以只使用一个？
答：不。这就像通过一个点拟合一条线。您至少需要 2 个点来拟合该线。
问：这个幂律模型（也称为对数模型或电压模型）可以适用于破坏性样品吗？
答：到目前为止，查理所讨论的一切都假设每个样本进行一次测量。 他没有讨论重复测量。
问：你什么时候使用幂律与阿伦尼乌斯法则？
答：在实践中，许多人使用功率表示电压，使用阿伦尼乌斯表示温度。 如果它是您不熟悉的压力源，请考虑查阅文献以了解历史上使用过的内容。 您也可以进行检查。见下文。
问：“坏”数据在这些分析中会如何表现？ 假设我们过于激进并引发了另一种失败模式。 在请主题专家或检查零件之前，模型中是否有签名可以揭示这一点？
答：您可能会在某个时刻看到观察结果超出置信区间。
问：您是否总是对阿伦尼乌斯模型使用对数正态变换，对幂律模型使用威布尔变换？
答：不。您可以使用任何您想要的发行版。
问：形状系数是什么意思？
答：这是一个通用术语，规定了分布形状如何变化。 将其视为控制给定分布特征的参数。
问：通过更长时间的老化研究和更小的应力斜坡速率来验证外推 ALT 测试是否正常？
答：验证（或确认）预测始终是一个好主意，无论是在 ALT 还是一般 DOE 分析，甚至是观测数据的回归模型中。用乔治·博克斯的话来说，“所有模型都是错误的，但有些模型是有用的。”了解您的模型是否“有用”的唯一方法是运行一些确认测试。
问：JMP 是否有一个样本量计算器，可以帮助我们了解在每种条件下要测试多少样本才能获得所需的预测区间？
答：在 DOE 菜单“特殊用途”下，有一个替代设计选项。
问：对于阶跃应力，您何时会考虑使用对数正态曲线 - 当它不是线性或抛物线时？
答：请记住，您正在对寿命分布进行建模。 任何具有偏态分布（较长时间内失败较多）的事物都将受益于非正态分布（如对数正态分布）。
问：您如何处理间隔审查？ 例如，如何在数据表中编码以输入到可靠性分析平台中？
答：您将有 2 个审查栏。第一个将列出较低的中间值，第二个将列出较高的中间值。在输入中输入两个审查列，JMP 知道您正在谈论间隔审查。
问：如果我有两种产品，并且想了解它们在两种应力条件下（时间和电压，如 Charlie 所示）的表现，您是否建议将产品添加为协变量或对每种产品执行不同的分析？
答：我倾向于将其添加为协变量，这样我就可以查看产品和加速因子条件之间的相互作用（例如，不同的产品可能具有不同的分布范围）。
问：对于 Survival Fit 平台，您似乎无法从 Fit Life by X 平台获得一些不错的输出，例如分布图。 这是真的？
答：正确。您可以将预测值保存到数据集并在图形生成器中绘制它们以获得漂亮的图形输出。
问：如果您正在加速弹性体机械性能的退化，并希望将性能预测外推到更低的温度/更长的时间，您还会使用 ALT 平台吗？或者您会在这里使用 DOE 平台吗？
答：使用 ALT 平台可能更好。
该分析通常使用非线性模型。 有关非线性模型的更多信息：
