JMP 18 offre nuove funzionalità per la modellazione della fatica che implementano una nuova metodologia, basata su anni di ricerca del Prof. William Meeker e di un team di ricercatori, per l'analisi dei dati dei test di fatica (noti anche come dati SN). La nuova metodologia rispetta la natura della censura nei dati dei test di fatica; unifica la teoria dell'inferenza della distribuzione della durata a fatica e della distribuzione della resistenza a fatica; e stabilisce algoritmi robusti per la stima dei parametri. I risultati analitici vengono utilizzati come input per altre pratiche di ingegneria dell'affidabilità al fine di prevedere l'affidabilità delle strutture finali.
Scopri come:
- Comprendere le situazioni in cui la modellazione della fatica può essere utile
- Utilizzare le funzionalità di modellazione della fatica di JMP per implementare la nuova metodologia.
- Crea, visualizza i risultati e seleziona tra ventiquattro modelli diversi
- Scegli uno dei sei tipi di curva SN insieme a una delle quattro distribuzioni per assemblare una moda
- Confrontare diversi modelli, graficamente e numericamente.
- Ottieni informazioni dettagliate per i singoli modelli, come le stime dei parametri e i relativi intervalli di confidenza; la diagnostica del modello; i profilatori di distribuzione per le distribuzioni di durata a fatica e resistenza a fatica; i profilatori di quantili per le due distribuzioni; e stime personalizzate di probabilità e quantili con intervalli sia di Wald che di verosimiglianza.
- Sono previsti miglioramenti per la versione 18.01.
- Migliori proporzioni nelle curve di densità
- La distribuzione e i profili quantili utilizzano due frame
La sessione di domande e risposte è inclusa al termine della demo, a partire dal minuto 1:09:00. I dati di esempio utilizzati nelle demo sono disponibili in JMP 18:
JMP 18 sample files used in the demoFile di esempio di JMP 18 utilizzati nella demoFile di esempio di JMP 18 utilizzati nella demo
Domande a cui hanno risposto Peng Liu @peng_liu e Rajneesh Rajneesh @Rajneesh durante il webinar in diretta:
La pendenza dell'asintoto è determinata dalla resistenza alla trazione (0 cicli a rottura)?
A: Al momento, da un punto di vista statistico, i dati sembrano corrispondere; se hai informazioni sulla pendenza, puoi verificare se i dati sono corretti.
Il grafico dei residui di Cox-Snell non mostra i punti dati mancanti/censurati?
A: La pendenza di Cox-Snell non è rappresentata da punti dati. Si tratta di stime non parametriche della distribuzione dei residui. Lo scopo del grafico dei residui di Cox-Snell è quello di verificare qualcosa. Se la curva si discosta dalla linea diagonale (viene adattata una distribuzione lognormale che non corrisponde), allora se si adatta una distribuzione di Weibell il risultato è molto migliore, quindi si utilizza Weibell.
La costruzione dei modelli a pendenza zero di Nishijima e Coffin-Manson sembra simile (ovvero, pendenza per la fatica a basso numero di cicli, asintoto per la fatica ad alto numero di cicli). Esiste una differenza funzionale che potrebbe influenzare la scelta di un modello rispetto all'altro per un particolare set di dati?
A: Puoi utilizzare il criterio AIC insieme alle tue conoscenze pregresse sui dati.
La piattaforma di modellazione non lineare di JMP può essere utilizzata per eseguire la stessa analisi della piattaforma di modellazione della fatica?
A: È possibile, ma è necessario conoscere i valori iniziali da fornire alla piattaforma non lineare e utilizzare la funzione di perdita.
Se utilizzo un modello non lineare, quale funzione di perdita dovrei usare? La verosimiglianza logaritmica?
A: Sì, esprimere la log-verosimiglianza come una perdita nel lancio della piattaforma non lineare.
Se si selezionano più modelli, JMP li confronterà per voi e vi aiuterà a scegliere quello più adatto? (AIC, BIC)
A: Sì, e puoi confrontarli.
Riferimenti
