Wiederholte Degradationsdaten messen die Zuverlässigkeit eines Produkts im Zeitverlauf, beispielsweise die Ausbreitung von Rissen in einem Material, den Leistungsabfall von Verstärkern oder andere Veränderungen von Leistungskennwerten im Zeitverlauf an einzelnen Testpersonen. Ziel der Degradationsmodellierung und -analyse ist die Vorhersage der Ausfallzeiten und -wahrscheinlichkeiten des untersuchten Produkts.
Ab JMP 17 bietet JMP zwei verschiedene Ansätze für die Analyse und Modellierung von Degradationsdaten bei wiederholten Messungen: 1) den Pseudo-Fehler-Ansatz, der in der JMP Degradation Platform seit mehreren Versionen verfügbar ist, und 2) eine neue Plattform für Degradation bei wiederholten Messungen, die die in Meeker, Escobar und Pascual (2022) diskutierte hierarchische Bayes'sche Modellierung für Zuverlässigkeit implementiert.
Der hierarchische Bayes'sche Modellierungsansatz ermöglicht die Schätzung von Degradationsmodellen mit zufälligen Parametern mittels Bayes'scher Inferenz und die Bestimmung von Ausfallzeiten durch Monte-Carlo-Simulation. Er passt Degradationspfadmodelle mit zufälligen Parametern an, während der Pseudoausfall-Ansatz Modelle mit festen Parametern anpasst. Die hierarchische Bayes'sche Modellierung simuliert die Ausfallzeiten anhand der A-posteriori-Schätzungen der Populationsparameter des Degradationspfadmodells, wohingegen der Pseudoausfall-Ansatz die Pseudoausfallzeiten aus dem Pfadmodell mit festen Parametern extrapoliert.
Generell sollten Sie die neue Funktion zur Verschlechterung wiederholter Messungen verwenden, wenn eines der unterstützten Modelle geeignet ist. Falls Sie in der neuen Plattform kein passendes Modell für Ihre Daten finden, sollten Sie den Pseudo-Fehler-Ansatz der bestehenden Verschlechterungsplattform in Betracht ziehen, wo Sie Ihr eigenes Modell definieren können.
Sehen Sie sich ein Video an, das drei Fallstudien anhand von JMP-Beispieldaten (GaAs Laser.jmp, Alloy A.jmp bzw. Device B.jmp) zeigt, die sich im Ordner „Reliability“ Ihrer JMP-Beispieldaten befinden.
Slide Used in Question.JPG
Nach jeder Fallstudie folgen Fragen und Antworten. Fallstudie 1 beginnt bei ca. 24:00 Uhr, Fallstudie 2 bei ca. 57:00 Uhr und Fallstudie 3 bei ca. 1:04:00 Uhr.
Fragen, die von Peng Liu @peng_liu , Caleb King @calking und Don McCormack @DonMcCormack im Live-Webinar beantwortet wurden:
F: Auf der Folie „Beispieldaten zur Degradation bei wiederholten Messungen“ beginnen in den drei Beispielen alle Kurven am selben Punkt. Ist dies eine Voraussetzung für diese Art von Studie?
A: Nein, die Kurven müssen nicht am selben Punkt beginnen. Ein ähnliches Modell, das jedoch zufällige Startpunkte zulässt, befindet sich in der Liste der Pfaddefinitionen neben dem Modell mit festem Startpunkt.
F: Obwohl es sich hierbei um Beispiele aus der Fertigung handelt, könnte man dies auch für ein Experiment nutzen, bei dem Tiere über einen längeren Zeitraum Stress ausgesetzt werden (wobei sich ihr Gesundheitszustand bis zum Tod verschlechtert)? Ich weiß, dass es in JMP Pro Überlebensanalysen gibt, aber dieser Ansatz scheint anders zu sein.
A: Ja. Bei lebenden Organismen spricht man üblicherweise von Überlebenszeitanalyse. Ähnliche Techniken können angewendet werden. Entscheidend für die Anwendbarkeit dieser Analyseart ist, dass (1) mehrere Probanden untersucht werden und (2) wiederholte Messungen an einzelnen Probanden über einen bestimmten Zeitraum erfolgen. Es muss kein Stressfaktor vorliegen. Falls doch, ist zu erwarten, dass dieser Stressfaktor bei den einzelnen Probanden über den gesamten Zeitraum konstant ist. Die Ausprägung des Faktors kann jedoch von Proband zu Proband variieren.
F: Gibt es eine Möglichkeit, zwei oder mehr Degradationsreaktionsmetriken (z. B. Strom und Spannung) zu verarbeiten?
A: Derzeit ist dies in der Messwiederholungsanalyse nicht möglich. Die Herausforderung besteht darin, die Messwerte und ihre Beziehung zueinander zu kombinieren. Konkurrierende Ursachen können zur Modellierung der Daten bei harten Ausfällen verwendet werden, aber ich bin mir bei weichen Ausfällen nicht sicher. Es gibt weitere Techniken, die angewendet werden können, wenn die Ausfälle aus unterschiedlichen Ausfallverteilungen stammen (z. B. defekte Teilpopulationen). Möglicherweise lässt sich auch bei weichen Ausfällen eine Methode mit konkurrierenden Ursachen anwenden. Die Ausfallverteilung für jede Ursache würde man ähnlich wie bei harten Ausfällen schätzen. Der Unterschied liegt in der Ermittlung dieser geschätzten Verteilungen. Sobald diese vorliegen, dürfte das Vorgehen jedoch identisch sein. Derzeit ist dies in der Messwiederholungsanalyse nicht möglich. Siehe Video ab ca. 1:16:00.
F: Wenn der Startwert zufällig ist, warum haben wir dann alle den gleichen zufälligen Startwert von 32323?
A: Die Bezeichnung „Random Seed“ soll bedeuten, dass es sich um einen „Startwert für die Zufallsgenerierung“ handelt, nicht unbedingt, dass der Startwert selbst zufällig ist.
F: Eine sehr spezifische Frage: Gibt es eine Möglichkeit, eine Degradationsfunktion wie diese zu verwenden: Leistungsparameter = ax exp (-(Zeit/b)^c), d.h. mit drei Parametern a, b und c, wobei der Parameter a möglicherweise für alle Geräte gleich eingestellt ist?
A: Dies kann über Degradation > Repeated Measures Degradation (d. h. die ältere Plattform) erfolgen.
F: Kann man auf dieser Plattform Datenfilter verwenden?
A: Da es sich um ein iteratives Modell handelt, wird es bei Verwendung des Datenfilters nicht aktualisiert. Der Datenfilter ist eine allgemeine Funktion und in der Plattform standardmäßig verfügbar. Die Auswirkungen seiner Verwendung sollten jedoch sorgfältig abgewogen werden. Die aktuelle Implementierung überlässt die Entscheidung den Nutzern. Zu beachten ist, dass diese Methode zeitaufwändig ist; eine Änderung des Filters führt zu einer aufwändigen Wiederholung der Analyse.
F: Gibt es eine Möglichkeit, ein Beschleunigungsmodell mit zwei Spannungsvariablen, z. B. Temperatur und Stromstärke, zu verwenden?
A: Nicht in der neuen Plattform für wiederholte Messungen zur Degradation, aber Sie können zwei Stressoren mithilfe der älteren Funktion für wiederholte Messungen in der Degradationsplattform hinzufügen. Für harte Ausfälle können Sie auch Fit Parametric Survival verwenden.
Ressourcen
