重复退化数据用于衡量产品随时间的可靠性，例如材料裂纹的扩展、功率放大器输出功率的下降或其他性能指标随时间的变化。退化建模和分析的目标是预测所研究产品的失效时间和失效概率。
从 JMP 17 开始，JMP 提供了两种不同的重复测量退化数据分析和建模方法：1) JMP 退化平台已在多个版本中提供的伪故障方法；2) 一个新的重复测量退化平台，该平台实现了 Meeker、Escobar 和 Pascual (2022) 中讨论的用于可靠性的分层贝叶斯建模。
分层贝叶斯建模方法能够利用贝叶斯推断估计具有随机参数的退化模型，并通过蒙特卡罗模拟确定失效时间。它拟合具有随机参数的退化路径模型，而伪失效方法则拟合固定参数模型。分层贝叶斯建模使用退化路径模型总体参数的后验估计值来模拟失效时间，而伪失效方法则从固定参数路径模型外推伪失效时间。
通常情况下，当其支持的模型之一适用时，应使用新的重复测量退化模型。如果新平台中没有适合您数据的模型，则应考虑使用现有退化平台中的伪故障方法，您可以在其中定义自己的模型。
观看视频，其中提供了三个使用 JMP 示例数据（分别为 GaAs Laser.jmp、Alloy A.jmp 和 Device B.jmp）的案例研究，这些数据位于 JMP 示例数据的可靠性文件夹中。
问题中使用的幻灯片.JPG
每个案例研究后都附有问答。案例研究 1 从大约 24:00 开始，案例研究 2 从大约 57:00 开始，案例研究 3 从大约 1:04:00 开始。
在网络研讨会直播中，彭刘（@peng_liu ）、卡莱布·金（ @calking）和唐·麦考马克（@DonMcCormack）回答了以下问题：
问：在幻灯片“重复测量退化样本数据”中，3 个示例中的所有曲线都从同一点开始。这是此类研究的必要条件吗？
答：不，曲线不必从同一点开始。路径定义列表中，有一个类似的模型，允许随机起点，它与固定起点的模型相邻。
问：虽然这些例子都来自制造业，但能否将其应用于一项实验，即随着时间的推移对动物施加压力（使其健康状况“恶化”直至“衰竭”=死亡）？我知道 JMP Pro 中有生存分析功能，但这似乎有所不同。
答：是的。通常，当研究对象是生物体时，我们称之为生存分析。类似的技巧也适用于其他情况。判断这种分析方法是否适用，主要考虑以下两点：(1) 存在多个研究对象；(2) 对单个研究对象进行多次重复测量。可能不存在应激因素。但如果存在，则该应激因素预计在整个研究期间对每个研究对象保持不变。该因素的水平可能因研究对象而异。
问：是否有办法处理两个或多个劣化响应指标（例如，电流和电压）？
答：目前，重复测量退化模型无法实现这一点。关键在于如何组合响应及其相互关系。对于硬故障，可以使用竞争原因模型来建模数据，但我不确定对于软故障是否适用。如果故障来自不同的故障分布（例如，缺陷子群体），则可以使用其他技术。或许仍然可以将竞争原因模型应用于软故障。您仍然需要像处理硬故障一样，估计每种原因下的故障分布。区别在于如何获得这些估计分布。一旦获得这些分布，我认为后续步骤应该相同。目前，重复测量退化模型无法实现这一点。请参阅视频，大约在 1:16:00 处。
问：如果种子是随机的，为什么我们所有人的随机种子都是 32323？
答：标签“随机种子”指的是“用于随机生成的种子”，并不一定意味着种子本身是随机的。
问：一个非常具体的问题：是否可以使用这样的退化函数：性能参数 = ax exp (-(时间/b)^c)，即，其中有三个参数 a、b 和 c，并且参数 a 可能对所有设备都设置为相同值？
答：这可以通过降级 > 重复测量降级（即，旧平台）来实现。
问：这个平台可以使用数据筛选功能吗？
答：由于这是一个迭代模型，如果使用数据过滤器，模型将不会更新。数据过滤器是一项通用功能，平台始终提供此功能。但是，使用该功能的影响需要仔细考虑。目前的实现方式将决定权留给了用户。需要注意的是，这种方法非常耗时，更改过滤器将触发一次耗时的分析重新运行。
问：是否有办法使用具有两个应力变量（例如温度和电流）的加速度模型？
答：新的重复测量退化平台不支持此功能，但您可以使用退化平台中原有的重复测量功能添加两个应力源。对于硬故障，您还可以使用拟合参数生存分析。
资源
