893171_fr-FR

liliconcom

Analyse de récurrence dans la norme JMP 18

Salut tout le monde
Je suis nouveau membre de la communauté. On me confie la tâche d'effectuer une analyse de récurrence sur nos données. Je n'ai jamais utilisé JMP ni effectué d'analyse de récurrence. Je vais donc certainement poser des questions stupides.
Les données dont nous disposons concernent les réparations de robots. Nous souhaitons observer le schéma des événements de réparation pour les robots. On m'a conseillé d'utiliser l'analyse de récurrence (je ne sais pas pourquoi).

Nous avons donc environ 15 000 robots. J'ai utilisé les colonnes « bot_id », « accumulated_transactions », « site », « cost », « bot_type » et « component ». « Site » inclut les différents emplacements où les robots travaillent. « cost » correspond aux valeurs 0 et 1 (1 signifie une réparation et 0 le dernier événement observé par les robots). « component » représente les différentes pièces en cours de réparation. Nous souhaitons observer l'effet des sites, du type de robot et des pièces sur le mcf et le modèle de réparation. J'utilise principalement le modèle NHPP log-linéaire.

J'ai quelques inquiétudes concernant les données. Nous avons environ 1 000 robots de prêt qui circulent sur tous les sites. Si je sélectionne la colonne « Site » comme rôle « Regroupement » dans l'analyse pour afficher le MCF des différents sites, cela affecte-t-il le résultat ? Je crois comprendre que chaque site considère désormais le robot de prêt comme un robot indépendant. Dois-je exclure ces 1 000 robots de prêt si je souhaite effectuer un « regroupement » par site ?

Les données que j'ai reçues indiquent une valeur de coût de 0 lors du dernier événement pour chaque site et chaque bot. Ainsi, si un bot a fonctionné sur deux sites, il y aura deux valeurs nulles pour ce bot, chacune correspondant au dernier événement par site. Cela affecte-t-il la façon dont JMP compte les bots actifs lors du calcul de la valeur MCF ? Je crois comprendre qu'une valeur de coût de 0 signifie la fin du bot. Si plusieurs valeurs nulles sont attribuées à un bot, comment cela est-il géré ?

J'ai d'autres questions mais je veux m'arrêter maintenant avant que cela ne devienne trop long.
J'apprécie votre aide.

Analyse et modélisation des données de baseObjet : Analyse de récurrence dans la norme JMP 18

Je pense que votre variable « site » est ce qu'on appelle en jargon statistique une « covariable variable dans le temps » ou un « stress variable dans le temps ». Si vous souhaitez inclure des covariables variables dans le temps dans votre modèle de récurrence, vous devez ajouter une ligne à chaque modification du niveau de l'une d'elles. À ce moment-là, la valeur de la colonne « coût » est mise à zéro. Par exemple, si le robot ID1 se déplace de A à B, de B à C et de C à un autre endroit aux temps = 1, 4 et 5, respectivement, vous devez préparer le tableau suivant.

coût du temps du site bot_id
1 A 1 0
1 B 4 0
1 C 5 0

Votre variable « composante » ressemble à ce que l'on appelle le « risque concurrent » dans le jargon statistique. L'analyse de récurrence de JMP ne prend pas en charge le risque concurrent. Vous ne pouvez effectuer qu'une analyse ultérieure.
(1) Fixez le coût à 1 quel que soit le type de défaillance qui se produit.
(2) Définissez le coût = 1 uniquement lorsqu'une défaillance spécifique se produit.

Le tableau de données ci-joint présente un exemple de jouet pour un seul robot. Le coût est défini par la méthode 1) ci-dessus. Exécutez le script de table dans le tableau de données ci-joint. Le profileur affiche le nombre estimé de pannes cumulées si les robots fonctionnent toujours sur un site spécifique (par exemple, s'ils fonctionnent toujours sur le site = A uniquement).

Je crains de ne pas bien comprendre votre situation. J'espère cependant que mon commentaire ci-dessus vous éclairera dans votre analyse.

Objet : Analyse de récurrence dans la norme JMP 18

Merci pour votre réponse rapide. Je comprends votre remarque sur l'absence de frais pour chaque modification de site. Je devrais fournir plus de détails.
Je pense que la question est désormais de savoir comment JMP gère le coût nul. Il semble que JMP exclut les bots plus tôt que prévu, si le coût initial est nul. Si JMP considère que le nombre de bots efficaces est réduit, la valeur mcf augmente. Voici ce que je vois : en haut, les données indiquent un coût nul par bot. en bas, les données indiquent plusieurs coûts nuls (un par bot et par site). La valeur mcf la plus basse est plus élevée car JMP exclut le bot à coût nul trop tôt. C’est ce que j’ai compris, mais peut-être erroné.

J'ai posé la même question à ChatGPT et voici la réponse. J'ai pensé qu'un coût nul par bot pour le dernier événement vu était la solution. Dites-moi ce que vous en pensez.

Option A — Simple et robuste (recommandée en premier)

Gardez une ligne par événement (coût = 1) with the Site value active at that event, et une dernière ligne Coût=0 par bot at the bot’s last observed transaction.
This approach uses the event rows to carry the time-varying Site value. It’s simple, avoids multiple right-censor rows per bot, and JMP will correctly use the Site value that was in effect at each event.

Quand l'utiliser : le plus courant ; suffisant si vous n'avez besoin de la covariable qu'au moment de l'événement (ce qui est généralement le cas).
Avantages : facile, évite que JMP interprète mal plusieurs 0.
Inconvénients : ne modélise pas explicitement les intervalles sans événements où la covariable a changé — mais cela est rarement nécessaire pour l'estimation du NHPP.

Forme des données

Chaque ligne est soit :

• Ligne d'événement: BotID, AccumulatedTransactions (event time), Cost = 1, Site = site_at_event

• Ligne de censure finale (une par bot): BotID, AccumulatedTransactions (last observed), Cost = 0, Site = <LAST site="" or="" na=""></LAST>

Comment JMP utilise cela

• When you add Site en tant que colonne affectant l'échelle/la forme, JMP uses the Site value on each event row to estimate how Site shifts the log-rate and/or shape. Because each event row carries the site at that time, you have effectively encoded a time-varying covariate.

Objet : Analyse de récurrence dans la norme JMP 18

Merci pour votre réponse.

Dans cette réponse, je voudrais expliquer quand les lignes avec Cost=0 sont nécessaires.

Il existe deux types de situations où nous avons besoin des lignes avec un coût = 0. La première représente la dernière fois que vous avez observé chaque robot. La seconde représente l'évolution des covariables variables dans le temps.

Si vous avez observé jusqu'à « t » et que le robot n'est pas tombé en panne au dernier instant observé « t », vous devez inclure la dernière ligne avec un coût de 0. Ce cas est appelé « censure à droite » en jargon statistique. En analyse récurrente, la censure à droite est courante, car nous pouvons répéter chaque robot et ne pouvons donc pas observer sa « mort réelle » ou sa « mort complète ». Par exemple, si la dernière fois que vous avez observé le robot ID001 est 100 et qu'il n'est pas tombé en panne à t = 100, vous devez inclure la ligne suivante.

ID t Coût
001 ... ...
001 ... ...
001 100 0

Cette ligne est nécessaire pour notifier à JMP que ce robot était en vie jusqu'à quand.

Si vous avez observé jusqu'à « t » et que le robot est tombé en panne à cet instant « t », vous n'avez pas besoin d'inclure la dernière ligne avec un coût de 0. Vous devez plutôt inclure la dernière ligne avec un coût de 1. Par exemple, si la dernière fois que vous avez observé le robot ID001 est 100 et que le robot est tombé en panne à t = 100, vous devez inclure la ligne suivante avec un coût de 1.

ID t Coût
001 ... ...
001 ... ...
001 100 1

Les lignes avec un coût de 0 sont également nécessaires pour représenter la variation des covariables. Par exemple, si la covariable X passe de A à B à 50 s, la ligne suivante avec un coût de 0 est nécessaire.

ID t X Coût
001 ... ... ...
001 50 A 0
001 ... B ...

Cette ligne est nécessaire pour notifier à JMP le changement de covariables. Comme je l'ai indiqué dans la réponse précédente, ce type de covariable est appelé « covariable variable dans le temps ».

Le tracé MCF est affecté par l'inclusion ou non de la dernière ligne observée avec un coût de 0. Il n'est pas affecté par l'inclusion ou non de la ligne avec un coût de 0 pour les covariables variables dans le temps. En revanche, les résultats du modèle d'ajustement sont affectés par les deux types de lignes avec un coût de 0.

Cette réponse correspond-elle à vos attentes ? Sinon, j'aimerais que vous me répondiez à nouveau.

Objet : Analyse de récurrence dans la norme JMP 18

@ Caozheng0115 -san,

CORRECTION POUR MA PREMIÈRE RÉPONSE

Votre variable « composante » ressemble à ce que l'on appelle le « risque concurrent » dans le jargon statistique. L'analyse de récurrence de JMP ne prend pas en charge le risque concurrent. Vous ne pouvez effectuer qu'une analyse ultérieure.
(1) Fixez le coût à 1 quel que soit le type de défaillance qui se produit.
(2) Définissez le coût = 1 uniquement lorsqu'une défaillance spécifique se produit.

Si vous utilisez la colonne Cause dans la boîte de dialogue de lancement, vous pouvez effectuer l'analyse (2) avec la plateforme d'analyse de récurrence. Le tableau de données ci-joint présente un exemple.

Objet : Analyse de récurrence dans la norme JMP 18

Bonjour, merci pour votre réponse rapide. Pourriez-vous expliquer pourquoi l'option 2 est préférable à l'option 1 ? Dans vos données d'exemple, il semble que les deux méthodes (une colonne pour le coût et un coût individuel pour deux causes) fonctionnent et produisent les mêmes résultats. Si je souhaite afficher une cause dans la figure 1 et l'autre dans la figure 2, je dois créer de nouvelles colonnes pour le coût des différentes causes afin que les résultats soient cohérents. Est-ce bien ce que vous suggérez ? Et si on faisait un regroupement similaire ? Par exemple, si je regroupe par site, existe-t-il un moyen d'afficher le résultat et le chiffre d'un seul site, identique à celui des résultats générés à partir de données incluant plusieurs sites ?

J'ai vérifié les données d'échantillon que vous avez envoyées. Il semble que vous utilisiez le mode comme cause et le site comme effet d'échelle dans la première analyse enregistrée. Le modèle que vous avez utilisé est un modèle NHPP proportionnel. Y a-t-il une raison à ce choix ? Je crois comprendre que le modèle NHPP proportionnel suppose une courbe MCF de base commune pour toutes les causes, augmentée ou diminuée par des facteurs multiplicatifs. Dans mon cas, les différentes causes et effets ne sont pas supposés proportionnels ; j'ai donc utilisé le modèle log-linéaire. Dites-moi si c'est le modèle que je devrais utiliser.

J'ai du mal à comprendre la courbe d'ajustement générée. La courbe d'ajustement rouge correspond-elle à l'échec 1 ? Elle est très éloignée de la courbe MCF rouge. Pourquoi ? Il y a deux courbes d'ajustement bleues. Laquelle correspond à l'échec 2 ? Pourquoi deux courbes d'ajustement sont-elles générées ? Quelle est la courbe d'ajustement verte ?

Ou alors les courbes d'ajustement correspondent à des sites différents. Mais la courbe rouge n'a qu'une seule courbe au lieu de deux. Je ne comprends pas pourquoi.
Merci.

Objet : Analyse de récurrence dans la norme JMP 18

Merci beaucoup. C'est très clair. Vous me sauvez la vie.
J'ai une autre question complémentaire à ce sujet. Si je souhaite comparer l'effet des sites, dois-je définir le site comme rôle de regroupement, effet d'échelle ou effet de forme ? Je souhaite afficher le MCF pour chaque site, la courbe d'ajustement pour chaque site et l'estimation des paramètres ( γ et δ) .
J'ai vu deux options :

1. N'incluez pas les sites dans le groupement, mais remplissez-les comme des effecteurs d'échelle et de forme. Je peux ensuite comparer les paramètres du modèle (NHPP log-linéaire) entre différents sites. Cependant, cette méthode ne génère qu'une seule courbe MCF pour le total.
2. Inclure les sites dans le groupement, les remplir également comme effecteurs d'échelle et de forme (je ne sais pas si je peux le faire). Cette méthode générera un MCF pour chaque site, une courbe d'ajustement pour chaque site, ainsi que les paramètres du modèle pour comparer les effets entre les sites. Le problème que j'ai rencontré avec cette méthode est que le groupement génère un modèle individuel pour chaque site (je peux me tromper), et ce n'est pas une bonne façon de comparer les effets des sites avec différents modèles.
Que dois-je faire ? Dois-je générer une courbe individuelle avec l'option 2 et utiliser le tableau de résultats pour l'estimation des paramètres avec l'option 1 ? Dans ce cas, les courbes affichées ne correspondront pas exactement au tableau des paramètres.
Merci beaucoup.

Objet : Analyse de récurrence dans la norme JMP 18

Merci encore pour votre réponse.

Bien que je craigne de mal comprendre votre situation, je pense que l'option (1) doit être correcte.

D’après ce que je comprends, je pense que votre variable Site est une covariable variant dans le temps.

Si tel est le cas, vous ne devez PAS définir la variable Site comme colonne de regroupement.

Si vous définissez le SITE dans le tableau suivant,...

ID SITE HEURE

1 1 15

1 2 31

1 1 49

1 2 57

1 1 102

... alors, JMP reconnaît qu'il y a deux identifiants.

ID SITE HEURE

1-1 1 15

2-1 2 31

1-1 1 49

2-1 2 57

1-1 1 102

Donc, (si je ne comprends pas mal votre situation et si votre variable Site est une covariable variable dans le temps), vous ne devez PAS inclure la variable Site pour la colonne de regroupement.

Il y a une remarque supplémentaire.

Les estimations non paramétriques du graphique MCF, premier graphique visible avant l'ajustement du modèle, ne prennent pas en compte la covariable temporelle. De plus, la courbe estimée par le modèle correspond à la courbe lorsque toutes les covariables temporelles sont fixées à chaque valeur de site. Par conséquent, le graphique MCF ne permet pas de vérifier l'ajustement du modèle si celui-ci comporte des covariables temporelles.

Le script suivant présente un exemple simple. Dans ces données simulées, les paramètres d'échelle (thêta) et de forme (bêta) sont modifiés après les 30 premiers points temporels. Les variables Site indiquent le changement, et ce Site est le covariable variable dans le temps. Par souci de simplicité, j'utilise le processus de Poisson non homogène de puissance.

La covariable variable dans le temps, Site, ne doit pas être incluse dans la colonne Regroupement.

Names Default To Here(1);
Random Reset(111111);
n = 30;
nid = 100;
data = J(2*n*nid, 4, .);
b1 = 3;
theta1 = 5;
b2 = 8;
theta2 = 8;

k = 0;
For( id = 1, id <= nid, id++,
x = 0;
For( i = 1, i <= n - 1, i++,
x = (x ^ b1 + Random Exp() * theta1 ^ b1) ^ (1 / b1);
k++;
data[k, 1] = id;
data[k, 2] = 1;
data[k, 3] = x;
data[k, 4] = 1;
);
k++;
data[k, 1] = id;
data[k, 2] = 1;
data[k, 3] = x;
data[k, 4] = 0;

For( i = 1, i <= n - 1, i++,
x = (x ^ b2 + Random Exp() * theta2 ^ b2) ^ (1 / b2);
k++;
data[k, 1] = id;
data[k, 2] = 2;
data[k, 3] = x;
data[k, 4] = 1;
);
k++;
data[k, 1] = id;
data[k, 2] = 2;
data[k, 3] = x;
data[k, 4] = 0;


);

dt = As Table(data,<
     <COLUMN names=""></COLUMN>

<DIV> </DIV> <DIV>Dans cet exemple simple, le modèle réel est ajusté. L'ajustement du modèle est donc très bon. Cependant, le graphique MCF ne permet pas de démontrer la qualité de l'ajustement.</DIV> <P><SPAN class="lia-inline-image-display-wrapper lia-image-align-inline" image-alt="yusuke_ono_0-1754960081412.png" style="width: 400px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><SPAN class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><span class="lia-inline-image-display-wrapper" image-alt="yusuke_ono_0-1754960081412.png" style="width: 390px;"><img src="https://us.v-cdn.net/6038925/uploads/images/80136i9723A629E7469671/yusuke_ono_0-1754960081412.png" role="button" title="yusuke_ono_0-1754960081412.png" alt="yusuke_ono_0-1754960081412.png" /></span></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></P> <BR /> <DIV>En bref, n'incluez pas de covariables variables dans le temps dans la colonne Regroupement et n'utilisez pas le graphique MCF pour vérifier la qualité de l'ajustement si votre modèle comporte des covariables variables dans le temps.</DIV> <DIV> </DIV> <BR /> Objet : Analyse de récurrence dans la norme JMP 18

Salut,

Merci pour votre réponse, elle m'est très utile. J'ai raté l'e-mail de la communauté JMP pour me rappeler de consulter votre réponse. Désolé pour la réponse tardive.
Je n'utiliserai PAS le site comme rôle de GROUPEMENT.

J'ai effectué l'analyse et présenté certains résultats. Mon responsable est satisfait. Merci beaucoup.

L'étape suivante consiste à voir le COÛT (argent réel) dans le MCF pour voir l'argent moyen par réparation de robot.

Je prévois donc d'indiquer le montant à payer plutôt que le 1 (indiquant la réparation) dans la colonne « Rôle du coût ». Le 0 restera le statut de censure indiqué.

Est-ce la bonne façon d'étudier le coût moyen par réparation de robot ? Voici un exemple de données avec le coût réel dans la colonne « Rôle du coût ».
J'utilise la norme JMP 18.
Merci.

Objet : Analyse de récurrence dans la norme JMP 18

Merci encore pour votre réponse, @Caozheng0115 -san

Vous pouvez spécifier n'importe quel coût positif. Dans les estimations non paramétriques, les coûts cumulés sont calculés. Dans les estimations paramétriques, les coûts servent de pondération pour la fonction de vraisemblance logarithmique.(Si vous souhaitez connaître les détails mathématiques, j'aimerais vous l'expliquer plus en détail, alors répondez-moi s'il vous plaît.)

Je crains fort d'avoir mal compris votre situation et d'avoir omis d'expliquer ce qu'est un « effet variable dans le temps ». Dans votre dernier exemple, la colonne « Site » ne correspond pas à « effet variable dans le temps ».Les effets « variables dans le temps » sont des effets dont les valeurs changent pour chaque identifiant. Dans les données suivantes, la colonne « Site » représente un effet variable dans le temps.

Je crains également de mal comprendre la différence entre les robots. Je pensais que tous les robots étaient de la même version, du même type et du même grade ; je n'ai donc pas défini l'« ID » comme effet de regroupement ou de modèle. (Par exemple, si ID=001, ID=002 et ID=003 correspondent respectivement à C-3PO, R2-D2 et BB-8 dans Star Wars, ces trois robots sont de types complètement différents. Je pense donc que nous devrions définir la colonne ID dans la colonne « Groupement » et l'inclure également dans un effet de modèle.)

Dans votre dernier exemple, le « Site » est complètement confondu avec l'« ID ». On ne peut donc pas dissocier l'effet du Site de l'ID. (Par exemple, C-3PO n'a fonctionné que dans le désert, R2-D2 n'a fonctionné qu'en bord de mer et BB-8 n'a fonctionné qu'à l'intérieur d'un bâtiment confortable ; on ne peut donc pas dissocier l'effet de l'ID de l'effet du lieu.)

Bien que je doive encore mal comprendre votre situation, voici un exemple d'analyse pour votre dernier exemple. Je calcule les coûts cumulés non paramétriques pour chaque ID = 001 et 002 séparément en incluant l'ID dans la colonne de regroupement. J'exclus les données pour l'ID = 003 de mon analyse car il n'y a qu'une seule défaillance. J'ajuste le modèle paramétrique de processus de Poisson log-linéaire pour chaque ID. Sur la base de ce modèle, le coût cumulé à Time = 300 pour l'ID = 001 est estimé à 13 300,37, et celui à Time = 300 pour l'ID = 002 à 550,007.

Je joins le tableau de données, votre dernier exemple, que j'ai utilisé pour l'analyse ci-dessus.

Objet : Analyse de récurrence dans la norme JMP 18

Bonjour, merci pour votre réponse rapide. Vous avez bien compris ; il existe effectivement deux types de bots. J'utilise le type de bot dans l'effet GROUPING pour visualiser leur effet. Mon dernier exemple est simple, sans site comme covariable temporelle, pour simplifier. Je comprends parfaitement votre inquiétude.

Pour ce qui est de la pondération monétaire de la fonction de vraisemblance, je crois comprendre son fonctionnement. Utiliser les coûts comme pondération signifie que les événements les plus coûteux comptent davantage dans la conception du modèle ajusté, et pas seulement dans le total cumulé. Je ne me concentre pas sur les mathématiques et j'utiliserai l'argent dans le rôle du coût. Cordialement.

Objet : Analyse de récurrence dans la norme JMP 18

Merci encore pour votre réponse, @Caozheng0115 -san.

Je suis soulagé de l'apprendre. Si vous avez d'autres questions concernant l'analyse récurrente, n'hésitez pas à les poser à nouveau ou à répondre à ce fil de discussion.

Objet : Analyse de récurrence dans la norme JMP 18

Salut,
J'espère que tu vas bien.
J'ai testé les valeurs en dollars dans la colonne des coûts. Le coût étant comparable à la pondération des réparations, la courbe a été décalée, mais sans résultat inattendu.

Une autre tâche consiste à prédire les réparations futures et leurs coûts. Pensez-vous que la récurrence dans JMP soit une bonne méthode de prédiction ? J'utilise le modèle log-linéaire NHPP, mais j'ai remarqué que la courbe ajustée converge rapidement et que les prédictions sont probablement erronées.
Je suppose que je peux utiliser le modèle NHPP proportionnel. J'ai juste l'impression de ne pas avoir beaucoup de choix et les prédictions basées sur l'analyse de récurrence ne me semblent pas précises.

Existe-t-il d’autres analyses permettant de faire des prédictions ?
Merci.

Objet : Analyse de récurrence dans la norme JMP 18

Cher Cao Zheng-

Je suis tombé par hasard sur ce fil de discussion. Le site web de JMP propose d'excellentes ressources d'apprentissage. Pour plus d'informations sur la fiabilité, consultez Apprendre JMP - Communauté d'utilisateurs JMP . Pour l'analyse des systèmes réparables, mon collègue Jerry Fish a animé un excellent webinaire. Vous pouvez le retrouver via ce lien : Analyse de la fiabilité des systèmes réparables .

J'espère que cela aide !

meilleur,

Charlie

Objet : Analyse de récurrence dans la norme JMP 18

Bonjour-
En complément du post de Charlie-
Une tonne de ressources intéressantes sur Learn JMP

Consultez ce lien https://community.jmp.com/t5/Learn-JMP-Events/Analyzing-Reliability-for-Non-Repairable-Systems/ec-p/810009#M452

Également cette série qui comprend plusieurs segments sur la récurrence https://community.jmp.com/t5/Deeper-Dives/A-Deeper-Dive-into-Reliability-Analysis-for-Repairable-Systems/ta-p/738833

Objet : Analyse de récurrence dans la norme JMP 18

Salut, yusuke_ono
J'espère que tu vas bien. J'ai pensé à quelque chose dans ta réponse :

'Si vous avez observé jusqu'à « t » et que le robot a échoué à cet instant « t », vous n'avez pas besoin d'inclure la dernière ligne avec un coût de 0. Vous devez plutôt inclure la dernière ligne avec un coût de 1.

Ma question est la suivante : que se passerait-il si les robots échouaient avant l'instant « t » et finissaient à la poubelle ? Devraient-ils être inclus ?

Dans mon cas, par exemple, un bot a échoué à 100 transactions (j'utilise la transaction au lieu du temps) et il n'était pas réparable, et ce, avant mon observation. Je suppose que je vais remplir 1 à la transaction 100 pour ce bot. Aucun 0 ne sera rempli, car ce bot n'est pas réparable. Ai-je raison ? Nous n'avons actuellement inclus aucun bot ayant échoué et non réparé avant l'observation. Dites-moi si je dois les inclure. Merci.