可靠性和生存方法 • 拟合参数生存 • 拟合参数生存的更多示例 • Arrhenius 加速失效对数正态模型
上一个
 • 
下一个
Arrhenius 加速失效对数正态模型
在 Devalt.jmp 数据中，通过加热对单元施加压力以便使它们很快发生故障，从而获取足够的失效数来拟合分布。
注意：Devalt.jmp 中的数据来自 Meeker and Escobar (1998, p. 493)。
1.
选择帮助 > 样本数据库，然后打开 Reliability/Devalt.jmp。
首先，使用“二元”平台来查看时间使用对数尺度的温度-小时数图。
2.
选择分析 > 以 X 拟合 Y。
3.
选择小时数并点击 Y，响应。
4.
选择温度并点击 X，因子。
5.
点击确定。
图 14.7 温度对数-小时数的二元图
接下来，使用生存平台针对每个温度生成数据的对数正态图。
6.
选择分析 > 可靠性和生存 > 生存。
7.
选择小时数并点击 Y，事件时间。
8.
选择删失并点击删失。
9.
选择温度并点击分组。
10.
选择权重并点击频数。
11.
点击确定。
12.
从红色小三角菜单中，选择对数正态图和对数正态拟合。
13.
点击确定。
图 14.8 对数正态图
接下来，使用“拟合参数生存”平台来使用温度的一个效应拟合一个模型。
14.
选择分析 > 可靠性和生存 > 拟合参数生存。
15.
选择小时数并点击事件时间。
16.
选择 x 并点击添加。
17.
选择删失并点击删失。
18.
选择权重并点击频数。
19.
将分布类型改为对数正态。
20.
点击运行。
图 14.9 “Devalt”参数输出
结果显示数据的回归拟合：
‒
若只有一个效应并且它是连续的，则显示作为该效应的函数的生存图。线分别对应 0.1、0.5 和 0.9 生存概率。
‒
若效应列有用其他一列表示的公式（如本示例中的情况），图按内部列来进行绘制。在本示例中，效应是列 x，但是按温度（x 是其函数）来绘制图。
最后，获取外推到温度为 10 摄氏度（对应时间为 30000 和 10000 小时）的生存概率估计值。
21.
从红色小三角菜单中，选择估计生存概率。
22.
将图 14.10中所示的值输入“估计生存对话框”。
10 度的 Arrhenius 变换是 40.9853（即效应值）。
图 14.10 估计生存概率
23.
点击执行。
图 14.11 生存概率
“生存估计值”报表显示估计值和置信区间。