CIAO,
in una recente discussione con un cliente abbiamo riconosciuto alcune cose nella piattaforma di previsione dell'affidabilità e distribuzione della vita a cui non ho potuto rispondere subito e che in qualche modo sono state sorprendenti o hanno rappresentato un miglioramento.
1. Previsioni di affidabilità:
- I dati sono in formato Nevada e organizzati in modo da elencare diversi identificatori (gruppi), quindi V1_0 con dati in formato Nevada, V1_1 e V1_2 oltre anche in formato Nevada. (vedi set di dati allegato Beispiel1_Anonymized.jmp)
- Se eseguo una previsione sull'affidabilità con il filtro dati impostato su V1_0 o V1_2 (V1_1 possiamo ignorarlo per questo esempio) e utilizzo Quantità come Conteggio prodotti, P-mese come Timestamp e le colonne della data come Conteggio errori, funziona bene solo per V1_0 , solo V1_2 e anche per V1_0 e V1_2 entrambi selezionati. Ma non appena aggiungo la colonna X_1 (che contiene i valori nominali V1_0 e V1_2) come ID di gruppo (immagine sotto), non funziona e viene visualizzato un messaggio di errore: il formato dei dati non è valido.
- Ho pensato che l'ID gruppo consentirà di avere in una finestra la stessa analisi una volta per V1_0 e una volta per V1_2 (supponendo che il filtro dati sia impostato correttamente ) - da dove viene l'errore?
- Previsioni di affidabilità:
- A volte la riparazione avviene già nel primo mese di servizio o anche prima che la riparazione sia già in servizio. Quindi un 1 o un altro numero positivo sulla diagonale o nel triangolo inferiore. Ciò si traduce in un insieme ridotto di possibili distribuzioni (ad esempio, no Weibull). Come affrontare questo problema? Come si può risolvere il problema per poter continuare a utilizzare Weibull o altre distribuzioni più adatte? (Basta usare la produzione piccola e modificare la quarta riga della colonna 09/2009 o 10/2009 in 1 ed eseguire lo script per vedere la differenza)
- Distribuzione della vita: (vedi Beispiel2 Anomized.jmp)
- se si effettuano riparazioni prima della data di installazione, verranno restituiti valori negativi. Come affrontarlo? Anche quando hai cause concorrenti? (aggiungere un offset è una soluzione realistica? o anche questo ha un impatto negativo? Un'altra opzione potrebbe essere quella di utilizzare la data di produzione, ma suppongo che non rifletterebbe la previsione corretta per la data di installazione)
- se si effettuano riparazioni, ad esempio pochi giorni dopo la data di installazione, ma si desidera effettuare la riparazione su base mensile, il tempo verrebbe ridotto a zero. Come affrontarlo?
- A volte una miscela adatta è più accurata della distribuzione Weibull o di un'altra distribuzione stessa. Come adattare la miscela rispetto alla trama originale delle distribuzioni in una finestra? So che si potrebbe copiare il contenuto del grafico, ma sarebbe molto meglio se ci fosse un'opzione per includere la miscela per opzione nell'elenco delle altre distribuzioni da mostrare nella trama originale. Anche quando ci sono cause contrastanti non c'è modo di selezionare la miscela adatta. Questo sarebbe un grande vantaggio, ha detto il mio cliente. Ci sono dei piani o è difficile realizzarlo con una soluzione alternativa? (So che questa è più una domanda per gli sviluppatori)
- Per tutte le distribuzioni è possibile utilizzare l'opzione Fit survival, tuttavia questa opzione non è disponibile per la mistura fit. Questo può essere incluso nella piattaforma? Esiste una soluzione semplice?
Grazie per qualsiasi feedback su queste domande.
Martino
Ciao Peng, grazie per ora. Indagherò ulteriormente per vedere se le soluzioni alternative funzioneranno finora per il cliente e per capire quale sarebbe l'impatto sul business per il caso di inflazione zero. Aggiungerò presto alcune note qui.
Martino
Ciao Martino,
Il problema segnalato è un bug. L'ho risolto in JMP13. Per risolvere il problema nelle versioni attuali, elimina il gruppo se escludi tutte le righe in un gruppo.
Per la domanda Previsione affidabilità, i punti temporali sono tutti singleton, ad esempio 09/2009 indica il primo segno di spunta nel primo giorno di settembre 2009. Pertanto, è necessario differenziare i timestamp delle righe e quelli delle colonne per far sapere al software che c'è un inizio e c'è una fine. I fallimenti prima dell'inizio sono un errore.
Probabilmente non vuoi giocare con le probabilità per mettere i fallimenti proprio all'inizio. Non otterrai i risultati desiderati. Perché i fallimenti all'inizio significano i fallimenti al momento zero. Per analizzare tali dati è necessaria una distribuzione ZI e le distribuzioni ZI non sono supportate nella piattaforma. I fallimenti con inflazione zero sono rari. Se ne hai bisogno in Previsione affidabilità, invia una richiesta.
Per le prime due domande su Beispiel2 Anomized.jmp, immagino che tu stia ancora parlando della piattaforma Forecast. Penso che il primo sia un errore di input, senza dubbio. Nel secondo, devi giocare con i timestamp di righe e colonne e aggregare nuovi conteggi per ottenere gli intervalli di tempo desiderati. Il formato Nevada è popolare perché si trova già nell'intervallo desiderato per la previsione prodotta dall'IT.
Per sovrapporre la miscela con quella singola, un'alternativa è quella di montare una miscela monocomponente. Ad esempio, montare una miscela a 2 Weibull e montare una miscela a 1 Weibull.
Per le curve di sopravvivenza, prova a ripristinare Axis min-max, una casella di controllo nella finestra di dialogo Axis. In qualche modo, l'ombra CI è andata persa, devo indagare. Immagino non banale.
Grazie,
Peng
