Hola,
En una discusión reciente con un cliente, reconocimos algunas cosas en la plataforma de pronóstico de confiabilidad y distribución de vida que no pude responder de inmediato y que de alguna manera fueron sorprendentes o una mejora.
1. Previsión de confiabilidad:
- Los datos están en formato Nevada y están organizados de manera que se enumeran varios identificadores (grupos), por lo que V1_0 con datos en formato Nevada, V1_1 y V1_2 en adelante también en formato Nevada. (ver conjunto de datos adjunto Beispiel1_Anonymized.jmp)
- Si hago un pronóstico de confiabilidad con el filtro de datos configurado en V1_0 o V1_2 (V1_1 podemos ignorarlo en este ejemplo) y uso Cantidad como Recuento de productos, P-mes como Marca de tiempo y las columnas de fecha como Recuento de fallas, funciona bien solo para V1_0. , solo V1_2 e incluso para V1_0 y V1_2, ambos seleccionados. Pero tan pronto como agrego la columna X_1 (que contiene los valores nominales V1_0 y V1_2) como ID de grupo (imagen a continuación), no funciona y aparece un mensaje de error, el formato de datos no es válido.
- Pensé que el ID del grupo permitirá tener en una ventana el mismo análisis una vez para V1_0 y otra para V1_2 (suponiendo que el filtro de datos esté configurado correctamente). ) - ¿De dónde viene el error?
- Pronóstico de confiabilidad:
- A veces hay una reparación justo en el primer mes de servicio o incluso antes de que entre en servicio ya haya una reparación. Entonces, un 1 u otro número positivo en la diagonal o en el triángulo inferior. Esto da como resultado un conjunto reducido de posibles distribuciones (por ejemplo, sin Weibull). Como lidiar con esto? ¿Cómo se puede encontrar una solución para seguir utilizando Weibull u otras distribuciones que se ajusten mejor? (Simplemente use producción pequeña y cambie la cuarta fila de la columna 09/2009 o 10/2009 a 1 y ejecute el script para ver la diferencia)
- Distribución de vida: (ver Beispiel2 Anomized.jmp)
- Si realiza reparaciones antes de la fecha de instalación, esto dará como resultado valores negativos. ¿Cómo lidiar con eso? ¿También cuando tienes causas en competencia? (¿Agregar una compensación es una solución realista? ¿O esto también tiene un impacto negativo? Otra opción podría ser usar la fecha de producción, pero supongo que esto no reflejaría el pronóstico correcto para la fecha de instalación)
- Si tiene reparaciones, por ejemplo, unos días después de la fecha de instalación, pero desea realizarlas mensualmente, el tiempo sería cero. ¿Cómo lidiar con eso?
- A veces, una Fit Mixture es más precisa que la Weibull u otra distribución en sí. ¿Cómo hacer que la mezcla se ajuste en comparación con la gráfica original de las distribuciones en una ventana? Sé que se podría copiar el contenido del gráfico, pero sería mucho mejor si hubiera una opción para incluir la mezcla por opción en la lista de otras distribuciones para mostrar en el gráfico original. Además, cuando hay causas competitivas, no hay manera de que la mezcla sea adecuada para ser seleccionada. Esto sería una gran ventaja, dijo mi cliente. ¿Existe algún plan o es difícil lograrlo mediante una solución alternativa? (Sé que esto es más una pregunta para los desarrolladores)
- Para todas las distribuciones puedes usar la opción Fit survival, sin embargo, esta opción no está disponible para el ajuste mixto. ¿Se puede incluir esto en la plataforma? ¿Existe una solución sencilla?
Gracias por cualquier comentario sobre esas preguntas.
Martín
Hola Peng, gracias hasta ahora. Investigaré más a fondo para ver si las soluciones alternativas funcionarán para el cliente hasta el momento y para comprender cuál sería el impacto empresarial en el caso de inflación cero. Agregaré algunas notas aquí pronto.
Martín
Hola Martin,
El problema informado es un error. Lo he solucionado en JMP13. Para solucionarlo en las versiones actuales, elimine el grupo si excluye todas las filas de un grupo.
Para la pregunta de Pronóstico de confiabilidad, todos los puntos de tiempo son únicos, por ejemplo, 09/2009 significa el primer tick en el primer día de septiembre de 2009. Por lo tanto, debe diferenciar las marcas de tiempo de las filas y las marcas de tiempo de las columnas para que el software sepa que hay un comienzo. y hay un final. Los fracasos antes del comienzo son un error.
Probablemente no quieras jugar con las probabilidades para poner los fracasos desde el principio. No obtendrá los resultados deseados. Porque fallar al principio significa fallar en el momento cero. Se requiere una distribución ZI para analizar dichos datos y las distribuciones ZI no son compatibles con la plataforma. Los fracasos de la inflación cero son raros. Si lo necesita en el Pronóstico de confiabilidad, presente una solicitud.
Para las dos primeras preguntas sobre Beispiel2 Anomized.jmp, supongo que todavía estás hablando de la plataforma Forecast. Creo que el primero es un error de entrada, sin duda. En el segundo, debe jugar con las marcas de tiempo de filas y columnas y agregar nuevos recuentos para obtener los intervalos de tiempo deseados. El formato Nevada es popular porque ya se encuentra en el intervalo deseado para el pronóstico elaborado por TI.
Para superponer mezclas individuales, una alternativa es utilizar mezclas de un solo componente. Por ejemplo, coloque una mezcla de 2 Weibull y coloque una mezcla de 1 Weibull.
Para las curvas de supervivencia, intente revertir Eje min-max, una casilla de verificación en el cuadro de diálogo Eje. De alguna manera, el tono CI se pierde, necesito investigar. Supongo que no es trivial.
Gracias,
Peng
