で これ 話す、 だった 行く に 説明する
繰り返し 対策 劣化 そして その 実装 で ジャンプ。
私は 行く に 現在 その 背景、 モチベーション、
いくつかの テクニカル アイデア そして 例。
それから 病気 振り向く それ 以上 に 彭さん、 誰が 意思 する a デモンストレーション 表示中
ただ どうやって 簡単 それ は に 適用する これら 方法 で JMP 17。
こちらは 一つの 概要 の 私の 話す。
私は 行く に 始める 外 と いくつかの やる気を起こさせる 例、
そして それから 説明する その 関係 間 劣化 そして 失敗 そして その 利点
の 使用して 劣化 モデリング で ある アプリケーション。
それから 病気 説明する その モチベーション のために 私たちの 使用 の ベイズ 方法
に する その 推定。
に 使用 ベイズ法 のために 推定、 あなた 必要 に 持っている 前 配布物。
病気 話す について その 一般的に 使用済み、 情報価値がない そして 毎週 有益な
前 配布物。
また で いくつかの アプリケーション、
私たちは 意思 持っている 有益な 前 分布 そして どうやって それらの できる なれ 使用済み。
それから 病気 行く を通して 二 例、
そして で その 終わり 病気 持っている いくつかの 結論 備考。
私たちの 最初の例 は 割れ目 成長。
私たちは 持っている 21 ノッチ付き 標本。
その ノッチ だった .9 " 深い、 そして それは のように a スターター 割れ目。
それから その 標本 は 対象 に 周期的な 読み込み、
そして で それぞれ サイクル、 その 割れ目 成長する a 少し 少し。
いつ その 割れ目 取得する に なれ 1.6 " 長さ、 それは その 意味 の a 失敗。
私たちは できる 見る それ とても a 少し
の その ひび割れ 持っている すでに 超過 それ レベル、 しかし 多くの の 彼ら 持っている ない。
伝統的に、 あなた できた 扱う それらの として 右 検閲済み 観察。
しかし もし あなた 持っている その 劣化 情報、
あなた できる 使用 それ に 提供する
追加 情報 に 与える あなた a より良い 分析 の あなたの データ。
その 基本的な アイデア は に フィット a モデル に 説明する その 劣化 パス、
そして それから に 使用 それ モデル に 誘発する a 失敗 時間 分布。
私たちの 2番 例 は 何 私たちは 電話 デバイス B、
a 無線 頻度 力 増幅器。
以上 時間 その 力 出力 意思 減少
なぜなら の 一つの 内部 劣化 機構。
これ だった 一つの 加速した テスト どこ ユニット だった 対象
に より高い レベル の 温度、
2 37, 195 そして 150 度 C.
その エンジニア 必要 情報 について その 信頼性 の これ デバイス
それで それ 彼らは できた 決定する どうやって 多くの 冗長性 に 建てる の中へ その 衛星。
その 失敗 意味 で これ 場合 だった
いつ その 力 出力 落とされた に -.5 デシベル。
私たちは できる 見る それ 全て の その ユニット 持っていた すでに 失敗した
で その より高い レベル の 温度、
しかし で 150 度 C、 そこには だった いいえ 失敗 まだ。
しかし そこには は たくさん の 情報 について どうやって
近い これら ユニット だった に 失敗 による 見ている で その 劣化 パス。
また、 私たちは 欲しい に 建てる a モデル のために その 劣化 パス、
そして それから 私たちは 使用 それ に 誘発する a 失敗 時間 分布。
で これ 場合、 その 使用 状態 は 80 度 C.
私たちは 欲しい に 知る その 時間 で どれの ユニット
オペレーティング で 80 度 C、 だろう 到着 これ 失敗 意味。
一度 また、 私たちは 建てる a モデル のために その 劣化 パス。
私たちは フィット それ モデル、 そして それから から それ 私たちは できる 得る a 失敗 時間 分布。
多くの 失敗 結果 から 一つの 基礎となる 劣化 プロセス。
で いくつかの アプリケーション、 劣化 は その 自然 応答。
で それらの 状況、 それ 作る センス に フィット a モデル
に その 劣化 そして それから 使用 その 誘発された 失敗 時間 分布。
で そのような アプリケーション、
一度 私たちは 持っている a 意味 のために 失敗、 どれの 私たちは 電話 a 柔らかい 失敗
なぜなら その ユニット しない 実は 停止 オペレーティング いつ それ 達する それ レベル
の 劣化、 しかし その 近い 十分 に 失敗 それ エンジニア 言う 私たちは だろう
のように に 交換する それ ユニット で それ ポイント、 ただ に なれ 安全。
今、 で 一般的な、 そこには 二 違う
種類 の 劣化 データ、 繰り返し 対策 劣化、
のように その 二 例 それ 私は 表示されている あなた、 そして 破壊的な 劣化、
どこ あなた もっている に 破壊する その ユニット で 注文 に 作る その 劣化 測定。
のために 多くの 年、 ジャンプ もっている 持っていた
とても 良い ツール のために 取り扱い 劣化 データ。
私は 集中した で これ 話す
の上 その 繰り返し 対策 劣化 方法
それ は いる 実装された で JMP 17。
そこには は 多くの 他の アプリケーション
の 繰り返し 対策 劣化、 のために 例、 導かれた または レーザ 出力、
その 損失 の 光沢 で 一つの 自動車 コーティング そして 劣化 の a 化学薬品 化合物、
どれの できる なれ 測定された と テクニック そのような として FTIR
または どれでも 他の 測定された 品質 特性
それは 行く に 劣化する 以上 時間。
そこには は 多くの アプリケーション のために 繰り返し 対策 劣化。
そこには は 多くの 利点 の 分析する 劣化 データ もし あなた できる 得る 彼ら。
で 特定の、
そこには は 多くの もっと 情報 で その 劣化 データ
相対的 に 旋回 それらの 劣化 データ
の中へ 失敗 時間 データ。
これ は 特に 真実 もし これ 重い 検閲。
確かに、 その 可能 に 作る 推論 について 信頼性
から 劣化 データ で 状況 どこ そこには ない どれでも 失敗 で 全て。
また、 直接 観察
の その 劣化 プロセス 許可する 私たち に 建てる より良い モデル
のために その 失敗 時間 分布 なぜなら だった より近い
に その 物理 の 失敗。
今、 いくつかの 年 前、 いつ 私たちは だった 計画 その 2番 版
の 私たちの 信頼性 本、 私たちは 作った a 決断 に 使用
もっと ベイズ 方法 で 多くの 違う 地域 の 応用。
1つ の それらの は 繰り返し 対策 劣化。
なぜ は それ？
何 だった その モチベーション のために 使用して ベイズの 方法
で これら アプリケーションですか?
I 使用済み に 考える それ その 主要 モチベーション
のために ベイズ 方法 だった に 持ってくる 前 情報 の中へ その 分析。
時々 それは 真実、
しかし 以上 その 年、 私は 学んだ それ そこには は 多くの
他の 理由 なぜ 私たちは 欲しい に 使用 ベイズ 方法。
のために 例、 ベイズ 方法 する ない 頼る
の上 大きい サンプル 理論 に 得る 自信 間隔。
それ 頼りになる の上 確率 理論。
また、 それ ターン 外 それ いつ あなた 使用 ベイズの 方法 と 気をつけて 選ばれた、
有益ではない または 毎週 有益な 前 分布、
あなた 持っている 信頼できる 間隔 手順 それ 持っている とても 良い カバレッジ プロパティ。
それ は、 もし あなた 聞く のために 95 % 間隔、
彼らは 傾向がある に カバー 何 彼らは 想定 に カバー と 95% 確率。
で 多くの アプリケーション、 そこには は 多くの 非ベイズ 近似値
それ できる なれ 使用済み に セット 自信 間隔。
いつ あなた する ベイズ 推論、 その とても 率直です。
そこには 本当に のみ 1つ 方法 に する それ。
また、 ベイズ 方法 できる ハンドル と 相対的 容易に、
複雑 モデル データ 組み合わせ
のために どれの そこには いいえ 最大 可能性 ソフトウェア 利用可能。
のために 例、 複雑 組み合わせ
の 非線形 関係、 ランダム パラメータ そして センサー データ、
その ベイズの 方法 は 比較的
率直な に 適用する で これら 複雑 状況。
ついに、 最後 しかし 確かに ない 少しでも、 ベイズ 方法 する 許可する 一つの アナリスト
に 組み込む 前 情報 の中へ その データ 分析。
しかし I 欲しい に ポイント 外 それ その 回転 私たちは 持っていた
で その 世界 の データ 分析 に 使用 もっと ベイズ 方法、
ほとんど アナリスト は ない もたらす
有益な 前 情報 の中へ 彼らの 分析。
その代わり、 彼らは 使用 毎週 有益な または 情報価値がない 事前確率
それで それ 彼らは しない 持っている に 守る その 前 分布。
しかし で 多くの アプリケーション、
私たちは 本当に する 持っている 固体 前 情報 それ 意思 ヘルプ 私たち 得る より良い 答え。
I 意思 説明する それ で 1つ の その 例。
ベイズ 方法 必要とする
その 仕様 の a 前 分布。
として I 言った、 で 多くの 応用、 アナリスト する ない 欲しい に 持ってくる
有益な 前 情報 の中へ その モデリング そして 分析。
何 それ 必要 は いくつかの デフォルトの事前
それは 有益ではない または 毎週 有益です。
そこには された a 大きい 額 の 理論的な 研究 の上 これ 主題
以上 その 過去 40 年、 リードする に そのような ツール として 参照 事前確率、
ジェフリーズ 事前確率、 そして 独立した ジェフリーズ 事前確率
それ 持っている された 表示されている に 持っている 良い 頻度主義者 カバレッジ プロパティ。
1つ の 私の 最近の そして 現在 研究 地域
は に 試す そして 作る これら アイデア 運用
で 実用的 問題、 特に で その エリア の 信頼性。
A 単純 例 の これ は もし あなた 欲しい に 見積もり a 位置 パラメータ
で その ログ の a 規模 パラメータ、 a フラット 前 分布 リード
に 信頼できる 間隔 それ 持っている ちょうど カバレッジ プロパティ。
それは とても 強力です。
また、 フラット 前 分布 できる なれ 良い 近似値 による a 普通 分布
と a とても 大きい 分散、 そして それ リード に 毎週 有益な 事前条件。
また、 その 幾分 有益な、
しかし なぜなら その 分散 は とても 大きい、 私たちは それを呼び出す 毎週 有益です。
その アプローチ それ 私は された 服用 に 特定 前 分布 は に 探す
一つの 制約のない パラメータ化、 のように その 位置 パラメータ
そして その ログ の その 規模 パラメータ それ I 言及された その上、
そして それから 使用 a 有益ではない
または 毎週 有益な フラット または 普通 分布
と とても 大きい 差異 として その デフォルト 前。
それから その いつも 良い アイデア に 使用 いくつかの
感度 分析 に 作る もちろん それ その 前 は 約 有益ではない。
それ は、 として あなた 混乱させる その 前 パラメータ、
それ しない 影響する その 底 ライン 結果。
ジャンプ 用途 とても 賢明な、 好成績 方法 に 特定
デフォルト 前 分布 それ は だいたい で ライン
と 何 私は 説明された ここ。
持つ それらの デフォルト 前 分布
作る その ソフトウェア 使いやすい、
なぜなら それから その ユーザー のみ もっている に 特定 前 分布
どこ 彼らは 持っている 有益な 情報 それ 彼らは 欲しい に 持ってくる で。
こちらは ただ 一つの 図 に 見せる それ として その 標準 偏差
の a 普通 分布 取得する 大きい、 あなた アプローチ a フラット 前 分布。
今、 として I 言った、 で いくつかの アプリケーション、 私たちは 本当に 持っている 前 情報
それ 私たちは 欲しい に 持ってくる で それ は 有益な 前 情報。
いつ 私たちは 持っている そのような 情報、
私たちは 意思 通常 説明する それ と a 対称的な 分布、
のように a 普通 分布、 それでも いくつかの 人々 好む に 使用
何 私たちは 電話 a 位置- 規模 t 分布
なぜなら 彼らは 持っている より長い 裏。
で ほとんど アプリケーション どこ 私たちは 持っている これ
有益な 前 情報、 その のみ の上 1つ の その パラメータ。
それから だった 行く に 使用 有益ではない、
または 毎週 有益な 前 分布
のために 全て の その 他の パラメータ。
さあ 行く 戻る に 合金 a.
何 だった 行く に する は だった 行く に フィット a モデル に その 劣化 パス、
そして それから 使用 それ モデル に 誘発する a 失敗 時間 分布。
今 もし あなた 見て で 一つの エンジニアリング 教科書
の上 倦怠感 または 材料 行動、
あなたは 学ぶ について その パリ クラックG ロウス モデル。
その いつも ニース に 持っている a モデル それ 同意する と エンジニアリング 知識。
ジャンプ もっている 実装された これ パリの亀裂成長モデル。
こちらは その 方法 それ だろう 現れる で a 教科書。
それから の上 その 右 ここ 私たちは 持っている その ジャンプ 実装 の それ。
その 1つ の その 多くの モデル それ あなた できる 選ぶ に フィット に あなたの 劣化 データ。
今、 c そして m ここ、 どれの で ジャンプ は c そして b2,
は 材料 パラメータ、 そして 彼らは は ランダム から ユニット ユニットへ。
その K 関数 ここ は 知られている として a ストレス 強度 関数。
のために その 割れ目 だった 勉強する ここ、
その ストレス 強度 関数 もっている これ 表現。
今 これ は a 差分 方程式、
なぜなら 私たちは 得た a の t ここ、 そして また a ここ、
あなた できる 解決する それ 差分 方程式 そして 得る これ ニース 閉鎖 形状。
これ は その モデル それは いる フィット 内で ジャンプ。
また その パラメータ b1 そして b2 意思 なれ ランダム から ユニット に ユニット。
今 ここは その 仕様 の その 前 分布。
私は 図解 ここ 二 違う
前 分布、 その デフォルト 前 で JMP、
そして その 前 分布 それ 私たちは 使用済み で その 2番 版
の 私たちの 信頼性 本、 どれの 私たちは 電話 SMRD2、
統計的 方法 のために 信頼性 追加 二。
今 その 方法 私たちは 特定 前 分布
で SMRD2 そして ジャンプ は やっている これ として 良い、 は と 何 I 電話 a 99 % 範囲。
のために 例、 私たちは 言う それ だった 行く
に 説明する その 平均 の その b1 パラメータ
による a 普通 分布 それ もっている 99 % の その 確率
間 -15 そして 22.
それは a 巨大な 範囲。
それ は 毎週 有益です。
それから 私たちは 持っている 似ている、 とても 広い 範囲 のために その 他の 平均 パラメータ ここ。
それから のために その シグマ パラメータ JMP、
続く いつもの 手順 のために これら 用途 a 半分 コーシー分布、
どれの もっている a 長さ アッパー しっぽ、
そして したがって、 また、 は 毎週 有益です。
今 で 私たちの 信頼性 本、 私たちは 使用済み 多くの よりタイト 範囲。
しかし 興味深いことに、 その 二 違う 前 分布 ここ
与える ただ について その 同じ 答え、 なぜなら 両方 は 毎週 有益です。
それ は、 その 範囲 は 大きい 相対的 に、
させて 私たち 言う、 その 自信 間隔
それ あなた だろう 得る 使用して 非ベイズ 方法。
今、 で 追加 に 指定する その 前 分布、 どれの また、
ジャンプ 作る とても 簡単 なぜなら それ もっている これら ニース デフォルト 事前確率、
あなた また 持っている その 能力 に コントロール その マルコフ連鎖モンテカルロ アルゴリズム。
その のみ デフォルト それ I だろう 変化 ここ
は 通常 I だろう 走る もっと よりも 1つ 鎖。
I 変更された その 1つ ここ に 4つ。
その 理由 のために やっている それ は 二重。
最初の 全て、 で ほとんど セットアップ、 含む JMP、
あなた できる 走る それらの 同時に、 それで それ しない 取る どれでも もっと コンピューター 時間。
その 他の もの は 私たちは 欲しい に 比較する それらの 4つ 違う マルコフ チェーン
に 作る もちろん それ 彼らは 与える について その 同じ 答え。
私たちは 電話 それ 混合 良い。
もし あなた 見る a 状況 どこ 1つ の それらの チェーン は 違う
から その その他、 それは 一つの 表示 の a 問題。
もし あなた 持っている そのような a 問題、
それから その いつもの 救済策 は に 増加 その 番号 の 準備し始める ラップ、
どれの は セット に なれ 10 による デフォルト、 しかし あなた できる 増加 それ。
何 それ する それ 許可する ジャンプ に 曲
その MCMC アルゴリズム に その 特定の 問題 それで それ それ 意思 サンプル 正しく
に 得る 引き分け から その ジョイント 後部 分布。
で 全て の 私の 経験 使用して JMP、 そして 彭 もっている 提案された それ 彼は 持っていた
似ている 経験 それ による 増加 それ 高い 十分、
と どれでも 例 それ 私たちは 試してみた、 ジャンプ 意思 仕事 良い。
しかし と 10 のために ほとんど アプリケーション、 それ は a 十分に 大きい 番号。
こちらは その 結果。
こちらは a テーブル の その パラメータ 見積もり。
良い、 通常 で 信頼性 アプリケーション、
だった ない それで 多くの 興味がある で その 推定値 彼ら自身。
だった 行く に なれ 興味がある で もの
のように 失敗 分布、 どれの 私たちは 見て で で a 一瞬。
それから で これ プロット、
私たちは 持っている 推定値 の その サンプル パス
のために それぞれ の その ひび割れ。
また、 あなた できる 見る その 失敗 意味 ここ。
彭氏 意思 見せる あなた、
ジャンプ 作る それ 簡単 に 見て で MCMC 診断。
その いつも a 良い アイデア に 見て
で 診断 に 作る もちろん すべて 向きを変えた 外 わかった。
何 あなた する は あなた 輸出 後部 引き分け から JMP、
そして それから ジャンプ もっている セット 上 そこには いくつかの スクリプト に 作成する
これら 様々な 違う 診断。
のために 例、 そこには a スクリプト に 作る a トレース プロット または a 時間 シリーズ プロット。
I いつも のように に 比較する それらの のために その 違う チェーン。
それから そこには 別の 1つ に 作る 何 私たちは 電話 a ペア プロット、
または 散布図 マトリックス の その 引き分け。
それは 何 私たちは 見る ここ。
それから として I 言った、 私たちは できる 使用 それらの 引き分け
に 生成する 推定値 の その 失敗 時間 分布。
ジャンプ 道具 それ による 使用して その 分布 プロファイラー ここ。
私たちは できる 見積もり 分数 失敗 は a 関数 の 時間
のために どれでも 与えられた 番号 の サイクル。
今 さあ 行く に その デバイス B RF パワーA 増幅する、
また、 一つの 加速した 繰り返し 対策 劣化 応用。
だった 行く に 必要 a モデル それ 説明する その 形 の その パス
そして その 関係 その 温度 もっている の上 その 料金 の 劣化。
また、 その 使用 状態 で これ 応用 は 80 度 C、
そして だった 行く に 欲しい に 見積もり
その 失敗 時間 分布 で 80 度 C.
で SMRD2、 これ は その 方法 私たちは だろう 説明する その パス モデル
それ フィット デバイス b.
私たちは 電話 これ 一つの 漸近的 モデル、
なぜなら として 時間 取得する 大きい、 私たちは 最終的に 到着 一つの 漸近線。
で これ 方程式、 X は その 変身した 温度。
私たちは 電話 それは 天王星 変換 の 温度。
X 0 は 一つの 任意 センタリング 価値。
ベータ 1つ は a レート 絶え間ない のために その 基礎となる 劣化 プロセス。
ベータ 三つ は その ランダム 漸近線。
それらの 二 パラメータ、 その レート 絶え間ない そして その 漸近線、
は ランダム から ユニット に ユニット、 そして だった 行く に 説明する
それ ランダム性 と a ジョイント または 二変量 対数正規分布 分布。
ベータ 二、 の上 その 他の 手、 は a 修理済み、 未知 パラメータ それ は その 効果
の アクティベーション エネルギー それ コントロール どうやって 温度 影響 その 劣化 レート。
これ は どこ その X0 来る で。
通常 私たちは 選ぶ X 0 に なれ どこか
で その 範囲 の その データ
または で a 特定の 温度 の 興味、
なぜなら ベータ 1つ だろう なれ その レート 絶え間ない で X 0.
また、 そこには a 大きい 番号 の 違う モデル それ は 利用可能。
ここ は どうやって あなた だろう 選ぶ これ 特定の 漸近的 モデル。
これ 対応する に その 同じ 方程式 私たちは 持っている SMRDで 2.
その のみ 違い は それ ジャンプ 用途 a わずかに 違う 番号付け 大会
のために その パラメータ。
それ だった 終わり に なれ 一貫性のある
と 他の もの それ は すでに で ジャンプ 他の場所で。
また、 私たちは 持っている に 特定 前 分布、
しかし ジャンプ 作る それ 簡単
なぜなら 彼らは 提供する これら デフォルト、 これら 毎週、 有益な デフォルト。
ここ I 持っている その デフォルト それ ジャンプ だろう 持っている それ だった 行く に 使用
もし 私たちは した ない 持っている どれでも 前 情報 に 持ってくる で。
私は 行く に する それ 分析、
しかし 私は また 行く に 持ってくる で その 情報 それ エンジニア 持っている。
で 特定の、 私たちは のみ 持っている 情報 のために b3
そして それで それは いる 指定された ここ。
しかし 全て その 他の エントリー で その テーブル は その通り その 同じ として その ジャンプ デフォルト、
また、 作る それ 本当に 簡単 に 埋め込む これら 種類 の 分析します。
こちらは その 結果。
一度 また、 ここ 私たちは 持っている a テーブル 与える その パラメータ 推定値、
信頼できる 間隔 そして それで 前へ。
で これ プロット、 また、
私たちは 持っている 推定値 の その サンプル パス のために 全て の その 個人 ユニット。
また、 私たちは 持っている その 失敗 意味 ここ、
しかし 何 私たちは 本当に 欲しい は 推定値 の その 失敗 時間 分布
で 80 度 C.
また、 だった 行く に する それ による 使用して a プロファイラー。
の上 その 左 ここ 私たちは 持っている その 見積もり
の 分数 失敗 は a 関数 の 時間 で 80 度 C のために その デフォルト 事前条件。
の上 その 右 私たちは 持っている その 同じ もの、
を除外する それ 私たちは 使用済み その 有益な 前 分布 のために B 3.
すぐに あなた できる 見る それ 前 情報 もっている 許可された 私たち
に 得る 多くの より良い 推定 精度。
その 自信 間隔 は 多くの もっと 狭い。
興味深いことに、 その ポイント 見積もり の 分数 失敗
実は 増加した いつ 私たちは 持ってくる で それ 前 情報。
で これ 場合、 その 前 情報 だろう 許可する その エンジニア に 得る
a 多くの より良い 見積もり
の 分数 失敗 として a 関数 の 時間。
それから に 作る それ 重要 決断
について どうやって 多くの 冗長性 に 建てる の中へ その 衛星。
させて 自分 終わり と いくつかの 結論 備考。
繰り返し 対策 劣化 分析
は 重要 で 多くの 信頼性 アプリケーション。
それ は また 重要 で 多くの 他の 地域 の 応用、
のように 決定する 有効期限 日付
のために 製品 のように 医薬品 そして 食料品。
いつ 意思 その 品質 なれ
で そのような a 低い レベル それ その 顧客 いいえ より長い ハッピー？
また、 で ある 状況、
私たちは できる 持ってくる 前 情報 の中へ その 分析、 潜在的に 許可する 私たち
に より低い 料金 の 私たちの 劣化 実験。
ジャンプ 17 もっている 強力で、 簡単- に- 使用 方法 のために 作る
一生 推論 から 繰り返し 対策 劣化 データ。
今 私は 行く に 振り向く それ 以上 に 彭さん、
そして 彼は 行く に 説明する これら 方法 に あなた 使用して a デモンストレーション で ジャンプ。
感謝 あなた、 教授。
今、 その デモ 時間。
その 目的 の a デモ は に ヘルプ あなた に 始める 探検する その 安定した 美術 アプローチ
に 分析する 繰り返し 対策 劣化 データ。
I 意思 見せる あなた どうやって に 見つける その サンプル データ テーブル 使用して JMP、
どうやって その 情報 は 組織化 で その 報告
そして ハイライト いくつかの 重要 情報 それ あなた 必要 に 知る。
初め、 そこには は 三つ 繰り返し 対策 劣化 データ サンプル
の間で ジャンプ サンプル データ テーブル。
合金 a、d デバイス b、 は 二 例 と 埋め込み スクリプト。
その レーザー 埋め込みスクリプトはありません。
合金 a は 一つの 例 それなし 一つの x 変数。
デバイス b は 例 と 一つの x 変数。
に 探す 彼ら 行く に その ヘルプ そして クリック サンプル 索引。
試す に 探す その 概要 ノード と呼ばれる 信頼性/ 生存。
広げる そして すべき 見る ロイ a は ここ、 そして デバイス b は ここ。
に 探す ガス レーザ、
あなた 必要 に 行く に その サンプル データ フォルダ
の上 あなたの コンピューター による クリック これ ボタン、 開ける その サンプル データ フォルダ。
今 私は 行く に 開ける 合金A。
それから 私は 行く に 分析する メニュー、 信頼性 そして 生存、
選ぶ その 繰り返し 測定 劣化。
今 私たちは 見る その 打ち上げ ダイアログ。
私たちの 割り当てる 長さ、 割れ目 長さ 行く に そして、
検体 行く に ラベル システム ID そして 百万 サイクル 行く に 回。
それから 私は 行く に クリック わかった。
これ は その イニシャル 報告。
その a 5番目の線 モデル のために 個人 バッチ。
私は 行く に 選択 その 3番目のモデル ここ による クリック これ ビデオ ボタン。
これ 5番目 イニシャル モデル の a パリ モデル の これ 合金A データ。
私は 行く に クリック これ、 行く に ベイズ 推定 ボタン
そして 生成する a 構成 インタフェース。
ここ 私たちは 見る その モデル 式。
ここ は その デフォルト 設定 のために その 事前条件。
それから 私たちは は ない 行く に 変化 何でも 右 今、
そして 私たちは は ただ 行く に 使用 その デフォルト 前 に フィット 私たちの モデル。
今 私は 行く に クリック
これ フィット モデル ボタン ここ そして させて それ 走る。
それから 私は 行く に 説明する 何 は で その 報告。
で その 終わり、 どうやって に 得る その 失敗 分布 プロファイラー。
今 病気 クリック その ボタン、 その アルゴリズム 始める 走る
そして その 進捗 対話 言った それ その 最初のステップ は チューニング。
その 基礎となる アルゴリズム 意思 行く を通して いくつかの
ラウンド の 暖かい アップラップ、 は 手順。
その アルゴリズム は 試して に 学ぶ その 形 の その 後部 分布、
のために 例、 どこ その ピーク、 どうやって 広い は その スパン、 等々。
で その 終わり、 彼らは 意思 試す に 形 外
何 は a 良い 間伐 価値 に 描く サンプル から その 後部 分布、
そのような それ その サンプル は として 少し 自動車 相関関係 として 可能。
それから その アルゴリズム 入力 その 2番 ステップ。
その 対話 言う、 これ ステップ は 収集 後部 サンプル。
で これ ステップ、 一つの 自動 間伐 の 80 は 適用済み。
その 対話 ショー どうやって 多くの 時間 で 合計 その アルゴリズム 持っていた された 実行中。
で その 2番 ステージ、 その 対話 また ショー 期待される 完了 時間。
による そのような、 I 希望 それ できる ヘルプ ユーザー
に 調整する に 彼らの 期待 それに応じて。
時々 過剰な、 長さ 期待される 完了 時間 は a サイン の a 問題。
それから 私たちは 待って a 少し 少し、 そして その アルゴリズム すべき 仕上げる すぐ。
わかった、 今 その アルゴリズム もっている 終了した。
さあ 見る 何ですか で その 報告。
まず その 完了 時間。
もし 私たちは 左 あなたの コンピューター 走る 以上 時間、
あなた 5月 欲しい に 知る で その 朝 の上 次 日。
その 2番 は a コピー の あなたの 設定、 含む 事前確率、 番号 の 反復、
ランダム シード そして 他の 物事は示しています。
第三部 は 後部 見積もり。
それは まとめ または その 後部 サンプル、
そこには は 二 リンク の上 その サイト に 許可する あなた に 輸出 後部 サンプル。
私は 行く に 強調する その 最初のリンク。
1つ 目的 の 使用して これら 最初のリンク
に 輸出 後部 例 は に 検査する 潜在的 問題。
二 主要 懸念事項 は： 収束 そして 効果的 サンプル サイズ。
さあ 見て で それ。
その テーブル 持っている パラメータ で 個人 列。
各行 a 後部 サンプル。
そこには は いくつかの 埋め込み スクリプト。
その ほとんど 重要 1つ は その 1つ目。
私は 行く に クリック これ 緑 三角形 に 実行する スクリプト。
脚本は単純に 走る 時間 シリーズ の上 個人 列
そして 見せる 彼らの 時間 シリーズ プロット。
で その コンテクスト の MCMC、 これ プロット は 知られている として その トレース プロット。
何 する 私たちは 見る ここ？
何 I 電話 良い 結果。
その シリーズ は 静止した そして いいえ 重要な 自動車 相関。
ゆるく 話し中、 いつ I 言う 静止した で これ コンテクスト、 I 具体的には 平均 プロット
見た目 のように これら。
彼らは は 真っ直ぐ 等しい と バンド の ランダム ドット。
わかった、 させて 自分 近い その 報告 そして その テーブル。
私たちは は 見る 良い 結果 ここ。
また その データ そして 適合モデル また ショー その 結果 は 良い。
今 私たちは は 準備ができて に 聞く のために フィットした 時間 分布 プロファイラー。
に する それ、 行く に その 報告 概要 ノード メニュー
そして 選択 見せる のように 分布 プロファイラー。
ほとんど エントリー で これ 対話 もっている 賢明な デフォルト 価値観
そして それから 私たちは のみ 必要 に 供給 1つ の 失敗 意味。
私は 行く に 入力 1.6 に これ アッパー 失敗 意味。
前に 私は 行く に [OK]をクリックします。 私は 行く に 減らす これ 番号
の SMRD2 実現 に 5,000 に 保存 自分 いくつかの 時間。
それから 私は クリック の上 わかった。
これ は また a 計算上の 集中的な 手順、
しかし ない として 高い として MCMC で 一般的な。
それ すべき 仕上げる 素早く。
あなた できる 使用 その プロファイラー に 得る
その 失敗 確率 そして その 四分位数 見積もり。
私は ない 行く に 精巧な さらに遠く、
なぜなら プロファイラー は a とても 一般 そして 重要 特徴 で ジャンプ。
わかった、 これ は その 終わり の その デモンストレーション、
そして あなた は 準備ができて に 探検する による あなた自身。
しかし ここ は a カップル の ヒント それ かもしれない なれ 役に立つ。
初め、 前に あなた 保存 その スクリプト に その テーブル、
行く に チェック これ 保存 後部 に スクリプト オプション
前に あなた 保存 その スクリプト に その テーブル。
による これ、 次 時間 あなた 走る その 保存 スクリプト、
ソフトウェア 意思 持ってくる 戻る その フィット モデル その代わり の 行く
を通して その 長い MCMC 手順 一度 また。
その 2番 もの それ I 欲しい に 持ってくる に あなたの 注意 は
私たちは 持っている 見た 良い 例、 良い 結果、 しかし そこには は 悪い もの。
ここ は いくつかの 悪い 例。
これは悪い 例 手段 どちらか 失敗 に 収束する、
または そこには は 高い 自動車 相関関係。
に 住所 彼ら 私の 最初の提案 は に 増加
その 番号 の 暖かい 上 周回。
2番 提案 どこ 私たちは 振り向く オフ 自動間引き
そして 適用する a 大きい 間伐 価値、 a 間伐 番号 手動で。
もし それらの 提案 しない 仕事、 その おそらく それ その モデル
または その 構成 は ない 適切な のために その データ。
あなた 5月 必要 ヘルプ。
わかった、 これらは 全て 私たちは のように に 説明する これ 時間、
そして I 希望 あなた できる 始める に 使用 これ 情報 に 探検する
その 州 の 美術 アプローチ に 分析する 繰り返し 対策 劣化 データ。
感謝 あなた。
