893171_de-DE

liliconcom

Rekurrenzanalyse in JMP 18 Standard

Hallo zusammen
Ich bin ein neues Mitglied der Community. Mir wurde die Aufgabe zugewiesen, eine Rekurrenzanalyse unserer Daten durchzuführen. Ich habe noch nie JMP verwendet oder eine Rekurrenzanalyse durchgeführt. Daher werde ich mit Sicherheit einige dumme Fragen stellen.
Die Daten, die wir haben, beziehen sich auf Roboterreparaturen. Wir möchten das Reparaturereignismuster für die Bots sehen und mir wurde gesagt, ich solle eine Wiederholungsanalyse verwenden (ich weiß nicht, warum).

Wir haben also rund 15.000 Roboter. Ich habe die Spalten „bot_id“, „accumulated_transactions“, „site“, „cost“, „bot_type“ und „component“ verwendet. „Site“ umfasst verschiedene Standorte, an denen die Roboter arbeiten. „cost“ ist der Wert 0, 1 (1 bedeutet eine Reparatur und 0 bedeutet das letzte gesehene Ereignis der Bots). „component“ sind verschiedene Teile, die repariert werden. Wir möchten die Auswirkungen von Sites, bot_type und Teilen auf MCF und Reparaturmuster sehen. Ich verwende hauptsächlich das loglineare NHPP-Modell.

Ich habe einige Bedenken bezüglich der Daten. Wir haben rund 1000 Leih-Bots, die auf allen Websites unterwegs sind. Wenn ich in der Analyse die Spalte „Website“ als Gruppierungsrolle auswähle, um den MCF für verschiedene Websites anzuzeigen, wirkt sich das auf das Ergebnis aus? Meines Wissens betrachtet jede Website den Leih-Bot nun als unabhängigen Bot. Sollte ich diese etwa 1000 Leih-Bots ausschließen, wenn ich nach „Website“ gruppieren möchte?

Die Daten, die ich erhalten habe, weisen beim letzten Ereignis für jede Site und jeden Bot einen Kostenwert von 0 auf. Wenn also ein Bot an zwei Sites gearbeitet hat, gibt es für diesen Bot zwei 0-Werte, jeweils als letztes Ereignis pro Site. Beeinflusst dies die Zählung aktiver Bots durch JMP bei der Berechnung des MCF-Werts? Meines Wissens bedeutet ein Kostenwert von 0 das Ende des Bots. Wie wird mit mehreren 0-Werten für einen Bot umgegangen?

Ich habe noch weitere Fragen, möchte aber jetzt aufhören, bevor das hier zu lang wird.
Ich weiß Ihre Hilfe zu schätzen.

Grundlegende Datenanalyse und -modellierungBetreff: Rekurrenzanalyse im JMP 18 Standard

Ich denke, Ihre „Site“-Variable ist eine sogenannte „zeitvariable Kovariate“ oder „zeitvariabler Stress“ im Statistikjargon. Wenn Sie zeitvariable Kovariaten in Ihr Rekurrenzmodell einbeziehen möchten, müssen Sie jedes Mal eine Zeile hinzufügen, wenn sich der Pegel einer der zeitvariablen Kovariaten ändert. In diesem Fall wird der Wert der Kostenspalte auf Null gesetzt. Wenn sich beispielsweise der Roboter ID1 zum Zeitpunkt 1, 4 bzw. 5 von A nach B, B nach C und C nach irgendwo bewegt hat, müssen Sie die folgende Tabelle vorbereiten.

bot_id Site-Zeitkosten
1 A 1 0
1 B 4 0
1 C 5 0

Ihre „Komponenten“-Variable klingt im statistischen Jargon nach dem sogenannten „Konkurrenzrisiko“. Die Wiederholungsanalyse von JMP unterstützt das Kometierungsrisiko nicht. Sie können nur die folgende Analyse durchführen.
(1) Setzen Sie die Kosten auf 1, unabhängig davon, welcher Fehler auftritt.
(2) Setzen Sie cost=1 nur, wenn ein bestimmter Fehler auftritt.

Die beigefügte Datentabelle zeigt ein Beispiel für nur einen Roboter. Die Kosten werden mit der oben beschriebenen Methode 1) ermittelt. Führen Sie das Tabellenskript in der beigefügten Datentabelle aus. Der Profiler zeigt die geschätzte Anzahl der kumulierten Fehler an, wenn der Roboter immer nur an einem bestimmten Standort arbeitet (z. B. immer nur an Standort="A").

Ich befürchte sehr, dass ich Ihre Situation nicht richtig verstehe. Ich hoffe jedoch, dass mein obiger Kommentar Ihnen eine Idee für Ihre Analyse gibt.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Vielen Dank für die schnelle Antwort. Ich verstehe, dass Sie darauf hinweisen, dass für jede Site-Änderung keine Kosten anfallen. Ich sollte mehr Details angeben.
Ich denke, die Frage ist nun, wie JMP mit 0 Kosten umgeht. Es scheint, dass JMP die Bots einfach früher ausschließt als nötig, wenn die Bots zu einem frühen Zeitpunkt 0 Kosten haben. Je weniger Bots JMP als effektiv einstuft, desto höher wird der MCF-Wert. Folgendes sehe ich: Oben sind Daten mit einem 0 Kosten pro Bot. Unten sind Daten mit mehreren 0 Kosten (einer pro Bot pro Site). Der untere MCF-Wert ist höher, weil JMP den Bot mit dem 0 Kostenwert zu früh ausschließt. So habe ich es verstanden, aber das kann auch falsch sein.

Ich habe ChatGPT dieselbe Frage gestellt und die Antwort lautet wie folgt. Ich hatte das Gefühl, dass ich für das letzte angezeigte Ereignis 0 Kosten pro Bot vermeiden sollte. Lasst mich wissen, was ihr davon haltet.

Option A – Einfach und robust (zuerst empfohlen)

Behalten Sie eine Zeile pro Ereignis (Kosten = 1) with the Site value active at that event, und eine letzte Zeile mit Kosten = 0 pro 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.

Wann zu verwenden: am häufigsten; ausreichend, wenn Sie die Kovariate nur zu Ereigniszeiten benötigen (was normalerweise der Fall ist).
Vorteile: einfach, verhindert, dass JMP mehrere Nullen falsch interpretiert.
Nachteile: modelliert nicht explizit Intervalle ohne Ereignisse, bei denen sich die Kovariate geändert hat – aber das ist für die NHPP-Schätzung selten notwendig.

Datenform

Jede Zeile ist entweder:

• Ereigniszeile: BotID, AccumulatedTransactions (event time), Cost = 1, Site = site_at_event

• Letzte Zensurzeile (eine pro Bot): BotID, AccumulatedTransactions (last observed), Cost = 0, Site = <LAST site="" or="" na=""></LAST>

Wie JMP dies nutzt

• When you add Site als Spalte, die Maßstab/Form beeinflusst, 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.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Vielen Dank für Ihre Antwort.

In dieser Antwort möchte ich erklären, wann die Zeilen mit Cost=0 benötigt werden.

Es gibt zwei Situationen, in denen wir Zeilen mit Kosten=0 benötigen. Die eine besteht darin, den letzten Zeitpunkt darzustellen, zu dem Sie jeden Roboter beobachtet haben. Die andere besteht darin, die Änderung zeitabhängiger Kovariaten darzustellen.

Wenn Sie bis "t" beobachtet haben und der Roboter zum letzten Beobachtungszeitpunkt "t" nicht ausgefallen ist, müssen Sie die letzte Zeile mit Kosten=0 einschließen. Diese Situation wird in der Statistik als "Rechtszensur" bezeichnet. In der rekurrenten Analyse wird die Rechtszensur üblicherweise verwendet, weil wir jeden Roboter reparieren können und so den "tatsächlichen Tod" oder "vollständigen Tod" des Roboters nicht beobachten können. Beispiel: Wenn Sie den Roboter ID001 zum letzten Mal am 100. beobachtet haben und der Roboter zum Zeitpunkt t=100 nicht ausgefallen ist, müssen Sie die folgende Zeile einschließen.

ID t Kosten
001 ... ...
001 ... ...
001 100 0

Diese Zeile wird benötigt, um JMP mitzuteilen, bis wann dieser Roboter aktiv war.

Wenn Sie bis „t“ beobachtet haben und der Roboter zu diesem Zeitpunkt „t“ ausgefallen ist, müssen Sie die letzte Zeile mit Kosten=0 nicht einschließen. Stattdessen müssen Sie die letzte Zeile mit Kosten=1 einschließen. Beispiel: Wenn Sie den Roboter ID001 zuletzt zum Zeitpunkt 100 beobachtet haben und der Roboter bei t=100 ausgefallen ist, müssen Sie die folgende Zeile mit Kosten=1 einschließen.

ID t Kosten
001 ... ...
001 ... ...
001 100 1

Zeilen mit den Kosten=0 werden auch benötigt, um die Änderung der Kovariaten darzustellen. Wenn beispielsweise die Kovariate X zum Zeitpunkt=50 von A nach B geändert wird, wird die folgende Zeile mit den Kosten=0 benötigt.

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

Diese Zeile wird benötigt, um JMP über die Änderung der Kovariaten zu informieren. Wie ich in der vorherigen Antwort geschrieben habe, werden diese Art von Kovariaten als „zeitvariable Kovariate“ bezeichnet.

Das MCF-Diagramm wird davon beeinflusst, ob Sie die letzte beobachtete Zeile mit Kosten=0 einbeziehen oder nicht. Das MCF-Diagramm wird nicht davon beeinflusst, ob Sie die Zeile mit Kosten=0 für zeitvariable Kovariaten einbeziehen oder nicht. Die Ergebnisse von „Modell anpassen“ werden jedoch von beiden Zeilentypen mit Kosten=0 beeinflusst.

Entspricht diese Antwort Ihren Erwartungen? Falls nicht, bitte ich Sie, noch einmal zu antworten.

Betreff: Rekurrenzanalyse im JMP 18 Standard

@Caozheng0115 -san,

KORREKTUR FÜR MEINE ERSTE ANTWORT

Ihre „Komponenten“-Variable klingt im statistischen Jargon nach dem sogenannten „Konkurrenzrisiko“. Die Wiederholungsanalyse von JMP unterstützt das Kometierungsrisiko nicht. Sie können nur die folgende Analyse durchführen.
(1) Setzen Sie die Kosten auf 1, unabhängig davon, welcher Fehler auftritt.
(2) Setzen Sie cost=1 nur, wenn ein bestimmter Fehler auftritt.

Wenn Sie die Spalte Ursache im Startdialog verwenden, können Sie die Analyse in (2) mit der Recurrence Analysis-Plattform durchführen. Die beigefügte Datentabelle zeigt ein Beispiel.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Hallo, danke für Ihre schnelle Antwort. Können Sie erklären, warum Option 2 und nicht Option 1? In Ihren Beispieldaten scheinen beide Möglichkeiten (eine Spalte für Kosten und Einzelkosten für zwei Ursachen) zu funktionieren und dieselben Ergebnisse zu erzeugen. Wenn ich eine Ursache in Abbildung 1 und die andere Ursache in Abbildung 2 anzeigen möchte, muss ich neue Spalten für die Kosten für unterschiedliche Ursachen erstellen, damit die Ergebnisse konsistent sind. Ist es das, was Sie vorschlagen? Wie wäre es dann mit einer ähnlichen Situation für die Gruppierung? Zum Beispiel, wenn ich nach Standort gruppiere. Gibt es eine Möglichkeit, ein einzelnes Standortergebnis und eine Abbildung anzuzeigen, die denen für Ergebnisse entspricht, die aus Daten mit mehreren Standorten generiert wurden?

Ich habe die von Ihnen gesendeten Beispieldaten überprüft. Es sieht so aus, als hätten Sie in der ersten gespeicherten Analyse den Modus als Ursache und den Standort als Skaleneffekt verwendet. Das von Ihnen verwendete Modell ist das proportionale NHPP-Modell. Gibt es einen Grund für die Modellauswahl? Meines Wissens geht das proportionale NHPP-Modell von einer gemeinsamen Basis -MCF-Kurve für alle Ursachen aus, die durch Multiplikationsfaktoren vergrößert oder verkleinert wird. In meinem Fall wird nicht angenommen, dass die verschiedenen Ursache-Wirkungs-Verhältnisse proportional sind, daher habe ich das log-lineare Modell verwendet. Lassen Sie mich wissen, ob ich dieses Modell verwenden soll.

Ich habe Probleme, die generierte Anpassungskurve zu verstehen. Ist die rote Anpassungskurve für Fail 1? Die Anpassungskurve ist sehr weit von der roten MCF-Kurve entfernt. Warum ist das so? Es gibt zwei blaue Anpassungskurven. Welche ist die Anpassungskurve für Fail2? Warum werden zwei Anpassungskurven generiert? Was ist die grüne Anpassungskurve?

Oder die Anpassungskurven sind für verschiedene Standorte. Aber die rote hat nur eine Kurve statt zwei. Ich verstehe nicht, warum das passiert ist.
Danke.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Vielen Dank. Das ist ganz klar. Sie sind ein Lebensretter.
Ich habe noch eine weitere Frage dazu. Wenn ich die Wirkung von Standorten vergleichen möchte, sollte ich den Standort als Gruppierungsrolle, Skaleneffekt oder Formeffekt angeben? Ich möchte den MCF für jeden Standort, die Anpassungskurve für jeden Standort und auch die Parameterschätzung ( γ und δ) anzeigen.
Ich habe zwei Optionen gesehen:

1. Sites nicht als Gruppierung einbeziehen, sondern als Maßstab und Formeffektoren ausfüllen. Dann kann ich die Parameter des Modells (log lineares NHPP) zwischen verschiedenen Sites vergleichen. Bei dieser Methode wird jedoch nur eine MCF-Kurve für die Gesamtsumme generiert.
2. Site als Gruppierung einbeziehen und sie auch als Skalierungs- und Formeffektoren füllen (ich weiß nicht, ob ich das kann). Auf diese Weise werden MCF für jede Site, Anpassungskurven für jede Site sowie Modellparameter zum Vergleich der Effekte zwischen den Sites generiert. Das Problem, das ich bei dieser Methode festgestellt habe, ist, dass die Gruppierung für jede Site ein individuelles Modell generiert (ich könnte mich irren) und es keine gute Möglichkeit ist, die Effekte von Sites mit verschiedenen Modellen zu vergleichen.
Was soll ich tun? Soll ich in Option 2 eine individuelle Kurve generieren und die Ergebnistabelle für die Parameterschätzung mit Option 1 verwenden? Dann stimmen die von mir angezeigten Kurven nicht genau mit der Parametertabelle überein.
Vielen Dank.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Nochmals vielen Dank für Ihre Antwort.

Obwohl ich befürchte, dass ich Ihre Situation falsch verstehe, bin ich der Meinung, dass Option (1) richtig sein muss.

Soweit ich weiß, handelt es sich bei Ihrer Site-Variablen um eine zeitvariable Kovariable.

In diesem Fall sollten Sie die Site-Variable NICHT als Gruppierungsspalte festlegen.

Wenn Sie die SITE in der folgenden Tabelle festlegen, ...

ID STANDORT ZEIT

1 1 15

1 2 31

1 1 49

1 2 57

1 1 102

... dann erkennt JMP, dass es zwei IDs gibt.

ID STANDORT ZEIT

1-1 1 15

2-1 2 31

1-1 1 49

2-1 2 57

1-1 1 102

Daher sollten Sie (wenn ich Ihre Situation richtig verstehe und Ihre Site-Variable eine zeitvariable Kovariable ist) die Site-Variable NICHT in die Gruppierungsspalte aufnehmen.

Es gibt noch eine zusätzliche Anmerkung.

Die nichtparametrischen Schätzungen im MCF-Diagramm, das Sie vor der Modellanpassung sehen, berücksichtigen die zeitabhängigen Kovariaten nicht. Die vom Modell geschätzte Kurve zeigt die Kurve, wenn alle zeitabhängigen Kovariaten an jeden Site-Wert gebunden sind. Daher können wir das MCF-Diagramm nicht verwenden, um zu überprüfen, ob das Modell gut angepasst ist oder nicht, wenn Ihr Modell zeitabhängige Kovariaten aufweist.

Das folgende Skript zeigt ein einfaches Spielzeugbeispiel. In diesen simulierten Daten werden die Parameter Skalierung (Theta) und Form (Beta) nach den ersten 30 Zeitpunkten geändert. Die Site-Variablen zeigen die Änderung an, und diese Site ist die zeitvariable Kovariate. Der Einfachheit halber verwende ich den Power Nonhomogeneous Poisson Process.

Die zeitabhängige Kovariable „Site“ sollte nicht in die Spalte „Gruppierung“ aufgenommen werden.

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>In diesem einfachen Spielzeugbeispiel wird das wahre Modell angepasst. Die Modellanpassung ist also sehr gut. Das MCF-Diagramm kann die Güte der Anpassung jedoch nicht zeigen.</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>Kurz gesagt: Schließen Sie zeitvariable Kovariaten nicht in die Gruppierungsspalte ein und verwenden Sie das MCF-Diagramm nicht, um die Güte der Anpassung zu überprüfen, wenn Ihr Modell zeitvariable Kovariaten enthält.</DIV> <DIV> </DIV> <BR /> Betreff: Rekurrenzanalyse im JMP 18 Standard

Hallo,

Vielen Dank für Ihre Antwort, das ist wirklich hilfreich. Irgendwie habe ich das E-Mail-Formular der JMP-Community übersehen, das mich daran erinnert hätte, mir Ihre Antwort anzusehen. Entschuldigen Sie die verspätete Antwort.
Ich werde die Site NICHT als GRUPPIERUNGSrolle verwenden.

Ich habe die Analyse durchgeführt und einige Ergebnisse präsentiert. Mein Manager ist zufrieden. Vielen Dank.

Der nächste Schritt besteht darin, die KOSTEN (tatsächliches Geld) im MCF anzuzeigen, um den durchschnittlichen Geldbetrag pro Bot-Reparatur zu ermitteln.

Daher plane ich, den Geldbetrag anstelle der 1 (für Reparatur) in die Spalte „Kostenrolle“ einzutragen. Die 0 wird weiterhin beibehalten, um den Zensurstatus anzuzeigen.

Ist das die richtige Methode, um den durchschnittlichen Betrag pro Bot-Reparatur zu ermitteln? Im Folgenden finden Sie das Datenbeispiel mit dem tatsächlichen Betrag in der Spalte „Kostenrolle“.
Ich verwende den JMP 18-Standard.
Danke.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Nochmals vielen Dank für Ihre Antwort, @Caozheng0115 -san

Sie können beliebige positive Kosten angeben. Bei nichtparametrischen Schätzungen werden die kumulierten Kosten berechnet. Bei parametrischen Schätzungen werden die Kosten als Gewichte für die Log-Likelihood-Funktion verwendet.(Wenn Sie die mathematischen Details wissen möchten, würde ich sie gern näher erläutern. Antworten Sie also bitte entsprechend.)

Ich befürchte sehr, dass ich Ihre Situation missverstanden habe und den „zeitvariablen Effekt“ möglicherweise nicht erklärt habe. In Ihrem letzten Beispiel steht in der Spalte „Site“ nicht „zeitvariabler Effekt“.„Zeitlich variierende“ Effekte sind Effekte, deren Werte sich innerhalb jeder ID ändern. In den folgenden Daten ist die Spalte „Site“ ein zeitvariabler Effekt.

Ich befürchte auch, dass ich den Unterschied zwischen Robotern falsch verstehe. Ich ging davon aus, dass alle Roboter derselben Version, demselben Typ und derselben Klasse angehören, und habe die „ID“ daher weder als Gruppierungs- noch als Modelleffekt festgelegt. (Wenn beispielsweise ID=001, ID=002 und ID=003 jeweils C-3PO, R2-D2 und BB-8 in Star Wars darstellen, handelt es sich bei diesen drei Robotern um völlig unterschiedliche Typen. Daher denke ich, wir sollten die ID-Spalte in die Gruppierungsspalte setzen und sie auch in den Modelleffekt einbeziehen.)

In Ihrem letzten Beispiel ist der „Standort“ vollständig mit der „ID“ verwechselt. Daher können wir den Effekt des Standorts nicht von der ID trennen. (Beispielsweise funktionierte C-3PO nur in der Wüste, R2-D2 nur in Meeresnähe und BB-8 nur in einem komfortablen Gebäude. Wir können den ID-Effekt nicht vom Ortseffekt trennen.)

Obwohl ich Ihre Situation immer noch missverstehen muss, folgt hier ein Beispiel für eine Analyse Ihres letzten Beispiels. Ich berechne die nichtparametrischen kumulierten Kosten für jede ID=001 und 002 separat, indem ich die ID in die Gruppierungsspalte einbeziehe. Daten für ID=003 schließe ich aus meiner Analyse aus, da nur ein Fehler vorliegt. Ich passe das parametrische loglineare Poisson-Prozessmodell für jede ID an. Basierend auf diesem Modell werden die kumulierten Kosten zum Zeitpunkt=300 für ID=001 auf 13300,37 geschätzt, die zum Zeitpunkt=300 für 002 auf 550,007.

Ich füge die Datentabelle bei, Ihr letztes Beispiel, das ich für die obige Analyse verwendet habe.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Hallo, danke für Ihre schnelle Antwort. Sie haben mich nicht missverstanden, es gibt tatsächlich zwei Arten von Bots. Ich verwende den Bot-Typ im GRUPPE-Effekt, wenn ich die Wirkung der Bot-Typen sehen möchte. Mein letztes Beispiel ist ein einfaches Beispiel ohne Site als Zeitkovariate, nur zur Vereinfachung. Ich habe Sie nicht missverstanden, und ich verstehe auch Ihre Bedenken.

Was das Gewicht der Wahrscheinlichkeitsfunktion angeht, glaube ich, ein Gefühl dafür zu haben, wie es funktioniert. Die Verwendung von Kosten als Gewichtung bedeutet, dass teurere Ereignisse bei der Gestaltung des angepassten Modells stärker berücksichtigt werden, nicht nur in der Gesamtsumme. Ich konzentriere mich jetzt nicht auf die Mathematik und werde das Geld in der Kostenrolle verwenden. Alles Gute.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Nochmals vielen Dank für Ihre Antwort, @Caozheng0115 -san.

Das freut mich sehr. Wenn Sie weitere Fragen zur Rekurrenzanalyse haben, stellen Sie diese bitte erneut oder antworten Sie auf diesen Thread.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Hallo,
Hoffe, es geht dir gut.
Ich habe die Dollarwerte in der Kostenspalte getestet. Da die Kosten der Skalierung/Gewichtung der Reparaturereignisse entsprechen, hat sich die Kurve verschoben, aber nichts wirklich Unerwartetes gezeigt.

Eine weitere Aufgabe besteht darin, zukünftige Reparaturen und Kosten vorherzusagen. Halten Sie die Wiederholung in JMP für eine gute Methode zur Vorhersage? Ich habe das loglineare NHPP-Modell verwendet, aber mir ist aufgefallen, dass die angepasste Kurve schnell konvergiert und wahrscheinlich schlechte Vorhersagen liefert.
Ich denke, ich kann das proportionale NHPP-Modell verwenden. Ich habe nur das Gefühl, dass ich keine große Auswahl habe und die Vorhersage mithilfe der Rekurrenzanalyse nicht genau erscheint.

Gibt es andere Analysen, mit denen ich die Vorhersage durchführen kann?
Danke.

Betreff: Rekurrenzanalyse im JMP 18 Standard

Lieber Cao Zheng-

Ich bin zufällig auf diesen Thread gestoßen. Auf der JMP-Website finden Sie einige sehr gute Lernressourcen. Informationen zur allgemeinen Zuverlässigkeit finden Sie unter „Learn JMP – JMP User Community“ . Mein Kollege Jerry Fish hat ein wirklich gutes Webinar zur Analyse reparierbarer Systeme gehalten. Sie finden es unter diesem Link: „Analyzing Reliability for Repairable Systems“ .

Hoffe, das hilft!

am besten,

Charlie

Betreff: Rekurrenzanalyse im JMP 18 Standard

Hallo-
Als Ergänzung zu Charlies Beitrag:
Zahlreiche tolle Ressourcen bei Learn JMP

Schauen Sie sich diesen Link an : https://community.jmp.com/t5/Learn-JMP-Events/Analyzing-Reliability-for-Non-Repairable-Systems/ec-p/810009#M452

Auch diese Serie enthält mehrere Abschnitte zum Thema Recurrence https://community.jmp.com/t5/Deeper-Dives/A-Deeper-Dive-into-Reliability-Analysis-for-Repairable-Systems/ta-p/738833

Betreff: Rekurrenzanalyse im JMP 18 Standard

Hallo, yusuke_ono
Hoffe, es geht dir gut. Mir ist zu deiner Antwort etwas eingefallen:

'Wenn Sie bis „t“ beobachtet haben und der Roboter zu diesem Zeitpunkt „t“ ausgefallen ist, müssen Sie die letzte Zeile mit Kosten=0 nicht einschließen. Stattdessen müssen Sie die letzte Zeile mit Kosten=1 einschließen.

Meine Frage ist: Was passiert, wenn die Bots vor dem Zeitpunkt „t“ ausfallen und gelöscht werden? Sollten diese Bots einbezogen werden?

In meinem Fall ist beispielsweise ein Bot bei Transaktion 100 ausgefallen (ich verwende Transaktion statt Zeit) und konnte nicht repariert werden. Das geschah vor meiner Beobachtung. Ich schätze, ich werde bei Transaktion 100 für diesen Bot eine 1 eintragen. Es wird keine 0 eingetragen, da dieser Bot nicht repariert werden kann. Habe ich Recht? Derzeit haben wir keine Bots berücksichtigt, die vor der Beobachtung ausgefallen und nicht repariert wurden. Lassen Sie mich wissen, ob ich diese Bots einbeziehen soll. Danke.