JMP 18 新增了疲勞模型功能，該功能採用了一種基於 William Meeker 教授及其研究團隊多年研究成果的新方法，用於分析疲勞試驗數據（也稱為 S-N 數據）。新方法充分考慮了疲勞試驗數據中的截尾現象；統一了疲勞壽命分佈和疲勞強度分佈的推斷理論；並建立了穩健的參數估計算法。分析結果可作為其他可靠性工程實踐的輸入，用於預測最終結構的可靠性。
看看如何：
- 了解疲勞建模在哪些情況下有用
- 利用 JMP 疲勞建模功能來實現新方法
- 建立、查看結果並從二十四種不同的模型中進行選擇
- 從六種SN曲線類型中選擇一種，並結合四種分佈中的一種來建立一個眾數。
- 從圖形和數值兩個方面比較不同的模型
- 獲取各個模型的詳細信息，例如參數估計及其置信區間；模型診斷；疲勞壽命和疲勞強度分佈的分佈分析器；這兩個分佈的分位數分析器；以及使用 Wald 區間和似然區間對機率和分位數進行自訂估計。
- 請關注 V 18.01 版本中已規劃的改進。
演示結束後，從 1:09:00 開始設有問答環節。演示中使用的範例資料可在 JMP 18 中找到：
JMP 18 sample files used in the demo示範中使用的 JMP 18 範例文件示範中使用的 JMP 18 範例文件
在網路研討會直播中，彭劉（ @peng_liu）和拉傑尼什（@Rajneesh）回答了以下問題：
Q：漸近線的斜率是否與抗拉強度（0 次循環至失效）有關？
答：目前我們從統計學的角度進行擬合，如果您了解斜率，您可以檢查它是否匹配。
Q：Cox-Snell殘差圖是否不顯示缺失/刪失資料點？
答：Cox-Snell 斜率並非資料點，而是殘差分佈的非參數估計。 Cox-Snell 殘差圖的目的是檢驗某些因素。如果曲線偏離對角線（例如，擬合對數常態分佈但結果不匹配），則使用 Weibell 分佈會更好，因此建議使用 Weibell 分佈。
Q：Nishijima模型和Coffin-Manson零斜率模型的建構方式似乎相似（例如，低週疲勞的斜率和高週疲勞的漸近線）。在特定資料集上，這兩個模型在功能上是否存在差異，會影響您選擇其中一個模型而不是另一個模型？
答：你可以結合你對資料的已有知識使用 AIC 標準。
Q：JMP的非線性建模平台能否用於進行與疲勞模型平台相同的分析？
答：可以，但是你需要知道初始值，才能提供給非線性平台並使用損失函數。
Q：如果我使用非線性方法，我應該使用哪種損失函數？對數似然損失函數嗎？
A：是的，將對數似然表示為非線性平台啟動中的損失。
Q：如果您選擇多個模型，JMP 是否會為您進行比較並幫助您選擇最合適的模型？ （AIC、BIC）
A：是的，你可以對它們做比較。
參考
