當產品在使用條件下的可靠性較高時，需要進行加速壽命測試（ALT）以減少測試時間。通過在更惡劣的條件下測試零件，故障時間要低得多，因此可以在合理的時間內完成測試。然後，加速失效數據可用於預測低應力下的產品可靠性。
請參閱如何：
- 了解ALT的原理
- 使用恆定阿倫尼烏斯和冪律恆定應力模型來預測使用條件下的壽命
- 使用階躍應力方法可以進一步縮短測試時間，並且仍然可以預測低應力下的可靠性
- 根據兩個因素的加速壽命數據創建安全操作區 (SOA)
加速壽命試驗的一些背景：
- 平均故障時間——不可修復產品的平均故障時間。
- 響應面方法 - 探索多個解釋變量與一個或多個響應變量之間關係的方法。
- 阿倫尼烏斯方程或模型 - 描述許多物理和化學過程的反應速率與溫度之間的關係。 該方程將退化機制與絕對溫度 (T) 的依賴性以及失效時間聯繫起來。失效時間 ~ exp(Ea/T)，其中 Ea 是活化能。 可用於估計溫度變化時的可靠性參數。
- 冪律模型 - 給出失效時間和應力之間依賴關係的方程，其中失效時間是應力的某個指數（或冪）的函數。 失敗的時間〜壓力^n，其中n是指數。
- 審查 - 審查數據點意味著該數據點被排除為故障時間，但仍作為零件的運行時間包含在分析中。正確的審查——在零件失效之前，零件上的應力已停止。 間隔審查——在某個已知的時間間隔內發生零件故障。 左審查——該部件在測試開始前的某個時刻失敗了。左刪失在工業實驗中並不常見。
傑里·菲什回答的問題@傑瑞魚, 唐·麥科馬克@唐麥考馬克和查理·惠特曼@charlie_whitman在現場網絡研討會演示期間：
問： ALT 測試是否應該被視為等同於隨著時間的推移自然衰老？
答：對於 ALT，您假設加速不會改變您在正常使用條件下看到的故障機制。
問：ALT 是否代表現實世界的情況？
答：是的。 當在標準操作條件下需要很長時間才能獲得結果時，就會一直使用它們。 關鍵是加速因素會導致相同的故障模式，就像您在標準條件下運行一樣。 這取決於代表的含義。 儘管它們並不代表現實生活條件，但它們代表了可靠性研究的進行方式。
問：在阿累尼烏斯散點圖上，感覺就像是“超出數據范圍進行推斷”，這是回歸中的禁忌。 真的嗎？
答：是的，但它是在與回歸不同的背景下完成的。 就可靠性而言，您試圖找到最適合數據表示的故障概率的分佈。 您沒有後來的故障時間的數據，但了解早期的故障可能足以對分佈進行建模。 最重要的是，您通常對早期的失敗概率感興趣。 因此，您可能會進行推斷，但置信區間並不像在回歸中推斷超出端點時發現的那樣寬。
問：Fit Life by X、阿倫尼烏斯分析是否可以在每個溫度設置下僅使用一個數據點來完成？
答：僅當您計劃對故障分佈和加速因子做出一些假設並使用貝葉斯方法時。
問：對於 X 的 Fit Life，阿倫尼烏斯，您需要多少壓力條件才能推斷使用條件？
答：從數學上講，我認為您只需要 2 個。但與任何統計問題一樣，數據越多越好，置信區間更嚴格，等等。因此，它成為測試所需資源的權衡。
問：對於 Fit Life by X，Arrhenius，如果將溫度建模為序數，該演示是否仍然有效，或者 Fit Life by X 分析是否需要連續數據？
答：沒有。 這些模型的假設是 X 是連續的或名義的。
問：對於 Fit Life by X，Arrhenius，您能否簡要解釋一下 JMP 如何計算預測壽命的置信下限和置信上限？
答：JMP 使用最大似然來估計所選分佈的參數。 由此，您可以計算感興趣的分位數的置信區間。
問：我知道最好在 3 個不同的溫度下獲取數據，但是否可以只使用一個？
答：不。這就像通過一個點擬合一條線。您至少需要 2 個點來擬合該線。
問：這個冪律模型（也稱為對數模型或電壓模型）可以適用於破壞性樣品嗎？
答：到目前為止，查理所討論的一切都假設每個樣本進行一次測量。 他沒有討論重複測量。
問：你什麼時候使用冪律與阿倫尼烏斯法則？
答：在實踐中，許多人使用功率表示電壓，使用阿倫尼烏斯表示溫度。 如果它是您不熟悉的壓力源，請考慮查閱文獻以了解歷史上使用過的內容。 您也可以進行檢查。見下文。
問：“壞”數據在這些分析中會如何表現？ 假設我們過於激進並引發了另一種失敗模式。 在請主題專家或檢查零件之前，模型中是否有簽名可以揭示這一點？
答：您可能會在某個時刻看到觀察結果超出置信區間。
問：您是否總是對阿倫尼烏斯模型使用對數正態變換，對冪律模型使用威布爾變換？
答：不。您可以使用任何您想要的發行版。
問：形狀係數是什麼意思？
答：這是一個通用術語，規定了分佈形狀如何變化。 將其視為控制給定分佈特徵的參數。
問：通過更長時間的老化研究和更小的應力斜坡速率來驗證外推 ALT 測試是否正常？
答：驗證（或確認）預測始終是一個好主意，無論是在 ALT 還是一般 DOE 分析，甚至是觀測數據的回歸模型中。用喬治·博克斯的話來說，“所有模型都是錯誤的，但有些模型是有用的。”了解您的模型是否“有用”的唯一方法是運行一些確認測試。
問：JMP 是否有一個樣本量計算器，可以幫助我們了解在每種條件下要測試多少樣本才能獲得所需的預測區間？
答：在 DOE 菜單“特殊用途”下，有一個替代設計選項。
問：對於階躍應力，您何時會考慮使用對數正態曲線 - 當它不是線性或拋物線時？
答：請記住，您正在對壽命分佈進行建模。 任何具有偏態分佈（較長時間內失敗較多）的事物都將受益於非正態分佈（如對數正態分佈）。
問：您如何處理間隔審查？ 例如，如何在數據表中編碼以輸入到可靠性分析平台中？
答：您將有 2 個審查欄。第一個將列出較低的中間值，第二個將列出較高的中間值。在輸入中輸入兩個審查列，JMP 知道您正在談論間隔審查。
問：如果我有兩種產品，並且想了解它們在兩種應力條件下（時間和電壓，如Charlie 所示）的表現，您是否建議將產品添加為協變量或對每種產品執行不同的分析？
答：我傾向於將其添加為協變量，這樣我就可以查看產品和加速因子條件之間的相互作用（例如，不同的產品可能具有不同的分佈範圍）。
問：對於 Survival Fit 平台，您似乎無法從 Fit Life by X 平台獲得一些不錯的輸出，例如分佈圖。 這是真的？
答：正確。您可以將預測值保存到數據集並在圖形生成器中繪製它們以獲得漂亮的圖形輸出。
問：如果您正在加速彈性體機械性能的退化，並希望將性能預測外推到更低的溫度/更長的時間，您還會使用 ALT 平台嗎？或者您會在這裡使用 DOE 平台嗎？
答：使用 ALT 平台可能更好。
該分析通常使用非線性模型。 有關非線性模型的更多信息：
