Niveau: Mittelstufe
Berufsfunktion: Analyst / Wissenschaftler / Ingenieur
William Q. Meeker, angesehener Professor für Statistik, Iowa State University
Christopher Gotwalt, JMP, Direktor für statistische Forschung und Entwicklung, SAS
Die Entwicklung der Theorie und Anwendung von Monte-Carlo-Markov-Ketten-Methoden, enorme Verbesserungen der Rechenleistung und neue Softwarealternativen, insbesondere in JMP, haben den breiten Einsatz Bayesscher Methoden in Zuverlässigkeitsanwendungen ermöglicht. Bayessche Methoden bleiben jedoch in der Zuverlässigkeitstechnik (und anderen Anwendungen) aufgrund der Frage, woher die benötigten Vorverteilungen stammen sollen, umstritten. Andererseits gibt es viele Anwendungen, bei denen Ingenieure über solide Vorkenntnisse zu bestimmten Aspekten ihrer Zuverlässigkeitsprobleme verfügen, die auf der Physik des Versagens oder früheren Erfahrungen mit demselben Versagensmechanismus beruhen (z. B. ungenaue Kenntnisse über die Aktivierungsenergie in einem temperaturbeschleunigten Lebensdauertest oder über den Weibull-Formparameter bei der Analyse von Ermüdungsbruchdaten). In solchen Anwendungen bietet der Einsatz Bayesscher Methoden einen angemessenen, wenn nicht gar zwingenden Kompromiss zwischen der Annahme, dass solche Größen bekannt sind, und der Annahme, dass nichts bekannt ist. In diesem Vortrag vergleiche ich den Einsatz Bayesscher Methoden mit traditionellen Maximum-Likelihood-Methoden anhand einer Reihe von Beispielen, darunter die Analyse von Feldversagensdaten, Daten aus beschleunigten Lebensdauertests und Daten aus beschleunigten Degradationstests.
