반복적인 성능 저하 데이터는 재료의 균열 전파, 전력 증폭기의 출력 감소 또는 개별 제품에서 시간에 따른 성능 측정 변화와 같은 제품의 시간 경과에 따른 신뢰성을 측정합니다. 성능 저하 모델링 및 분석의 목표는 연구 대상 제품의 고장 발생 시점과 확률을 예측하는 것입니다.
JMP 17부터 JMP는 반복 측정 열화 데이터 분석 및 모델링을 위한 두 가지 다른 접근 방식을 제공합니다. 1) 여러 릴리스 동안 JMP 열화 플랫폼에서 사용할 수 있었던 의사 실패 접근 방식, 2) Meeker, Escobar 및 Pascual(2022)에서 논의된 신뢰성에 대한 계층적 베이지안 모델링을 구현하는 새로운 반복 측정 열화 플랫폼입니다.
계층적 베이지안 모델링 접근법은 베이지안 추론을 통해 확률 변수가 포함된 열화 모델을 추정하고 몬테카를로 시뮬레이션을 통해 고장 시간을 찾을 수 있도록 합니다. 이 접근법은 확률 변수가 포함된 열화 경로 모델을 적합시키는 반면, 의사 고장 접근법은 고정 변수가 포함된 모델을 적합시킵니다. 계층적 베이지안 모델링은 열화 경로 모델의 모집단 변수에 대한 사후 추정치를 사용하여 고장 시간을 시뮬레이션하는 반면, 의사 고장 접근법은 고정 변수가 포함된 경로 모델에서 의사 고장 시간을 외삽합니다.
일반적으로, 새로운 반복 측정 열화 분석 플랫폼에서 지원하는 모델 중 하나가 데이터에 적합한 경우 해당 플랫폼을 사용하십시오. 새 플랫폼에서 데이터에 적합한 모델을 찾을 수 없는 경우, 기존 열화 분석 플랫폼에서 자체 모델을 정의하여 가상 실패 접근 방식을 사용하는 것을 고려해 볼 수 있습니다.
JMP 샘플 데이터의 신뢰성 폴더에 있는 GaAs Laser.jmp, Alloy A.jmp 및 Device B.jmp 파일을 사용한 세 가지 사례 연구를 보여주는 비디오를 시청하세요.
질문에 사용된 슬라이드.JPG
각 사례 연구 후에는 질문과 답변이 포함되어 있습니다. 사례 연구 1은 약 24:00부터, 사례 연구 2는 약 57:00부터, 사례 연구 3은 약 1:04:00부터 시작합니다.
라이브 웹 세미나에서 Peng Liu (@peng_liu ), Caleb King (@calking ), Don McCormack (@DonMcCormack) 이 질문에 답변했습니다.
질문: '반복 측정 열화 샘플 데이터' 슬라이드에서 세 가지 예시 모두 곡선이 같은 지점에서 시작합니다. 이러한 유형의 연구에서는 이것이 필수 조건인가요?
A: 아니요, 곡선의 시작점이 같을 필요는 없습니다. 고정 시작점을 사용하는 모델 옆에는 임의의 시작점을 허용하는 유사한 모델이 경로 정의 목록에 있습니다.
Q: 이러한 예시들은 모두 제조 분야에서 나온 것이지만, 동물을 장기간 스트레스에 노출시켜 건강이 점차 악화되어 결국 죽음에 이르는 실험에도 적용할 수 있을까요? JMP Pro에 생존 관련 분석 기능이 있는 건 알지만, 제가 말씀드리는 건 좀 다른 것 같습니다.
A: 네. 일반적으로 생명체를 다룰 때는 이를 생존 분석이라고 부릅니다. 비슷한 기법을 사용할 수 있습니다. 이러한 유형의 분석이 적용 가능한지 여부를 판단할 때 가장 중요한 고려 사항은 (1) 대상 개체가 여러 개인지, (2) 개별 대상 개체로부터 시간에 걸쳐 반복 측정이 이루어지는지 여부입니다. 스트레스 요인이 없을 수도 있지만, 있다면 그 스트레스 요인은 전체 기간 동안 개별 대상 개체에 대해 일정하게 유지될 것으로 예상됩니다. 요인의 수준은 대상 개체마다 다를 수 있습니다.
질문: 두 개 이상의 열화 반응 지표(예: 전류 및 전압)를 동시에 처리할 수 있는 방법이 있습니까?
A: 현재로서는 반복 측정 열화 분석에서 이러한 방법을 사용할 수 없습니다. 핵심은 응답들을 결합하고 그들 간의 관계를 파악하는 것입니다. 경쟁 원인 모형을 사용하여 하드 고장 데이터를 모델링할 수 있지만, 소프트 고장에 대해서는 확실하지 않습니다. 또한 고장이 서로 다른 고장 분포(예: 불량 하위 집단)에서 발생하는 경우 사용할 수 있는 다른 기법들이 있습니다. 소프트 고장에도 경쟁 원인 모형을 적용할 수 있는 방법이 있을 수 있습니다. 하드 고장의 경우와 마찬가지로 각 원인에 따른 고장 분포를 추정하는 방식은 동일합니다. 차이점은 추정 분포를 얻는 방식에 있습니다. 일단 분포를 얻고 나면 절차는 동일할 것으로 예상됩니다. 현재로서는 반복 측정 열화 분석에서 이러한 방법을 사용할 수 없습니다. 영상 1시간 16분경을 참조하십시오.
질문: 시드 값이 무작위라면, 왜 우리 모두 32323이라는 동일한 시드 값을 사용하는 걸까요?
A: '랜덤 시드'라는 명칭은 '랜덤 생성을 위한 시드'를 의미하는 것이지, 시드 자체가 무작위라는 것을 의미하는 것은 아닙니다.
질문: 아주 구체적인 질문입니다. 성능 저하 함수를 다음과 같이 사용할 수 있는 방법이 있을까요? 성능 매개변수 = ax exp (-(시간/b)^c), 즉 세 개의 매개변수 a, b, c가 있고, 매개변수 a는 모든 장치에 대해 동일하게 설정될 수 있는 경우 말입니다.
A: 이는 '성능 저하 > 반복 측정 성능 저하'(즉, 기존 플랫폼)를 사용하여 수행할 수 있습니다.
질문: 이 플랫폼에서 데이터 필터를 사용할 수 있나요?
A: 반복적인 모델이기 때문에 데이터 필터를 사용하더라도 모델은 업데이트되지 않습니다. 데이터 필터는 일반적인 기능이며 플랫폼에서 항상 사용할 수 있습니다. 하지만 이 기능을 사용할 때는 그 영향을 신중하게 고려해야 합니다. 현재 구현 방식에서는 사용자가 직접 결정하도록 되어 있습니다. 이 방법은 시간이 많이 소요되며, 필터를 변경하면 분석을 다시 실행해야 하는 번거로움이 발생할 수 있다는 점에 유의하십시오.
질문: 온도와 전류처럼 두 가지 스트레스 변수를 사용하는 가속도 모델이 있을까요?
A: 새로운 반복 측정 열화 플랫폼에서는 불가능하지만, 기존 열화 플랫폼의 반복 측정 기능을 사용하여 두 가지 스트레스 요인을 추가할 수 있습니다. 심각한 고장의 경우, 적합 매개변수 생존 분석(Fit Parametric Survival)을 사용할 수도 있습니다.
자원
