아래와 같은 세 개의 샘플 데이터가 있습니다. 각 샘플의 유지율이 70% 미만이 되는 시점을 Weibull 모델을 통해 예측하고 싶습니다.
시간 샘플 보관
1 1 100%
2 1 99.8%
....
298 1 81.9%
299 1 81%
300 1 80%
저는 Degradation 플랫폼부터 시작하시는 것을 추천합니다: 하락
수정: 구체적으로 말하면, 이것은 역 예측 이라고 합니다.
답변 감사합니다. 열화 예측 기능에는 Weibull 분포 예측 기능이 없는데, 예를 들어 250~300시간 데이터를 기준으로 다음 시간을 예측하고 싶습니다.
설명해주셔서 감사합니다.
범위를 설정하려면 로컬 데이터 필터를 사용하는 것이 좋습니다. 이렇게 하면 250~300시간 사이의 데이터만 사용할 수 있습니다. Degradation을 포함한 거의 모든 JMP 플랫폼은 필터를 변경하면 실시간으로 업데이트됩니다. 로컬 데이터 필터는 여러 곳에서 찾을 수 있지만, 찾기 어려운 경우 빨간색 삼각형 메뉴에서도 찾을 수 있습니다.
Weibull 모델에 대해 좀 더 자세히 설명해 주시겠습니까? 정확히 어떤 용도로 사용하시려는 건가요? 데이터는 "보유 시간 대 시간" 형태입니다. 분해 플랫폼을 사용하면 보유 시간 대 시간 추세를 분석하여 각 샘플의 고장 발생 시간(Time to Failure)을 추정할 수 있습니다. (분해 플랫폼에서 적합한 결과를 얻지 못하는 경우, 예를 들어 분해 경로가 비선형적인 경우라면 반복 측정 분해 플랫폼을 사용해 보세요.)
각 샘플에 대한 TTF를 얻었다면, 다음 분석 단계는 수명 분포를 분석하는 것일 수 있으며, 여기에는 Weibull 분포를 비롯한 일반적으로 사용되는 여러 분포가 포함됩니다.
Weibull 모델은 생존 분석 에도 관련이 있는데, 제공해주신 데이터 형식에 직접적으로 적용되는지는 확실하지 않지만, 관련 맥락을 이해하는 데 도움이 될 수 있을 것 같습니다 (참고: 지수 분포, Weibull 분포 및 로그정규 분포 플롯 및 적합 ).
JMP는 수명, 고장 발생 시간, 성능 저하 및 기타 관련되지만 서로 다른 주제를 분석하기 위한 다양한 플랫폼을 제공합니다. 이 문서에서는 JMP에서 이러한 유형의 데이터에 사용하는 다양한 용어에 대한 설명을 제공합니다. 신뢰성 및 생존 분석 방법
답변 감사합니다. 최대한 빨리 답장드리겠습니다.
