求现场应用与试验的加速因子
本帖最後由 xxex 於 2016-3-7 16:18 編輯如下两个表格数据所示：左边3列为某产品67天加速试验得到的寿命数据，右边3列为市场上跟踪了16个月的应用数据，其中F代表失效，S代表幸存，请问各位老师能否根据下面两组数据求得试验条件相对于现场应用条件的寿命加速因子？
测试时长(天)状态数量应用时长状态数量
67S1180F3
67S1210F2
67S1270F12
67S1300F2
67S1330F83
8S1360F10
67S1390F6
67S1420F6
67S130S668
15F160S1006
67S190S813
67S1120S734
67S1150S120
67S1180S1169
67S1210S497
67S1240S263
67S1270S227
11F1300S3265
67S1330S4504
67S1360S2481
67S1390S496
67S1420S4457
67S1450S530
67S1480S272
67S1510S601
67S1
67S1
67S1
21F1
67S1
67S1
15F1
11F1
67S1
21F1
67S1
67S1
15F1
67S1
67S1
我用的是RELIASOFT的ALTA-7-PRO
必須採PROPORTIONAL HAZARD MODEL+WEIBULL
令TEST=1 USE=0 (類別變數)
TEST為USE的加速倍率約 2-SIDED CONFIDENCE + MEAN:) liaojenyi 發表於 2016-3-7 19:22 static/image/common/back.gif
我用的是RELIASOFT的ALTA-7-PRO
必須採PROPORTIONAL HAZARD MODEL+WEIBULL
令TEST=1 USE=0 (類別變數)
廖博，是否可以分别用分布模型拟合出两个数据的寿命分布模型，假设两个可靠度分布为Rtest(t1)，Ruse(t2)。当两个可靠度相等时,即Rtest(ttest)=Ruse(tuse)时，则加速因子为AF=ttest/tuse。因此，只要根据Rtest和Ruse求出各自对应的反函数分位寿命Qtest(ptest)和Quse(puse),当ptest=puse时，加速因子AF=Quse(puse)/Qtest(ptest)。只是这样计算如何处理置信水平不太清楚。
對RELIASOFT ALTA而言，以WEIBULL壽命分布而言，加速只會改變特徵壽命ETA，其形狀因子BETA在不同應力下是假設相同的。如果個別求分布，BETA就不會相同。 liaojenyi 發表於 2016-3-8 19:51 static/image/common/back.gif
對RELIASOFT ALTA而言，以WEIBULL壽命分布而言，加速只會改變特徵壽命ETA，其形狀因子BETA在不同應力下是假 ...
是啊，廖博，目前以relasoft为首的加速寿命试验分析方法假设前提就是weibull的形状因子在不同应力条件下保持不变，看到有文献说这样子可以确保不同应力条件下失效机理不变。虽然我找不到这个假设的证明出处，但是这样子在实际应用中计算很受限制。误差也难以衡量。而对于weibull分布以外的模型，有文献说有人证明对于尺度-位置参数分布族只要尺度参数不变，其它参数会随着应力条件变化，反映为加速因子只随应力大小变化。 其他方法並無現成軟件可用，得自行建模分析，可信程度不高。 liaojenyi 發表於 2016-3-9 20:30 static/image/common/back.gif
其他方法並無現成軟件可用，得自行建模分析，可信程度不高。
廖博，我对现行主流的加速因子计算方法的理论假设前提认识如下：加速前后的失效模式相同，失效机理相同。满足了前面两个前提时，研究对象的寿命分布族在不同应力等级下保持不变，相同可靠度产品寿命的大小只和应力大小有关，不知道这么理解是否正确？ YES! Using the Weibull baseline hazard is the only circumstance under which the model satisfies both the proportional hazards, and accelerated failure time models. 本帖最後由 xxex 於 2016-3-15 14:59 編輯
liaojenyi 發表於 2016-3-10 20:13 static/image/common/back.gif
YES!
多谢廖博，您的点拨让我突然明白同可靠度不同应力加速寿命分布不变时如何证明了，对于可靠性Demo试验设计也有了新的认识。
頁:
[1]
2