影片於 2024 年 5 月更新。
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。透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，加速失效資料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資料建立安全操作區 (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 - 探索多個解釋變數與一個或多個反應變數之間關係的方法。
- 阿倫尼烏斯方程式或模型 - 描述許多物理和化學過程的反應速率與溫度之間的關係。此方程式將退化機制與絕對溫度 (T) 的依賴性以及失效時間連結起來。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。
以下是 2024 年網路研討會未涵蓋的壓力測試演示。對於需要比模擬恆定壓力更快獲得結果的人來說，它可能很有用。要使用它，您必須確信 1) 應力不會太高而導致失效模式變化，2) 變化的應力不會產生額外影響。
Jerry Fish @JerryFish和 Charlie Whitman @charlie_whitman在現場網路研討會演示中回答的問題，以及之前演示中的一些答案。
Q：如果您的數據顯示不同應力條件下的斜率不同，會發生什麼情況？
答：這可能是個問題。請記住，當我們推斷使用條件並且斜率不同時，就違反了恆定形狀因子的假設。因此，有一些複雜的方法可以解決這個問題。例如，假設在最高應力下，您發現形狀因子與較低應力下的形狀因子有很大不同。在這種情況下，您可以排除較高壓力的數據。很多時候，如果斜率在變化，那麼形狀因子也在變化，這表明但不一定意味著失效機制正在變化。你想避免這種情況。因此，您可能會排除該數據並以較低的壓力對其進行分析，然後進行推斷，這是一個問題。您可能需要承受一些更低的應力，因為您希望形狀因子保持不變，這樣您就可以充滿信心地做出預測。
Q：分位數線總是直線嗎？
答：線條將是直的，因為繪圖已針對所選模型進行了適當縮放，例如演示範例中的阿倫尼烏斯模型。
Q：您如何決定使用對數常態分佈？
答：您可以比較多個分佈的擬合情況，決定哪種擬合效果最好，然後採用該模型。或者您可能有歷史資訊表明部分使用特定發行版失敗。
Q：為什麼我們要使用三種不同的溫度？
答：這樣您就可以偵測溫度與壽命圖中的「曲率」。如果您只使用 2 個溫度，則您將假設一條直線，並且您永遠不會知道曲率是否會影響您的結果。
Q： ALT 測試是否應該被視為等同於隨著時間的推移自然老化？
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。
Q：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作一樣。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“超出數據範圍進行推斷”，這是回歸中的禁忌。
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，您試圖找到最適合資料表示的故障機率的分佈。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機率感興趣。因此，您可能會進行推斷，但置信區間並不像在迴歸中推斷超出端點時發現的那麼寬。
Q：Fit Life by X、阿倫尼烏斯分析是否可以在每個溫度設定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。
Q：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，我認為你只需要 2 個。
Q：對於 Fit Life by X，Arrhenius，如果將溫度建模為序數，則該演示是否仍然有效，或者 Fit Life by X 分析是否需要連續資料？
答：不會。
Q：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，您可以計算出感興趣的分位數的置信區間。
Q：我知道最好在 3 個不同的溫度下取得數據，但是是否可以只使用一個？
答：不。您至少需要 2 個點來擬合該線。
Q：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本嗎？
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。
Q：你什麼時候使用冪律與阿倫尼烏斯法則？
答：在實務中，許多人使用功率表示電壓，使用阿倫尼烏斯表示溫度。如果這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值超出信賴區間。
Q：您是否總是對阿倫尼烏斯模型使用對數常態變換，對冪律模型使用威布爾變換？
答：不。
Q：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。
Q：透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）預測總是一個好主意，無論是在 ALT 還是一般 DOE 分析，甚至是觀測資料的迴歸模型中。套用喬治·博克斯的話說，“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。
Q：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 選單的「特殊用途」下，有一個ALT 設計選項。
Q：對於階躍應力，何時會考慮使用對數常態曲線 - 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常態分佈（如對數常態分佈）。
Q：您如何處理間隔審查？例如，如何在資料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。
Q：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交互作用（例如，不同的產品可能有不同的分佈範圍）。
Q：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。您可以將預測值儲存到資料集並在圖形產生器中繪製它們以獲得漂亮的圖形輸出。
Q：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？
答：使用 ALT 平台可能會更好。
此分析通常使用非線性模型。有關非線性模型的更多資訊：
