“可靠性增长”平台拟合 MIL-HDBK-189 (1981) 中所述的 Crow-AMSAA 模型。Crow-AMSAA 模型是具有 Weibull 强度的非齐次 Poisson 过程 (NHPP)；它也被称为幂次定律过程。这样的模型允许失效强度随时间变化。失效强度由 beta 和 lambda 这两个参数来定义。
对于单原型数据，该平台拟合四类模型并执行自动变点检测。提供以下报表：
• 简单 Crow-AMSAA 模型，该模型的两个参数均使用最大似然估计。
• 使用修改 MLE 的 Crow-AMSAA，该模型中针对偏倚修正了 beta 的最大似然估计值。
• 固定参数 Crow-AMSAA 模型，该模型中允许用户固定一个或两个参数。
• 分段 Weibull NHPP 模型，该模型中为每个检验阶段估计参数（考虑以前阶段的失效历史记录）。
• 重新初始化 Weibull NHPP 模型，该模型中为每个检验阶段估计两个参数（忽略以前阶段的失效历史记录）。
• 自动估计变点和相关的分段 Weibull NHPP 模型，针对具有不同失效强度的可靠性增长情况可定义两个不同的检验阶段。
对于多原型数据，该平台拟合以下几类模型：
• 分段 Weibull NHPP 模型，其中多阶段研究中的每个系统遵循相同的分段 Weibull NHPP 模型。系统之间的差异被认定来自同一模型的个体实现的随机性。在该模型中，每个阶段都对应一个 beta 参数，该模型还包含一个 lambda 参数。
• 具有“不同截距”模型的分段 Weibull NHPP，其中多阶段研究中的每个系统遵循不同的分段 Weibull NHPP 模型。在该模型中，每个阶段都对应一个 beta 参数，每个系统都对应一个 lambda 参数。
• 独特阶段 Weibull NHPP 模型，其中多阶段研究中的每个系统在每个阶段中都遵循相同的 Crow-AMSAA 模型。在该模型中，每个阶段都对应一个 beta 参数和一个 lambda 参数。
• 独特 Weibull NHPP 模型，其中多阶段研究中的每个系统在每个阶段中都遵循不同的 Crow-AMSAA 模型。在该模型中，研究中的每一系统和阶段的组合都对应一个 beta 参数和一个 lambda 参数。
• 独特系统 Weibull NHPP 模型，其中研究中的每个系统都遵循具有不同参数的不同 Crow-AMSAA 模型。
• 相同系统 Weibull NHPP 模型，其中研究中的每个系统都遵循同一个 Crow-AMSAA 模型。系统之间的差异被认定来自同一模型的个体实现的随机性。
通过交互式刻画器，您可以探索 MTBF、失效强度和累积失效在一段时间内的变化情况。当您怀疑在检验期间强度发生了变化时，可以使用变点检测选项来估计变点及其相应的模型。