JMP 18 bietet neue Ermüdungsmodellfunktionen, die eine neue Methodik zur Analyse von Ermüdungstestdaten (auch als SN-Daten bekannt) implementieren, die auf jahrelanger Forschung von Prof. William Meeker und einem Forscherteam basiert. Die neue Methodik respektiert die Art der Zensur bei Ermüdungstestdaten; vereinheitlicht die Theorie der Ableitung der Ermüdungslebensdauerverteilung und der Ermüdungsfestigkeitsverteilung; und etabliert robuste Algorithmen zur Schätzung von Parametern. Die Analyseergebnisse dienen als Input für andere Methoden der Zuverlässigkeitstechnik, um die Zuverlässigkeit endgültiger Strukturen vorherzusagen.
Erfahren Sie, wie Sie:
- Verstehen Sie Situationen, in denen die Ermüdungsmodellierung nützlich sein kann
- Nutzen Sie die JMP Fatigue Modeling-Funktionen, um die neue Methodik zu implementieren
- Erstellen Sie 24 verschiedene Modelle, zeigen Sie Ergebnisse an und wählen Sie aus ihnen aus
- Wählen Sie einen von sechs SN-Kurventypen zusammen mit einer von vier Verteilungen, um einen Modus zusammenzustellen
- Vergleichen Sie verschiedene Modelle grafisch und numerisch
- Erhalten Sie detaillierte Informationen zu einzelnen Modellen, z. B. Parameterschätzungen und deren Konfidenzintervalle. Modelldiagnostik; Verteilungsprofiler für Ermüdungslebensdauer- und Ermüdungsfestigkeitsverteilungen; Quantilprofiler für die beiden Verteilungen; und benutzerdefinierte Schätzungen von Wahrscheinlichkeiten und Quantilen sowohl mit Wald- als auch mit Wahrscheinlichkeitsintervallen.
- Suchen Sie nach Verbesserungen, die für V 18.01 bereits geplant sind
- Bessere Proportionen in Dichtekurven
- Verteilungs- und Quantilprofile verwenden zwei Rahmen
Fragen und Antworten sind am Ende der Demo ab 1:09:00 Uhr enthalten. Die in den Demos verwendeten Beispieldaten sind in JMP 18 verfügbar:
JMP 18 sample files used in the demoIn der Demo verwendete JMP 18-Beispieldateien
Von Peng Liu @peng_liu und Rajneesh Rajneesh @Rajneesh im Live-Webinar beantwortete Fragen:
F: Wird die Steigung der Asymptote durch die Zugfestigkeit bestimmt (0 Zyklen bis zum Versagen)?
A: Im Moment passen wir aus statistischer Sicht zusammen. Wenn Sie Kenntnisse über die Steigung haben, können Sie überprüfen, ob sie übereinstimmt.
F: Zeigt das Cox-Snell-Residuendiagramm nicht die Runouts/zensierten Datenpunkte an?
A: Die Cox-Snell-Steigung besteht nicht aus Datenpunkten. es handelt sich um nichtparametrische Schätzungen der Verteilung der Residuen. Der Zweck des Cox-Snell-Residuendiagramms besteht darin, nach etwas zu suchen. Wenn die Kurve von der Diagonalen abweicht (Lognormal wird angepasst und stimmt nicht überein). Wenn wir dann Weibell anpassen, ist es viel besser, also verwenden Sie Weibell.
F: Die Konstruktion der Zero Slope-Modelle von Nishijima und Coffin-Manson scheint in ihrer Konstruktion ähnlich zu sein (dh Steigung bei Ermüdung bei niedrigen Zyklen, Asymtote bei Ermüdung bei hohen Zyklen). Gibt es einen funktionalen Unterschied, der Ihre Entscheidung, für einen bestimmten Datensatz ein Modell dem anderen vorzuziehen, beeinflussen würde?
A: Sie können das AIC-Kriterium zusammen mit Ihrem Vorwissen über die Daten verwenden.
F: Kann die nichtlineare Modellierungsplattform von JMP verwendet werden, um die gleichen Analysen durchzuführen wie mit der Ermüdungsmodellplattform?
A: Das ist möglich, aber Sie müssen die Startwerte kennen, um es einer nichtlinearen Plattform zu geben und die Verlustfunktion zu verwenden.
F: Welche Verlustfunktion würde ich verwenden, wenn ich nichtlinear verwende? Log-Wahrscheinlichkeit?
A: Ja, geben Sie die Log-Wahrscheinlichkeit als Verlust beim Start der nichtlinearen Plattform an.
F: Wenn Sie sich für mehrere Modelle entscheiden, vergleicht JMP diese dann für Sie und hilft Ihnen bei der Auswahl der besten Passform? (AIC, BIC)
A: Ja, und Sie können sie vergleichen.
Verweise
