重複退化資料用於衡量產品隨時間的可靠性，例如材料裂縫的擴展、功率放大器輸出功率的下降或其他性能指標隨時間的變化。退化建模和分析的目標是預測所研究產品的失效時間和失效機率。
從 JMP 17 開始，JMP 提供了兩種不同的重複測量退化資料分析和建模方法：1) JMP 退化平台已在多個版本中提供的偽故障方法；2) 一個新的重複測量退化平台，該平台實現了 Meeker、Escobar 和 Pascual (2022) 中討論的用於可靠性的分層貝葉斯建模。
分層貝葉斯建模方法能夠利用貝葉斯推論估計具有隨機參數的退化模型，並透過蒙特卡羅模擬確定失效時間。它擬合具有隨機參數的退化路徑模型，而偽失效方法則擬合固定參數模型。分層貝葉斯建模使用退化路徑模型總體參數的後驗估計值來模擬失效時間，而偽失效方法則從固定參數路徑模型外推偽失效時間。
通常情況下，當其支援的模型之一適用時，應使用新的重複測量退化模型。如果新平台中沒有適合您資料的模型，則應考慮使用現有退化平台中的偽故障方法，您可以在其中定義自己的模型。
觀看視頻，其中提供了三個使用 JMP 範例資料（分別為 GaAs Laser.jmp、Alloy A.jmp 和 Device B.jmp）的案例研究，這些資料位於 JMP 範例資料的可靠性資料夾中。
問題中使用的幻燈片.JPG
每個案例研究後都附有問答。案例研究 1 從大約 24:00 開始，案例研究 2 從大約 57:00 開始，案例研究 3 從大約 1:04:00 開始。
在網路研討會直播中，彭劉（@peng_liu ）、卡萊布·金（ @calking）和唐·麥考馬克（@DonMcCormack）回答了以下問題：
Q：在投影片「重複測量退化樣本資料」中，3 個範例中的所有曲線都從同一點開始。這是此類研究的要求嗎？
答：不，曲線不必從同一點開始。路徑定義清單中，有一個類似的模型，允許隨機起點，它與固定起點的模型相鄰。
問：雖然這些例子都來自製造業，但能否將其應用於一項實驗，即隨著時間的推移對動物施加壓力（使其健康狀況「惡化」直至「衰竭」=死亡）？我知道 JMP Pro 中有生存分析功能，但這似乎有所不同。
答：是的。通常，當研究對像是生物體時，我們稱之為存活分析。類似的技巧也適用於其他情況。判斷此分析方法是否適用，主要考慮以下兩點：(1) 存在多個研究對象；(2) 對單一研究對象進行多次重複測量。可能不存在應激因素。但如果存在，則該壓力因素預計在整個研究期間對每個研究對象保持不變。此因素的程度可能因研究對象而異。
Q：是否有辦法處理兩個或多個劣化反應指標（例如，電流和電壓）？
答：目前，重複測量退化模型無法實現這一點。關鍵在於如何組合響應及其相互關係。對於硬故障，可以使用競爭原因模型來建模數據，但我不確定對於軟故障是否適用。如果故障來自不同的故障分佈（例如，缺陷子群體），則可以使用其他技術。或許仍可將競爭原因模型應用於軟故障。您仍然需要像處理硬故障一樣，估計每種原因下的故障分佈。差異在於如何獲得這些估計分佈。一旦獲得這些分佈，我認為後續步驟應該相同。目前，重複測量退化模型無法實現這一點。請參閱視頻，大約在 1:16:00 處。
Q：如果種子是隨機的，為什麼我們所有人的隨機種子都是 32323？
答：標籤“隨機種子”指的是“用於隨機生成的種子”，並不一定意味著種子本身是隨機的。
Q：一個非常具體的問題：是否可以使用這樣的退化函數：效能參數 = ax exp (-(時間/b)^c)，即，其中有三個參數 a、b 和 c，並且參數 a 可能對所有裝置都設定為相同值？
答：這可以透過降級 > 重複測量降級（即，舊平台）來實現。
Q：這個平台可以使用資料篩選功能嗎？
答：由於這是一個迭代模型，如果使用資料過濾器，模型將不會更新。資料過濾器是一項通用功能，平台始終提供此功能。但是，使用該功能的影響需要仔細考慮。目前的實現方式將決定權留給了使用者。需要注意的是，這種方法非常耗時，更改過濾器將觸發一次耗時的分析重新運行。
Q：是否有辦法使用具有兩個應力變數（例如溫度和電流）的加速度模型？
答：新的重複測量退化平台不支援此功能，但您可以使用退化平台中原有的重複測量功能新增兩個應力來源。對於硬故障，您還可以使用擬合參數生存分析。
資源
