You are on page 1of 340

版本 13

可靠性和生存方法
“真正的发现之旅,并不在于寻求新的风景,
而在于拥有新的视野。”
Marcel Proust

JMP, A Business Unit of SAS


SAS Campus Drive
Cary, NC 27513 13.1
本手册的准确文献资料出处为:SAS Institute Inc. 2016. JMP® 13 可靠性和生存方法。 Cary,
NC: SAS Institute Inc.

JMP® 13 可靠性和生存方法
Copyright © 2016, SAS Institute Inc., Cary, NC, USA

ISBN 978-1-62960-481-7 (硬拷贝)


ISBN 978-1-62960-586-9 (EPUB)
ISBN 978-1-62960-587-6 (MOBI)
All rights reserved. Produced in the United States of America.

复印手册:未经发行者 SAS Institute Inc 书面许可,不得复制、储存在检索系统中或以电子


拷贝、印刷品、复印件等任何形式传播本出版物。
网络下载或电子书籍:本出版物的使用必须遵守在获取本出版物时出版方所制定的条款。
未经发行者许可,通过互联网或任何其他方式扫描、上传和分发本手册均是违法行为,会受
到法律惩处。请仅购买授权的电子版本,不要参与或鼓励版权所有资料的电子盗版行为。感
谢您对他人权利的支持。
U.S. Government License Rights; Restricted Rights: The Software and its documentation
is commercial computer software developed at private expense and is provided with
RESTRICTED RIGHTS to the United States Government. Use, duplication or disclosure of
the Software by the United States Government is subject to the license terms of this
Agreement pursuant to, as applicable, FAR 12.212, DFAR 227.7202-1(a), DFAR 227.7202-3(a)
and DFAR 227.7202-4 and, to the extent required under U.S. federal law, the minimum
restricted rights as set out in FAR 52.227-19 (DEC 2007). If FAR 52.227-19 is applicable, this
provision serves as notice under clause (c) thereof and no other notice is required to be
affixed to the Software or documentation. The Government’ s rights in Software and
documentation shall be only those set forth in this Agreement.
SAS Institute Inc., SAS Campus Drive, Cary, North Carolina 27513-2414.

2016 年 9 月
SAS® and all other SAS Institute Inc. product or service names are registered trademarks or
trademarks of SAS Institute Inc. in the USA and other countries. ® indicates USA registration.
Other brand and product names are trademarks of their respective companies.
SAS software may be provided with certain third-party software, including but not limited
to open-source software, which is licensed under its applicable third-party software license
agreement. For license information about third-party software distributed with SAS
software, refer to http://support.sas.com/thirdpartylicenses.

技术许可声明
• Scintilla - Copyright © 1998-2014 by Neil Hodgson <neilh@scintilla.org>.
All Rights Reserved.
Permission to use, copy, modify, and distribute this software and its documentation for
any purpose and without fee is hereby granted, provided that the above copyright
notice appear in all copies and that both that copyright notice and this permission
notice appear in supporting documentation.
NEIL HODGSON DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS SOFTWARE, INCLUDING
ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN NO EVENT SHALL NEIL
HODGSON BE LIABLE FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY
DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF OR IN
CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.

• Telerik RadControls: Copyright © 2002-2012, Telerik. Usage of the included Telerik


RadControls outside of JMP is not permitted.
• ZLIB Compression Library - Copyright © 1995-2005, Jean-Loup Gailly and Mark Adler.
• Made with Natural Earth. Free vector and raster map data @ naturalearthdata.com.
• Packages - Copyright © 2009-2010, Stéphane Sudre (s.sudre.free.fr). All rights reserved.
Redistribution and use in source and binary forms, with or without modification, are
permitted provided that the following conditions are met:
Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
Redistributions in binary form must reproduce the above copyright notice, this list of
conditions and the following disclaimer in the documentation and/or other materials
provided with the distribution.
Neither the name of the WhiteBox nor the names of its contributors may be used to
endorse or promote products derived from this software without specific prior written
permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS “AS IS“ AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR
ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
(INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS
OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING
NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE,
EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

• iODBC software - Copyright © 1995-2006, OpenLink Software Inc and Ke Jin


(www.iodbc.org). All rights reserved.
Redistribution and use in source and binary forms, with or without modification, are
permitted provided that the following conditions are met:
‒ Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
‒ Redistributions in binary form must reproduce the above copyright notice, this list
of conditions and the following disclaimer in the documentation and/or other
materials provided with the distribution.
‒ Neither the name of OpenLink Software Inc. nor the names of its contributors may
be used to endorse or promote products derived from this software without specific
prior written permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS “AS IS“ AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED. IN NO EVENT SHALL OPENLINK OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT,
INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING,
BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF
LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR
OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF
THE POSSIBILITY OF SUCH DAMAGE.

• bzip2, the associated library “libbzip2“, and all documentation, are Copyright ©
1996-2010, Julian R Seward. All rights reserved.
Redistribution and use in source and binary forms, with or without modification, are
permitted provided that the following conditions are met:
Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
The origin of this software must not be misrepresented; you must not claim that you
wrote the original software. If you use this software in a product, an acknowledgment
in the product documentation would be appreciated but is not required.
Altered source versions must be plainly marked as such, and must not be
misrepresented as being the original software.
The name of the author may not be used to endorse or promote products derived from
this software without specific prior written permission.
THIS SOFTWARE IS PROVIDED BY THE AUTHOR “AS IS“ AND ANY EXPRESS OR IMPLIED
WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF
MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO
EVENT SHALL THE AUTHOR BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR
BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER
IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING
IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.

• R software is Copyright © 1999-2012, R Foundation for Statistical Computing.


• MATLAB software is Copyright © 1984-2012, The MathWorks, Inc. Protected by U.S.
and international patents. See www.mathworks.com/patents. MATLAB and Simulink
are registered trademarks of The MathWorks, Inc. See
www.mathworks.com/trademarks for a list of additional trademarks. Other product or
brand names may be trademarks or registered trademarks of their respective holders.
• libopc is Copyright © 2011, Florian Reuter. All rights reserved.
Redistribution and use in source and binary forms, with or without modification, are
permitted provided that the following conditions are met:
‒ Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
‒ Redistributions in binary form must reproduce the above copyright notice, this list
of conditions and the following disclaimer in the documentation and/or other
materials provided with the distribution.
‒ Neither the name of Florian Reuter nor the names of its contributors may be used to
endorse or promote products derived from this software without specific prior
written permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS “AS IS“ AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR
ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
(INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS
OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING
NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE,
EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

• libxml2 - Except where otherwise noted in the source code (e.g. the files hash.c, list.c
and the trio files, which are covered by a similar licence but with different Copyright
notices) all the files are:
Copyright © 1998 - 2003 Daniel Veillard. All Rights Reserved.
Permission is hereby granted, free of charge, to any person obtaining a copy of this
software and associated documentation files (the “Software“), to deal in the Software
without restriction, including without limitation the rights to use, copy, modify, merge,
publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons
to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or
substantial portions of the Software.
THE SOFTWARE IS PROVIDED “AS IS“, WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS
FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL DANIEL
VEILLARD BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN
ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION
WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

Except as contained in this notice, the name of Daniel Veillard shall not be used in
advertising or otherwise to promote the sale, use or other dealings in this Software
without prior written authorization from him.
• Regarding the decompression algorithm used for UNIX files:
Copyright © 1985, 1986, 1992, 1993
The Regents of the University of California. All rights reserved.
THIS SOFTWARE IS PROVIDED BY THE REGENTS AND CONTRIBUTORS “AS IS“ AND ANY
EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED. IN NO EVENT SHALL THE REGENTS OR CONTRIBUTORS BE LIABLE FOR ANY
DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
(INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS
OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING
NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE,
EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

1. Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
2. Redistributions in binary form must reproduce the above copyright notice, this list of
conditions and the following disclaimer in the documentation and/or other materials
provided with the distribution.
3. Neither the name of the University nor the names of its contributors may be used to
endorse or promote products derived from this software without specific prior written
permission.
• Snowball - Copyright © 2001, Dr Martin Porter, Copyright © 2002, Richard Boulton.
All rights reserved.
Redistribution and use in source and binary forms, with or without modification, are
permitted provided that the following conditions are met:
1. Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
2. Redistributions in binary form must reproduce the above copyright notice, this list of
conditions and the following disclaimer in the documentation and / or other materials
provided with the distribution.
3. Neither the name of the copyright holder nor the names of its contributors may be
used to endorse or promote products derived from this software without specific prior
written permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND
CONTRIBUTORS \"AS IS\" AND ANY EXPRESS OR IMPLIED WARRANTIES,
INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF
MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED.IN NO EVENT SHALL THE COPYRIGHT HOLDER OR
CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES(INCLUDING, BUT NOT
LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF
USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED
AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
LIABILITY, OR TORT(INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN
ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
POSSIBILITY OF SUCH DAMAGE.

充分利用 JMP®
无论您是新手还是经验丰富的用户,都有需要了解的 JMP 知识。
访问 JMP.com 获取以下资源:
• JMP 入门知识网络讲座直播和录像
• 新功能和高级技巧视频演示和网络讲座
• 关于注册参加 JMP 培训的详细信息
• 您所在地区举办的研讨会安排
• 其他人使用 JMP 的成功案例
• JMP 员工分享使用技巧和使用经历的博客
• 同其他用户讨论 JMP 的论坛

http://www.jmp.com/getstarted/
目录
可靠性和生存方法

1 了解 JMP
文档和其他资源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
格式规范 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
JMP 文档 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
JMP 文档库 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
JMP 帮助 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
学习 JMP 的其他资源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
教程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
样本数据表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
学习统计和 JSL 术语 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
学习 JMP 技巧 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
工具提示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
JMP 用户社区 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
JMPer Cable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
用户编写的 JMP 手册 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
“JMP 起始页”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
技术支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2 可靠性和生存介绍
寿命和失效分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3 寿命分布
拟合寿命数据的分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
“寿命分布”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
“寿命分布”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
启动“寿命分布”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
“寿命分布”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
事件图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
比较分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
10 可靠性和生存方法

寿命分布:统计学 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
“寿命分布”报表选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
混合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
拟合竞争风险混合模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Weibayes 报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
“竞争原因”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
竞争原因工作流程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
竞争原因模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
原因组合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
竞争原因:统计学 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
单个原因 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
“竞争原因”报表选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
“寿命分布 - 比较组”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
比较组:统计学 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
单个组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
“寿命分布 - 比较组”报表选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
“寿命分布”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
忽略竞争原因 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
更改尺度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
在不同组之间检查同一分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Weibayes 估计值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
技术细节 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
竞争原因详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

4 以 X 拟合寿命
拟合事件时间数据的单因子模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
“以 X 拟合寿命”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
“以 X 拟合寿命”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
启动“以 X 拟合寿命”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
“以 X 拟合寿命”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
数据汇总 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
散点图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
非参数叠加 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
可靠性和生存方法 11

比较 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
定制关系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
“以 X 拟合寿命”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
“以 X 拟合寿命”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
电容示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
定制关系示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

5 累积损坏
对具有可变应力的产品随时间劣化建模 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
“累积损坏”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
“累积损坏”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
启动“累积损坏”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
事件时间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
应力模式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
“累积损坏”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
事件图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
“应力模式”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
模型列表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
模型结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
“累积损坏”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
应力模式选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
“累积损坏”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
示例:模拟新数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

6 复发分析
对随时间复发事件的频数或成本建模 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
复发分析概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
“复发分析”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
启动“复发分析”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
“复发分析”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
拟合模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
“复发分析”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
膀胱癌复发示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Diesel Ship Engines 示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
12 可靠性和生存方法

7 退化
对产品随时间劣化建模 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
“退化”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
“退化”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
启动“退化”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
退化报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
模型规格 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
简单线性路径 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
非线性路径 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
逆预测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
预测图形 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
“退化”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
模型报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
模型列表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
破坏性退化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
稳定性分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

8 破坏性退化
对产品随时间劣化建模 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
“破坏性退化”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
启动“破坏性退化”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
指定两个 Y 列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
“破坏性退化”图选项和模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
图选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
“破坏性退化”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
模型列表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
“模型”分级显示项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
“破坏性退化”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
破坏性退化模型的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
可靠性和生存方法 13

9 可靠性预测
使用生产和失效数据预测产品失效 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
“可靠性预测”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
使用“可靠性预测”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
启动“可靠性预测”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
“可靠性预测”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
“观测数据”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
“寿命分布”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
“预测”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
“可靠性预测”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204

10 可靠性增长
随着变更的实现对系统可靠性建模 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
“可靠性增长”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
使用“可靠性增长”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
启动“可靠性增长”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
启动窗口角色 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
数据表结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
“可靠性增长”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
模型描述和可行性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
“观测数据”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
“可靠性增长”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
模型报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
Crow AMSAA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
使用修改 MLE 的 Crow AMSAA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
固定参数 Crow AMSAA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
分段 Weibull NHPP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
重新初始化 Weibull NHPP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
分段 Weibull NHPP 变点检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
“可靠性增长”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
使用区间删失数据进行分段 NHPP Weibull 模型拟合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
时间采用日期格式的“分段 Weibull NHP 变点检测” . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
“可靠性增长”平台的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
“Crow-AMSAA”报表的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
“分段 Weibull NHPP 变点检测”报表的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . 237
14 可靠性和生存方法

11 可靠性框图
设计系统可靠性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
“可靠性框图”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
使用“可靠性框图”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
添加元件 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
对齐形状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
连接形状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
配置元件 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
“可靠性框图”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
“预览”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
“可靠性框图”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
“工作区”选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
配置设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
分布配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
指定非参数分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
用于“设计”和“逻辑库”项的选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
显示“配置” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
刻画器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
元件重要性和失效时间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
元件图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
打印代数可靠性公式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
复制和删除 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263

12 可修复系统模拟
估计复杂系统的中断时间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
“可修复系统模拟”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
示例:使用“可修复系统模拟”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
“可修复系统模拟”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
系统关系图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
“形状”工具栏 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
“配置”面板 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
“添加事件”面板 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
“添加操作”面板 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
“可修复系统模拟”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
可靠性和生存方法 15

用于方框项的选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
分布选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
指定非参数或估计分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
事件设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
操作设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
可修复系统模拟结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
结果表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
结果分析器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
可修复系统模拟结果选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
RSS 结果分析器点估计刻画器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281

13 生存分析
分析生存时间数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
生存分析概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
生存分析的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
启动“生存”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
生存图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
“生存”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
指数、Weibull 和对数正态图以及拟合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
拟合分布图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
竞争原因 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
生存分析的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
竞争原因的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
区间删失的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
生存分析的统计报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299

14 拟合参数生存
使用回归模型拟合生存数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
拟合参数生存概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
参数回归生存拟合的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
启动“拟合参数生存”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
“参数生存拟合”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
“参数生存 - 所有分布”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
“参数竞争原因”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
“拟合参数生存”选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
16 可靠性和生存方法

非线性参数生存模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
拟合参数生存的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Arrhenius 加速失效对数正态模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
区间删失的加速失效时间模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
使用“非线性”平台分析删失数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
左删失数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
使用“非线性”平台的 Weibull 损失函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
使用“非线性”平台拟合简单生存分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
“拟合参数生存”的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
生存分布的损失公式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320

15 拟合比例风险
使用半参数回归模型拟合生存数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
“拟合比例风险”概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
“拟合比例风险”平台的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
具有两个水平的一个名义型效应的风险比 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
启动“拟合比例风险”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
“拟合比例风险”报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
“拟合比例风险”选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
使用多个效应和多个水平的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
多个效应和多个水平的风险比 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331

A 参考文献
索引
可靠性和生存方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
第1章
了解 JMP
文档和其他资源

本章包括以下信息:
• 手册规范
• JMP 文档
• JMP 帮助
• 其他资源,例如:
‒ 其他 JMP 文档
‒ 教程
‒ 索引
‒ Web 资源
‒ 技术支持选项
18 了解 JMP 第1章
格式规范 可靠性和生存方法

格式规范
以下规范有助于将书面材料与您在屏幕上看到的信息相联系:
• 样本数据表名称、列名、路径名称、文件名、文件扩展名和文件夹采用 Helvetica 字体显示。
• 代码以 Lucida Sans Typewriter 字体显示。
• 代码输出以 Lucida Sans Typewriter 斜体字体显示,并且相对于之前的代码缩进显示。
• Helvetica 粗体格式表示为了完成某个任务而选择的项:
‒ 按钮
‒ 复选框
‒ 命令
‒ 可供选择的列表名称
‒ 菜单
‒ 选项
‒ 选项卡名称
‒ 文本框
• 下列项采用楷体字体显示:
‒ 重要的或具有特定 JMP 定义的字词
‒ 手册标题
• 下列项采用斜体显示:
‒ 变量
‒ 脚本输出
• 仅适用于 JMP Pro 的功能使用 JMP Pro 图标 加以注释。对于 JMP Pro 功能概述,请访
问 http://www.jmp.com/software/pro/ 。

注意:特殊信息和适用的局限性将在 “注意”中显示。

提示:实用信息将在 “提示”中显示。
第1章 了解 JMP 19
可靠性和生存方法 JMP 文档

JMP 文档
JMP 提供各种格式的文档,包括印刷手册、可移植文档格式 (PDF) 以及电子书 (e-books)。
• 可以从帮助 > 手册菜单打开 PDF 版本。
• 为了方便搜索,所有的手册也同时被整合到一个 PDF 文件中,即 JMP 文档库。可以从帮助 >
手册菜单中打开 JMP 文档库 PDF 文件。
• 您还可以在 SAS 网站上购买印刷文档和电子书:
http://www.sas.com/store/search.ep?keyWords=JMP

JMP 文档库

下表说明了 JMP 库中每本手册的用途和内容。

文档标题 文档用途 文档内容

发现 JMP 若您不熟悉 JMP,则从 介绍 JMP 以及指导如何创建和分析数据。


该文档开始学习。

使用 JMP 了解 JMP 数据表以及如 涵盖了贯穿整个 JMP 的常规 JMP 概念和


何执行基本操作。 功能,包括导入数据、修改列属性、数据
排序以及连接至 SAS。

基本分析 使用该文档执行基本 介绍以下 “分析”菜单平台:


分析。
• 分布
• 以 X 拟合 Y
• 制表
• 文本分析器
涵盖如何通过 “分析” > “以 X 拟合 Y”
执行二元分析、单因子方差分析和列联分
析。还包括如何使用 Bootstrapping 来近
似估计抽样分布以及如何使用 “模拟”平
台执行参数再抽样。
20 了解 JMP 第1章
JMP 文档 可靠性和生存方法

文档标题 文档用途 文档内容

基本绘图 为您的数据找到最理想 介绍以下 “图形”菜单平台:


的图形展示方法。
• 图形生成器
• 叠加图
• 三维散点图
• 等高线图
• 气泡图
• 平行图
• 方格图
• 矩形树图
• 散点图矩阵
• 三元图
• 图表
手册还涵盖如何创建背景地图和定制地图。

刻画器指南 学习如何使用交互式刻 涵盖 “图形”菜单中列出的所有刻画器。


画工具,它们可以让您 还包括了对噪声因子的分析以及使用随机
查看任何响应曲面的横 输入运行模拟。
截面。

实验设计指南 学习如何设计实验和确 涵盖 “实验设计”菜单和 “分析” > “专


定适当的样本大小。 业建模”菜单中的 “专业实验设计模型”
菜单项中的所有主题。

拟合线性模型 学习 “拟合模型”平台 介绍以下特质,它们都位于 “分析”菜单


及其许多特质。 “拟合模型”平台中:
• 标准最小二乘
• 逐步
• 广义回归
• 混合模型
• 多元方差分析
• 对数线性方差
• 名义型 Logistic
• 有序型 Logistic
• 广义线性模型
第1章 了解 JMP 21
可靠性和生存方法 JMP 文档

文档标题 文档用途 文档内容

预测和专业建模 学习其他建模技巧。 介绍以下“分析”>“预测建模”菜单平台:


• 建模工具
• 神经
• 分割
• Bootstrap 森林法
• 提升树
• K 最近邻
• 朴素 Bayes
• 模型比较
• 公式存储库
介绍以下“分析”>“专业建模”菜单平台:
• 拟合曲线
• 非线性
• 高斯过程
• 时间序列
• 配对
介绍以下 “分析” > “筛选”菜单平台:
• 响应筛选
• 过程筛选
• 预测变量筛选
• 关联分析
实验设计指南中对“分析”>“专业建模”>
“专业实验设计模型”菜单中的平台进行
了说明。
22 了解 JMP 第1章
JMP 文档 可靠性和生存方法

文档标题 文档用途 文档内容

多元方法 获悉同时分析多个变量 介绍以下“分析”>“多元方法”菜单平台:


的技巧。
• 多元
• 主成分
• 判别
• 偏最小二乘
介绍以下 “分析” > “聚类”菜单平台:
• 层次聚类
• K 均值聚类
• 正态混合
• 潜在类分析
• 聚类变量

质量和过程方法 了解用于评估和改进过 介绍以下 “分析” > “质量和过程”菜单


程的工具。 平台:
• 控制图生成器和单个控制图
• 测量系统分析
• 变异性 / 计数量具图
• 过程能力
• Pareto 图
• 关系图
第1章 了解 JMP 23
可靠性和生存方法 JMP 文档

文档标题 文档用途 文档内容

可靠性和生存方法 学习评估和改进产品或 介绍以下 “分析” > “可靠性和生存”菜


系统的可靠性以及分析 单平台:
人或产品的生存数据。
• 寿命分布
• 以 X 拟合寿命
• 累积损坏
• 复发分析
• 退化和破坏性退化
• 可靠性预测
• 可靠性增长
• 可靠性方框图
• 可修复系统模拟
• 生存
• 拟合参数生存
• 拟合比例风险

消费者研究 学习研究消费者偏好的 介绍以下 “分析” > “消费者研究”菜单


方法以及如何通过获得 平台:
的洞察力创造更好的产
• 分类
品和服务。
• 多重对应分析
• 多维尺度化
• 因子分析
• 选择
• MaxDiff
• 提升
• 项目分析
Scripting Guide 学习如何使用功能强大 涵盖多方面主题,例如编写和调试脚本、
的 JMP 脚本语言 (JSL)。 操作数据表、构造显示框以及创建 JMP 应
用程序。
JSL Syntax Reference 获悉许多 JSL 函数及其 包括 JSL 命令的语法、示例和注释。
变元和发送至对象和显
示框的消息。
24 了解 JMP 第1章
学习 JMP 的其他资源 可靠性和生存方法

注意:手册菜单还包含两个可打印的参考卡:菜单卡介绍 JMP 菜单,快速参考介绍 JMP 键盘


快捷方式。

JMP 帮助

“JMP 帮助”是文档库的缩略版本,提供针对性信息。打开 “JMP 帮助”有以下几种方式:


• 在 Windows 系统中,按 F1 键可打开 “帮助”系统窗口。
• 获取有关数据表或报表窗口特定部分的帮助。从工具菜单选择 “帮助”工具 ,然后点击
数据表或报表窗口中的任意位置,查看该部分的帮助。
• 在 JMP 窗口中,点击帮助按钮。
• 在 Windows 中,使用帮助 > 帮助内容、搜索帮助和帮助索引选项搜索和查看 JMP 帮助。在
Mac 中,选择帮助 > JMP 帮助。

学习 JMP 的其他资源
除了 JMP 文档和 “JMP 帮助”外,还可以使用以下资源学习 JMP:
• 教程 (请参见第 1 页的 “教程”)
• 样本数据 (请参见第 1 页的 “样本数据表”)
• 索引 (请参见第 1 页的 “学习统计和 JSL 术语”)
• 今日提示 (请参见第 1 页的 “学习 JMP 技巧”)
• Web 资源 (请参见第 1 页的 “JMP 用户社区”)
• JMPer Cable 技术出版物 (请参见第 1 页的 “JMPer Cable”)
• 有关 JMP 的手册 (请参见第 1 页的 “用户编写的 JMP 手册”)
• JMP 起始页 (请参见第 1 页的 ““JMP 起始页”窗口”)
• 教学资源 (请参见第 1 页的 “样本数据表”)

教程
可以选择帮助 > 教程来访问 JMP 教程。教程菜单中的第一项是教程目录。这将打开一个新的窗
口,其中包含按类别分组的所有教程。
若您不熟悉 JMP,则从初学者教程开始。它分步介绍了 JMP 界面并解释了使用 JMP 的基本操作。
其余教程有助于您了解 JMP 的特定方面,例如设计实验以及将样本均值与常数比较。
第1章 了解 JMP 25
可靠性和生存方法 学习 JMP 的其他资源

样本数据表
JMP 文档系列中的所有示例使用的都是样本数据。选择帮助 > 样本数据库以打开样本数据目录。
要查看按字母顺序列出的样本数据表或查看不同分类下的样本数据,选择帮助 > 样本数据。
样本数据表安装在以下目录:
在 Windows 上:C:\Program Files\SAS\JMP\13\Samples\Data
在 Macintosh 上:\Library\Application Support\JMP\13\Samples\Data
在 JMP Pro 中,样本数据安装在 JMPPRO (而不是 JMP)目录中。在 JMP 的拆封许可版中,
样本数据安装在 JMPSW 目录中。
要查看使用样本数据的示例,选择帮助 > 样本数据并导航到 “教学资源”部分。要了解教学资
源的更多信息,请访问 http://jmp.com/tools 。

学习统计和 JSL 术语

帮助菜单包含以下索引:
统计索引 提供统计术语定义。
脚本索引 使您可以搜索有关 JSL 函数、对象和显示框的信息。您还可以从 “脚本索引”编辑
和运行样本示例。

学习 JMP 技巧

首次启动 JMP 时会看到 “今日提示”窗口。该窗口提供使用 JMP 的一些小技巧。


要关闭 “今日提示”,清除启动时显示提示复选框。要再次查看它,请选择帮助 > 今日提示。
或者可以使用 “首选项”窗口将其关闭。详细信息,请参见 《使用 JMP》手册。

工具提示
若您将光标放置在下列项之上, JMP 会提供说明性工具提示:
• 菜单或工具栏选项
• 图形中的标签
• 报表窗口中的文本结果 (在结果上以圆圈的方式移动光标可显示提示)
• “主窗口”中的文件或窗口
• “脚本编辑器”中的代码

提示:在 Windows 上,可在 “JMP 首选项”中隐藏工具提示。选择文件 > 首选项 > 常规,然


后取消选择显示菜单提示。在 Macintosh 上该选项不可用。
26 了解 JMP 第1章
技术支持 可靠性和生存方法

JMP 用户社区

“JMP 用户社区”提供了多种途径,帮助您更好地学习 JMP 以及与其他 JMP 用户建立联系。学


习资源库包含一页的指南、教程和演示,您可以从这里入手开始学习。之后您可以注册各种 JMP
培训课程以获得 JMP 进阶学习。
其他资源包括论坛、文件交换库 (样本数据,脚本等)、网络学习视频以及社交网络小组等。
要访问网站上的 JMP 资源,选择帮助 > JMP 用户社区或访问 https://community.jmp.com/ 。

JMPer Cable

JMPer Cable 是面向 JMP 用户的年度技术出版物。您可以从以下 JMP 网站获取 JMPer Cable:


http://www.jmp.com/about/newsletters/jmpercable/

用户编写的 JMP 手册

您可以从以下 JMP 网站获取 JMP 用户编写的有关使用 JMP 的其他手册:


http://www.jmp.com/en_us/software/books.html

“JMP 起始页”窗口

若您不熟悉 JMP 或数据分析,可以从 “JMP 起始页”窗口开始操作。在该窗口中,各种选项进


行了分类并伴有说明,通过点击按钮即可启动。“JMP 起始页”窗口包括分析、图形、表和文件
菜单中的许多选项。该窗口还列出 JMP Pro 功能和平台。
• 要打开 “JMP 起始页”窗口,请选择视图 (在 Macintosh 中选择窗口) > JMP 起始页。
• 在 Windows 中,要在打开 JMP 时自动显示 “JMP 起始页”,请选择文件 > 首选项 > 常规,
然后从“初始 JMP 窗口”列表中选择 JMP 起始页。在 Macintosh 中,选择 JMP > 首选项 >
初始 JMP 起始页窗口。

技术支持
JMP 技术支持由在 SAS 和 JMP 接受过培训的统计学家和工程师提供,其中很多人具有统计学
或其他技术学科的研究生学位。
许多技术支持选项在 http://www.jmp.com/support 中提供,包括技术支持电话。
第2章
可靠性和生存介绍
寿命和失效分析

本手册介绍了 JMP 中提供的一些方法和工具,这些方法和工具可帮助您评估和改进产品或系统


的可靠性,并帮助分析人和产品的生存数据。
• “寿命分布”平台支持您分析产品、元件或系统的寿命以提高质量和可靠性。该分析帮助您
确定最适合产品的材料和生产过程,从而提高产品的质量和可靠性。详细信息,请参见第 3
章,“寿命分布”。
• “以 X 拟合寿命”平台帮助您分析仅有一个因子情况下的寿命事件。您可以选择使用各种变
换对事件与因子之间的关系建模,或是创建自定义数据变换。详细信息,请参见第 4 章,“以
X 拟合寿命”。
• “累积损坏”平台支持您分析应力水平可能随时间变化的加速寿命试验。详细信息,请参见
第 5 章,“累积损坏”。
• “复发分析”平台分析事件时间,这些事件对于每个单元可多次出现。通常情况下,在某个
单元发生故障,接受维修,维修后重新投入使用时就会发生这些事件。详细信息,请参见第
6 章,“复发分析”。
• “退化”平台可分析退化数据以预测伪失效时间。随后可在其他可靠性平台中分析这些伪失
效时间,以便估计失效分布。您可以包括解释因子,可以执行稳定性分析以设置产品失效日
期,还可以拟合定制破坏性退化模型。详细信息,请参见第 7 章,“退化”。
• “破坏性退化”平台可对产品特征的失效数据建模,测量这些数据需要破坏产品。这导致每
个产品单元都有一个观测。您还可以包括加速因子。有多个通用退化模型可用。详细信息,
请参见第 8 章,“破坏性退化”。
• “可靠性预测”平台可帮助您预测将来失效的次数。该分析使用生产日期、失效日期和产量
来估计寿命分布的参数。详细信息,请参见第 9 章,“可靠性预测”。
• “可靠性增长”平台可随着单个可修复系统不断接受系统设计的改进而对系统可靠性的变化
建模。详细信息,请参见第 10 章,“可靠性增长”。
• “可靠性框图”平台显示系统元件之间的可靠性关系;若为元件指定了可靠性分布,则
通过分析来获取可靠性行为。详细信息,请参见第 11 章,“可靠性框图”。
• “可修复系统模拟”平台支持您以交互方式定义可修复系统元件之间的关系。它还可以
模拟系统的关闭时间。详细信息,请参见第 12 章,“可修复系统模拟”。
• “生存”平台计算一个或多个组的生存估计值。可将其用作完整分析或用作探索性分析,以
便获取关于更复杂的模型拟合的信息。详细信息,请参见第 13 章,“生存分析”。
• “拟合参数生存”平台使用可涉及位置和尺度效应的线性回归模型拟合事件时间变量。可使
用若干分布执行该拟合。详细信息,请参见第 14 章,“拟合参数生存”。
28 可靠性和生存介绍 第2章
可靠性和生存方法

• “拟合比例风险”平台拟合 Cox 比例风险模型,该模型假定预测变量与危险率函数之间存在


相乘关系。详细信息,请参见第 15 章,“拟合比例风险”。
第3章
寿命分布
拟合寿命数据的分布

“寿命分布”平台对事件时间数据建模。该平台可容纳右删失和区间删失数据。使用 “寿命分
布”可执行以下操作:
• 比较多个分布拟合以确定哪一种分布对您的数据拟合效果最好。
• 构造 Bayes 拟合。
• 对零失效数据建模。
• 比较各组以分析组差异。
• 分析多种失效原因。
• 估计混合模型的成分并估计某个观测来自给定元件的概率。
• 估计竞争风险混合模型的成分并估计成分对观测的影响。

图 3.1 分布拟合和比较
30 寿命分布 第3章
“寿命分布”平台概述 可靠性和生存方法

“寿命分布”平台概述
寿命数据分析或寿命分布分析是对某个产品、元件或系统的寿命建模以预测寿命或失效时间的
过程。例如,您可以观察随时间变化的失效率,以预测某个计算机元件何时失效。该方法支持
您比较产品的材料和生产过程,帮助您提高该产品的质量和可靠性。针对保修期和广告诉求的
决策也会更加准确。
利用 “寿命分布”平台,您可以分析某些时间观测未知的删失数据。而且,若失效可能是多种
原因造成的,您可以分析竞争原因以估计哪一种原因影响更大。
您可以使用可靠性检验计划和可靠性验证计算器为可靠性研究选择适当的样本大小。这些计算
器位于实验设计 > 样本大小与功效中。请参见 《实验设计指南》中的 “前瞻样本大小与功效”
一章。

“寿命分布”平台的示例
假定您有 70 台发动机风扇的失效时间数据,其中有些失效时间删失。您想要拟合失效时间的分
布,然后估计各种可靠性测量值。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Fan.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间并点击 Y,事件时间。
4. 选择删失并点击删失。
5. 点击确定。
“寿命分布”报表窗口随即显示。
6. 在 “比较分布”报表中,选择对数正态分布和相应的尺度单选按钮。
报表窗口中会显示一个概率图 (图 3.2)。
第3章 寿命分布 31
可靠性和生存方法 “寿命分布”平台的示例

图 3.2 概率图

累积分布估计值

累积分布估计值的
点态置信区间

联合置信区间

在概率图中,数据点通常落在红线附近,指出对数正态拟合是合理的。
“比较分布”报表下显示 “统计量”报表 (图 3.3)。该报表提供模型比较报表、非参数和参数
估计值、刻画器等内容。
32 寿命分布 第3章
启动 “寿命分布”平台 可靠性和生存方法

图 3.3 “统计量”报表

提供对数正态分布的参数估计值。刻画器有助于直观演示拟合分布以及估计概率和分位数。例
如,“分位数刻画器”指出估计的失效时间中位数为 25,418.67 小时。

启动 “寿命分布”平台
通过选择分析 > 可靠性和生存 > 寿命分布来启动 “寿命分布”平台。

图 3.4 “寿命分布”启动窗口
第3章 寿命分布 33
可靠性和生存方法 启动 “寿命分布”平台

启动窗口选项卡
启动窗口包括两个选项卡:
• “寿命分布”选项卡对未分组数据建模。可生成以下类型的报表:
‒ 若您未指定 “失效原因”角色,则显示 “寿命分布”报表。从该报表中,您可以比较
常用分布并检查统计量。请参见第 34 页的 ““寿命分布”报表”。
‒ 若您的数据包含零失效,则显示 Weibayes 报表。请参见第 55 页的“Weibayes 报表”。
‒ 若您指定了 “失效原因”角色,则显示 “竞争原因”报表。除了 “寿命分布”报表中
的功能,您还可以比较单个失效原因。请参见第 56 页的 ““竞争原因”报表”。

注意:您可以检查 “寿命分布”报表和 “竞争原因”报表中的固定参数和 Bayes 模型。

• “比较组”选项卡支持您指定 “分组”变量。“比较组”报表使用单个指定分布比较不同的
组。例如,您可以对按供应商分组的元件进行 Weibull 拟合比较。相比之下,“寿命分布”
选项卡比较的是单个组的若干拟合分布。请参见第 61 页的 ““寿命分布 - 比较组”报表”。

启动窗口选项
启动窗口包含以下选项:
Y,事件时间 事件时间 (如,失效时间)或右删失时间。对于区间删失,指定两个 Y 变量,
其中一个 Y 变量提供每个单元的下限,另一个 Y 变量提供每个单元的上限。有关删失的详
细信息,请参见第 35 页的 “事件图”。
分组 (仅显示在 “比较组”选项卡中。)您要比较的各组所在的列。有关示例,请参见第 66
页的 “在不同组之间检查同一分布”。
删失 标识右删失观测的列。从 “选择列”列表下方的 “删失代码”菜单中选择用于标识右删
失观测的值。仅当输入一个 Y 时才使用 “删失”列。
失效原因 包含多个失效原因的列。若选择了失效原因列,则会向该窗口添加一栏:
‒ 显示多个复选框,这些复选框允许失效模式使用零泛滥分布、阈值分布、缺陷子总体分
布、固定参数模型或 Bayes 模型进行分析。
‒ 分布指定为每个失效原因拟合的初始分布。选择一种要为所有原因拟合的分布;选择单
个最佳可让平台为每个原因自动选择最佳拟合;选择手动选择可在 JMP 创建 “寿命分
布”报表后为每个失效原因手动选择要拟合的分布。您还可以在“寿命分布”报表本身
中更改分布拟合。
‒ 比较准则是仅当您选择单个最佳分布拟合时才显示的选项。选择 JMP 根据其选择最佳分
布的方法:校正 Akaike 信息准则 (AICc)、Bayes 信息准则 (BIC) 或 -2 倍的对数似然(-2*
对数似然)。有关更多详细信息,请参见 《拟合线性模型》手册中的 “统计详细信息”
附录。您可以随后在 “模型比较”报表中更改该方法。详细信息,请参见第 41 页的
“模型比较”。
‒ 失效原因列中的删失指示符标识在失效原因列中使用的指示未失效观测的指示符。要指
定这样的指示符,请选择该选项,然后在出现的框中输入指示符。
34 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

请参见 Meeker and Escobar (1998, chap. 15),了解关于多种失效原因的讨论。第 63 页的


“忽略竞争原因”演示了如何分析多种原因。
频数 当行中的信息表示多个单元时,用于包含频数或观测计数的列。若行中的值为 0 或正数,
则这个值表示该行的频数或观测计数。
标签 包含行号之外的标识符的列。这些标签显示在事件图中的 y 轴上。
依据 一个可选变量,其水平定义的行用于创建单独的模型。
删失代码 选择 “删失”列后,从列表中选择指定右删失观测的值。缺失值会从分析中排除。
JMP 尝试检测删失代码并将其显示在列表中。
选择置信区间方法 定义用于计算参数置信区间的方法。默认为 Wald,但您可以改为选择“似
然”。不过,刻画器中提供的所有置信区间都基于 Wald 方法。这是为了减少计算时间。详
细信息,请参考第 70 页的 “估计和置信区间”。
按原因的失效分布 仅当指定 “原因”时才显示在 “寿命分布”选项卡中。指定哪些系列的分
布应可用于对单个原因的寿命分布建模。从“分布”菜单中选择初始分布、“单个最佳”或
“手动选择”。详细信息,请参见第 33 页的 “失效原因”。

“寿命分布”报表

提示:若您发现报表窗口过长,请从红色小三角菜单中选择选项卡式报表。

若未在启动窗口中选择 “失效原因”,您将看到 “寿命分布”报表。使用该报表可分析可能有


一些时间观测删失的寿命数据。“寿命分布”报表包含以下内容和选项:
• 第 35 页的 “事件图”
• 第 38 页的 “比较分布”
• 第 41 页的 “寿命分布:统计学”
• 第 47 页的 ““寿命分布”报表选项”
第3章 寿命分布 35
可靠性和生存方法 “寿命分布”报表

图 3.5 Fan.jmp “寿命分布”报表的示例

事件图
点击 “事件图”展开图标可查看失效或删失时间图。对于数据表中的每一行,“事件图”都会
显示一条水平线,指出行中的单元是否删失。若单元删失,水平线会指出删失的性质。删失信
息通过以下方式传达:
• 已知行中的单元正常运行时的时间期间用实线表示。
• 不清楚行中的单元是否正常运行时的时间期间用虚线表示。
• 一旦已知行中的单元失效,水平线即终止。
36 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

单个事件时间列

在 Fan.jmp 样本数据表中,有一个时间列指示失效时间。若失效时间未知,则在删失列中记录
值 “Censored”。所有删失单元都被认定为右删失。图 3.6 显示了这些数据的事件图。

注意:要构造图 3.6 中的图,请选择帮助 > 样本数据库并打开 Reliability/Fan.jmp。点击寿命分


布 — 指数脚本旁边的绿色小三角。点击事件图展开图标。

图 3.6 右删失数据的事件图

第 3 行中的单元在时间 1150 处失效。它的寿命通过在 “时间” 1150 处终止的一条水平实线表


示。失效时间用 “x”标记。
第 5 行中的单元右删失。已知它正常运行的最后时间为 1560。已知单元正常运行时的时间期间
通过在“时间”1560 处终止的一条水平实线来表示。在“时间”1560 处标绘了一个右箭头。该
水平线继续以虚线表示,指示失效时间未知但大于 1560。
第3章 寿命分布 37
可靠性和生存方法 “寿命分布”报表

两个事件时间列

Censor Labels.jmp 样本数据表中有两列:开始时间和结束时间。开始时间指示行中的单元最后


知道的正常运行时间。结束时间指示该行中的单元最早知道的失效时间。
开始时间和结束时间值指示关于单元的以下信息:
• 第 1 行和第 2 行中的单元左删失。已知这些单元在结束时间列中的时间之前失效,但其精确
失效时间未知。
• 第 3 行和第 4 行中的单元右删失。已知这些单元最后正常运行的时间是开始时间列中的时
间,但其失效时间未知。
• 第 5 行和第 6 行中的单元区间删失。已知这些单元在开始时间与结束时间定义的区间内失效。
• 第 7 行和第 8 行中的单元未删失。它们的失效时间由开始时间和结束时间列中的值指定,这
两个值是相同的。
图 3.7 显示了这些数据的事件图。

注意:要构造图 3.7 中的图,请选择帮助 > 样本数据库并打开 Censor Labels.jmp。点击寿命分


布脚本旁边的绿色小三角。

图 3.7 混合删失数据的事件图

各种删失类型按如下方式表示:
• 模式 指示右删失。单元在其最后一次检查时失效。
• 模式 指示左删失。单元在开始检验之后而在指示的时间之前失效,但不清楚其最后
有效的时间。
• 模式 指示单元在两个箭头标记的时间区间内失效。
• 模式 指示无删失。单元在 x 标记的时间失效。
38 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

比较分布
“比较分布”报表支持您拟合和比较不同的失效时间分布。显示两个列表:
分布 选择响应的分布。根据数据特征显示不同的分布。有关可用分布的详细信息,请参见第
39 页的 “可用的参数分布”。
尺度 选择概率轴的尺度。概率尺度对应于 “尺度”按钮左侧列出的分布。使用该尺度,拟合
模型通过一条线来表示。假定您拟合给定的分布,随后使用该分布统一轴的尺度。通常情
况下,若各点沿线条分布,这指示该分布提供了合理的拟合。
默认图显示未删失数据的非参数估计值 (Kaplan-Meier-Turnbull) 及其置信区间。置信区间通过
水平蓝线来表示。
默认情况下,图顶部有一个面板显示右删失观测的时间。“为右删失观测显示标记”首选项确定
是否默认显示该面板。您可以在 “首选项” > “平台” > “寿命分布”中更改该首选项。
对于您选择的每个分布,“比较分布”报表会随之更新以显示以下内容:
• 估计的累积分布曲线,显示在概率图上
• 着色区域,指示累积分布的置信区间
• 分布刻画器,显示给定时间期间的失效累积概率
图 3.8 显示了 “比较分布”报表的示例,其中显示了 Logistic (黄色)和指数 (品红色)分布。
该图使用 “指数”分布统一尺度。

图 3.8 “比较分布”报表和 “分布刻画器”


第3章 寿命分布 39
可靠性和生存方法 “寿命分布”报表

可用的参数分布

本节说明 “比较分布”报表中提供的分布。

注意:针对 “竞争原因”报表的分布在第 59 页的 “可用于竞争原因比较分布报表的分布”中


说明。

可用的分布在第 71 页的 “参数分布”中列出并进行了详细说明。共有四组主要的参数分布:
• 第 39 页的 “基本失效时间分布”
• 第 40 页的 “阈值分布”
• 第 40 页的 “缺陷子总体分布”
• 第 40 页的 “零泛滥分布”
您可以通过取消选择您不想显示的分布来限制默认可用的分布。选择文件 > 首选项 > 平台 > 寿
命分布。列出的分布包括 “阈值”、“缺陷子总体”、“零泛滥”、“对数广义 Gamma”和 “广
义 Gamma”分布。默认情况下选中所有分布,因此所有分布都可用。
用于确定哪些分布显示在 “比较分布”面板中的规则取决于特定的实现方式。基本的准则是:
若这些分布未在 “首选项”中禁用且在给定情形下适用,那么它们就可用。

基本失效时间分布
只要所有失效时间都为正,基本失效时间分布即可用。这些分布包括:
• 对数正态
• Weibull
• 对数 Logistic
• Fréchet
• 正态
• 最小极值
• Logistic
• 最大极值
• 指数
• 对数广义 Gamma
• 广义 Gamma

注意:若存在负或零失效时间,则只有 “正态”、“最小极值”、“Logistic”、“最大极值”和
“对数广义 Gamma”可用。
40 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

阈值分布
阈值 (TH) 分布始终可用。阈值分布是带有阈值参数的对数 - 位置 - 尺度分布。阈值参数使分布
偏离 0。这些分布假定所有单元一直生存到阈值所示的时间。阈值分布适用于拟合中度到重度偏
移的分布。阈值分布包括:
• 阈值对数正态
• 阈值 Weibull
• 阈值对数 Logistic
• 阈值 Fréchet

缺陷子总体分布
当所有失效时间均为正时,缺陷子总体 (DS) 分布可用。这些分布适用于只有一部分总体具有导
致失效的特定缺陷的情况。使用缺陷子总体分布选项可对仅在子总体上出现的失效建模。缺陷
子总体分布包括:
• 缺陷子总体对数正态
• 缺陷子总体 Weibull
• 缺陷子总体对数 Logistic
• 缺陷子总体 Fréchet

零泛滥分布
当事件时间数据以零作为 “寿命分布”平台中的最小值时,以下零泛滥分布可用:
• 零泛滥对数正态 (ZI 对数正态)
• 零泛滥 Weibull (ZI Weibull)
• 零泛滥对数 Logistic (ZI 对数 Logistic)
• 零泛滥 Fréchet (ZI Fréchet)
当一定比例的单元在时间 0 失效时,可使用零泛滥分布。若数据所包含的 0 超出标准模型的预
期,则 0 的个数泛滥。

零失效数据
在零失效数据的情况下,以上分布默认均不可用。不过,您可以取消选中称为 Weibayes 仅适
用于零失效数据的首选项。这样您便可以获取可使用 “Bayes 估计”选项的那些分布的 Bayes
拟合。请参见第 45 页的 “Weibayes 仅适用于零失效数据”。

允许 Bayes 估计的参数分布

Bayes 估计可用于以下参数分布:
• 对数正态
第3章 寿命分布 41
可靠性和生存方法 “寿命分布”报表

• Weibull
• 对数 Logistic
• Fréchet
• 正态
• 最小极值
• Logistic
• 最大极值
第 82 页的“Bayes 估计的先验分布”中提供了可用作这些分布的超参数的先验分布的分布列表。

寿命分布:统计学
“统计学”报表包括以下子报表:
• 第 41 页的 “模型比较”
• 第 41 页的 “数据汇总”
• 第 41 页的 “非参数估计值”
• 第 42 页的 “参数估计值 - < 分布名称 >”(为您在 “比较分布”报表中选择的每个分布显示
一个报表)

模型比较

“模型比较”报表为每个拟合分布都提供 AICc、-2* 对数似然和 BIC 统计量。以上每个统计量的


值越小指示拟合效果越好。有关这些统计量的更多详细信息,请参见 《拟合线性模型》手册中
的 “统计详细信息”附录。
最初,这些行按 AICc 排序。要更改用于对该报表排序的统计量,请从 “寿命分布”红色小三
角菜单中选择比较准则。有关该选项的详细信息,请参见第 47 页的““寿命分布”报表选项”。

数据汇总

“数据汇总”报表显示观测的总单元数、未删失单元数,以及右删失、左删失和区间删失单元的
数目。

非参数估计值

“非参数估计值”报表显示每个观测的非参数估计值。对于指定为单个 “事件时间”列的右删
失数据,该报表提供以下信息:
中点估计 已调整中点的 Kaplan-Meier 估计值。
95% 下限, 95% 上限 点态 95% 置信区间。您可以通过从报表选项中选择 “更改置信水平”
来更改置信水平。
42 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

联合 95% 下限 (Nair),联合 95% 上限 (Nair) 联合 95% 置信区间。您可以通过从报表选项中选


择 “更改置信水平”来更改置信水平。请参见 Nair (1984) 和 Meeker and Escobar (1998)。
Kaplan-Meier 估计值 标准 Kaplan-Meier 估计值。
若失效时间由两个 “事件时间”列表示,该报表提供 Turnbull 估计值 (在称为 “估计值”的
列中)、点态置信区间和联合置信区间 (Nair)。
有关非参数估计值的详细信息,请参见第 71 页的 “非参数拟合”。

参数估计值 - < 分布名称 >

为拟合的每个分布都显示称为 “参数估计值 - < 分布名称 >”的报表。该报表提供分布的参数估


计值、估计值的标准误差和置信区间。出现在“模型比较”报表中的准则会显示在“准则”下方。

注意:只要提供均值估计值,它的置信区间就计算为 Wald 区间,即便您在启动窗口中将 “似


然”选作 “置信区间方法”也是如此。在这种情况下,符号 “均值 (Wald 置信区间)”会显
示在 “参数”列中,指示均值的置信区间为 Wald 区间。

有关如何将分布参数化的详细信息,请参见第 71 页的 “参数分布”。
“参数估计值”报表包含以下报表:
• 第 42 页的 “协方差矩阵”
• 第 42 页的 “刻画器”
• 通过从 “参数估计值”红色小三角菜单中选择报表选项,可添加其他报表。其中包括 “固
定参数”、“Bayes 估计”、“定制估计”(估计概率、估计分位数)和 “剩余寿命均值”报
表。详细信息,请参见第 43 页的 ““参数估计值”选项”。

协方差矩阵
对于每个分布,“协方差矩阵”报表都显示估计值的协方差矩阵。

刻画器
为每个分布显示四种刻画器:
• “分布刻画器”显示作为时间的函数的累积失效概率。
• “分位数刻画器”显示作为累积概率的函数的失效时间。
• “危险率刻画器”显示作为时间的函数的危险率。
• “密度刻画器”显示分布的密度函数。
刻画器包含以下红色小三角选项:
置信区间 “分布”、“分位数”和 “危险率”刻画器显示所绘函数的基于 Wald 的置信曲线。
该选项显示或隐藏置信曲线。
第3章 寿命分布 43
可靠性和生存方法 “寿命分布”报表

重置因子网格 为每个因子显示一个窗口,允许您为因子的当前设置输入特定值,锁定该设置,
以及控制网格的各个方面。详细信息,请参见 《刻画器指南》手册中的 “刻画器”一章。
因子设置 提供包含若干选项的菜单。详细信息,请参见 《刻画器指南》手册中的 “刻画器”
一章。

注意:刻画器中提供的置信区间基于 Wald 方法,即便您在启动窗口中将 “似然”选作 “置信


区间方法”也是如此。这是为了减少计算时间。

“参数估计值”选项

“参数估计值”红色小三角菜单包含以下选项:
保存概率估计值 将估计的失效概率和置信区间保存至数据表。
保存分位数估计值 将估计的分位数和置信区间保存至数据表。
保存危险率估计值 将估计的危险率值和置信区间保存至数据表。
显示似然等高线 显 示 或 隐 藏 对 数 似 然 函 数 的 等 高 线 图。若 已 选 择 Weibull 分 布,则 针 对
alpha-beta 参数化显示另外一个等高线图。该选项仅适用于具有两个参数的分布。
显示似然刻画器 显示或隐藏对数似然函数的刻画器。该选项不适用于阈值 (TH) 分布。
固定参数 打开一个报表,可在其中指定参数的值。输入固定参数值,选中对应的复选框,然
后点击更新。 JMP 基于新参数重新估计其他参数、协方差和刻画器,并在 “固定参数”报
表中显示它们。有关竞争原因情形下的示例,请参见第 83 页的“将固定参数模型指定为原
因的分布”。
对于 Weibull 分布,固定参数选项支持您选择 Weibayes 方法。有关示例,请参见第 68 页
的 “Weibayes 估计值”。 Weibayes 选项不适用于区间删失数据。
Bayes 估计 为基于先验分布的三种指定方法 (先验位置和尺度、先验分位数和参数以及先验失
效概率)的特定分布执行 Bayes 参数估计。请参见第 44 页的 “Bayes 估计 - < 分布名称 >”。
该选项仅适用于以下分布:对数正态、Weibull、对数 Logistic、Fréchet、正态、最小极值、
Logistic、最大极值。
定制估计 提供计算器来支持您预测失效概率、生存概率以及特定时间和失效概率值的分位
数。每个计算的数量都包括置信区间,置信区间可以是双侧也可以是单侧(任意方向)。显
示两个报表:“估计概率”和 “估计分位数”。请参见第 46 页的 “定制估计”。
剩余寿命均值 提供一个计算器来支持您估计单元的剩余寿命均值。在“剩余寿命均值计算器”
中,输入 “时间”并按 Enter 键以查看估计值。点击加号可输入其他时间。该计算器仅适
用于以下分布:对数正态、Weibull、对数 Logistic、Fréchet、正态、最小极值、Logistic、
最大极值和指数。
44 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

Bayes 估计 - < 分布名称 >

对于特定分布,该平台拟合 Bayes 模型。这是使用 Markov Chain Monte Carlo (MCMC) 算法


完成的。更具体而言, Bayes 估计使用 Metropolis-Hastings 算法的独立链抽样器变异。请参见
Robert and Casella (2004)。
从 “参数估计值 - < 分布名称 >”报表分级显示项中,选择 Bayes 估计。这将打开名为 “Bayes
估计 - < 分布名称 >”的分级显示项。初始报表是一个控制面板,您可在其中指定先验参数并控
制模拟的各个方面。
工作流程如下:
• 从 “Bayes 估计”红色小三角菜单中选择一种先验规格方法,并设置先验参数值。请参见第
44 页的 ““Bayes 估计”红色小三角选项”。
• 指定模拟选项。请参见第 45 页的 “Bayes 估计 - 结果 <N>”。
• 选择 “拟合模型”以拟合模型。请参见第 45 页的 “Bayes 估计 - 结果 <N>”。

“Bayes 估计”红色小三角选项

您可以从 “Bayes 估计”红色小三角菜单中选择以下先验规格方法:


先验位置和尺度 支持您为一般参数 (位置和尺度参数)的先验分布指定超参数。选择 “先验
分布”红色小三角菜单以便为每个参数选择一种分布。您可以为先验超参数输入新值。提供
的初始值是与 MLE 一致的估计值。详细信息,请参见第 82 页的“Bayes 估计的先验分布”。
先验分位数和参数 支 持 您 指 定 有 关 分 位 数 和 尺 度 参 数 (若 参 数 拟 合 为 Weibull,则 指 定
Weibull β)的先验信息。分位数由 “概率”旁边的值定义。“概率”默认值为 0.10,但您
可以指定对应于所关注分位数的值。采用每个先验分布的范围的 99% 上下限的形式,指定
有关先验信息的信息。请参见 Meeker and Escobar, 1998。提供的初始值是与 MLE 一致的
估计值。详细信息,请参见第 82 页的 “Bayes 估计的先验分布”。
先验失效概率 支持您指定有关两个不重复时间点的失效概率的先验信息。您可以指定两个时间
点。每个时间点的先验分布为 Beta 分布。您可以使用以下两种同步方法之一指定先验分布:
1. 按估计值和误差百分比指定失效概率。可使用概率估计值和估计值误差来指定每个 Beta
先验分布的先验信息。请参见 Kaminskiy and Krivtsov, 2005。
2. 指定失效概率估计值范围。您可以采用以下方式指定两个 Beta 分布的 99% 范围:
‒ 对于每个失效时间,输入 99% 下限与 99% 上限的初始值。
‒ 点击图中的垂直线段并将它们拖放到您的两个时间点。调整每个标记的垂直散布以指定
99% 限值。

模拟选项
对于您在 “Bayes 估计”红色小三角菜单中选择的任何先验规格方法,都会在面板底部显示以
下选项:
Monte Carlo 迭代次数 控制老化过程后从后验分布中抽取的样本大小。
第3章 寿命分布 45
可靠性和生存方法 “寿命分布”报表

随机种子 设置模拟的初始状态。默认情况下,它是时钟时间。该数字应为大于 1 的正整数。若


指定 1,则使用当前时钟时间。
显示先验散点图 选择该选项可从先验分布中抽取随机样本并在散点图中标绘结果。选择 “拟
合模型”后,该散点图将显示在 “Bayes 估计 - 结果 <N>”报表中名为 “先验散点图”的
分级显示项中。
叠加似然等高线 在 “Bayes 估计结果”报表中的散点图上叠加基于似然的等高线。
拟合模型 基于 JMP 使用您指定的值拟合的先验分布,估计后验寿命分布。添加名为 “Bayes
估计 - 结果 <N>”的报表,其中, N 是一个对 “Bayes 结果”报表连续编号的整数。

Bayes 估计 - 结果 <N>

一旦使用某一个红色小三角选项指定了先验值,请选择 “拟合模型” 。会为每个先验选择都提


供一个 “Bayes 估计 - 结果 <N>”报表。该报表包含以下标题:
先验 记录您为拟合 Bayes 模型而在“Bayes 估计”报表中输入的指定内容。“先验”报表还指
定随机种子。
后验估计 显示五个边缘统计量和一个联合统计量,用于描述一般参数 (位置和尺度参数)的
后验分布。边缘统计量包括:中位数、 0.025 分位数 (下限)、 0.975 分位数 (上限)、均
值以及从 Monte Carlo 样本中计算得出的标准差。列在“联合 HPD”下方的参数值是联合
后验密度达到最大时所对应的值。
要基于一般参数的后验估计值计算其他派生变量的统计量,请点击 “导出 Monte Carlo 样
本”链接。
先验散点图 当您在点击 “拟合模型”前选择 “显示先验散点图”时出现。显示与分布的先验
规格方法关联的参数或等价量的先验散点图。
后验散点图 显示与分布的先验规格方法关联的参数或等价量的后验散点图。
刻画器 显示基于后验分布中的样本的两个刻画器。
“分布刻画器”中显示的在给定时间 t 的值计算如下:
‒ 对于后验分布中的每组抽样参数值,计算累积分布函数在时间 t 的值。
‒ 预测值是这些计算值的中位数。
‒ 置信上限和置信下限分别为这些计算值的 0.025 和 0.975 分位数。
“分位数刻画器”中显示的图和置信限以类似方式获取。对于给定的 “概率”值 p,从与
后验参数值关联的分布中计算与 p 对应的分位数。

Weibayes 仅适用于零失效数据

在零失效情形下,没有任何单元失效。所有观测都右删失。若您有零失效数据,则可能执行
Bayes 估计或 Weibayes 推断。请参见第 55 页的 “Weibayes 报表”。
46 寿命分布 第3章
“寿命分布”报表 可靠性和生存方法

注意:默认情况下,使用 Weibayes 方法分析零失效数据。若想要对零失效数据执行更广泛的


Bayes 分析,请取消选中文件 > 首选项 > 平台 > 寿命分布下面的首选项 Weibayes 仅适用于零
失效数据。

定制估计

“定制估计”选项生成两个报表:“估计概率”和 “估计分位数”。“估计概率”报表包含一个
计算器,该计算器支持您预测特定时间值的失效和生存概率。“估计分位数”报表包含一个计算
器,该计算器支持您预测特定失效概率值的分位数。为每个估计的数量都同时显示基于 Wald 和
基于似然的置信区间。这些区间的置信水平由 “寿命分布”红色小三角菜单中的更改置信水平
选项确定。

估计概率
在 “估计概率”计算器中,输入 “时间”的值。按 Enter 键可查看失效概率和生存概率的估计
值以及相应的置信区间。要计算多个概率估计值,请点击加号,在框中输入另一个“时间”值,
然后按 Enter 键。点击减号可删除最后一个条目。
“估计概率”计算器包含一个选项 “侧”,该选项支持您更改区间格式。选择以下子选项之一:
双侧 提供失效概率和生存概率的双侧置信区间。
失效概率上限 提供包含失效概率上限和生存概率下限的单侧置信区间。
失效概率下限 提供包含失效概率下限和生存概率上限的单侧置信区间。

估计分位数
在 “估计分位数”报表中,输入 “失效概率”的值。按 Enter 键可查看分位数估计值和相应的
置信区间。要计算多个分位数估计值,请点击加号,在框中输入另一个值,然后按 Enter 键。点
击减号可删除最后一个条目。
“估计分位数”计算器包含一个选项“侧”,该选项支持您更改区间格式。选择以下子选项之一:
双侧 提供分位数的双侧置信区间。
下限 提供包含分位数下限的单侧置信区间。
上限 提供包含分位数上限的单侧置信区间。
第3章 寿命分布 47
可靠性和生存方法 “寿命分布”报表选项

“寿命分布”报表选项
“寿命分布”旁边的红色小三角菜单包含以下选项:
拟合所有分布 拟合除阈值 (TH) 分布之外的其他所有分布。在“模型比较”报表中比较各个分
布。详细信息,请参见第 38 页的 “比较分布”。

提示:选择比较准则选项可更改用于查找最佳分布的准则。

拟合所有非负分布 拟合所有非负分布(指数、对数正态、对数 Logistic、Fréchet、Weibull 和


广义 Gamma)。在 “模型比较”报表中比较各个分布。请参见第 38 页的 “比较分布”。
请注意以下事项:
‒ 该选项不拟合缺陷子总体分布或阈值分布。
‒ 若数据包含负值,则该选项不会生成任何结果。
‒ 若数据包含零,该选项会拟合四种零泛滥 (ZI) 分布:零泛滥对数正态、零泛滥 Weibull、
零泛滥对数 Logistic 和零泛滥 Fréchet。有关零泛滥分布的详细信息,请参见第 81 页的
“零泛滥分布”。
拟合所有缺陷子总体分布 拟合所有缺陷子总体 (DS) 分布:缺陷子总体对数正态、缺陷子总体
Weibull、缺陷子总体对数 Logistic 和缺陷子总体 Fréchet。有关缺陷子总体分布的详细信
息,请参见第 81 页的 “缺陷子总体分布”。
拟合混合模型 拟合除阈值 (TH) 分布以外的各种分布混合而成的分布。请参见第 48 页的“混合”。
拟合竞争风险混合模型 拟合数据的竞争风险混合分布。请参见第 54 页的“拟合竞争风险混合
模型”。
显示点 显示或隐藏概率图中的数据点。“寿命分布”平台使用阶梯函数的中点估计值来构造概
率图。取消选择显示点时,中点估计值会被 Kaplan-Meier 估计值取代。
显示事件图频数标签 (仅当指定了“频数”变量时才显示。)显示或隐藏“事件图”中的“频
数”标签。
显示生存曲线 在“比较分布”概率图和“分布刻画器”图上的失效概率和生存曲线之间切换。
显示分位数函数 显示或隐藏叠加了选定分布所对应图的 “分位数刻画器” 。分位数图还显示
在时间值处标绘的点。该图显示在 “比较分布”报表下方。若在 “比较分布” 、“分位数
刻画器”和 “危险率刻画器”图中的任一个图中选择分布,这些分布还将显示在另外两个
图中。
显示危险率函数 显示或隐藏叠加了选定分布所对应图的 “危险率刻画器”。该图显示在 “统
计量”报表上方。若在 “比较分布” 、“分位数刻画器”和 “危险率刻画器”图中的任一
个图中选择分布,这些分布还将显示在另外两个图中。
显示统计学 显示或隐藏“统计学”报表。详细信息,请参见第 41 页的“寿命分布:统计学”。
选项卡式报表 在各个选项卡上显示图形和数据,而不是以默认的分级显示样式。
48 寿命分布 第3章
“寿命分布”报表选项 可靠性和生存方法

显示置信区域 显示或隐藏图中的着色置信区域。
区间类型 确定为 “比较分布”图中的非参数拟合显示的置信区间的类型。选择点态或联合置
信区间。
更改置信水平 支持您更改整个平台的置信水平。所有图和报表都会相应更新。
比较准则 支持您选择用于对“模型比较”报表中的各个模型排名的准则。对于全部三个准则,
值越小均指示拟合效果越好。Burnham and Anderson (2004) 和 Akaike (1974) 讨论了如何
使用 AICc 和 BIC 进行模型选择。有关更多详细信息,请参见 《拟合线性模型》手册中的
“统计详细信息”附录。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
本地数据过滤器 显示或隐藏本地数据过滤器,该过滤器使您可以过滤特定报表中使用的数据。
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。
若您指定了 “依据”变量,则为 “依据”变量的每个水平显示单独的 “寿命分布”报表。
保存 “依据”组结果 对于每个 “依据”组,将所有 “参数估计值”报表中针对该组显示的估
计值都另存为新表中一个单独的行。
对所有组执行相同的分析 将针对当前组的所有选定选项都应用到其他所有 “依据”组。

混合
“拟合混合模型”选项将在报表中添加“混合”分级显示项,您可以在其中拟合数据的混合分布。
混合分布的概率函数 F(x) 定义如下:
k
F(x) =  wi Fi ( x )
i=1

其中,F i ( x ) 是受支持的分布之一, k 是混合模型中的成分个数, wi 是总和为 1 的正权重。“拟


合混合模型”选项尝试标识从每个成分分布 Fi(x) 中抽取的观测聚类。它估计混合模型的参数以
及从任意给定成分中抽取观测的概率。
第3章 寿命分布 49
可靠性和生存方法 “寿命分布”报表选项

模型拟合和混合起始值方法

拟合方法基于有关相应聚类的假设,该方法称为 “起始值方法” 。假定您指定了 k 个分布。有


三种 “起始值方法”:
• “单个聚类”假定所有观测在一定程度上都受到所有成分分布的影响。没有任何密度单独影
响一部分观测。
• “可分隔的聚类”假定成分分布对某些观测的影响比对其他观测更深。对于可分隔的聚类,
k 个密度中的每一个都具有可标识的模式并定义一个聚类。
• “重叠聚类”假定了介于 “单个聚类”与 “可分隔的聚类”之间的一种情形。某些密度单独
影响部分观测,但其他密度联合影响部分观测。在这种情况下,数据中有 m 个聚类,其中
m 小于 k (总密度数)。
拟合过程包含以下步骤:
1. 定义观测聚类。
2. 基于 “起始值方法”将聚类分配到密度:
‒ 对于 “可分隔的聚类”,分配给指定的成分密度的最高似然聚类通过检查可能的排列来
确定。
‒ 对于 “重叠聚类”,分配给指定的成分密度的最高似然聚类通过检查可能的聚类排列和
观测组合来确定。

注意:假定您使用给定的 “起始值方法”拟合了某个模型,然后又选择了另一种 “起始值方


法”。若无法基于似然值实现更好的拟合,则不添加任何新模型。

“混合”控制面板

该控制面板包含以下项:
成分 列出您可以用作拟合混合分布的成分的分布。
数量 选择混合分布中具有给定分布的成分个数。“数量”值的总和为 k,即混合分布中密度的
个数。
起始值方法 选择反映您关于混合分布的假设的方法。请参见第 49 页的“模型拟合和混合起始
值方法”。
叠加 显示未删失数据值的非参数估计值 (Kaplan-Meier-Turnbull)。拟合混合模型时,该图会
随之更新以显示模型和 95% 水平置信带。置信带不受 “寿命分布”红色小三角菜单中的
“更改置信水平”选项的影响。“图例”显示在图右侧。
执行 点击执行可拟合所需的混合模型。“模型列表”会随您拟合的模型更新,同时添加具有混
合模型名称的报表。
50 寿命分布 第3章
“寿命分布”报表选项 可靠性和生存方法

“拟合混合模型”报表

模型列表
“模型列表”报表会列出您拟合的混合分布。该报表提供每个混合分布的参数数目、实际观测
数,以及 AICc、 -2* 对数似然和 BIC 统计量。有关这些统计量的更多详细信息,请参见 《拟合
线性模型》手册中的 “统计详细信息”附录。
请注意以下事项:
• 以上每个统计量的值越小指示拟合效果越好。
• 各行按 AICc 排序。
• 比较准则红色小三角选项不影响 “模型列表”中模型的顺序。
• AICc、-2* 对数似然和 BIC 统计量还显示在“模型比较”表中。这样您就可以将混合分布与
您的数据的其他分布进行比较。请参见第 41 页的 “模型比较”。

“混合模型”报表
“模型列表”报表之后跟有您已经拟合的每个混合分布的报表。每个报表的标题使用指定的成分
及其数量描述对应的混合模型。报表会列出参数、参数估计值、标准误差和 95% Wald 置信区
间。在启动窗口中将 “似然”选作 “置信区间方法”并不会影响这些区间。
为混合模型中的每个分布提供了参数估计值。“参数”列还包括名为 “对应部分 <i>”的参数,
其中 i = 1, 2, .., k-1。这些是混合模型的权重 wi 的估计值。由于这些权重的总和为 1,所以可以
根据前 k - 1 个权重计算出第 k 个权重。

“密度叠加”图
“密度叠加”图显示混合模型中每个成分的密度函数的估计值。图右侧的图例支持您选择要显示
的密度函数。

“混合模型”报表选项
该红色小三角菜单包含以下选项:
删除 删除模型报表以及 “模型列表”中该模型对应的条目。
显示刻画器 显示混合分布 F 的四种刻画器。有关这些刻画器的红色小三角选项的说明,请参
见第 51 页的 “混合模型刻画器选项”。
‒ “分布刻画器”显示作为时间的函数的累积失效概率。
‒ “分位数刻画器”显示作为累积概率的函数的失效时间。
‒ “危险率刻画器”显示作为时间的函数的危险率。
‒ “密度刻画器”显示分布的密度函数。
保存预测 对于每个混合模型密度,会在数据表中保存一列,其中包含某个观测属于该密度的
概率。对于计算中使用的公式,请参见第 86 页的 ““拟合混合模型”保存预测公式”。
第3章 寿命分布 51
可靠性和生存方法 “寿命分布”报表选项

混合模型刻画器选项
每个混合模型报表的刻画器都包含以下红色小三角选项:
置信区间 “分布”、“分位数”和 “危险率”刻画器显示所绘函数的基于 Wald 的 95% 置信曲
线。该选项显示或隐藏置信曲线。当您从 “寿命分布”红色小三角菜单中选择 “更改置信
水平”时,置信水平不受影响。

注意:为了减少计算时间,刻画器中提供的置信区间基于 Wald 方法,即便您在启动窗口中


将 “似然”选作 “置信区间方法”也是如此。

重置因子网格 为每个因子显示一个窗口,允许您为因子的当前设置输入特定值,锁定该设置,
以及控制网格的各个方面。详细信息,请参见 《刻画器指南》手册中的 “刻画器”一章。
因子设置 提供一个菜单,其中包含与刻画器设置、脚本和关联刻画器相关的选项。详细信息,
请参见 《刻画器指南》手册中的 “刻画器”一章。

拟合混合模型的示例

在本例中,您拟合两个混合分布,然后标识属于第二个混合分布的其中一个聚类的观测。

拟合两个混合分布
1. 选择帮助 > 样本数据库,然后打开 Reliability/Mixture Demo.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择 Y1 并点击 Y,事件时间。
4. 点击确定。
5. 从 “寿命分布”旁边的红色小三角菜单中选择拟合混合模型。
6. 在 Weibull 旁边的数量框中键入 2。
7. 在 “起始值方法”面板中选择可分隔的聚类。
8. 点击执行。
52 寿命分布 第3章
“寿命分布”报表选项 可靠性和生存方法

图 3.9 拟合 “Weibull(2)”的混合模型

JMP 拟合包含两个 Weibull 成分的混合模型。“对应部分 1”的估计值为 0.231688,指示大


约有 23% 的观测服从 Weibull 分布,其 alpha = 9.483152, beta = 3.001962。剩余的 77% 估
计来自第二个 Weibull 分布。
为了将该模型与另一个模型进行比较,您可以更改 “成分”选择和成分 “数量”。
9. 在对数正态旁边键入 1,并且在 Weibull 旁边键入 1。
10. 点击执行。
第3章 寿命分布 53
可靠性和生存方法 “寿命分布”报表选项

图 3.10 拟合 “对数正态 (1), Weibull(1)”的混合模型

“叠加”图随之更新以显示两个混合模型。“模型列表”中的图和统计量指出“对数正态 (1),
Weibull(1)”混合模型看起来提供了与 “Weibull(2)”混合模型极为相似的拟合。

标识属于某聚类的观测
1. 从 “对数正态 (1), Weibull(1)”红色小三角菜单中,选择保存预测。
将向数据表添加两列:
‒ 对数正态 (1), Weibull(1) - 以下成分的预测概率 : 对数正态
‒ 对数正态 (1), Weibull(1) - 以下成分的预测概率 : Weibull
2. 选择分析 > 分布。
3. 从 “选择列”列表中选择这两个新列,然后点击 Y,列。
4. 选中仅显示直方图。
54 寿命分布 第3章
“寿命分布”报表选项 可靠性和生存方法

5. 点击确定。
6. 在对数正态 (1),Weibull(1) - 以下成分的预测概率 : Weibull 的直方图中,点击与接近 1 的值
对应的直条。

图 3.11 混合概率的直方图

在数据表中,选定了 297 个对应的行。这些是可能来自参数 alpha = 29.90 且 beta = 10.41 的


Weibull 分布的观测。

拟合竞争风险混合模型
“拟合竞争风险混合模型”选项支持您拟合竞争风险混合分布。该选项估计给定观测因为由每个
成分混合分布表示的原因而失效的概率。
竞争风险混合概率分布函数 F(x) 定义如下:
k
F(x) = 1 – ∏ ( 1 – Fi ( x ) )
i=1

其中,F i ( x ) 表示第 i 个风险的累积失效分布, k 是混合模型中成分 (或风险)的数目。“拟合


竞争风险混合模型”选项尝试标识从每个成分分布 Fi(x) 中抽取的观测聚类。它估计混合模型的
参数以及从任意给定成分中抽取观测的概率。
“竞争风险混合模型”报表的结构类似于“混合模型”报表。请参见第 48 页的“混合”。不过,
“拟合竞争风险混合模型”报表不显示 “密度叠加”图,而是显示 “分布叠加”图。

“分布叠加”图
“分布叠加”图显示每个混合成分和组合混合 (聚合)的累积分布函数。图右侧的图例支持您
选择要显示的累积分布函数。
第3章 寿命分布 55
可靠性和生存方法 Weibayes 报表

Weibayes 报表
若您的数据包含零失效 (右删失),而您又没有关闭首选项 Weibayes 仅适用于零失效数据,则会
显示一个特殊的 Weibayes 报表。图 3.12 显示了 Reliability 文件夹中的 Weibayes No Failures.jmp 样
本数据表的 Weibayes 报表。

图 3.12 Weibayes 报表

分析最开始假定一个指数模型。报表顶部的注释提供了指数分布参数的置信下限。这个置信下
限是使用 Meeker (1998) 第 167 页的 7.7 小节中说明的方法计算得出的。
报表的 Weibayes 部分执行 Weibayes 分析。有关该过程的说明,请参见 Nelson (1985)。
要获取 Weibayes 估计值,确保选定 Weibayes 和 Weibull β 选项。更改 Weibull β 值并点击“更
新”。估计值和刻画器随之更新。刻画器中显示的值使用保守置信界限。有关示例,请参见第 68
页的 “无失效数据的 Weibayes 示例”。

注意:若您取消选择 Weibayes 选项, JMP 将显示固定参数 MLE。

若您的数据表包含至少一个失效,则会显示完整的 “寿命分布”报表,但最大似然推断可能不
会生成有用的结果。在这种情况下, Weibayes 分析可能更合适。有关示例,请参见第 69 页的
“有一个失效数据的 Weibayes 示例”。

注意:要在包含零失效数据时使用常用的 “寿命分布”选项执行 Bayes 推断,请取消选择


Weibayes 仅适用于零失效数据首选项并重新启动分析。
56 寿命分布 第3章
“竞争原因”报表 可靠性和生存方法

“竞争原因”报表

提示:若您发现报表窗口过长,请从红色小三角菜单中选择选项卡式报表。

若您在启动窗口中分配了 “失效原因”列,则会显示 “竞争原因”报表。使用该报表可分析竞


争原因以确定哪些原因有影响。有关该报表的示例,请参见第 63 页的 “忽略竞争原因”。有关
技术细节,请参见第 82 页的 “竞争原因详细信息”。
“竞争原因”报表包含以下内容和选项:
• 第 57 页的 “原因组合”
• 第 58 页的 “竞争原因:统计学”
• 第 59 页的 “单个原因”
• 第 59 页的 ““竞争原因”报表选项”

竞争原因工作流程
遵照以下步骤将便于您使用 “竞争原因”报表:
1. 为方便起见,从 “竞争原因”红色小三角菜单中选择 “选项卡式报表”选项。
2. 选择 “单个原因”选项卡。对于每个失效原因,请使用其自身的 “寿命分布”分级显示项
中的选项选择一种分布拟合。请参见第 59 页的 “单个原因”。
3. 选择 “原因组合”选项卡。对于每种失效原因,在每个分布列表中指定所需分布。请参见第
57 页的 “原因组合”。
4. 点击更新模型。
5. 选择 “统计量”选项卡可探索和保存模型结果。请参见第 58 页的 “竞争原因:统计学”。

注意:若更改模型并再次点击更新模型,针对 “统计量”分级显示项中的竞争原因模型报表进
行的定制可能丢失。

竞争原因模型
在竞争原因情形下,聚合失效函数可以表示为:
k
F(x) = 1 – ∏ [ 1 – Fi ( x ) ]
i=1

其中, Fi(x) 是第 i 个原因的累积失效分布, k 是总原因数。函数 Fi(x) 特定于原因。它反映单单


由于原因 i 而引起的失效的概率,并不解释其他失效原因。
第3章 寿命分布 57
可靠性和生存方法 “竞争原因”报表

备选公式如下所示:
k
F(x) =  F̃ i ( x )
i=1

其中,每个 F̃ i 都是一个单调递增函数,函数值介于 [0, 1] 的区间内。函数 F̃ i 称为子分布。这


种形式的聚合失效分布用于预测与单个原因关联的失效比例,考虑因其他原因导致的失效。

原因组合
“原因组合”报表支持您拟合和比较各种原因的不同失效时间分布 (Fi(x))。根据您在启动窗口中
做出的选择会提供不同的分布。不允许失效时间为负数和零。
默认图基于 “线性”尺度并显示以下内容:
• 未删失数据值的非参数估计值 (Kaplan-Meier-Turnbull) 及其置信区间。置信区间通过水平
蓝线来表示。
• 为每个原因拟合累积失效分布 (Fi(x))。初始分布是您在启动窗口中选定的分布。若您选择了
“单个最佳” ,则为每个组计算最佳分布并且显示这些拟合。(该选择可能要花费较长时
间。 )若选择了 “手动选择” ,在初始分布对于所有组都是 “非参数”并且显示非参数拟
合。“图例”显示在图右侧。
• “聚合”累积失效分布 F(x) 表示为一条黑线。基于选定的原因分布计算该函数。若为某个原
因指定了非参数分布,则聚合累积失效分布仅延伸到该原因的最终时间观测所在的位置。
当您与该报表交互时,将重新计算聚合模型的统计量。
“原因组合”报表包含以下元素:
尺度 选择图中垂直轴的概率尺度。若分布拟合效果好,则按该尺度标绘的各点应沿着一条直
线分布。第 65 页的 “更改尺度”演示了更改尺度如何影响分布拟合。
忽略 选中某个框可删除相应原因的拟合。在固定某个特定原因后使用该选项。“聚合”模型随
之更新以反映已删除因该原因导致的失效。第 63 页的 “忽略竞争原因”演示了忽略原因之
后的效果。
原因 列出 “原因”列中的原因。
分布 列出每个原因可用的分布。要更改特定失效原因的分布,请从分布列表中选择该分布。点
击更新模型可在图上显示新的分布拟合。“原因汇总”报表也随之更新。
计数 提供具有给定失效原因的观测数。
更新模型 显示图中选定的分布;使用选定模型更新 “原因汇总”报表;并将选定模型添加为
“单个原因”报表中最近的模型。
58 寿命分布 第3章
“竞争原因”报表 可靠性和生存方法

竞争原因:统计学
“竞争原因”的 “统计学”报表包含以下报表:
• 第 58 页的 ““原因汇总”报表”
• 第 58 页的 “刻画器”

“原因汇总”报表

“原因汇总”报表显示当前选择所定义的拟合的信息 (在 “原因汇总”报表中 “分布”下方)。


该报表显示每个原因的失效数目以及每个失效原因的分布拟合的参数估计值。当您在 “原因组
合”报表中更改分布拟合并点击 “更新模型”后,“原因汇总”报表随之更新。
提供以下信息:
• “原因”列显示原因的标签或删失代码。
• “计数”列列出每个原因的失效数目。
• “计数”列中的数值条目指示原因有足够多的失效事件可供考虑。事件不足两个的原因被视
为右删失。该列还标识缺失原因。
• “分布”列指定每个原因的选定分布。
• 根据选定的分布,各列显示分布的参数:
‒ 位置列指定各个分布的位置参数。
‒ 尺度列指定各个分布的尺度参数。 Weibull α 和 Weibull β 列显示 alpha 和 beta 的
Weibull 估计值。
‒ 其他列显示其他选定分布的参数。
‒ 若存在收敛问题,将显示 “收敛”列。
“原因汇总”红色小三角菜单选项支持您将聚合失效分布的概率、分位数、危险率和密度估计值
保存到数据表。

刻画器

“分布刻画器”、“分位数刻画器”、“危险率刻画器”和 “密度刻画器”帮助您直观演示聚合
失效分布。“分布刻画器”、“分位数刻画器”和 “危险率刻画器”显示 95% 水平置信带。有关
进一步的详细信息,请参见第 42 页的 “刻画器”。

注意:若为某个原因指定了非参数分布,则不提供 “危险率刻画器”和 “密度刻画器”。此外,


也不在 “分布刻画器”和 “分位数刻画器”中提供置信限。
第3章 寿命分布 59
可靠性和生存方法 “竞争原因”报表

单个原因
“单个原因”报表包含每一个单个原因的“寿命分布 - 失效原因 : < 分布名称 >”报表。每个“寿
命分布 - 失效原因 : < 分布名称 >”报表都显示报表标题中指明的单个失效原因的图和分布拟合
统计量。
只要您点击 “原因组合”报表中的 “更新模型”,您选择的所有新的原因分布都会添加到该原
因的 “寿命分布 - 失效原因 : < 分布名称 >”报表中。在 “寿命分布 - 失效原因 : < 分布名称 >”
报表中,会发生以下情况:
• 在 “比较分布”报表中选定该分布。
• 该分布添加到 “模型比较”报表。
• 为该分布添加了 “参数”报表。
每个 “寿命分布 - 失效原因 : < 分布名称 >”报表都是一个 “寿命分布 : 统计量”报表,如第 41
页的“寿命分布:统计学”中所述。不过,所有置信区间都是 Wald 区间。在启动窗口中将“似
然”选作 “置信区间方法”并不会影响这些区间。

可用于竞争原因比较分布报表的分布

若在启动窗口中指定 “失效原因”,您可以指定想在为生成的 “单个原因”的 “比较分布”报表


中允许哪些分布分组和模型分组。您可以选择 ZI (零泛滥)分布、 TH (阈值)分布和 DS (缺
陷子总体)分布。您还可以选择固定参数和 Bayes 模型。

注意:若您已在 “首选项”中禁用了任何分布,这些分布则不会出现。此外,还要遵从用于控
制对 “寿命分布”显示哪些分布的规则。请参见第 39 页的 “可用的参数分布”。

“竞争原因”报表选项
“竞争原因”旁边的红色小三角菜单包含以下选项:
选项卡式报表 在各个选项卡上显示图形和数据,而不是以默认的分级显示样式。
单个原因的选项卡式报表 在各个选项卡中显示 “寿命分布 - 失效原因 : < 分布名称 >”报表,
而不是堆叠显示各个寿命分布报表。
显示点 显示或隐藏 “竞争组合”图中的数据点。“寿命分布”平台使用阶梯函数的中点估计
值来构造概率图。取消选择显示点时,中点估计值会被 Kaplan-Meier 估计值取代。
显示子分布 显示每一个单个原因子分布 F̃ i 的刻画器。请参见第 60 页的 “原因单个子分布刻
画器”。
显示剩余寿命分布 通过 “分布刻画器”显示剩余寿命分布。这是有条件的,具体取决于存活
到给定时间的单元。
60 寿命分布 第3章
“竞争原因”报表 可靠性和生存方法

剩余寿命均值 估计给定生存时间条件下的某个单元的剩余寿命均值。在 “剩余寿命均值计算


器”中,输入一个时间值并按 Enter 键可查看估计值和置信限。点击加号可输入其他时间。
点击减号可删除最新添加的条目。
要获取置信区间,请从 “剩余寿命均值计算器”中选择配置选项。选中使用 Bootstrap 构
造置信区间。输入适当的值,请记住计算可能占用较长时间。详细信息,请参见第 85 页的
“剩余寿命均值计算器”。
导出 Bootstrap 结果 仅在选定了 Bayes 模型并且应用了更新模型后才显示。
Bootstrap 样本大小 将 Bayes 估计或 Weibayes 结果用于任何原因时,必须使用参数 Bootstrap
模拟显示在 “分布刻画器”中的聚合函数的置信限。使用该选项可指定要用在 Bootstrap 中
的样本数。请参见第 85 页的 “为原因指定 Bayes 模型”。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
本地数据过滤器 显示或隐藏本地数据过滤器,该过滤器使您可以过滤特定报表中使用的数据。
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。

原因单个子分布刻画器

对于给定原因,“原因单个子分布刻画器”显示因该原因在时间 t 的失效 F̃ i 的估计概率。估计


概率会将来自竞争原因的失效考虑在内。请参见第 56 页的 “竞争原因模型”。
要显示每个原因的子分布的刻画器,请从“竞争原因”红色小三角菜单中选择显示子分布。“原
因单个子分布刻画器”报表显示在其他刻画器下方。它包含一个刻画器和一个计算器。

注意:当您选择显示子分布时,“原因组合”图随之更新以显示所有原因的子分布函数。

从刻画器右侧的列表中选择一个 “原因”可查看其刻画器。适用于该刻画器的选项包含在 “原
因单个子分布刻画器”红色小三角菜单中。请参见第 42 页的 “刻画器”。
使用 “计算器”面板可查找所有原因在一个或多个 “事件时间”值处的子分布函数的值。输入
“事件时间”变量的值。按 Enter 键 (或在文本框外点击)后,每个原因的值随之更新。要添加
“事件时间”值,请点击加号。要删除最新添加的值,请点击减号。
第3章 寿命分布 61
可靠性和生存方法 “寿命分布 - 比较组”报表

“寿命分布 - 比较组”报表

提示:若您发现报表窗口过长,请从红色小三角菜单中选择选项卡式报表。

若您在启动窗口中选定了 “比较组”选项卡,“寿命分布 - 比较组”报表随即显示。该报表使用


单个指定分布比较不同的组。例如,您可以对按供应商分组的元件进行 Weibull 拟合比较。相
比之下,“寿命分布”选项卡比较的是单个组的若干拟合分布。
您可以比较 CDF、分位数、危险率和密度等函数。您还可以合并所有组的概率和分位数预测。
有关该报表的示例,请参见第 66 页的 “在不同组之间检查同一分布”。
“比较组”报表可包含以下内容和选项:
• 第 38 页的 “比较分布”(无 “分布刻画器”)
• 第 61 页的 “比较组:统计学”
• 第 62 页的 “单个组”
• 第 62 页的 ““寿命分布 - 比较组”报表选项”

比较组:统计学
“比较组”的 “统计学”报表包含以下报表:
• 第 61 页的 “汇总”
• 第 61 页的 “Wilcoxon 组齐性检验”
• 第 41 页的 “模型比较”
• 第 62 页的 “参数估计值”

汇总

“汇总”报表对每个组和组合数据都包含一行。每行显示失效的单元数,以及左删失、区间删失
或右删失的数目。每行还提供相应的均值和标准误差。有关如何计算均值和标准误差的详细信
息,请参见 “生存分析”一章中第 299 页的 “生存分析的统计报表”。

Wilcoxon 组齐性检验

该报表提供关于失效函数是否相等的 Wilcoxon 检验的结果。报表中提供检验的卡方近似、相关


自由度和 p 值。较小的 p 值表明各组不同。有关示例,请参见 “以 X 拟合寿命”一章中第 96
页的 “Wilcoxon 组齐性检验”。 Kalbfleisch and Prentice (1980) 中讨论了 Wilcoxon 检验及其
针对删失数据的推广形式。
62 寿命分布 第3章
“寿命分布 - 比较组”报表 可靠性和生存方法

参数估计值

“参数估计值”分级显示项为拟合的每个分布包含标题为 “参数估计值 - < 分布名称 >”的


报表。对于每个组,“参数估计值 - < 分布名称 >”报表提供该分布的参数估计值及其 95%
水平置信区间。当您从 “寿命分布 - 比较组”红色小三角菜单中选择 “更改置信水平” ,
置信水平不受影响。

单个组
“单个组”报表中的各个选项卡包含每一单个组的 “寿命分布”报表。有关这些报表的详细信
息,请参见第 34 页的 ““寿命分布”报表”和第 47 页的 ““寿命分布”报表选项”。

“寿命分布 - 比较组”报表选项

“比较组”红色小三角菜单中的许多选项也在 “寿命分布”红色小三角菜单中提供。请参见第
47 页的 ““寿命分布”报表选项”。
不过,以下选项特定于 “比较组”:
显示分位数函数 显示或隐藏 “比较分位数”报表。选择一个分布。对于每个组都标绘一条曲
线,以显示时间变量的估计分位数。显示置信带。图例显示在图右侧。一次只能指定一个
分布。
显示危险率函数 显示或隐藏“比较风险”报表。选择一个分布。对于每个组都标绘一条曲线,
以显示危险率函数。显示置信带。图例显示在图右侧。一次只能指定一个分布。
显示密度函数 显示或隐藏 “比较密度”报表。选择一个分布。对于每个组,都显示密度函数
和置信带。图例显示在图右侧。一次只能指定一个分布。
估计概率 添加一个 “估计概率”报表,该报表对应在 “比较分布”下方最新选定的分布。在
文本框中输入 “事件时间”变量的值,然后按 Enter 键。要添加 “事件时间”值,请点击
加号。要删除最新添加的值,请点击减号。有关进一步的详细信息,请参见第 62 页的““估
计概率”报表”。
估计分位数 (仅在选定 “比较分位数”时显示。 )添加一个 “估计分位数”报表,该报表对
应在“比较分位数”下方最新选定的分布。在文本框中输入关注的概率的值,然后按 Enter
键。要添加 “概率”值,请点击加号。要删除最新添加的值,请点击减号。对于每个组和
概率值,都显示 “事件时间”分位数以及 95% Wald 和似然置信区间。

“估计概率”报表
对于每个组和 “事件时间”值,该报表都提供以下内容:
中点估计 指定时间之前的失效的中点调整 Kaplan-Meier 估计值。
95% 下限, 95% 上限 指定时间之前的失效的概率的点态 95% 置信区间。
第3章 寿命分布 63
可靠性和生存方法 “寿命分布”平台的更多示例

联合 95% 下限 (Nair),联合 95% 上限 (Nair) 指定时间之前的失效的概率的联合 95% 置信区


间。请参见 Nair (1984) 和 Meeker and Escobar (1998)。
生存概率 指定时间之后的生存的中点调整估计值。
生存概率 95% 下限, 95% 上限 指定时间之后的生存的概率的点态 95% 置信区间。
生存概率联合 95% 下限 (Nair),联合 95% 上限 (Nair) 指 定 时 间 之 后 的 生 存 的 概 率 的 联 合
95% 置信区间。请参见 Nair (1984) 和 Meeker and Escobar (1998)。

“寿命分布”平台的更多示例
本节包括忽略竞争原因和更改分布尺度的示例。

忽略竞争原因
本例演示如何决定竞争原因的最佳拟合。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Blenders.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间周期并点击 Y,事件时间。
4. 选择原因并点击失效原因。
5. 选择删失并点击删失。
6. 将单个最佳选作 “分布”。
7. 确保 AICc 为 “比较准则”。
8. 点击确定。
在 “竞争原因”报表中, JMP 显示了每个失效原因的最佳分布拟合。
64 寿命分布 第3章
“寿命分布”平台的更多示例 可靠性和生存方法

图 3.13 初始 “竞争原因”报表

9. 在 “分位数刻画器”中,为概率键入 0.1。
出现 10% 的失效的估计时间为 200。

图 3.14 10% 单元失效的估计失效时间

10. 为 bearing seal、belt、container throw、cord short 和 engine fan(具有最少失效计数的原


因)选择忽略。
出现 10% 的失效的估计时间现在为 263。
第3章 寿命分布 65
可靠性和生存方法 “寿命分布”平台的更多示例

图 3.15 更新的失效时间

若电源开关和齿轮折断是仅有的失效原因,出现 10% 的失效的估计时间将增加大约 31%。

更改尺度
在初始 “比较分布”报表中,概率轴和时间轴是线性的。但假定您想要查看基于 Fréchet 尺度
的分布估计值。1
1. 执行第 30 页的 ““寿命分布”平台的示例”中的 step 1 到 step 5。
2. 在 “比较分布”报表中,选择 “尺度”列中的 Fréchet。
3. 从红色小三角菜单中选择区间类型 > 点态。

图 3.16 具有 Fréchet 概率尺度的非参数估计值

非参数估计值

1. 使用不同的尺度有时是指在不同类型的概率纸上绘制分布。
66 寿命分布 第3章
“寿命分布”平台的更多示例 可靠性和生存方法

使用 Fréchet 尺度,非参数估计值近似为一条直线,这意味着 Fréchet 拟合可能合理。


4. 在 “尺度”列中选择最小极值。
非参数估计值不再近似为一条直线 (图 3.17)。您现在知道最小极值分布不合适。

图 3.17 具有最小极值概率尺度的非参数估计值

在不同组之间检查同一分布
假定您想要在不同组之间比较同一分布。您想要检查某一种电容在三个不同温度下工作时的失
效概率估计值。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Capacitor ALT.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 点击 “比较组”选项卡。
4. 选择小时数并点击 Y,事件时间。
5. 选择温度并点击分组。
6. 选择删失并点击删失。
7. 选择频数并点击频数。
8. 点击确定。
第3章 寿命分布 67
可靠性和生存方法 “寿命分布”平台的更多示例

图 3.18 比较各组的分布

默认图形显示非参数估计值。在较高温度下,电容失效的概率较高。您想要尝试拟合参数
分布。
9. 为 “分布”和 “尺度”选择 Weibull。

图 3.19 比较各组的 Weibull 分布

基于 Weibull 概率尺度进行绘图时,各点分布在每条线附近。这表明 Weibull 分布为每一个


温度组都提供了合理拟合。
68 寿命分布 第3章
“寿命分布”平台的更多示例 可靠性和生存方法

Weibayes 估计值

有两种可能的方法可以获取 Weibayes 分析:


• 没有失效(所有观测均右删失)并且已选中首选项 Weibayes 仅适用于零失效数据,则显示
Weibayes 报表。请参见第 68 页的 “无失效数据的 Weibayes 示例”。
• 有极少的失效。显示完整的 “寿命分布”报表。拟合 Weibull 分布。在 “参数估计值 -
Weibull”报表中,选择 “固定参数”选项。然后选择 “固定参数”报表中的 Weibayes 选
项。请参见第 69 页的 “有一个失效数据的 Weibayes 示例”。

无失效数据的 Weibayes 示例

您有一种大体上可靠的产品的相关数据,其中 30 个经过 1,000 个小时的测试后未出现失效。您


想要预测 2,000 个小时下的失效概率。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Weibayes No Failures.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间并点击 Y,事件时间。
4. 选择删失并点击删失。
5. 选择频数并点击频数。
6. 将似然选作 “置信区间方法”。
7. 点击确定。
特殊的 “寿命分布”报表随即显示。 Weibayes 和 Weibull beta 应已被选定。
8. 键入 1.5 作为已知的 Weibull β 值。
对本例而言,值 1.5 是合适的。
9. 点击更新。
10. 在 “分布刻画器”中,为 “时间”键入 2000。
第3章 寿命分布 69
可靠性和生存方法 “寿命分布”平台的更多示例

图 3.20 零失效的 “寿命分布”报表

从 “分布刻画器”中,您可以看到在 2,000 个小时处,保守概率为 24.6058%。这意味着失效概


率的单尾 95% 置信下限为 24.6058%。

有一个失效数据的 Weibayes 示例

假定您还使用相同的数据,但这次在 800 个小时的时候出现了一个失效。您仍想预测 2,000 个小


时下的失效概率。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Weibayes One Failure.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间并点击 Y,事件时间。
4. 选择删失并点击删失。
5. 选择频数并点击频数。
6. 将似然选作 “置信区间方法”。
7. 点击确定。
“寿命分布”报表随即显示。
8. 选择 “比较分布”图中的 Weibull 分布。
9. 从 “参数估计值 - Weibull”红色小三角菜单中选择固定参数。
10. 选择 “固定参数”报表中的 Weibayes 和 Weibull beta。
11. 键入 1.5 作为已知的 Weibull β 值。
70 寿命分布 第3章
技术细节 可靠性和生存方法

12. 点击更新。
13. 在 “分布刻画器”中,为 “时间”键入 2000。
14. 将鼠标置于 Y 轴顶部上方。光标将变为手形工具。将该轴向下拖动,直到最高处的值达到 0.5。

图 3.21 一个失效的 “寿命分布”报表

在 “分布刻画器”中,实线显示 MLE。虚线显示 Weibayes 保守限值。您可以看到在 2,000 个


小时处,保守概率为 36.3351%。这意味着失效概率的单尾 95% 置信下限为 36.3351%。

技术细节
本节涉及以下主题:
• “寿命分布”平台中使用的分布。请参见第 70 页的 “分布”。
• 有关 “竞争原因”报表的技术信息。请参见第 82 页的 “竞争原因详细信息”。

分布
本节提供有关“寿命分布”平台中的分布拟合的详细信息。Meeker and Escobar(1998,第 2-5
章)是关于非参数和参数细节所依据的理论、应用和讨论的极佳信息来源。

估计和置信区间

所有分布的参数 (除非另有说明)都使用最大似然估计值 (MLE) 来估计。唯一的例外是阈值分


布。若最小的观测是一个精确失效,则该观测被视为具有小区间的区间删失。参数估计值是从
这个稍作修改的数据集估计的 MLE。若不进行这项修改,似然会无界,所以 MLE 可能不存在。
该方法类似于 Meeker and Escobar (1998, p. 275) 中所述的方法,只不过最小精确失效删失。这
是为确保似然函数有界而对数据进行的最小更改。
第3章 寿命分布 71
可靠性和生存方法 技术细节

“寿命分布”平台提供两种方法来计算分布参数的置信区间。这两种方法标记为 “Wald”或
“似然”,可在 “寿命分布”平台的启动窗口中进行选择。 Wald 置信区间用作默认设置。计算
累积分布函数 (cdf) 的置信区间时,最初要计算标准化变量的 Wald 置信区间。接下来,这些区
间变换为 cdf 尺度 (Nelson, 1982, pp. 332-333 和 pp. 346-347)。其他图形和刻画器中给出的置
信区间变换为 Wald 区间 (Meeker and Escobar, 1998, chap. 7)。双参数分布的参数的联合置信区
间 显 示 在 对 数 似 然 等 高 线 图 中。它 们 基 于 参 数 的 近 似 似 然 比 (Meeker and Escobar, 1998,
chap. 8)。

非参数拟合

非参数拟合说明分布的基本曲线。对于不含删失的数据 (仅包含失效)以及观测同时包含失效
和右删失的数据,JMP 使用 Kaplan-Meier 估计值。对于混合删失、区间删失或左删失,JMP 使
用 Turnbull 估计值。若数据集仅包含右删失数据,则 “非参数估计值”报表将指明无法计算非
参数估计值。
“寿命分布”平台使用阶梯函数的中点估计值来构造概率图。中点估计值介于当前和前一个
Kaplan-Meier 估计值的中间位置 (或二者的平均值)。

参数分布

参数分布提供比非参数分布更简明的分布拟合。失效时间分布的估计值也更平滑。参数模型还
可用于外推 (沿时间)到分布的下尾或上尾。

注意:“寿命分布”平台中的许多分布都按照位置和尺度参数化。对于对数正态拟合,还提供中
位数。阈值参数还包含在阈值分布中。位置对应于 μ,,尺度对应于 σ,阈值对应于 γ。

对数正态
对数正态分布常用于失效时间数据范围是 10 的几次幂的情形。该分布常常被视为许多较小的独
立同分布的正数随机变量的乘积。这在数据值的对数呈现正态分布时是合理的。由对数正态分
布正确建模的数据示例包括:医院费用数据、金属疲劳裂纹扩展,以及细菌在消毒剂控制下的
存活时间。 pdf 曲线通常呈现较强的右偏特点。对数正态 pdf 和 cdf 分别为:

1 log ( x ) – μ
f ( x ;μ, σ ) = ------ φ nor -------------------------- , x>0
xσ σ

log ( x ) – μ
F ( x ;μ ,σ ) = Φ nor -------------------------- ,
σ

其中

2
φ nor ( z ) = ---------- exp  – -----
1 z
2π  2
72 寿命分布 第3章
技术细节 可靠性和生存方法


z
Φ nor ( z ) = –∞ φnor ( w ) dw
分别为标准化正态或 nor(μ = 0, σ = 1) 分布的 pdf 和 cdf。

Weibull

Weibull 分布可用于对具有递增或递减危险率的失效时间数据建模。由于该分布能够极为灵活
地基于形状参数 β 的值对众多不同类型的数据建模,所以它经常用在可靠性分析中。该分布已
经成功用于描述电子元件、滚柱轴承、电容和陶瓷领域中的失效。可通过更改尺度参数 α 和形
状参数 β 来显示 Weibull 分布的各种形状。 Weibull pdf 和 cdf 通常表示如下:

β (β – 1) x β
f ( x ;α ,β ) = ------ x exp –  --- ; x > 0, α > 0 , β > 0
β α
α

x β
F ( x ;α ,β ) = 1 – exp –  --- ,
 α

其中, α 是尺度参数, β 是形状参数。 Weibull 分布极为通用,因为它可以在 β = 1 时简化为指


数分布。在文献和 JMP 中常用的备选参数化是将 σ 用作尺度参数,将 μ 用作位置参数。这些参
数很容易通过以下公式转换为 α 和 β 参数化:

α = exp ( μ )

1
β = ---
σ

Weibull 分布的 pdf 和 cdf 还表示为对数变换最小极值分布 (SEV)。这将使用位置尺度参数化,


且 μ = log(α), σ = 1/β

1 log ( x ) – μ
f ( x ;μ, σ ) = ------ φ sev -------------------------- , x > 0, σ > 0
xσ σ

log ( x ) – μ
F ( x ;μ ,σ ) = Φ sev --------------------------
σ

其中

φ sev ( z ) = exp [ z – exp ( z ) ]


第3章 寿命分布 73
可靠性和生存方法 技术细节

Φ sev ( z ) = 1 – exp [ – exp ( z ) ]

分别为标准化最小极值 (μ = 0, σ = 1) 分布的 pdf 和 cdf。

对数 Logistic

对数 Logistic 分布的 pdf 在形状上类似于对数正态分布,但尾部较厚。它经常用于对呈现非单


调危险率函数特征的数据 (如癌症死亡率和金融财富)建模。对数 Logistic pdf 和 cdf 分别为:

1 log ( x ) – μ
f ( x ;μ ,σ ) = ------ φ logis ---------------------------
xσ σ

log ( x ) – μ
F ( x ;μ ,σ ) = Φ logis --------------------------- ,
σ

其中

exp ( z )
φ logis ( z ) = -----------------------------------
2
[ 1 + exp ( z ) ]

exp ( z ) 1
Φ logis ( z ) = -------------------------------- = ------------------------------
[ 1 + exp ( z ) ] 1 + exp ( – z )

分别为标准化 Logistic 或 Logis 分布 (μ = 0, σ = 1) 的 pdf 和 cdf。

Fréchet

Fréchet 分布称为对数最大极值分布,或者有时在其参数化为 Weibull 分布的倒数时称为 Fréchet


极大值分布。该分布常用于财务数据。 pdf 和 cdf 分别为:

log ( x ) – μ log ( x ) – μ 1
f ( x ;μ ,σ ) = exp – exp  – --------------------------- exp  – -------------------------- ------
 σ   σ  xσ

log ( x ) – μ
F ( x ;μ ,σ ) = exp – exp  – ---------------------------
 σ 

更一般的情况下参数化为

1 log ( x ) – μ
f ( x ;μ, σ ) = ------ φ lev --------------------------
xσ σ
74 寿命分布 第3章
技术细节 可靠性和生存方法

log ( x ) – μ
F ( x ;μ ,σ ) = Φ lev --------------------------
σ

其中

φ lev ( z ) = exp [ – z – exp ( – z ) ]

Φ lev ( z ) = exp [ – exp ( – z ) ]

分别为标准化最大极值 LEV(μ = 0, σ = 1) 分布的 pdf 和 cdf。

正态
正态分布是在多数统计领域中应用最广的分布,因为它相对简单并且易于应用中心极限定理。
不过,正态分布极少用于可靠性领域。它对于 μ > 0 且变异系数 (σ/μ) 较小的数据最为有用。由
于危险率函数增长没有上限,所以它尤其适用于显现出磨损失效的数据。示例包括白炽灯泡、烤
箱加热元件和金属丝的机械强度。 pdf 和 cdf 分别为:

x–μ
f ( x ;μ ,σ ) = --- φ nor  ------------ ,
1
–∞ < x < ∞
σ  σ 

x–μ
F ( x ;μ ,σ ) = Φ nor  ------------
 σ 

其中

2
φ nor ( z ) = ---------- exp  – -----
1 z
2π  2


z
Φ nor ( z ) = –∞ φnor ( w ) dw
分别为标准化正态或 nor(μ = 0, σ = 1) 分布的 pdf 和 cdf。

最小极值 (SEV)

这种非对称(左偏)分布适用于两种情况。第一种情况是数据指示少量的微弱单元位于分布的下
尾处(该数据指示许多观测的最小数目)。第二种情况是在 σ 相对于 μ 较小时,因为在使用最小
极值分布时小于零的概率较小。最小极值分布适用于描述危险率随单元老化而变大的数据。示例
包括老年人死亡率和旱季的降雨量。该分布有时称为 Gumbel 分布。pdf 和 cdf 分别为:
第3章 寿命分布 75
可靠性和生存方法 技术细节

x–μ
f ( x ;μ ,σ ) = --- φ sev  ------------ , – ∞ < μ < ∞, σ > 0
1
σ σ

x–μ
F ( x ;μ ,σ ) = Φ sev  ------------
 σ 

其中

φ sev ( z ) = exp [ z – exp ( z ) ]

Φ sev ( z ) = 1 – exp [ – exp ( z ) ]

分别为标准化最小极值 SEV(μ = 0, σ = 1) 分布的 pdf 和 cdf。

Logistic

Logistic 分布的形状类似于正态分布,但尾部较长。Logistic 分布常用于在负数失效时间不构成


问题的情况下对寿命数据建模。二值型或有序型响应的 Logistic 回归模型假定 Logistic 分布为
潜在分布。 pdf 和 cdf 分别为:

x–μ
f ( x ;μ ,σ ) = --- φ logis  ------------ , -∞ < μ < ∞ , σ > 0
1
σ  σ 

x–μ
F ( x ;μ ,σ ) = Φ logis  ------------
 σ 

其中

exp ( z )
φ logis ( z ) = -----------------------------------
2
[ 1 + exp ( z ) ]

exp ( z ) 1
Φ logis ( z ) = -------------------------------- = ------------------------------
[ 1 + exp ( z ) ] 1 + exp ( – z )

分别为标准化 Logistic 或 Logis 分布 (μ = 0, σ = 1) 的 pdf 和 cdf。


76 寿命分布 第3章
技术细节 可靠性和生存方法

最大极值 (LEV)

若 σ 相对于 μ > 0 较小,该右偏分布可用于对失效时间建模。该分布不常用于可靠性领域,但适


用于估计自然极端现象,如特大洪水高度或极端风速。 pdf 和 cdf 分别为:

x–μ
f ( x ;μ ,σ ) = --- φ lev  ------------ ,
1
-∞ < μ < ∞ , σ > 0
σ σ

x–μ
F ( x ;μ ,σ ) = Φ lev  ------------
 σ 

其中

φ lev ( z ) = exp [ – z – exp ( – z ) ]

Φ lev ( z ) = exp [ – exp ( – z ) ]

分别为标准化最大极值 LEV(μ = 0, σ = 1) 分布的 pdf 和 cdf。

指数
单参数和双参数指数分布均用于可靠性领域。双参数指数分布的 pdf 和 cdf 如下:

x–γ
f ( x ;θ, γ ) = --- exp  – ----------- ,
1
θ>0
θ  θ 

x–γ
F ( x ;θ ,γ ) = 1 – exp  – -----------
 θ 

其中,θ 是尺度参数,γ 既是阈值参数也是位置参数。可靠性分析常常使用单参数指数分布,其


γ = 0。指数分布适用于描述元件在远远超出期望寿命后显现出磨损的失效时间。该分布具有常
数失效率,这意味着对于较小的时间增量,单元的失效与该单元龄无关。指数分布不应用于描
述可能遭受疲劳、腐蚀或短期磨损的机械元件的寿命。但是,该分布适用于对特定类型的稳健
电子元件建模。它已成功地被用来描述绝缘油和电介质流体的寿命 (Nelson, 1990, p. 53)。
第3章 寿命分布 77
可靠性和生存方法 技术细节

对数广义 Gamma (LogGenGamma)

对数广义 Gamma 分布包含最小极值、最大极值和正态分布。 pdf 和 cdf 分别为:


 λ –2 –2
------ φ lg [ λω + log ( λ ) ;λ ] 若 λ≠0
 σ
f ( x ;μ ,σ ,λ ) = 
 1
--- φ nor ( ω ) 若 λ= 0
 σ

 –2 –2
 Φ lg [ λω + log ( λ ) ;λ ] 若 λ>0

F ( x ;μ ,σ ,λ ) =  Φ nor ( ω ) 若 λ= 0

 1 – Φ [ λω + log ( λ – 2 ) ; λ – 2 ] 若 λ<0
 lg

其中,– ∞ < x < ∞ 、 ω = [x – μ]/σ 且

– ∞ < μ < ∞, – 12 < λ < 12, 和 σ > 0

请注意

1
φ lg ( z ;κ ) = ------------ exp [ κz – exp ( z ) ]
Γ(κ)

Φ lg ( z ;κ ) = Γ I [ exp ( z ) ;κ ]

分别为对数 Gamma 变量的 pdf 和 cdf,并且 κ > 0 是形状参数。上面的标准化分布取决于形状


参数 κ。

注意:在 JMP 中,广义 Gamma 分布的形状参数 λ 限定在 [-12,12] 之间以便提供数值稳定性。

扩展广义 Gamma (GenGamma)

扩展的广义 Gamma 分布可包含许多其他分布作为特例,如:广义 Gamma、 Weibull、对数正


态、 Fréchet、 Gamma 和指数分布。它尤其适用于具有极少删失或没有删失的情况。该分布已
成功地用于对人类癌症预后建模。 pdf 和 cdf 分别为:


 λ –2 –2
------ φ [ λω + log ( λ ) ; λ ] 若 λ≠0
 xσ lg
f ( x ;μ ,σ ,λ ) = 
 1
------ φ nor ( ω ) 若 λ= 0
 xσ

78 寿命分布 第3章
技术细节 可靠性和生存方法

 –2 –2
 Φ lg [ λω + log ( λ ) ; λ ] 若 λ>0

F ( x ;μ ,σ ,λ ) =  Φ nor ( ω ) 若 λ= 0

 1 – Φ [ λω + log ( λ – 2 ) ; λ – 2 ] 若 λ<0
 lg

其中, x > 0, ω = [log(x) – μ]/σ 且

– ∞ < μ < ∞, – 12 < λ < 12, 和 σ > 0

请注意

1
φ lg ( z ;κ ) = ------------ exp [ κz – exp ( z ) ]
Γ(κ)

Φ lg ( z ;κ ) = Γ I [ exp ( z ) ;κ ]

分别为标准化对数 Gamma 变量的 pdf 和 cdf,并且 κ > 0 是形状参数。


上面的标准化分布取决于形状参数 κ。Meeker and Escobar (chap. 5) 提供了关于扩展的广义
Gamma 分布的详细解释。

注意:在 JMP 中,广义 Gamma 分布的形状参数 λ 限定在 [-12,12] 之间以便提供数值稳定性。

含有阈值参数的分布
阈值分布是带有阈值参数的对数 - 位置 - 尺度分布。上述有些分布通过添加阈值参数(表示为 γ)
进行了推广。添加该阈值参数后,分布的起始位置偏移了 0 点位置。阈值参数有时称为偏移、最
小值或保证参数,因为所有单元均在达到阈值之前生存。请注意,尽管添加阈值参数使分布在
时间轴上的位置发生偏移,但分布的形状和散布程度并不受影响。阈值分布适用于拟合中度到
重度偏移的分布。对数 - 位置 - 尺度阈值分布的 pdf 和 cdf 的一般形式如下所示:

1 log ( x – γ ) – μ
f ( x ;μ, σ, γ ) = -------------------- φ ---------------------------------- , x>γ
σ(x – γ) σ

log ( x – γ ) – μ
F ( x ;μ ,σ ,γ ) = Φ ----------------------------------
σ

其中,φ 和 Φ 分别是特定分布的 pdf 和 cdf。针对 Weibull、对数正态、Fréchet 和对数 Logistic


分布的特定阈值分布的示例显示如下;其中相应地适当替换了最小极值、正态、最大极值和
logis 的 pdf 和 cdf。
第3章 寿命分布 79
可靠性和生存方法 技术细节

阈值 Weibull

三参数 Weibull 分布的 pdf 和 cdf 如下:

1 log ( x – γ ) – μ
f ( x ;μ ,σ ,γ ) = -------------------- φ sev ---------------------------------- , x > γ, σ > 0
( x – γ )σ σ

log ( x – γ ) – μ x–γ β
F ( x ;μ ,σ ,γ ) = Φ sev  ---------------------------------- = 1 – exp –  ----------- , x > γ
 σ   α 

其中, μ =log(α), σ= 1/β,其中

φ sev ( z ) = exp [ z – exp ( z ) ]

Φ sev ( z ) = 1 – exp [ – exp ( z ) ]

分别为标准化最小极值 SEV(μ = 0, σ = 1) 分布的 pdf 和 cdf。

阈值对数正态
三参数对数正态分布的 pdf 和 cdf 如下:

1 log ( x – γ ) – μ
f ( x ;μ, σ, γ ) = -------------------- φ nor ---------------------------------- , x>γ
σ(x – γ) σ

log ( x – γ ) – μ
F ( x ;μ ,σ ,γ ) = Φ nor ----------------------------------
σ

其中

2
φ nor ( z ) = ---------- exp  – -----
1 z
2π  2

z
Φ nor ( z ) = –∞ φnor ( w ) dw
分别为标准化正态或 N(μ = 0, σ = 1) 分布的 pdf 和 cdf。
80 寿命分布 第3章
技术细节 可靠性和生存方法

阈值 Fréchet

三参数 Fréchet 分布的 pdf 和 cdf 如下:

1 log ( x – γ ) – μ
f ( x ;μ, σ, γ ) = -------------------- φ lev ---------------------------------- , x>γ
σ(x – γ) σ

log ( x – γ ) – μ
F ( x ;μ ,σ ,γ ) = Φ lev ----------------------------------
σ

其中

φ lev ( z ) = exp [ – z – exp ( – z ) ]

Φ lev ( z ) = exp [ – exp ( – z ) ]

分别为标准化最大极值 LEV(μ = 0, σ = 1) 分布的 pdf 和 cdf。

阈值对数 Logistic

三参数对数 Logistic 分布的 pdf 和 cdf 如下:

1 log ( x – γ ) – μ
f ( x ;μ, σ, γ ) = -------------------- φ logis ---------------------------------- , x>γ
σ(x – γ) σ

log ( x – γ ) – μ
F ( x ;μ ,σ ,γ ) = Φ logis ----------------------------------
σ

其中

exp ( z )
φ logis ( z ) = -----------------------------------
2
[ 1 + exp ( z ) ]

exp ( z ) 1
Φ logis ( z ) = -------------------------------- = ------------------------------
[ 1 + exp ( z ) ] 1 + exp ( – z )

分别为标准化 Logistic 或 Logis 分布 (μ = 0, σ = 1) 的 pdf 和 cdf。


第3章 寿命分布 81
可靠性和生存方法 技术细节

缺陷子总体分布
在可靠性实验中,有时仅有总体的一小部分存在导致失效的特定缺陷。由于并不是所有单元都
可能导致失效,所以使用常规失效分布不合适并可能生成误导的结果。使用缺陷子总体分布选
项可对仅在子总体上出现的失效建模。提供以下缺陷子总体分布:
• 缺陷子总体对数正态
• 缺陷子总体 Weibull
• 缺陷子总体对数 Logistic
• 缺陷子总体 Fréchet

零泛滥分布
若一定比例 (p) 的数据在 t = 0 时失效,就会使用零泛滥分布。当数据包含零的个数超出标准模
型应有的个数时,就会造成零泛滥。在“寿命分布”平台中当事件时间数据以零作为最小值时,
有四种零泛滥分布可用:这些分布包括:
• 零泛滥对数正态 (ZI 对数正态)
• 零泛滥 Weibull (ZI Weibull)
• 零泛滥对数 Logistic (ZI 对数 Logistic)
• 零泛滥 Fréchet (ZI Fréchet)
零泛滥分布的 pdf 和 cdf 分别为:

11 ( log ( t ) – μ )
f ( t ) = ( 1 – p ) --- --- φ ------------------------------
tσ σ

( log ( t ) – μ )
F ( t ) = p + ( 1 – p ) Φ  ------------------------------
 σ 

其中:
p 是零数据值的比例
t 是寿命事件的测量时间
μ 和 σ 通过在从原始数据中删除零值后计算通常的最大似然估计来估计
φ(z) 和 Φ(z) 分别为标准分布的密度和累积分布函数。例如,对于 Weibull 分布,
φ(z) = exp(z-exp(z)) 且 Φ(z) = 1 - exp(-exp(z))。
请参见 Lawless (2003, p 34),获取使用零泛滥分布的更详细说明。替换 p = 1 - p 和
S1(t) = 1 - Φ(t),以获取如上所示的形式。
请参见 Tobias and Trindade (1995, p 232),获取有关可靠性分布的其他信息。该参考文献提
供 了 混 合 分 布 的 一 般 形 式。使 用 Tobias and Trindade 中 的 参 数 化,可 通 过 替 换 α = p、
Fd(t) = 1 和 FN(t) = Φ(t) 获得上述形式。
82 寿命分布 第3章
技术细节 可靠性和生存方法

Bayes 估计的先验分布

以下分布可用于 “先验位置尺度”:
• 正态 / 对数正态分布,带有位置 (mu) 和尺度 (sigma) 这两个超参数。相关定义,请参见第
71 页的 “对数正态”和第 74 页的 “正态”。
• 均匀分布,带有 “下限”和 “上限”这两个超参数,用于定义 “均匀”分布的支持范围。
• Gamma 分布,带有“形状”和“尺度”这两个超参数。使用 k/theta 参数化和概率密度函数。
• 点质量分布,带“位置”超参数。这是退化的先验;对于我们所指定先验分布的参数,只有
一个可能值。这唯一的可能值等于为该 “位置”超参数输入的值。
以下分布可用于 “先验分位数参数”:
• 正态 / 对数正态分布 (99% 的概率范围),使用分布的 0.005 和 0.995 百分位数指定先验分
布。 JMP 停止支持 mu 和 sigma。
• 均匀分布,带有 “下限”和 “上限”这两个超参数,用于定义 “均匀”分布的支持范围。
• 对数均匀分布,带有 “下限” (a) 和 “上限” (b),属于在 Log(a) 和 Log(b) 之间的对数尺度
上均匀的分布。
• 点质量分布,带“位置”超参数。这是退化的先验;对于我们所指定先验分布的参数,只有
一个可能值。这唯一的可能值等于为该 “位置”超参数输入的值。
以下分布可用于 “先验失效概率”:
• Beta 分布,由概率密度函数来表征。
‒ 使用估计值和误差百分比 (均值和方差)指定 Beta 先验值。均值等于在 “估计值”中
输入的数字,方差等于 ( 误差百分比 / 100 * 估计值 )^2。
‒ 使用分布的 0.005 和 0.995 百分位数指定 Beta 先验值。 JMP 停止支持超参数。

竞争原因详细信息
对于竞争原因模型,聚合分布的闭型如下所示:
k
F(x) = 1 – ∏ [ 1 – Fi ( x ) ]
i=1

其中,F i ( x ), i = 1, …, k 是与原因对应的单个失效分布。置信限是现成的,因为所有涉及的估计
值都是 MLE。
第3章 寿命分布 83
可靠性和生存方法 技术细节

将固定参数模型指定为原因的分布

若为某个原因指定了固定参数模型,您必须在该原因的“单个原因”报表中固定该参数。在“寿
命分布 - 失效原因 : < 名称 >”报表中的所需 “参数估计值”报表中固定该参数。当您点击 “更
新模型”时,固定参数将成为聚合分布的一部分。
下例演示了如何在聚合分布中包含固定参数模型:
1. 选择帮助 > 样本数据库,然后打开 Reliability/Appliance.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间周期并点击 Y,事件时间。
4. 选择原因编号并点击失效原因。
5. 将似然选作 “置信区间方法”。
6. 选择允许失效模式使用固定参数模型。
7. 点击确定。

图 3.22 忽略了 “原因 1”的固定参数模型

默认情况下,忽略 “原因 = 1”,因为没有足够的数据。不过,您不希望忽略该原因。


8. 打开“原因 1”对应的“单个原因”报表。该报表称为“寿命分布 - 失效原因: 1 失效计数: 1”。
9. 从 “参数估计值 - Weibull”旁边的红色小三角菜单中选择固定参数。
10. 选择 Weibull beta 并键入 2。
11. 点击更新。
84 寿命分布 第3章
技术细节 可靠性和生存方法

图 3.23 指定了 Weibull Beta 的固定参数模型

在 “参数估计值 - Weibull”报表中,假定 β 等于 2, alpha 参数估计为 22463.391。现在您


可以将其用于 “原因 =1”的失效分布。
12. 向上滚动到报表窗口顶部的 “原因组合”。
13. 为 “原因 1”取消选择忽略。
14. 对于 “原因 1”的分布,选择固定参数的 Weibull 分布。
15. 点击更新模型。

图 3.24 显示 “原因 1”的更新模型

现在聚合模型在总体竞争原因模型中使用 “原因 1”的 “固定参数的 Weibull 分布”结果。


第3章 寿命分布 85
可靠性和生存方法 技术细节

为原因指定 Bayes 模型

为某个原因指定 Bayes 模型的步骤类似于第 83 页的“将固定参数模型指定为原因的分布”中所


述的步骤。 在所需的 “Bayes 估计”报表中定义该模型,该报表位于针对单个原因的 “寿命分
布”报表的 “统计量”下方的相应 “参数估计值”分级显示项中。请参见第 44 页的 “Bayes
估计 - < 分布名称 >”。
要将 Bayes 模型并入聚合模型,其他原因的非 Bayes 分布必须能接受基于模拟的框架的处理。
例如,假定某个模型具有两个失效原因。一个原因使用 Weibull 分布建模,另一个使用 Bayes 方
法来估计第二个 Weibull 分布的参数。第一个 Weibull 分布的参数 (由向量 θ1 表示)使用最大
似然来估计。第二个 Weibull 分布的参数 θ2, 使用 Bayes 方法来估计。
聚合混合分布 (表示为 F ( x, θ 1, θ 2 ) )的分位数和中位数通过如下方式来获取:
• 对第一个 Weibull 分布执行参数 Bootstrap,生成来自最大似然估计值 θ̂ 1 的渐近分布的随
机样本。将来自 θ̂ 1 的渐近分布的抽样值表示为 θ *1 。
• 从 θ2 的后验分布中抽取某个样本,表示为 θ *2 。
• 对于 θ *1 和 θ *2 的每一组值,获取 F ( x, θ 1, θ 2 ) 的估计值 (表示为 F *( x, θ 1, θ 2 ) )。
• 值 F *( x, θ 1, θ 2 ) 用于获取聚合分布的分位数和中位数的估计值。这些值是在给定的 x 值处显
示在 “分布刻画器”中的值。

为原因指定 Weibayes 模型

为某个原因指定 Weibayes 模型的步骤类似于第 83 页的 “将固定参数模型指定为原因的分布”


中所述的步骤。 在针对该原因的 “寿命分布”报表中的 “统计量”下方的 “参数估计值 -
Weibull”分级显示项中,选择 “固定参数”选项。在 “固定参数”报表中,选中 “Weibayes”
选项。Weibayes 模型被视为 Bayes 模型,并且从参数 alpha 的后验分布中抽取 Bootstrap 样本。
请参见 Liu and Wang (2013)。

剩余寿命均值计算器

使用红色小三角菜单中的 “配置”选项可以为计算剩余寿命均值时使用的模拟失效时间的个数
设置一个值。用 m 来表示该值。
要获取时间 t 处的剩余寿命均值的估计值,需要从聚合分布 (以生存到时间 t 为条件)中抽取
m 个样本。然后计算这些样本的平均值。
要计算剩余寿命均值的置信限,您必须在 “配置”窗口中选择该框。随后您可以选择设置
Bootstrap 样本数。用 n 来表示该值。
要计算置信区间,需要从 MLE 的渐近分布或使用 Bayes 推论推导出的后验分布中抽取 n 个参数
估计值样本。对于每个参数值样本,都形成一个聚合分布,从中抽取 m 个样本来计算剩余寿命
均值。使用 n 个剩余寿命均值的样本来构造置信区间。
86 寿命分布 第3章
技术细节 可靠性和生存方法

“拟合混合模型”保存预测公式

本节提供的公式用于计算 “拟合混合模型”报表选项 “保存预测”所保存的列中的值。


考虑以下符号:
p̂ i 是混合比例 wi 的估计值

Fˆ 是估计概率分布函数 Fi
i
ˆ
f i 是 Fi 的估计概率密度函数
‒ 若观测 y 未删失,保存值则由以下公式计算得出:

p̂ i fˆi ( y )
---------------------------
-
k
ˆ
 p̂ i f i ( y )
i=1

‒ 若观测删失,则通过用以下值替换未删失观测的公式中的估计密度值来得到保存值:

Fˆ i ( y ) 用于右删失

1 – Fˆ i ( y ) 用于左删失

Fˆ i ( y high ) – Fˆ i ( y low ) 用于区间删失


第4章
以 X 拟合寿命
拟合事件时间数据的单因子模型

“以 X 拟合寿命”平台帮助您分析仅有一个因子情况下的寿命事件。您可以选择使用各种变换
对事件与因子之间的关系建模,或是创建自定义数据变换。您还可以灵活地比较同一因子水平
下的不同分布,以及在不同因子水平之间比较同一分布。

图 4.1 显示不同分布和因子水平的散点图
88 以 X 拟合寿命 第4章
“以 X 拟合寿命”平台概述 可靠性和生存方法

“以 X 拟合寿命”平台概述
“以 X 拟合寿命”平台提供加速寿命试验分析所需的工具。加速试验通常用于工业,用来在相
对较短的时间范围内提供关于产品或元件的失效时间信息。常见的加速因子包括温度、电压、压
力和使用率。可以外推结果,以获取在加速因子的较低正常操作水平下的失效时间估计值。这
些结果用于评估可靠性、检测和更正失效模式、比较制造商和认证元件。
“以 X 拟合寿命”平台包括许多常用的变换,用于对事件与所关注因子之间的物理和化学关系
建模。示例包括:使用 Arrhenius (摄氏温度、华氏温度和绝对温度)关系的时间加速因子和
电压加速机制进行变换。线性、对数、 Logit、倒数、平方根、 Box-Cox、位置、位置和尺度以
及定制加速模型也包含在该平台中。
您可以使用实验设计 > 加速寿命试验设计平台来设计加速寿命试验实验。详细信息,请参见《实
验设计指南》。
Meeker and Escobar (1998, p. 495) 提供了以下用于分析加速寿命数据的策略:
1. 以图形方式检查数据。其中一种有用的直观演示数据的方法就是检查加速因子与失效时间变
量的散点图。
2. 针对加速因子不同水平下的数据逐一拟合分布。对不同的假设分布重复执行该步骤。
3. 用失效时间变量与加速因子之间看似合理的关系拟合总体模型。
4. 将步骤 3 中的模型与步骤 2 中的各个分析进行比较,评估总体模型是否失拟。
5. 执行残差和各种诊断分析以验证模型假设。
6. 评估数据的貌似真性以进行推断。

“以 X 拟合寿命”平台的示例
本例使用 Meeker and Escobar (1998) 中的 Devalt.jmp 样本数据表,该数据表位于样本数据的
Reliability 文件夹中。其中包含某设备在加速工作温度下的失效时间数据。在正常工作温度 10
摄氏度时未记录任何失效时间观测;其他所有观测显示为 40、 60 和 80 摄氏度这三个加速温度
水平下的失效时间或删失值。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Devalt.jmp。
2. 选择分析 > 可靠性和生存 > 以 X 拟合寿命。
3. 选择小时数并点击 Y,事件时间。
4. 选择温度并点击 X。
5. 选择删失并点击删失。
6. 保留删失代码为 1。
7. 选择权重并点击频数。
8. 保留 Arrhenius 摄氏温度作为关系,并保持选定嵌套模型检验选项。
第4章 以 X 拟合寿命 89
可靠性和生存方法 “以 X 拟合寿命”平台的示例

9. 将 Weibull 选作分布。
10. 将 Wald 选作置信区间方法。
图 4.2 显示了完成的启动窗口。

图 4.2 “以 X 拟合寿命”启动窗口

11. 点击确定。
图 4.3 显示了 “以 X 拟合寿命”报表窗口的上半部分。

注意:可能显示一条消息,指明 “分析必须排除所有删失数据都是右删失的分组才能继续嵌套
模型检验。是否要继续?” 点击是继续分析。右删失的分组指示这些分组的所有观测都是右删
失。在本例中,分组 “温度 = 10”仅有一行,该行被视为右删失,必须排除该行才能执行 “嵌
套模型检验”。若您的样本数据不含右删失观测,则不会显示该消息。
90 以 X 拟合寿命 第4章
“以 X 拟合寿命”平台的示例 可靠性和生存方法

图 4.3 Devalt.jmp 数据的 “以 X 拟合寿命”报表窗口

该报表窗口显示汇总数据、诊断图、比较数据和结果,包括详细的统计学和预测刻画器。为每
个选定分布都显示单独的结果部分。每个指定分布都包含 “分布刻画器”、“分位数刻画器”、
“危险率刻画器”、“密度刻画器”和 “加速因子刻画器”。
第4章 以 X 拟合寿命 91
可靠性和生存方法 启动 “以 X 拟合寿命”平台

启动 “以 X 拟合寿命”平台
通过选择分析 > 可靠性和生存 > 以 X 拟合寿命启动 “以 X 拟合寿命”平台。

图 4.4 “以 X 拟合寿命”启动窗口

“以 X 拟合寿命”启动窗口包含以下选项:
Y,事件时间 标识事件时间 (如,失效时间)或删失时间。在区间删失时,指定两个 Y 变量,
其中一个 Y 变量提供每个单元的下限,另一个 Y 变量提供每个单元的上限。有关删失的详
细信息,请参见 “寿命分布”一章中第 35 页的 “事件图”。
X 标识加速因子。
删失 标识删失观测。从 “选择列”列表下方的 “删失代码”菜单中选择用于标识右删失观测
的值。仅当输入一个 Y 时才使用 “删失”列。
频数 标识有多个单元时的频数或观测计数。若值为 0 或正整数,则该值表示记录多个单元时
每行的频数或观测计数。
依据 标识一列,用于创建包含每个变量水平的单独分析的报表。
删失代码 选择 “删失”列后,从列表中选择指定右删失观测的值。缺失值会从分析中排除。
JMP 尝试检测删失代码并将其显示在列表中。
92 以 X 拟合寿命 第4章
启动 “以 X 拟合寿命”平台 可靠性和生存方法

关系 确定事件与加速因子之间的关系。示例包括使用以下加速模型的变换:
‒ Arrhenius 摄氏温度:μ = b0 + b1 * 11605 / (X+273.15)
‒ Arrhenius 华氏温度:μ = b0 + b1 * 11605 / ((X + 459.67)/1.8)
‒ Arrhenius 绝对温度:μ = b0 + b1 * 11605/X
‒ 电压:μ = b0 + b1 * log (X)
‒ 线性:μ=b0 + b1* X
‒ 对数:μ = b0 + b1 * log(X)
‒ Logit:μ = b0 + b1 * log(X/(1-X))
‒ 倒数:μ = b0 + b1/X
‒ 平方根:μ = b0 + b1 * sqrt(X)
‒ Box-Cox: μ = b0 + b1 * Boxcox(X)
‒ 位置:表示 μ 对于 X 的每个水平都不同。
‒ 位置和尺度:表示 μ 和 σ 对于 X 的每个水平均不同 (等价于 X 作为 “依据”变量时的
“寿命分布”拟合)。
若选择位置或位置和尺度,则会显示一条消息,指明 “分析必须排除所有删失数据都是右
删失的分组才能继续嵌套模型检验。是否要继续?” 点击是继续分析。右删失的分组指示
这些分组的所有观测都是右删失。若您的样本数据不含右删失观测,则不会显示该消息。
若想要对模型使用 “定制”关系,请参见第 107 页的 “定制关系”。
嵌套模型检验 向报表窗口附加非参数叠加图、嵌套模型检验和多重概率图。
基线 支持您为加速因子的说明变量 X 输入基线值。您还可以在启动该平台后使用 “以 X 拟合
寿命”红色小三角菜单中的设置时间加速基线选项设置该基线。
分布 一次指定一种分布 (Weibull、对数正态、对数 Logistic、 Fréchet、最小极值、正态、
Logistic、最大极值或指数分布)。对数正态是默认设置。
选择置信区间方法 显示用于计算参数置信区间的方法。默认为 Wald,但您可以改为选择 “似
然”。Wald 方法是一种近似方法,运行较快。似然方法提供更精确的参数,但计算时间较长。

注意:置信区间方法首选项支持您选择似然方法作为默认的置信区间方法。您可以在首选
项 > 平台 > 以 X 拟合寿命中更改该首选项。
第4章 以 X 拟合寿命 93
可靠性和生存方法 “以 X 拟合寿命”报表

“以 X 拟合寿命”报表
初始报表窗口包括以下部分:
• 第 93 页的 “数据汇总”
• 第 94 页的 “散点图”
• 第 95 页的 “非参数叠加”
• 第 96 页的 “比较”
可以查看和比较分布、分位数、危险率、密度和加速因子刻画器,以及比较准则下方的准则值。
• 第 100 页的 “结果”
可以检查和比较每一选定分布的参数估计值、协方差矩阵、嵌套模型检验和诊断。

数据汇总
“数据汇总”部分显示总观测数、未删失值的数目和删失值 (右删失、左删失和区间删失)的
数目。图 4.5 显示了 Devalt.jmp 样本数据表的汇总数据。

图 4.5 数据汇总示例
94 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

散点图
说明变量与寿命事件的散点图显示在报表窗口的顶部。对于 Devalt.jmp 样本数据,散点图显示
“温度 - 小时数”图。表 4.1 指示如何在报表窗口的散点图中表示每种失效类型。要增大图上标
记的大小,右击该图,先选择标记大小,再选择所列的一个标记大小。

图 4.6 “温度 - 小时数”散点图

表 4.1 失效和删失观测的散点图表示

事件 散点图表示

失效 点

右删失 向上的三角

左删失 向下的三角

区间删失 向下的三角落在向上的三角之上,二者通过
一条实线连接

散点图选项

选择 “散点图”红色小三角菜单可访问以下选项:
添加密度曲线 通过在加速因子范围内输入任意值,指定您所需的密度曲线,一次指定一条曲
线。您随后可以通过选中在添加曲线后出现的相应复选框来选择不同的分布。
删除密度曲线 显示之前输入的密度曲线值。通过选中适当的复选框来删除曲线。
第4章 以 X 拟合寿命 95
可靠性和生存方法 “以 X 拟合寿命”报表

显示密度曲线 选择该选项以显示密度曲线。若拟合的是位置或位置和尺度模型,或是在启动
窗口中选定了嵌套模型检验,则将显示所有给定说明变量水平的密度曲线。创建曲线之后,
使用显示密度曲线选项可在图中切换曲线的显示。
添加多条分位数线 指定所需的分位数线,一次指定三条。您可以通过连续选择添加多条分位
数线添加更多分位数。默认分位数值为 0.1、0.5 和 0.9。无效的分位数值(如缺失值)将被
忽略。您可以按需仅输入一个分位数值,将其他条目留空。
删除多条分位数线 显示之前输入的分位数值。通过选中适当的复选框来删除分位数线。
转置坐标轴 交换 X 轴和 Y 轴。
使用变换尺度 散点图的默认视图包含变换尺度。选择该选项可在 X 轴的线性尺度和非线性尺
度之间切换。
图 4.6 显示了初始散点图;图 4.7 显示了选定显示密度曲线和添加多条分位数线选项后生成的散
点图,其中显示了 Weibull 分布的各种温度水平下的曲线和分位数线。您还可以查看其他分布
所有温度水平下的密度曲线。可以一次选定一个分布,也可以通过选中所需分布名称左侧的框
来同时查看这些分布。

图 4.7 选定了密度曲线和分位数线选项的散点图

非参数叠加
“非参数叠加”图在散点图之后显示。通过检查该图可以很容易检测出各分组之间的差异。对于
Devalt.jmp 样本数据,您可以查看在不同尺度下的小时数的差异。您还可以更改非参数拟合概
率图上的区间类型,即改为联合或点态 (选定显示非参数置信区间时显示的结果) ,并选择是
显示参数置信区间还是显示非参数置信区间。
96 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

点态估计值在图上显示 95% 点态置信带,而联合置信区间在图上显示所有分组的联合置信带。


Meeker 和 Escobar (1998, chap. 3) 讨论了点态和联合置信区间,以及在寿命分析中涉及联合置
信区间的动因。

Wilcoxon 组齐性检验

对于本例,图 4.8 中显示的 Wilcoxon 组齐性检验指出分组之间存在差异。高卡方值和低 p 值与


“非参数叠加”图中观察到的各个温度组之间的差异是一致的。

图 4.8 Devalt.jmp 的 “非参数叠加”图和 Wilcoxon 检验

比较
图 4.9 中的 “比较”报表部分针对您在 “非参数叠加”部分中所选的分布显示一些刻画器,并
包括以下选项卡:
• 分布
• 分位数
• 危险率
• 密度
• 加速因子
• 比较准则
要显示特定的刻画器,请在 “非参数叠加”部分中选择适当的分布选项。
第4章 以 X 拟合寿命 97
可靠性和生存方法 “以 X 拟合寿命”报表

刻画器

前五个选项卡显示所选分布的刻画器。前四个刻画器中显示的曲线同时对应于事件时间和说明
变量。只有 “加速因子”刻画器选项卡对应于加速因子 (说明变量)。图 4.9 显示了 Weibull、
对数正态、 Fréchet 和对数 Logistic 分布的 “分布刻画器”。

图 4.9 分布刻画器

可比较的结果显示在分位数、危险率和密度选项卡上。分布、分位数、危险率、密度和加速因
子这些刻画器的行为类似于其他平台中的 “预测刻画器” 。例如,可拖动温度和小时数的垂线
来查看每个分布值如何随着温度和时间变化。有关 “预测刻画器”的详细解释,请参见 《刻画
器指南》手册中的 “刻画器”一章。

分位数
您可以使用 “分位数”刻画器进行外推。假定数据通过 Weibull 分布表示。通过查看图 4.11 中
的 Weibull “加速因子刻画器”,您可以看到对于基线温度 10 摄氏度, 45 摄氏度时的加速因子
为 17.18683。选择分位数选项卡可查看 Weibull 分布的 “分位数刻画器” 。选择并拖动概率图
中的垂线,让概率读数为 0.5。通过查看图 4.10 (其中的 “概率”设置为 0.5),您可以发现 45
摄氏度时与失效概率 0.5 对应的分位数为 13849.01 小时。所以,在 10 摄氏度时,预计 50% 的单
元在 13849.01 * 17.18683 = 238021 小时的时候失效。
98 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

图 4.10 Devalt.jmp 的 Weibull “分位数刻画器”

加速因子
选择加速因子选项卡可显示每个指定分布的事件时间变量的“加速因子刻画器”。要生成图4.11,
请从 “以 X 拟合寿命”红色小三角菜单中选择拟合所有分布。通过从 “以 X 拟合寿命”红色小
三角菜单中选择设置时间加速基线并输入所需值,修改说明变量的基线值。请注意,说明变量
和基线值显示在刻画器标题旁边。
第4章 以 X 拟合寿命 99
可靠性和生存方法 “以 X 拟合寿命”报表

图 4.11 Devalt.jmp 的 “加速因子刻画器”

“加速因子刻画器”支持您将加速试验条件与基线条件比较时,估计该加速试验条件和参数分布
假设下的失效时间。通常将时间加速图解释为基线条件的第 p 分位数与加速试验条件的第 p 分
位数的比率。仅当分布为对数正态、 Weibull、对数 Logistic 或 Fréchet 且尺度参数对于所有水
平保持不变时,该关系才适用。该关系不适用于正态、最小极值、 Logistic 或最大极值分布。

注意:“加速因子刻画器”在以下情况下不显示:说明变量为离散变量;说明变量被视为离散变
量;定制公式不使用统一的尺度因子;或是分布为正态、最小极值、Logistic 或最大极值分布。

比较准则
比较准则选项卡显示所关注分布的 -2 对数似然、AICc 和 BIC 准则。图 4.12 显示了 Weibull、对
数正态、对数 Logistic 和 Fréchet 分布的这些值。提供更好数据拟合的分布显示在 “比较”报
表的顶部,这些分布按 AICc 排序。
100 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

图 4.12 “比较准则”报表选项卡

该报表表明对数正态和对数 Logistic 分布提供最佳数据拟合,因为这些分布具有最低的准则


值。有关准则的详细解释,请参见 “寿命分布”一章中第 71 页的 “参数分布”。

结果
报表窗口的 “结果”部分显示了比 “比较”报表更为详细的统计学和预测刻画器。为每个选定
分布都显示单独的结果部分。图 4.13 显示了 Devalt.jmp 的 Weibull 结果、嵌套模型检验和诊断
图的一部分内容。
每个指定分布都包含统计结果、诊断图以及分布、分位数、危险率、密度和加速因子这些刻画
器。定制估计选项卡支持您使用 Wald 和似然区间方法估计特定的失效概率和分位数。若在平台
启动窗口中选择了 Box-Cox 关系,还会显示灵敏度选项卡。该选项卡显示对数似然和 B10 寿命
如何作为 Box-Cox lambda 的函数发生变化。
第4章 以 X 拟合寿命 101
可靠性和生存方法 “以 X 拟合寿命”报表

图 4.13 Devalt.jmp 数据的 Weibull 分布嵌套模型检验

统计学

对于每个参数分布,都有一个 “统计学”部分显示参数估计值、协方差矩阵、置信区间、汇总
统计量和诊断图。您可以通过从每个参数分布的 “统计学”红色小三角菜单中选择以上任意或
全部选项,从而保存概率、分位数和危险率估计值。估计值以及相应的置信上限和下限会另存
为数据表中的列。图 4.14 显示了可用于任何参数分布的保存选项。

图 4.14 参数分布的保存选项
102 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

嵌套模型检验

若您在平台启动窗口中选定了 “嵌套模型检验”选项,则会包括 “嵌套模型检验” 。“嵌套模


型检验”包括以下模型的统计量和诊断图:
不同位置和尺度 假定位置和尺度参数对于说明变量的所有水平都不同,这等价于依据说明变量
的水平来拟合分布。不同位置和尺度模型包含多个位置参数和多个尺度参数。请参见图 4.15。
不同位置 假定位置参数不同,但尺度参数对于说明变量的所有水平都相同。不同位置模型包
含多个位置参数,但仅有一个尺度参数。请参见图 4.16。
回归 是显示在初始 “以 X 拟合寿命”报表窗口中的默认模型。请参见图 4.17。
无效应 假定说明变量不影响响应,这等价于使用选定分布拟合所有数据值。无效应模型有一
个位置参数和一个尺度参数。请参见图 4.18。
默认显示不同位置和尺度、不同位置和回归分析结果。回归参数估计值和位置参数公式默认显
示在 “估计值”部分下方。通过选中嵌套模型检验标题下方的无效应左侧的复选框可显示无效
应模型的诊断图。
要独立于其他模型查看每个模型的结果,请点击所关注的加下划线的模型 (列在嵌套模型检验
下方),然后取消选中其他模型的复选框。
若在启动窗口中未选中 “嵌套模型检验”选项,则不评估不同位置和尺度和不同位置模型。在
这种情况下,会为您选择的每个分布的回归模型提供估计值,并且“Cox-Snell 残差 P-P 图”是
唯一的诊断图。

诊断

图 4.13 中显示的 “多重概率图”用来验证加速变量不同水平的分布假设。若每个水平对应的线


条未能穿过该水平的数据点,则分布假设可能不成立。并排的比较诊断图可用于直观地比较不
同模型的有效性。有关多重概率图的讨论,请参见 Meeker and Escobar (1998, sec. 19.2.2)。
“Cox-Snell 残差 P-P 图”用于验证数据的分布假设。若数据点大幅度地偏离对角线,则分布假
设可能不成立。“Cox-Snell 残差 P-P 图”红色小三角菜单包含名为保存残差的选项,该选项支
持您将残差数据保存到数据表中。有关 Cox-Snell 残差的讨论,请参见 Meeker and Escobar
(1998, sec. 17.6.1)。
第4章 以 X 拟合寿命 103
可靠性和生存方法 “以 X 拟合寿命”报表

图 4.15 Devalt.jmp 数据 Weibull 分布的不同位置和尺度模型


104 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

图 4.16 Devalt.jmp 数据 Weibull 分布的不同位置模型


第4章 以 X 拟合寿命 105
可靠性和生存方法 “以 X 拟合寿命”报表

图 4.17 Devalt.jmp 数据 Weibull 分布的回归模型


106 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

图 4.18 Devalt.jmp 数据 Weibull 分布的无效应模型

刻画器和曲面图

除统计汇总和诊断图之外,“以 X 拟合寿命”报表窗口还包括您指定的每个分布的刻画器和曲
面图。要查看 Weibull 时间加速因子和说明变量刻画器,请点击“Weibull 结果”下方的分布选
项卡。要查看曲面图,请点击 Weibull 标题 (在刻画器下方)左侧的展开图标。刻画器和曲面
图的行为类似于其他平台。请参见《刻画器指南》手册中的“刻画器”一章和“曲面图”一章。
该报表窗口还包括标记为加速因子的选项卡。点击加速因子选项卡可显示“加速因子刻画器”。
该刻画器显示的是该报表窗口的 “比较”部分中加速因子选项卡下方显示的 Weibull 图的放大
版本。图 4.19 显示了 Devalt.jmp 的 Weibull 分布的 “加速因子刻画器”。通过从 “以 X 拟合
寿命”红色小三角菜单中选择设置时间加速基线选项,可以修改说明变量的基线水平。
第4章 以 X 拟合寿命 107
可靠性和生存方法 “以 X 拟合寿命”报表

图 4.19 Devalt.jmp 的 Weibull “加速因子刻画器”

定制关系
若您想要使用定制变换来对寿命事件与加速因子之间的关系建模,请使用定制选项。该选项位
于启动窗口中的 “关系”下方的列表中。在位置 (μ) 和尺度 (σ) 参数的输入字段中输入逗号分
隔值。对于 Devalt.jmp 样本数据,举例来说,可以为 μ 输入 “1, log(:Temp), log(:Temp)^2”,
可以为 σ 输入 “1, log(:Temp)” ,其中 1 指示截距包含在模型中。选中使用指数关联复选框可
确保 sigma 参数为正。
108 以 X 拟合寿命 第4章
“以 X 拟合寿命”报表 可靠性和生存方法

图 4.20 在 “以 X 拟合寿命”启动窗口中指定定制关系

选择确定后,将创建位置和尺度变换并包含在 “估计值”报表部分的底部。

图 4.21 定制关系的 Weibull 估计值和公式

有关如何使用定制变换的示例,请参见第 111 页的 “定制关系示例”。类似于第 88 页的 ““以


X 拟合寿命”平台的示例”(其中指定了 Arrhenius 摄氏温度关系),继续执行分析。
第4章 以 X 拟合寿命 109
可靠性和生存方法 “以 X 拟合寿命”平台选项

“以 X 拟合寿命”平台选项
通过点击报表窗口中的 “以 X 拟合寿命”红色小三角菜单可以访问以下选项:
拟合对数正态 拟合数据的对数正态分布。
拟合 Weibull 拟合数据的 Weibull 分布。
拟合对数 Logistic 拟合数据的对数 Logistic 分布。
拟合 Fréchet 拟合数据的 Fréchet 分布。
拟合指数 拟合数据的指数分布。
拟合最小极值 拟合数据的最小极值分布。
拟合正态 拟合数据的正态分布。
拟合 Logistic 拟合数据的 Logistic 分布。
拟合最大极值 拟合数据的最大极值分布。
拟合所有分布 拟合数据的所有分布。
设置时间加速基线 支持您在弹出对话框中为加速因子的说明变量输入基线值。
更改置信水平 支持您在弹出对话框中为图和统计量输入所需的置信水平。默认置信水平为 0.95。
选项卡式报表 支持您指定希望报表窗口如何显示。有两个选项可用:“选项卡式总体报表”和
“选项卡式单个报表”。默认情况下选中 “选项卡式单个报表”。您可以选择一个选项、两
个选项或不选任何选项。
显示曲面图 在报表的单个分布结果部分中显示或隐藏分布的曲面图。曲面图显示在单个分布
的 “分布”、“分位数”、“危险率”和 “密度”部分中,默认情况下显示曲面图。
显示点 在 “非参数叠加”图和 “多重概率图”中显示或隐藏数据点。默认情况下在图中显示
点。若取消选中该选项,则改为显示阶梯函数。
散点图 显示说明变量与寿命事件的散点图。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
本地数据过滤器 显示或隐藏本地数据过滤器,该过滤器使您可以过滤特定报表中使用的数据。
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。
110 以 X 拟合寿命 第4章
“以 X 拟合寿命”平台的更多示例 可靠性和生存方法

“以 X 拟合寿命”平台的更多示例
本节包含使用 “以 X 拟合寿命”平台的更多示例。

电容示例
本例使用 Capacitor ALT.jmp,该数据表位于样本数据的 Reliability 文件夹中。其中包含用于可
靠性研究的模拟数据,这些数据提供了三个温度水平下的删失观测。观测显示为温度水平 85、
105 和 125 摄氏度下的删失值。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Capacitor ALT.jmp。
2. 选择分析 > 可靠性和生存 > 以 X 拟合寿命。
3. 选择小时数并点击 Y,事件时间。
4. 选择温度并点击 X。
5. 选择删失并点击删失。
6. 保留删失代码为 1。
7. 选择频数作为频数。
8. 保留 Arrhenius 摄氏温度作为关系,并保持选定嵌套模型检验选项。
9. 将 Weibull 选作分布。
10. 将 Wald 选作置信区间方法。
图 4.22 显示了完成的启动窗口。

图 4.22 “以 X 拟合寿命”启动窗口
第4章 以 X 拟合寿命 111
可靠性和生存方法 “以 X 拟合寿命”平台的更多示例

11. 点击确定。
图 4.23 显示了 “以 X 拟合寿命”报表窗口的上半部分。

图 4.23 Capacitor ALT.jmp 数据的 “以 X 拟合寿命”报表窗口

该报表窗口显示汇总数据、诊断图、比较数据和结果,包括详细的统计学和预测刻画器。为
每个选定分布都显示单独的结果部分。每个指定分布都包含 “分布刻画器”、“分位数刻画
器”、“危险率刻画器”、“密度刻画器”和 “加速因子刻画器”。

定制关系示例
要创建以 Log( 温度 ) 为 Weibull 位置参数的二次模型以及以 Log( 温度 ) 为 Weibull 尺度参数的
对数线性模型,请执行以下步骤:
1. 选择帮助 > 样本数据库,然后打开 Reliability/Devalt.jmp。
2. 选择分析 > 可靠性和生存 > 以 X 拟合寿命。
112 以 X 拟合寿命 第4章
“以 X 拟合寿命”平台的更多示例 可靠性和生存方法

3. 选择小时数并点击 Y,事件时间,选择温度并点击 X,选择删失并点击删失,再选择权重并


点击频数。
4. 从列表中选择定制作为关系。
5. 在 μ 的输入字段中,输入 “1, log(:Temp), log(:Temp)^2”。
(1 指示截距包含在模型中。)
6. 在 σ 的输入字段中,输入 “1, log(:Temp)”。
7. 选中使用指数关联复选框。
8. 取消选中嵌套模型检验对应的复选框。
9. 在 “基线”的输入字段中,输入 10。
10. 将 Weibull 选作分布。
图 4.24 显示了使用定制选项的完成的启动窗口。

注意:没有为非常数尺度模型选中“嵌套模型检验”复选框。该选项不支持嵌套模型检验
结果。

11. 点击确定。

图 4.24 在 “以 X 拟合寿命”启动窗口中指定定制关系

图 4.25 显示了位置和尺度变换,这些变换随后创建并包含在 “估计值”报表部分的底部。


类似于第 88 页的““以 X 拟合寿命”平台的示例”(其中指定了 Arrhenius 摄氏温度关系),
继续执行分析。
第4章 以 X 拟合寿命 113
可靠性和生存方法 “以 X 拟合寿命”平台的更多示例

图 4.25 定制关系的 Weibull 估计值和公式


114 以 X 拟合寿命 第4章
“以 X 拟合寿命”平台的更多示例 可靠性和生存方法
第5章
累积损坏
对具有可变应力的产品随时间劣化建模

累积损坏模型(其中包括步进应力模型)支持您分析应力水平可能随时间变化的加速寿命试验。
许多不同的力(负载、温度和压力)都可以构成应力。典型的累积损坏实验包含多个检验单元。
每个单元都有一个初始应力水平,在整个实验过程中都可以更改该应力水平。响应是失效时间
或事件时间。该平台绘制失效事件,并支持您用多个分布拟合您的数据。

图 5.1 “累积损坏”报表的示例
116 累积损坏 第5章
“累积损坏”平台概述 可靠性和生存方法

“累积损坏”平台概述
累积损坏实验 (亦称变动应力实验)是应力水平可随时间变化的加速寿命试验。许多不同的力
(负载、温度和压力)都可以构成应力。典型的累积损坏实验包含多个检验单元。每个单元都有
一个初始应力水平,可以在整个实验过程中更改该应力水平。
最常见的累积损坏实验是步进应力实验。步进应力实验使用应用了不同应力水平的多个单元。
可使用温度、压力或电压之类的因子构成应力。每个单元都有一个初始应力水平。在指定的时
间点,基于不同的应力水平模式调整应力水平。在两次应力水平变化期间,应力水平保持不变。
“累积损坏”平台还包括另外三种变动应力模式模型:
• 在序进应力实验中,应力水平在起始值处开始,然后按指定的斜率随时间线性增加。
• 在正弦曲线应力实验中,应力水平以正弦波定义的周期方式波动。
• 在分段序进应力实验中,在指定时间点定义应力水平,这类似于步进应力的情况。不过,不
要求应力水平在时间点之间保持不变。应力水平在时间点之间从开始应力水平线性改变为结
束应力水平。若有一对开始和结束应力水平相等,则区间等同于步进应力区间。
有关变动应力和步进应力模型的详细信息,请参见 Nelson (2004, Ch. 10)。

“累积损坏”平台的示例
在不同的应力条件下对 40 个检验单元进行了步进应力实验。您的目标是在给定应力水平 0.75 的
前提下,估计在 10,000 这个时间单位时的失效概率。这些数据表基于 Nelson (2004, Ch. 10) 中
的数据。
Reliability/CD Step Stress Pattern.jmp 数据表包含名为模式 ID 的列,该列标识四种不同的应力
模式。特定步的应力水平是电压与厚度之比。(请注意,这两列是隐藏的。)每种压力模式的厚
度都保持不变。不过,电压设置为不同水平并在每种模式中增高。
Reliability/CD Step Stress.jmp 数据表包含失效时间数据。
1. 选择帮助 > 样本数据库,然后打开 Reliability/CD Step Stress.jmp 和 Reliability/CD Step
Stress Pattern.jmp。
CD Step Stress 表包含失效时间数据:
‒ 时间列提供失效时间。
‒ 模式 ID 列标识应力模式。
‒ 删失列指示失效时间是精确时间还是删失时间。
表中每行都对应一个检验单元。
CD Step Stress Pattern 表包含四种应力模式 (标识为 1 到 4)。应力因子应力的水平在模式
ID 列的每个值内各有不同。持续时间列表示应力因子的特定水平持续了多少个时间单位。
第5章 累积损坏 117
可靠性和生存方法 “累积损坏”平台的示例

2. 选择分析 > 可靠性和生存 > 累积损坏。


启动窗口有两个部分:一个针对失效时间数据 (事件时间),另一个针对应力模式数据 (应
力模式)。
3. 点击 “事件时间”面板中的选择表。
将显示 “事件时间数据表”窗口,该窗口提示您指定失效时间数据所在的数据表。
4. 选择 CD Step Stress,然后点击确定。
该表中的列现在填充 “事件时间”面板中的选择列列表。
5. 选择时间,然后点击事件时间。
6. 选择删失并点击删失。
7. 为模式 ID 选择模式 ID。
8. 点击 “应力模式”面板中的选择表。
9. 选择 CD Step Stress Pattern,然后点击确定。
该表中的列现在填充 “应力模式”面板中的选择列列表。
10. 选择持续时间,然后点击应力持续时间。
11. 选择应力,然后点击应力。
12. 选择模式 ID,然后点击模式 ID。
13. 点击确定。
118 累积损坏 第5章
“累积损坏”平台的示例 可靠性和生存方法

图 5.2 事件图和应力模式图

图 5.2 显示包含事件图和定义的应力模式图的初始报表。全部四种应力模式都沿着前 40 个时
间单位快速提升应力水平,这之后它们的提升速度显著不同。
14. 从 “累积损坏”红色小三角菜单中选择全部拟合。

图 5.3 “模型列表”报表

图 5.3 显示 “模型列表”报表。从该报表中,您可以确定最佳拟合分布是 “指数”分布。


15. 在 “结果”报表中,滚动至 “指数”报表。
16. 在 “分布刻画器”报表中,将应力的当前值设置为 0.75。
17. 将时间的当前值设置为 10000。
第5章 累积损坏 119
可靠性和生存方法 “累积损坏”平台的示例

图 5.4 采用指定设置的指数分布的分布刻画器

图 5.4 显示在 10000 个时间单位时,处于稳定不变应力 (0.75)下的某个检验单元的失效预


测概率为 0.007233, 95% 置信区间介于 0.00137 到 0.03776 之间。
120 累积损坏 第5章
启动 “累积损坏”平台 可靠性和生存方法

启动 “累积损坏”平台
通过选择分析 > 可靠性和生存 > 累积损坏来启动 “累积损坏”平台。您必须为 “累积损坏”平
台提供两个数据表作为输入。第一个数据表提供待检验的每个单元的事件时间数据。第二个数
据表定义用于每个单元的应力模式。

图 5.5 “累积损坏”启动窗口

该启动窗口为每种步进应力数据格式都提供了一个单独的选项卡。有关各种应力模式的详细信
息,请参见第 122 页的 “应力模式”。
每个步进应力格式选项卡都包含两个面板,用于指定模型变量:
• “事件时间”面板对所有步进应力格式都是相同的。该面板类似于 “以 X 拟合寿命”平台启
动窗口。
• “应力模式”面板用于描述应力类型。因此,其格式取决于选定的步进应力选项卡。
第5章 累积损坏 121
可靠性和生存方法 启动 “累积损坏”平台

事件时间
“累积损坏”启动窗口中的 “事件时间”面板包含以下选项:
事件时间 标识事件时间 (如,失效时间)或删失时间。对于区间删失,您的数据表应包含两
列,分别提供每个单元的失效时间的下限和上限。输入两个删失列作为 “事件时间” 。有
关删失的详细信息,请参见 “寿命分布”一章中第 35 页的 “事件图”。
删失 标识右删失观测。从 “选择列”列表下方的 “删失代码”菜单中选择用于标识右删失观
测的值。仅当输入一个 Y 时才使用 “删失”列。
频数 标识有多个单元时的频数或观测计数。若值为 0 或正整数,则这个值表示具有给定行设
置的频数或观测计数。
模式 ID 包含的值用于指定 “应力模式”数据表中用于给定行的应力模式。
删失代码 选择 “删失”列后,从列表中选择指定右删失观测的值。缺失值会从分析中排除。
JMP 尝试检测删失代码并将其显示在列表中。
关系 确定事件与应力因子之间的关系。表 5.1 定义每种关系的模型。

表 5.1 关系模型选项

关系 模型

Arrhenius 摄氏温度 μ = b0 + b1 * 11605 / (X+273.15)

Arrhenius 华氏温度 μ = b0 + b1 * 11605 / ((X + 459.67)/1.8)

Arrhenius 绝对温度 μ = b0 + b1 * 11605/X

逆幂 (默认) μ = b0 + b1 * log(X)

线性 μ = b0 + b1* X

对数 μ = b0 + b1 * log(X)

Logit μ = b0 + b1 * log(X/(1-X))

倒数 μ = b0 + b1/X

平方根 μ = b0 + b1 * sqrt(X)

Box-Cox μ = b0 + b1 * BoxCox(X)

定制 用户定义 (仅在 “步进应力”面板中可用。)


122 累积损坏 第5章
启动 “累积损坏”平台 可靠性和生存方法

BoxCox(X) 变换定义如下:


 yλ – 1
(λ)  i -
y i =  --------------
λ
若 λ≠0

 ln ( y i ) 若 λ= 0

若选择定制,则出现更多控件,要求您通过定义“定制”变换对寿命事件和应力因子之间的
关系建模。
若想要对模型使用“定制”关系,请参见“以 X 拟合寿命”一章中第 107 页的“定制关系”。
分布 指定初始的失效时间分布。从 Weibull、 Lognormal、 Loglogistic、 Fréchet 或 “指数”
中进行选择。 Weibull 是默认设置。有关分布的详细信息,请参见 “寿命分布”一章中第
70 页的 “分布”。

应力模式
使用第二个面板指定实验中使用的应力模式。

步进应力模式

步进应力模式的应力水平可在任意时间点变化。必须以时间升序指定每个应力步的持续时间及
关联的应力水平。
“步进应力”选项卡中的 “应力模式”面板包含以下选项:
应力持续时间 包含每个应力步的按时间单位计量的长度的列。
应力 包含应力设置水平的列。
模式 ID 包含应力模式的唯一标识符的列。使用该列可将 “应力模式”数据表中的应力模式与
“事件时间”数据表中的观测进行匹配。
模式持续 指定如何处理在定义的应力模式中的最终时间期间后出现的失效。该面板包含以下
选项:
终止 在定义的应力模式中的最终时间期间之后某个时间出现的失效将生成错误,导致模
型无法拟合。
扩展 对于在定义的应力模式中的最终时间期间之后某个时间出现的失效,其采用与最终
时间期间中的水平相同的应力水平。
重复 在定义的应力模式中的最终时间期间之后某个时间出现的失效采用相同的应力水
平,就如同重复使用该应力模式一样。例如,若在定义的应力模式中的最终时间期间之
后 10 个时间单位出现失效,则该失效时间的应力水平设置为定义的应力模式开始之后
10 个时间单位时的应力水平。

注意:“步进应力模式”的默认 “模式持续”设置为 “终止”。


第5章 累积损坏 123
可靠性和生存方法 启动 “累积损坏”平台

序进应力模式

序进应力模式将应力定义为时间的线性函数。通过截距 (时间为 0 时的应力水平)和斜率 (每


一时间单位应力水平的增长)来定义每个模式。每个模式都在应力模式数据表中的一行内说明。
截距 包含每个模式的截距的列。
斜率 包含每个模式的斜率的列。
模式 ID 包含应力模式的唯一标识符的列。使用该列可将 “应力模式”数据表中的应力模式与
“事件时间”数据表中的观测进行匹配。

正弦曲线应力模式

正弦曲线应力模式将应力定义为一个周期函数。该模式通过水平、振幅、周期和相位来定义。每
个模式都在应力模式数据表中的一行内说明。模式定义如下:
S(t) = 水平 + 振幅 * sin( 相位 + (2*π*t) / 周期 )
水平 包含每个模式的水平的列。
振幅 包含每个模式的振幅的列。
周期 包含每个模式的周期的列。
相位 包含每个模式的相位的列。
模式 ID 包含应力模式的唯一标识符的列。使用该列可将 “应力模式”数据表中的应力模式与
“事件时间”数据表中的观测进行匹配。

分段序进应力模式

分段序进应力模式将应力定义为时间的分段线性函数。应力水平的线段在跨越时间上既可断
开,也可连续。线段还可以是扁平的,这样即可将步进应力和序进应力合并起来。在应力模式
数据表中,通过线段的持续时间和应力设置的开始和结束水平来定义线段。
应力持续时间 包含每个应力步的按时间单位计量的长度的列。
应力斜坡 包含步开始和结束时的应力水平的两列。
模式 ID 包含应力模式的唯一标识符的列。使用该列可将 “应力模式”数据表中的应力模式与
“事件时间”数据表中的观测进行匹配。
模式持续 使用 “模式持续”面板,您可以指定在定义的应力模式中的最终时间期间之后出现
的应力水平。该面板包含以下选项:
终止 在定义的应力模式中的最终时间期间之后某个时间出现的失效将生成错误,导致模
型无法拟合。
扩展 对于在定义的应力模式中的最终时间期间之后某个时间出现的失效,其采用与最终
时间期间中的水平相同的应力水平。
124 累积损坏 第5章
“累积损坏”报表 可靠性和生存方法

重复 在定义的应力模式中的最终时间期间之后某个时间出现的失效采用相同的应力水
平,就如同重复使用该应力模式一样。例如,若在定义的应力模式中的最终时间期间之
后 10 个时间单位出现失效,则该失效时间的应力水平设置为定义的应力模式开始之后
10 个时间单位时的应力水平。

注意:“分段序进应力模式”的默认 “模式持续”设置为 “终止”。

“累积损坏”报表
点击 “确定”后,“累积损坏”报表窗口随即出现。默认情况下,“累积损坏”报表包含一个事
件图、一个应力模式报表、一个模型列表和模型结果。

事件图
累积损坏中的事件图显示失效时间或删失。详细信息,请参见 “寿命分布”一章中第 35 页的
“事件图”。

“应力模式”报表
“应力模式”报表为每个应力模式 ID 显示一段时间内的应力水平图。该报表中的 “模拟”选项
支持您模拟新数据。图 5.6 显示“应力模式”报表图的示例。请参见第 125 页的“应力模式选项”。

图 5.6 “应力模式”报表

模型列表
“模型列表”报表为每个拟合分布都提供 -2 对数似然、参数个数、AICc 和 BIC 统计量。这些统
计量 (参数个数除外)中的较小值指示拟合效果更好。有关这些统计量的更多详细信息,请参
见 《拟合线性模型》手册中的 “统计详细信息”附录。
第5章 累积损坏 125
可靠性和生存方法 “累积损坏”平台选项

模型结果
“结果”报表为每个拟合分布提供单独的报表。每个报表都包含以下信息:
参数估计值 显示估计值、标准误差和基于 Wald 的 95% 置信区间。
拟合方程显示在 “参数估计值”表的下方。该方程考虑到拟合参数估计值以及在启动窗口
中指定的关系。
分布刻画器 将累积失效概率显示为时间的函数。
分位数刻画器 将失效时间显示为累积概率的函数。
“危险率”刻画器 将危险率显示为时间的函数。
“密度”刻画器 显示分布的密度函数。
Cox-Snell 残差 P-P 图 显示用于验证数据的分布假设的残差图。
“Cox-Snell 残 差 P-P 图”红 色 小 三 角 菜 单 提 供 一 个 “保 存 残 差”选 项,该 选 项 可 将
Cox-Snell 残差保存到失效时间数据表中的三个新列。这三列分别为“左残差”、“右残差”
和 “残 差 权 重” 。有 关 Cox-Snell 残 差 的 讨 论,请 参 见 Meeker and Escobar (1998,
sec. 17.6.1)。

“累积损坏”平台选项
“累积损坏”红色小三角菜单包含以下选项:
全部拟合 拟合在启动窗口中未选定的分布。可用分布列在第 122 页的 “分布”下方。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
本地数据过滤器 显示或隐藏本地数据过滤器,该过滤器使您可以过滤特定报表中使用的数据。
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。

应力模式选项
“应力模式”红色小三角菜单包含 “模拟”选项,该选项显示或隐藏 “模拟配置”面板。
126 累积损坏 第5章
“累积损坏”平台选项 可靠性和生存方法

“模拟”控制面板

图 5.7 显示 “模拟配置”面板。“分布”的初始值和参数设置由 “累积损坏”启动窗口中指定


的分布的参数估计值确定。该图为 “应力模式”数据表中定义的应力模式显示一段时间内的估
计失效分布函数。

图 5.7 “模拟配置”面板

“模拟配置”面板支持您基于分布和应力模式模拟新失效时间数据。平台启动时使用的 “应力
模式”数据表中所定义的应力模式也用于模拟。该面板包含以下选项:
分布 要用于模拟的分布。可用的分布与 “累积损坏”启动窗口中的分布相同。有关分布的详
细信息,请参见 “寿命分布”一章中第 70 页的 “分布”。
b0 分布的位置参数的截距。
b1 分布的位置参数的斜率。
lambda (仅适用于 BoxCox 关系。)BoxCox 关系的 lambda 值。
b2、 s0、 s1 等 (仅适用于 “定制”关系。 )其他参数在 “累积损坏”启动窗口的 “定制”
关系中定义。
Beta (仅适用于 Weibull 分布。)Weibull 分布的 Beta 参数。
sigma (仅适用于对数正态、对数 Logistic 和 Fréchet 分布。)分布的 sigma 参数。
每种模式 N 个 在每种应力模式的模拟中生成的点数。
随机种子 (可选)确保再现模拟结果的非零随机种子。
终止 (当 “累积损坏”启动窗口中的指定 “模式持续”为 “终止”时不可用。 )一个时间,
超过该时间生存检验单元即删失。

模拟
“模拟配置”面板中的这个图为一段时间内的每种应力模式显示隐含分布。点击 “模拟”按钮
可生成包含模拟结果的新的 JMP 数据表。
第5章 累积损坏 127
可靠性和生存方法 “累积损坏”平台的更多示例

“累积损坏”平台的更多示例
本节包含使用 “累积损坏”平台的更多示例。

示例:模拟新数据
本例演示如何使用 “累积损坏”报表窗口中的 “模拟配置”面板生成新的步进应力数据。本例
使用与第 116 页的 ““累积损坏”平台的示例”中示例相同的数据。
1. 选择帮助 > 样本数据库,然后打开 Reliability/CD Step Stress.jmp 和 Reliability/CD Step
Stress Pattern.jmp。
2. 在 CD Step Stress 数据表中,运行脚本累积损坏。
3. 在 “应力模式”红色小三角菜单中,选择模拟。

图 5.8 “模拟配置”面板

“模拟配置”面板显示在 “应力模式”报表中。选择的 “分布”是 Weibull。 b0 和 b1 的拟


合值用作模拟的初始值。
4. 为分布选择 “指数”。
5. 为 b0 输入 10。
6. 为 b1 输入 -18。
7. (可选)为随机种子输入 14678。
8. 点击模拟。
128 累积损坏 第5章
“累积损坏”平台的更多示例 可靠性和生存方法

图 5.9 模拟的部分结果

图 5.9 显示了模拟数据表的部分列表。模式 ID 为 1 的应力模式仅定义了至多 145 个时间单


位。由于启动窗口中的 “模式配置”设置设置为 “终止” ,针对应力模式 1,模拟将删失
145 处的所有模拟值。
第6章
复发分析
对随时间复发事件的频数或成本建模

“复发分析”平台可像其他可靠性和生存平台那样分析事件时间,但是这些事件对于每个单元可
多次出现。通常情况下,在某个单元发生故障,接受维修,维修后重新投入使用时就会发生这
些事件。
这些单元会被跟踪,直到其停止使用。同样,复发分析可用于分析长期疾病持续治疗的数据,比
如接受治疗的膀胱癌患者肿瘤复发的数据。分析目标是要获取 MCF (平均累积函数),它显示
作为时间函数的每单元总成本。成本可以只是维修次数,或者是实际的维修成本。

图 6.1 复发分析示例
130 复发分析 第6章
复发分析概述 可靠性和生存方法

复发分析概述
再现事件数据涉及随单元老化而进行的维修的累积频数或成本。在 JMP 中,“复发分析”平台
分析再现事件数据。
复发分析数据中每一行对应一个观测的事件,末行包含最后观测到的单元龄。可以包含任意数
目的单元或系统。此外,这些单元或系统还可包含任意数目的再现。

“复发分析”平台的示例
典型单元可以是一个系统,如发动机或装置的组件。例如,考虑样本数据表 Engine Valve
Seat.jmp,它记录了机车发动机中的气门座更换情况。请参见 Meeker and Escobar (1998, p. 395)
和 Nelson (2003)。图 6.2 列出了该数据的部分内容。发动机 ID 列标识特定的机车单元。寿命是
从发动机气门座投入使用直到被更换之间的天数。请注意,一个发动机可对应多个行,这些行
包含对应于多次维修的发动机各次更换时的寿命及其成本。在此,成本 =0 指示最后观测到的机
车寿命。

图 6.2 “Engine Valve Seat”数据表的部分视图

按照图 6.5 所示完成启动对话框。


当您点击确定后,“再现”平台将显示图 6.3 和图 6.4 中的报表。 MCF 图显示样本平均累积函
数。对于每个寿命,它是平均累积成本的非参数估计值或每单元事件数。该函数随单元老化和
总成本增加而增长。图 6.3 中的图显示平均一次维修事件大约能维持单元工作 580 天。
第6章 复发分析 131
可靠性和生存方法 “复发分析”平台的示例

图 6.3 复发分析的 MCF 图和部分表内容

图 6.4 中的事件图显示了每个单元的时间线。每次维修时都有相应的标记,每条线都延伸到该单
元最后观测到的寿命。例如,最后观测到单元 409 是在 389 天时,此时已经更换三次气门。
132 复发分析 第6章
“复发分析”平台的示例 可靠性和生存方法

图 6.4 气门座更换的事件图
第6章 复发分析 133
可靠性和生存方法 启动 “复发分析”平台

启动 “复发分析”平台
通过选择分析 > 可靠性和生存 > 复发分析来启动 “复发分析”平台。

图 6.5 “复发分析”启动对话框

Y, 寿命 , 事件时间戳 指定事件发生时的单元寿命或事件时间戳。若 Y 列为事件时间戳,则您


必须指定开始和结束时间戳,以便 JMP 计算寿命。
标签,系统 ID 标识每个事件和删失寿命的单元。
成本 标识必须包含以下值之一的列:
‒ 1,指示已出现某个事件 (单元失效或经过维修、更换或调整) 。指定指示符 (1) 后,
MCF 即成为作为寿命的函数的每单元平均累积事件数。
‒ 事件成本 (维修、更换或调整的成本)。指定成本后, MCF 即成为作为寿命的函数的
每单元平均累积成本。
‒ 0,指示单元停止使用,或者不再是研究对象。所有单元 (每个系统 ID)在该列中都必
须有一个包含 0 的行,并且 Y, 寿命 , 事件时间戳列包含最后的观测寿命。若每个单元在
该表中并不是只有一个最后观测寿命(其中“成本”列单元格为 0),则会显示错误消息。

注意:复发分析的成本指示符正好与寿命分布或生存分析中显示的删失指示符相反。对于成
本变量,值为 1 指示某个事件 (如维修);值为 0 指示该单元已停止使用。对于删失变量,
值为 1 指示删失值,值为 0 指示该单元发生的事件或失效 (非删失值)。

分组 为该列标识的不同组生成单独的 MCF 估计值。


134 复发分析 第6章
“复发分析”平台选项 可靠性和生存方法

原因 指定多个失效模式。
开始时间戳 指定包含原始时间戳的列。若您将开始时间作为事件记录,请改为选择第一个事
件是开始时间戳选项。 JMP 会减去该列中的值来计算寿命。
结束时间戳 指定包含服务结束时间戳的列。若为所有单元都指定了结束时间,则在此指定该
列。若没有为所有单元都指定结束时间,则改为指定默认结束时间戳选项。但若您有某条
记录中的 “成本”等于 0, JMP 会将该记录用作结束时间戳,您无需指定该角色。
寿命尺度 指定用于建模的时间单位。例如,若您的时间戳以秒编码,您可以将其改为小时。

“复发分析”平台选项
以下选项包含在平台红色小三角菜单中:
MCF 图 切换 MCF 图的显示或隐藏。
MCF 置信限 切换与 MCF 的近似 95% 置信限对应的线条的显示或隐藏。
事件图 切换事件图的显示或隐藏。
标绘 MCF 差值图 若您具有分组变量,该选项会创建 MCF 差值图,包括该差值的 95% 置信区
间。当置信区间线没有与零线相交时, MCF 存在显著差异。仅当您指定分组变量时,该选
项才可用。
MCF 图 (每个组) 为分组变量每个水平生成 MCF 图。仅当您指定分组变量时,该选项才可用。
若还将标签 , 系统 ID 变量指定为分组变量,该选项可用于获取每个单元的 MCF 图。
拟合模型 用于拟合再现强度和累积函数的模型。请参见第 134 页的 “拟合模型”。

拟合模型
“拟合模型”选项用于拟合再现强度和累积函数的模型。有四种模型可用于描述强度和累积函
数。您拟合的模型可以具有常数参数,也可以具有作为效应的函数的参数。
从平台红色小三角菜单中选择 “拟合模型”,生成图 6.6 所示的 “再现模型规格”窗口。
第6章 复发分析 135
可靠性和生存方法 “复发分析”平台选项

图 6.6 再现模型规格

您可以选择具有以下强度和累积函数的四种模型之一:
幂非齐次 Poisson 过程
β–1
I(t) =  β
---  --t-
 θ  θ

β
C(t) =  --t-
 θ

比例强度 Poisson 过程

I(t) = δt δ – 1 e γ

C(t) = t δ e γ

对数线性非齐次 Poisson 过程

I(t) = e γ + δt

C(t) = I(t) – I(0) e γ + δt – e γ


----------------------- = --------------------------
δ δ
136 复发分析 第6章
“复发分析”平台选项 可靠性和生存方法

齐次 Poisson 过程

I(t) = e γ

C(t) = te γ

其中, t 是产品的寿命。
表 6.1 将每个模型参数定义为尺度参数或形状参数。

表 6.1 尺度和形状参数

模型 尺度参数 形状参数

幂 NHPP θ β

比例强度 PP γ δ

对数线性 NHPP γ δ

齐次 PP γ 无

请注意以下事项:
• 对于 “再现模型规格”窗口 (图 6.6),若您包括尺度效应或形状效应,则表 6.1 中的尺度
和形状参数将建模为效应函数。要拟合具有常数尺度和形状参数的模型,请不要包含任何尺
度效应或形状效应。
• 与其他模型相比,“齐次 Poisson 过程”是一个特例。对于单项模型而言,“幂 NHPP”和
“比例强度 Poisson 过程”是等价的;但对于复杂模型而言,比例强度模型看起来具有更可
靠的拟合。
点击运行模型可拟合模型并查看模型报表 (图 6.7)。

图 6.7 模型报表

该报表的红色小三角菜单包含以下选项:
刻画器 启动显示强度和累积函数的刻画器。
边缘效应 为分类效应的每个水平计算参数函数,而将其他效应保留为中性值。这有助于您查
看参数函数在不同分组之间有哪些差异。仅当您指定分类效应时,该选项才可用。
检验齐性 检验过程是否具有齐性。该选项不可用于 “齐次 Poisson 过程”模型。
第6章 复发分析 137
可靠性和生存方法 “复发分析”平台的更多示例

效应似然比检验 为模型中的每个效应生成一个检验。该选项仅在模型中包含效应时才可用。
特定的强度和累积 计算与特定时间和效应值关联的强度和累积值。置信区间是边侧似然区间。
特定的累积时间 计算与特定再现次数和效应值关联的时间。
保存强度公式 将强度公式保存至数据表。
保存累积公式 将累积公式保存至数据表。
删除拟合 删除模型报表。

“复发分析”平台的更多示例
以下是关于 “复发分析”平台的更多示例。

膀胱癌复发示例
样本数据文件 Bladder Cancer.jmp 包含来自“退伍军人管理局合作泌尿外科研究组”(Veteran’s
Administration Co-operative Urological Research Group) 的 膀 胱 肿 瘤 复 发 数 据。请 参 见
Andrews and Herzberg (1985, table 45)。所有患者都患有浅表性膀胱肿瘤,在加入试验后即摘
除了肿瘤。每位患者随后被分配到三个治疗组中的一个:安慰剂药丸、吡哆醇 (维生素 B6)药
丸或用三胺硫磷进行周期性化疗。下面的肿瘤复发分析探索了疾病的进展,以及三种治疗之间
是否存在差异。
使用图 6.8 所示的选项启动该平台。
138 复发分析 第6章
“复发分析”平台的更多示例 可靠性和生存方法

图 6.8 “Bladder Cancer”启动窗口

图 6.9 显示了三种治疗的 MCF 图。

图 6.9 “Bladder Cancer”的 MCF 图

请注意,全部三条 MCF 曲线本质上都是直线。因此,斜率 (再现的比率)不随时间变化,这


意味着患者看起来不随着疾病进展而变好或变坏。
第6章 复发分析 139
可靠性和生存方法 “复发分析”平台的更多示例

要检查治疗之间是否有差异,请从平台红色小三角菜单中选择标绘 MCF 差值图命令,以获取以


下各图。

图 6.10 MCF 差值

要确定治疗之间是否在统计上存在显著差异,请检查差值图上的置信限。若限值不包括 0,则治
疗明确地存在差异。图 6.10 中的图形显示治疗之间不存在显著差异。
140 复发分析 第6章
“复发分析”平台的更多示例 可靠性和生存方法

Diesel Ship Engines 示例

样本数据表 Diesel Ship Engines.jmp 包含关于延长服务期的两艘船(Grampus4 和 Halfbeak4)


的发动机维修时间的数据。请参见 Meeker and Escobar (1998)。您想要检查维修进度,了解将
来经过多久就需要一次维修。这些观测可以帮助您决定应该何时让发动机停止服务。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Diesel Ship Engines.jmp。
2. 选择第 57 行和第 129 行,然后选择行 > 排除 / 撤销排除。
3. 选择分析 > 可靠性和生存 > 复发分析。
4. 按照图 6.11 所示完成启动窗口。

图 6.11 “Diesel Ship Engines”启动窗口

5. 点击确定。
第6章 复发分析 141
可靠性和生存方法 “复发分析”平台的更多示例

图 6.12 “Diesel Ship Engines”报表

通过查看事件图,您可以看到对 Grampus4 发动机的维修次数相对较一致。对 Halfbeak4 发动


机的维修只是偶尔发生,但看起来在 19,000 小时标记处出现了维修峰值。该峰值在 MCF 图中
甚至更为明显。
继续您的分析,通过拟合参数模型来帮助预测将来的性能。
6. 从 “复发分析”旁边的红色小三角菜单中选择拟合模型。
7. 在 “复发模型规格”中,选择对数线性非齐次 Poisson 过程。
8. 添加系统 ID 列,同时作为 “尺度效应”和 “形状效应”。
9. 点击运行模型。
142 复发分析 第6章
“复发分析”平台的更多示例 可靠性和生存方法

图 6.13 “Diesel Ship Engines”拟合模型

10. 从 “拟合的再现模型”旁边的红色小三角菜单中选择刻画器。
第6章 复发分析 143
可靠性和生存方法 “复发分析”平台的更多示例

图 6.14 “Diesel Ship”刻画器

比较 Grampus4 与 Halfbeak4 发动机的将来维修次数。更改事件时间值以查看对将来累积维修


次数的影响。
• 要查看在使用 30,000 个小时后需要多少次维修,请为事件时间输入 30,000。Grampus4 发动
机将需要大约 114 次维修。要查看 Halfbeak4 的值,请点击虚线,并将其从 Grampus4 拖至
Halfbeak4。 Halfbeak4 发动机将需要大约 140 次维修。
• 要查看在使用 80,000 个小时后需要多少次维修,请为事件时间输入 80,000。Halfbeak4 发动
机将需要大约 248,169 次维修。点击虚线,并将其从 Halfbeak4 拖至 Grampus4。Grampus4
发动机将需要大约 418 次维修。
您可以得出结论:Halfbeak4 发动机将来需要的维修次数明显多于 Grampus4 发动机。
144 复发分析 第6章
“复发分析”平台的更多示例 可靠性和生存方法
第7章
退化
对产品随时间劣化建模

使用 “退化”平台,您可以分析退化数据以预测伪失效时间。随后可在其他可靠性平台中分析
这些伪失效时间,以便估计失效分布。
可以对线性和非线性退化路径建模。您还可以执行稳定性分析,这在设置医药产品失效日期时
很有用。

图 7.1 退化分析示例
146 退化 第7章
“退化”平台概述 可靠性和生存方法

“退化”平台概述
在可靠性分析中,主要目标是对所研究产品的失效时间建模。在许多情况下,由于产品随时间
退化 (弱化)就会出现这些失效。但有时并不出现失效。在这些情况下,对产品随时间退化建
模有助于预测失效时间。
“退化”平台可对遵从线性或非线性退化路径的数据建模。若路径是非线性的,则可以使用变换
使路径线性化。若不能线性化路径,您可以指定非线性模型。
您还可以使用 “退化”平台执行稳定性分析。可拟合三种线性模型,并估计失效日期。稳定性
分析用于设置医药产品的失效日期。

“退化”平台的示例
本例使用 Meeker and Escobar (1998) 中的 GaAs Laser.jmp 数据表,其中包含几台砷化镓激光
器的工作电流增量百分比的测量值。当增量百分比达到 10% 时,激光器即被视为已失效。
1. 选择帮助 > 样本数据库,然后打开 Reliability/GaAs Laser.jmp。
2. 选择分析 > 可靠性和生存 > 退化。
3. 选择电流并点击 Y,响应。
4. 选择小时数并点击时间。
5. 选择单元并点击标签,系统 ID。
6. 在上规格限文本框中键入 10。
7. 点击确定。
第7章 退化 147
可靠性和生存方法 “退化”平台的示例

图 7.2 初始退化报表

图 7.2 显示初始 “退化”报表。叠加图显示数据中的每个单元的时间测量值 - 电流测量值。电


流 = 10 处的水平线对应于 10% 处的上规格限。值高于该限值的单元被视为已失效。到研究的末
期, 15 个单元中有 3 个达到了这一点。“逆预测”分级显示项根据您指定的模型显示每个单元
失效时的预测小时数值。
148 退化 第7章
启动 “退化”平台 可靠性和生存方法

默认模型使用线性变换为每个单元拟合单独的斜率和截距。您可以使用 “模型规格”分级显示
项拟合其他模型。
图 7.2 中的 “残差图”选项卡根据您指定的模型显示残差。上图显示针对小时数标绘的所有单
元的残差,全部叠加在一张图上。下图在一个矩形阵列中显示分别对应每个单元的单独残差图。

启动 “退化”平台
通过选择分析 > 可靠性和生存 > 退化来启动 “退化”平台。图 7.3 显示了使用 GaAs Laser.jmp
数据表 (位于 Reliability 文件夹下)的 “退化”启动窗口。

图 7.3 “退化”启动窗口

启动窗口拆分为三个选项卡,表示三种不同类型的分析:
重复测量退化 执行线性或非线性退化分析。该选项仅允许使用一个 “Y,响应”变量。不允
许删失。
破坏性退化 若单元在测量过程中遭到破坏,则选择该分析类型。该选项允许删失。详细信息,
请参考第 168 页的 “破坏性退化”。

注意:“破坏性退化”平台为破坏性检验提供一系列灵活的预定义模型。请参见第 175 页的
“破坏性退化”一章。

稳定性检验 为设置医药产品的失效日期执行稳定性分析。该选项仅允许使用一个 “Y,响应”


变量。有关稳定性分析的详细信息,请参考第 173 页的 “稳定性分析”。
启动窗口包含以下选项:
Y,响应 分配包含退化测量值的列。
时间 分配包含时间值的列。
第7章 退化 149
可靠性和生存方法 退化报表

X (仅限 “重复测量退化”选项卡和 “破坏性退化”选项卡)分配说明变量。


标签,系统 ID (仅限 “重复测量退化”选项卡和 “稳定性检验”选项卡)分配用于指定单元
ID 的列。
频数 分配提供每行频数的列。
删失 (仅限 “破坏性退化”选项卡)分配指定单元是否删失的列。
依据 分配一个变量,以便为该变量的每个水平生成单独的分析。
删失代码 (仅限 “破坏性退化”选项卡)指定 “删失”列中用于指定删失的字符串或值。默
认情况下,该值为 1。
上规格限 分配上规格限。(除 “稳定性检验”选项卡外均可选。)
下规格限 分配下规格限。(除 “稳定性检验”选项卡外均可选。)
删失时间 (仅限“重复测量退化”选项卡和“稳定性检验”选项卡)分配在您使用“逆预测”
时表示伪失效删失的时间值。请参见第 161 页的 “逆预测”。

退化报表
“重复测量退化”方法和 “破坏性退化”方法显示拟合默认模型的报表。如图 7.4 中的 “模型
规格”分级显示项所示,该模型通过响应和时间列的线性变换使用模型自己的截距和斜率拟合
每个单元。为 “标签 , 系统 ID”变量的每个值拟合单独的截距和斜率;或者,若仅指定了 X 变
量,则为 X 变量的每个水平拟合单独的截距和斜率。“稳定性检验”方法拟合三个模型。
150 退化 第7章
退化报表 可靠性和生存方法

图 7.4 “变换”分级显示项处于打开状态的初始 “重复测量退化”报表

要重现本例,请参见第 146 页的 ““退化”平台的示例”。


第7章 退化 151
可靠性和生存方法 退化报表

“重复测量退化”报表、“破坏性退化”报表和 “稳定性检验”报表包括以下信息:

叠加
“时间”变量 - “Y,响应”变量的叠加图。在本例中为小时数 - 电流图。“叠加”图红色小三角
菜单包含保存估计值选项,该选项可创建包含所有单元的估计斜率和截距的新数据表。

模型规格
指定模型并生成该模型的报表。请参见第 152 页的 “模型规格”。(仅适用于 “重复测量退化”
方法和 “破坏性退化”方法。)

“稳定性检验”分级显示项
比较模型并估计失效日期。请参见第 173 页的“稳定性分析”。(仅适用于“稳定性检验”方法。)

报表
显示三个不同模型和最佳模型的分析结果。请参见第 173 页的“稳定性分析”。(默认情况下适
用于 “稳定性检验”方法。点击 “生成当前模型的报表”后,还适用于 “重复测量退化”方法
和 “破坏性退化”方法。)

选项卡式报表
残差图 显示一个叠加了所有单元的单个残差图,以及排列在矩形网格中的分别对应每个单元
的单独残差图。该红色小三角菜单包含以下选项:
保存残差 将当前模型的残差保存到新数据表中。
随机散布 在时间方向上为点添加随机噪声。当有许多点聚集在一起时,该选项有助于直观
演示数据。
分隔组 在组之间添加间距以便直观分隔各组。仅当在平台启动窗口上指定了 X 变量时,才
显示该选项。
随机散布尺度 更改随机散布和组分隔的幅度。仅当选定 “随机散布”时才显示该选项。
逆预测 支持您预测 Y 变量达到指定值的时间。请参见第 161 页的 “逆预测”。
预测图形 允许您预测指定的 “时间”值对应的 Y 变量。请参见第 162 页的 “预测图形”。
152 退化 第7章
模型规格 可靠性和生存方法

模型规格
您可以使用 “模型规格”分级显示项指定您想要对退化数据拟合的模型。有两种模型规格:
简单线性路径 用于对线性退化路径或可变换为线性路径的非线性路径建模。有关详细信息,
请参考第 152 页的 “简单线性路径”。
非线性路径 用于对非线性退化路径 (特别是那些无法变换为线性路径的非线性路径)建模。
有关详细信息,请参考第 154 页的 “非线性路径”。
要在两种规格之间切换,请使用平台红色小三角菜单中的退化路径样式子菜单。

简单线性路径
要对线性退化路径建模,请从平台红色小三角菜单中选择退化路径样式 > 简单线性路径。
使用 “简单线性路径”模型规格可指定您想要对退化路径拟合的线性模型的形式。您可以对线
性路径或可变换为线性路径的非线性路径建模。请参见图 7.5。

图 7.5 “简单线性路径”模型规格

表 7.1 说明了用于 “简单线性路径”规格的选项。

表 7.1 “简单线性路径”选项

选项 说明

截距 使用该菜单可指定截距形式。
不同 对每个 ID 拟合不同的截距。
在组中相同 对 X 变量同一水平内的每个 ID 拟合相同的截距,但
对不同水平拟合不同的截距。
相同 对所有 ID 拟合相同的截距。
零 针对所有 ID,将截距限定为 0。
第7章 退化 153
可靠性和生存方法 模型规格

表 7.1 “简单线性路径”选项 (续)

选项 说明

斜率 使用该菜单可指定斜率形式。
不同 对每个 ID 拟合不同的斜率。
在组中相同 对 X 变量同一水平内的每个 ID 拟合相同的斜率,但
对不同水平拟合不同的斜率。
相同 对所有 ID 拟合相同的斜率。

将轴重置为线性 点击该按钮可使 “叠加”图的轴恢复其初始设置。

<Y,响应 > 变换 若针对 Y 变量的变换可使退化路径线性化,请在此选择变换(线性、


ln(x)、exp(x)、x^2、sqrt(x) 或定制)。有关“定制”选项的详细信
息,请参考第 153 页的 “定制变换”。

< 时间 > 变换 若针对 “时间”变量的变换可使退化路径线性化,请在此选择变换


(线性、ln(x)、x^2、sqrt(x) 或定制)。有关“定制”选项的详细信
息,请参考第 153 页的 “定制变换”。

生成当前模型的报表 针对当前模型设置创建一个报表。这将包括 “模型汇总”报表以及


提供参数估计值的 “估计值”报表。详细信息,请参考第 166 页的
“模型报表”。

定制变换

若需要执行并未提供的变换,可以使用 “定制”选项。例如,要使用 exp(-x2) 变换响应变量,


请按照图 7.6 中的 “尺度”框所示输入变换。此外,在 “反转尺度”框中输入逆变换。

注意:JMP 自动尝试对逆变换求解。若可以对逆变换求解,则在 “反转尺度”框中自动输入逆


变换。若无法对逆变换求解,您必须手动输入逆变换。

图 7.6 “定制”变换选项
154 退化 第7章
模型规格 可靠性和生存方法

使用文本框为变换命名。完成后,点击使用并保存按钮可应用该变换。若创建了多个定制变换,
则从菜单中选择所需的变换。点击删除按钮可删除定制变换。

非线性路径
要对非线性退化路径建模,请从平台红色小三角菜单中选择退化路径样式 > 非线性路径。若无
法使用变换将退化路径线性化,或是您想拟合数据的定制非线性模型,该选项很有用。
为便于解释 “非线性路径模型规格”,请打开 Device B.jmp 数据表。该数据包含在四个温度水
平上测量的 34 个单元的功率下降测量值。按以下步骤操作:
1. 选择帮助 > 样本数据库,然后打开 Reliability/Device B.jmp。
2. 选择分析 > 可靠性和生存 > 退化。
3. 选择功率下降值并点击 Y,响应。
4. 选择小时数并点击时间。
5. 选择摄氏度数并点击 X。
6. 选择设备并点击标签,系统 ID。
7. 点击确定。
图 7.7 显示了数据的初始叠加图。

图 7.7 “Device B”的叠加图

退化路径在开始的几百个小时呈线性,之后开始弯曲。要拟合非线性模型,请从平台红色小三
角菜单中选择退化路径样式 > 非线性路径,以显示 “非线性路径模型规格”分级显示项。请参
见图 7.8。
第7章 退化 155
可靠性和生存方法 模型规格

注意:要查看图 7.8 中显示的 “编辑”按钮,您必须选定交互式公式编辑器首选项 (文件 > 首


选项 > 平台 > 退化 > 使用交互式公式编辑器)。

图 7.8 初始 “非线性模型规格”分级显示项

创建模型的第一步是在最初标记为空的菜单上选择一个选项:
• 有关 “反应率”模型的详细信息,请参考第 155 页的 “反应率模型”。
• 有关 “恒定比率”模型的详细信息,请参考第 156 页的 “恒定比率模型”。
• 有关使用 “预测列”的详细信息,请参考第 156 页的 “预测列”。

反应率模型

当退化发生在单个化学反应中并且反应率只是温度的函数时,“反应率”选项适用。从图 7.8 所
示的菜单中选择反应率或反应率 I 型。 尽管类似于 “反应率”模型,但 “反应率 I 型”模型包
含一个偏移项,该项可更改与响应值符号相关的基本假设。
“设置”窗口提示您选择温度尺度和基线温度。基线温度用于生成参数值的初始估计值。基线温
度应该能够代表研究中使用的温度。

图 7.9 单位和基线选择

对于本例,请选择反应率,然后将 “摄氏温度”选作 “温度单位”。点击确定返回该报表。有


关 “模型规格”所有功能的详细信息,请参考第 157 页的 ““模型规格”详细信息”。
156 退化 第7章
模型规格 可靠性和生存方法

恒定比率模型

“恒定比率”选项用于针对相对于时间呈线性 (或相对于变换响应或时间后的时间呈线性)的
退化路径建模。反应率只是温度的函数。
从图 7.8 所示的菜单中选择恒定比率。“恒定比率模型设置”窗口提示您输入对 “路径”、“比
率”和 “时间”的变换。

图 7.10 恒定比率变换

一旦对每个变换做出选择,关联的公式即显示在图 7.10 所示的左下角。


做出所有选择后,点击确定返回该报表。有关“模型规格”所有功能的详细信息,请参考第 157
页的 ““模型规格”详细信息”。

预测列

“预测列”选项支持您使用存储为数据表列中的公式的定制模型。最简单的方法是在启动 “退
化”平台前创建公式列。若您想要使用 “非线性模型库”中的内置模型之一,您也可以在 “退
化”平台中创建公式列。
有关如何创建定制模型并将其存储为列公式的详细信息,请参考第 159 页的 “拟合定制模型”
或 《预测和专业建模》手册中的 “非线性回归”一章。
从显示在图 7.8 的 “表达式”区域下方的列表中选择预测列。 “模型规格”分级显示项将更改
以提示您选择包含该模型的列。
第7章 退化 157
可靠性和生存方法 模型规格

图 7.11 列选择

此时执行以下三个操作之一:
• 若您想要使用的模型已作为数据表某列中的公式存在,请在此选择相应列,然后点击确定。
您将返回 “非线性路径模型规格”。有关该规格的所有功能的详细信息,请参考第 157 页的
““模型规格”详细信息”。
• 若您想要使用的模型在数据表中不存在,您可以点击模型库按钮使用内置模型之一。有关使
用 “模型库”按钮的详细信息,请参考第 160 页的 “模型库”或 《预测和专业建模》手册
中的 “非线性回归”一章。创建模型后,从 “退化数据分析”红色小三角菜单中选择恢复 >
重新运行分析。然后,返回图 7.11 所示的列选择。选择包含该模型的列,然后点击确定。您
将返回 “非线性路径模型规格” 。有关该规格的所有功能的详细信息,请参考第 157 页的
““模型规格”详细信息”。
• 若您想要使用的模型不在数据表中,而您不想使用内置模型之一,那么您尚不能使用该模型
规格。首先,创建模型,重新启动 “退化”平台,然后返回列选择 (图 7.11)。选择包含该
模型的列,然后点击确定。您将返回 “非线性路径模型规格”。有关该规格的所有功能的详
细信息,请参考第 157 页的 ““模型规格”详细信息”。

“模型规格”详细信息

在您选定一种模型类型并提供了所需信息后,系统会让您返回 “非线性路径模型规格”窗口。

注意:要查看图 7.12 中显示的 “编辑”按钮,您必须选定交互式公式编辑器首选项 (文件 > 首


选项 > 平台 > 退化 > 使用交互式公式编辑器)。

有一个模型现在显示在使用参数语句的脚本框中。参数的初始值是从数据中估计得到的。有关创
建使用参数的模型的完整详细信息,请参考第 159 页的 “拟合定制模型”或 《预测和专业建
模》手册中的 “非线性回归”一章。
若需要,在文本框中键入名称为模型命名。对于本例,请使用名称 “Device RR”。之后,点击
使用并保存按钮进入该模型并激活其他按钮和功能。图 7.12 显示点击 “使用并保存”按钮后出
现的 “模型规格”窗口。
158 退化 第7章
模型规格 可靠性和生存方法

图 7.12 模型规格

• 拟合模型按钮用数据拟合模型。
• 按系统 ID 拟合用于按标签,系统 ID 的每个水平拟合模型。
• 删除按钮用于从模型菜单中删除模型。
• 生成当前模型的报表按钮针对当前模型设置创建报表。请参见第 166 页的 “模型报表”。
初始参数值显示在底部,同时显示滑块,用来直观演示参数的变化如何影响模型。为此,首先
从平台红色小三角菜单中选择图形选项 > 显示拟合线以便在图上显示拟合线。然后,移动参数
滑块以查看更改会如何影响拟合线。
下面是 “反应率”模型的参数 (Meeker and Escobar, 1998):
• Dinf (D ∞ ) — 渐近退化水平
• Ru (RU) — 使用温度 (tempU) 下的反应率
• Ea (Ea) — 特定反应的活化能
计算为:
D(t; temp) = D x {1-exp[-RU x AF(temp) x t]}

其中, RU 是使用温度 tempU 下的反应率, RU x AF(temp) 是常规温度 temp 下的反应率,并


且对于 temp > tempU, AF(temp) > 1

R ( temp )
- = exp Ea  --------------------------- – ---------------------- 
AF(temp) =-------------------------- 11605 11605
R ( temp U )  ( temp U K ) ( tempK ) 

其中, tempUK 和 tempK 是用 Kelvin 尺度表示的温度。


第7章 退化 159
可靠性和生存方法 模型规格

要计算参数的最优值,请点击拟合模型或按系统 ID 拟合按钮。
要固定某个参数的值,请在固定下方选中该参数对应的框。一旦固定,该参数在模型拟合过程
中将保持不变。

使用 “公式编辑器”输入模型

您可以使用 “公式编辑器”输入模型。点击编辑按钮打开 “公式编辑器” ,输入参数和模型。


有关在 “公式编辑器”中输入参数和公式的详细信息,请参见 《使用 JMP》手册中的 “公式
编辑器”一章。

注意:要查看图 7.13 中显示的 “编辑”按钮,您必须选定交互式公式编辑器首选项 (文件 > 首


选项 > 平台 > 退化 > 使用交互式公式编辑器)。

图 7.13 备择 “模型规格”报表

拟合定制模型

若您想要拟合定制模型,您必须首先创建包含初始参数估计值的公式列。该方法所需的步骤比
拟合内置模型多一些,但它允许拟合任何非线性模型。此外,您可以提供定制损失函数,并且
可以为拟合过程指定一些其他选项。
1. 打开数据表。
2. 在数据表中创建新列。
3. 为新列打开 “公式编辑器”。
4. 从左下角的列表中选择参数。
5. 点击新建参数。
6. 输入参数名称。
7. 输入参数的初始值。
重复执行步骤 4 到 6,以创建模型中的所有参数。
8. 使用数据表列、参数和公式编辑器函数构建模型公式。
9. 点击确定。
160 退化 第7章
模型规格 可靠性和生存方法

包含分组变量的模型的参数
在公式编辑器中,添加参数时,请注意扩展到类别,选择列复选框。该选项用于同时添加若干
参数 (例如,为分类变量的每个水平各添加一个参数) 。选择该选项时,会出现一个窗口,支
持您选择一列。选择之后,“参数”列表中将显示名为 D_ 列 的新参数,其中 D 是您提供给参
数的名称。在公式中使用该参数时,将插入一个 Match 表达式,它为分类变量的每个水平包含
一个单独的参数。

模型库

“模型库”可支持您创建包含参数和初始值的公式列。点击 “模型规格”下的模型库打开该库。
选择列表中的某个模型即可在公式框中查看其公式。
点击显示图形可为单参数模型显示二维理论曲线,为双参数模型显示三维曲面图。对于包含两
个以上说明 (X) 变量的模型,将不提供图形。使用滑块更改参数的默认起始值。您还可以点击这
些值并直接输入新值。
重置按钮用于将参数的起始值设置回其默认值。
点击显示点可将实际数据点叠加到图上。随即打开一个窗口,要求您将列分配给 X 和 Y 角色以
及可选的 “分组”角色。“分组”角色允许您为分类变量的每个水平拟合模型。若您在此指定
“分组”角色,同时还要在平台启动窗口中指定 “分组”列。
对于大多数模型,起始值是常数。显示点支持您调整参数值,以查看不同参数值的模型拟合好坏。
点击生成公式在数据表中创建新列。该列包含的公式是指定的 X 变量的函数,该列使用图形窗
口中指定的参数值。

注意:若在点击显示图形或显示点按钮之前点击生成公式,系统会要求您提供 X 和 Y 角色,以
及可选的 “分组”角色。之后,您会返回图中,这样您可通过选项来调整参数起始值。调整为
满意的参数起始值后,再次点击生成公式创建新列。

一旦在数据表中创建公式,即从“退化数据分析”红色小三角菜单中选择恢复 > 重新运行分析。


然后,返回第 157 页上的图 7.11 所示的列选择。 选择包含该模型的列,然后点击确定。您将返
回 “非线性路径模型规格”。有关该规格的所有功能的详细信息,请参考第 157 页的 ““模型
规格”详细信息”。

注意:您可以通过修改名为 NonlinLib.jsl 的内置脚本定制 “非线性模型库”中包括的模型。该


脚本位于 JMP 所在文件夹的 Resources/Builtins 文件夹 (Windows) 或 Application Package
(Macintosh) 中。
第7章 退化 161
可靠性和生存方法 逆预测

逆预测
使用 “逆预测”选项卡可预测 Y 变量达到指定值的时间。这些时间有时称为伪失效时间。图
7.14 显示了 “逆预测”选项卡。

图 7.14 “逆预测”选项卡

输入 “下规格限”或 “上规格限”。通常,若 Y 变量随时间减少,则输入 “下规格限”。若 Y


变量随时间增加,则输入 “上规格限”。
对于 GaAs Laser 示例,请为 “上规格限”输入 10 并点击执行。将生成一个图,显示单元达到
10% 的工作电流增量时的估计时间。请参见图 7.15。

图 7.15 “逆预测”图

“逆预测”红色小三角菜单包含以下选项:
保存交叉时间 将伪失效时间保存到新数据表。该表包含 “寿命分布”或 “以 X 拟合寿命”脚
本,可用于拟合伪失效时间的分布。若启用了“逆预测区间”选项之一,该表还包含区间。
设置上规格限 用于设置上规格限。
162 退化 第7章
预测图形 可靠性和生存方法

设置下规格限 用于设置下规格限。
设置删失时间 用于设置删失时间。该图更新,将 “删失时间”显示为垂直虚线。若选定 “逆
预测区间” > “无区间”,超过 “删失时间”的观测显示在从 “删失时间”开始的水平线
上。若选定 “置信区间”或 “预测区间”,水平线将无限延伸至其上限超出删失时间的观
测的右侧。“删失时间”反映在使用 “保存交叉时间”和 “生成伪失败数据”构造的数据
表中。
在数据进行内插 在点与点之间使用线性插值(而不是拟合模型)来预测单元何时跨越规格限。
该行为取决于单元是否包含超过规格限的观测,具体如下:
‒ 若单元包含的观测超过规格限,逆预测则为规格限周围观测之间的线性插值。
‒ 若单元不包含超过规格限的观测,则逆预测删失,并且它的值等于该单元的最大观测时间。
逆预测区间 用于在 “逆预测”图上显示伪失效时间的置信区间或预测区间。若启用了区间,
使用 “保存交叉时间”选项时所创建的数据表中也会包含区间。
逆预测 Alpha 用于指定区间所用的 alpha 水平。
逆预测单侧或双侧区间 用于指定单侧或双侧区间。

预测图形
使用 “预测图形”选项卡可预测指定的 “时间”值对应的 Y 变量。图 7.16 显示了 “预测图”
选项卡。

图 7.16 “预测图”选项卡

对于 GaAs Laser 示例,未收集 4000 小时后的数据。若想要预测 5000 小时后工作电流的增量百


分比,请输入 5000 并点击执行。将生成一个图,显示所有单元在 5000 小时后的估计降幅百分
比。请参见图 7.17。
第7章 退化 163
可靠性和生存方法 预测图形

图 7.17 预测图

“预测图”红色小三角菜单包含以下选项:
保存预测 将预测的 Y 值保存到数据表中。若启用了 “纵向预测区间”选项之一,该表还包含
区间。
纵向预测区间 用于在 “预测图”上显示估计的 Y 值的置信区间或预测区间。若启用了区间,
使用 “保存预测”选项时所创建的数据表中也会包含区间。
纵向预测时间 用于指定您想要为其预测 Y 的时间值。
纵向预测 Alpha 用于指定区间所用的 alpha 水平。
164 退化 第7章
“退化”平台选项 可靠性和生存方法

“退化”平台选项
“退化”红色小三角菜单提供表 7.2 中说明的选项。

表 7.2 “退化”平台选项

选项 说明

路径定义 假定给定时间的 Y 变量服从某种分布。您可以对该分布的均值、位


置参数或中位数建模。
均值路径 用于对均值建模。
位置参数路径 用于对位置参数建模。
中位数路径 用于对分布的中位数建模。
选择 “位置参数”或 “中位数路径”选项后,“模型规格”中将出
现一个菜单。从该菜单中选择响应的分布。请参见图 7.18。

图 7.18 分布规格

退化路径样式 提供用于选择要拟合的退化路径样式的选项。
简单线性路径 用于拟合线性退化路径和可变换为线性路径的非线
性路径。详细信息,请参考第 152 页的 “简单线性路径”。
非线性路径 用于拟合非线性退化路径。详细信息,请参考第 154 页
的 “非线性路径”。
第7章 退化 165
可靠性和生存方法 “退化”平台选项

表 7.2 “退化”平台选项 (续)

选项 说明

图形选项 提供用于修改平台图形的选项。
连接数据标记 在 “叠加”图上显示或隐藏连接各点的线。
显示拟合线 在 “叠加”图上显示或隐藏拟合线。
显示规格限 在 “叠加”图上显示或隐藏规格限。
显示残差图 显示或隐藏残差图。
显示逆预测图 显示或隐藏逆预测图
显示曲线区间 在 “叠加”图上显示或隐藏拟合线的置信区间。
曲线区间 Alpha 支持您更改用于置信区间曲线的 alpha。
显示中位数曲线 当 “路径定义”设置为 “位置参数路径”时,在
图上显示或隐藏中位数线。
显示图例 显示或隐藏 “叠加”图上使用的标记的图例。
无选项卡式列表 在选项卡或堆叠报表中显示或隐藏 “残差图” 、
“逆预测”和 “预测图形”。

预测设置 提供用于修改模型预测中使用的设置的选项。
上规格限 用于指定上规格限。
下规格限 用于指定下规格限。
删失时间 用于设置删失时间。请参见第 161 页的 “逆预测”。
基线 用于为非线性退化路径中的 X 变量指定正常使用条件。具有
该值的路径通常生成 “叠加”图。
逆预测 用于指定逆预测的区间类型、 alpha 水平以及单侧或双侧
区间。要进行逆预测,您还必须指定下规格限或上规格限。
有关逆预测的详细信息,请参考第 161 页的 “逆预测”。
纵向预测 用于指定纵向预测的“时间”值、区间类型和 alpha 水平。
有关纵向预测的详细信息,请参考第 162 页的 “预测图形”。
166 退化 第7章
模型报表 可靠性和生存方法

表 7.2 “退化”平台选项 (续)

选项 说明

应用 提供用于进一步分析退化数据的选项。
生成伪失效数据 创建一个数据表,其中提供每个单元跨越规格限
的预测时间。该表包含 “寿命分布”或 “以 X 拟合寿命”脚
本,可用于拟合伪失效时间的分布。
检验稳定性 执行稳定性分析。详细信息,请参考第 173 页的 “稳
定性分析”。

请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:


本地数据过滤器 显示或隐藏本地数据过滤器,该过滤器使您可以过滤特定报表中使用的数据。
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。

模型报表
点击生成当前模型的报表按钮后,将在两个位置添加汇总报表:
• 向 “模型列表”报表添加一个条目。有关更多详细信息,请参考第 166 页的 “模型列表”。
• 向 “报表”报表添加一个条目。有关更多详细信息,请参考第 167 页的 “报表”。

模型列表
“模型列表”报表提供每个拟合模型的汇总统计量和其他选项。图 7.19 显示了包含三个模型的
汇总的 “模型列表”的示例。

图 7.19 模型列表

显示 选择您想在 “叠加”图、“残差图”、“逆预测”图和 “预测图形”中表示的模型。


模型类型 提供路径类型,即线性或非线性。
第7章 退化 167
可靠性和生存方法 模型报表

报表 选中复选框可显示模型的报表。有关报表的更多详细信息,请参考第 167 页的“报表”。


参数数目 提供为模型估计的参数个数。
-2 对数似然 是 -2 倍的对数似然。请参见《拟合线性模型》手册中的“统计详细信息”附录。
AICc 提供校正的 Akaike 准则。请参见 《拟合线性模型》手册中的 “统计详细信息”附录。
BIC 提供 Bayes 信息准则。请参见 《拟合线性模型》手册中的 “统计详细信息”附录。
误差平方和 提供模型的误差平方和。
自由度 提供误差自由度。
说明 提供模型说明。

报表
“报表”提供有关每个模型拟合的详细信息。该报表包括 “模型汇总”报表和 “估计值”报表。
“模型汇总”报表包含以下信息:
<Y,响应 > 尺度 针对响应变量的变换。
< 时间 > 尺度 针对时间变量的变换。
误差平方和 误差平方和。
参数数目 为模型估计的参数个数。
自由度 误差自由度。
R方 提供 R 方。
均方误差 均方误差。
“估计值”报表包含以下信息:
参数 参数的名称。
估计值 参数的估计值。
标准误差 参数估计值的标准误差。
t比 参数的 t 统计量,计算为 “估计值 / 标准误差”。
概率 >|t| 参数的双侧检验的 p 值。
168 退化 第7章
破坏性退化 可靠性和生存方法

破坏性退化
要测量产品特性,有时必须破坏产品。例如,在测量断裂强度时,必须给产品施加应力直至其
断裂。常规退化分析不再适用于这些情形。您可以采用以下两种方式之一处理这些情形:
• 若您的失效时间模型是标准模型,则可以通过 “破坏性退化”平台进行处理。请参见第 175
页的 “破坏性退化”一章。
• 若您使用的是时间或响应变量的定制变换以及定制非线性模型,则使用“退化”平台。在启
动窗口中,选择 “破坏性退化”选项卡。

破坏性退化的示例
下例拟合定制非线性模型。数据包含某种粘结剂强度的测量值。对产品施加应力,直到粘结剂断
裂,并且记录所需的断裂强度。由于单元在正常使用条件下不太可能断裂,所以在加速因子(温
度)的若干水平下对单元进行了检验。您想要估计在 25oC 的使用条件下经过 52 周 (一年)后
单元的强度 (以牛顿为单位)。

完成启动窗口
1. 选择帮助 > 样本数据库,然后打开 Reliability/Adhesive Bond.jmp。
2. 选择分析 > 可靠性和生存 > 退化。
3. 选择破坏性退化选项卡。
4. 选择强度并点击 Y,响应。
5. 选择周数并点击时间。
6. 选择度数并点击 X。
7. 选择删失并点击删失。
第7章 退化 169
可靠性和生存方法 破坏性退化

图 7.20 已完成的启动窗口

8. 点击确定。

定义和拟合模型
1. 从 “模型规格”分级显示项的 “位置参数路径规格”面板的菜单中选择对数正态。
这将为响应强度指定对数正态变换。
2. 从 “退化数据分析”红色小三角菜单中选择退化路径样式 > 非线性路径。
这会向报表中添加一个脚本窗口。您在该窗口中插入用于指定模型的脚本。
3. 复制下面的 JSL 公式,并将其粘贴到 “非线性路径”下方的脚本窗口中:
Parameter(
{b1 = 50, b2 = 50, b3 = -1},
b1 * :Degrees + b2 * Exp( b3 * Sqrt( :Weeks ) )
)

该脚本以参数 b1、 b2 和 b3 的形式为 “强度”定义了模型。该脚本指定了参数的初始值。


4. 在报表底部的文本框中,将 “空”改为 “定制模型”。
170 退化 第7章
破坏性退化 可靠性和生存方法

图 7.21 非线性路径脚本

5. 点击使用并保存。

图 7.22 更新的 “模型规格”分级显示项

该报表将更新,以包括用于更改参数初始值的控件。参数的初始值设置为脚本编辑器的公式
中指定的值。
6. 点击拟合模型。
第7章 退化 171
可靠性和生存方法 破坏性退化

图 7.23 拟合模型图

“模型规格”分级显示项中的 “参数”面板随之更新,以显示拟合模型的参数估计值。模型
拟合显示在 “叠加”图中。您可以拖动轴以显示各点,如图 7.23 中所示。图例对曲线进行
了标识。

获取预测值和预测区间
接下来,您获取在基准使用条件 (25oC)下 “强度”在 52 周之后的预测值和预测区间。
1. 从 “退化数据分析”红色小三角菜单中选择预测设置。
2. 在预测设置窗口中:
‒ 为 “基线”输入 25。
‒ 在 “纵向预测”面板的 “时间”中输入 52。
‒ 从 “纵向预测”面板的菜单中选择 “预测区间”。
172 退化 第7章
破坏性退化 可靠性和生存方法

图 7.24 预测设置

3. 点击确定。
4. 选择报表中的预测图形选项卡。

图 7.25 周数 = 52 时的预测图

“预测图”显示在轴标签 25 (基线)之上的预测值及其 95% 水平预测区间。


5. 从 “预测图”红色小三角菜单中,选择保存预测。
度数的三个值以及期望的基线 (25 度)时的预测值将保存到数据表中。在 25o C 时,粘结
剂 1 年之后的预测强度为 61.96,预测区间介于 42.42 到 90.50 之间。
第7章 退化 173
可靠性和生存方法 稳定性分析

稳定性分析
稳定性分析用于设置医药产品的失效日期。将拟合三个线性退化模型,并且根据 FDA 指导原
则 (Chow 2007,附录 B)估计失效日期。这三个模型如下所示:
模型 1 不同批次有不同的斜率和不同的截距。
模型 2 不同批次有共同斜率和不同的截距。
模型 3 不同批次有共同斜率和共同截距。
通过以下过程确定推荐的模型:
1. “模型 1”按时间效应、批次效应和交互作用依次进入模型的方式来拟合。使用 I 型(序贯)
平方和,检验斜率是否相等 (输出中的 “源 C”)。
‒ 若 p 值小于 0.25,则假定斜率在不同批次之间是不同的。该过程将停止,并使用 “模型
1”来估计失效日期。
‒ 若 p 值大于等于 0.25,则假定斜率在不同批次之间是相同的。该过程继续前进到步骤 2。
2. 若步骤 1 得出的结论是斜率是共同的,则使用 “模型 1”中的 I 型 (序贯)平方和来检验截
距是否相等 (输出中的 “源 B”)。
‒ 若 p 值小于 0.25,则假定截距在不同批次之间是不同的,并且使用 “模型 2”来估计失
效日期。
‒ 若 p 值大于等于 0.25,则假定截距在不同批次之间是相同的,并且使用 “模型 3”来估
计失效日期。
使用 “模型 1”(不同的斜率和不同的截距)来估计失效日期时,不合并不同批次的 MSE (均
方误差)。使用各均方误差为每个批次计算预测区间,并且使用最先跨越规格限的区间来估计失
效日期。

示例

考虑 Stability.jmp 样本数据表。该数据包含四个批次的产品浓度测量值。浓度为 95 被视为产品


的可使用性的结束。使用该数据可确立新产品的失效日期。
要执行稳定性分析,请执行以下步骤:
1. 选择帮助 > 样本数据库,然后打开 Reliability/Stability.jmp。
2. 选择分析 > 可靠性和生存 > 退化。
3. 选择稳定性检验选项卡。
4. 选择浓度 (毫克 / 千克)并点击 Y,响应。
5. 选择时间并点击时间。
6. 选择批次编号并点击标签,系统 ID。
7. 对 “下规格限”输入 95。
174 退化 第7章
稳定性分析 可靠性和生存方法

8. 点击确定。
图 7.26 显示了初始报表的一部分。

图 7.26 稳定性模型

等斜率检验的 p 值为 0.8043。由于该值大于显著性水平 0.25,所以未拒绝该检验,您可以得出


结论:退化斜率在不同批次之间是相等的。
等截距和等斜率检验的 p 值 <.0001。由于该值小于显著性水平 0.25,所以拒绝该检验,您可以
得出结论:截距在不同批次之间是不同的。
由于未拒绝等斜率检验,但拒绝了等截距检验,所以所选模型是具有 “不同截距”和 “共同斜
率”的模型。该模型是在报表中选定的模型,并且提供估计的失效日期为 23.475。
第8章
破坏性退化
对产品随时间劣化建模

要测量产品特性,有时必须破坏产品。例如,在测量断裂强度时,必须给产品施加应力直至其
断裂。由于检验是破坏性的,所以每个产品单元只有一个观测。在这种情况下,您可以使用“破
坏性退化”平台对产品可靠性建模。
该平台针对通常非负的响应如何随时间变化建模。观测被假定是独立的,并且它们测量响应值
和失效时间。平台提供了一大批灵活的预定义模型。这些模型包括位置 - 尺度和对数 - 位置 - 尺
度分布,它们的位置参数是时间的函数。而且这些模型允许使用说明变量和其他参数。

注意:若您所需的模型未列在提供的模型中,您可以使用 “退化”平台。请参见 “退化”一章


中第 168 页的 “破坏性退化”。

有关破坏性退化和可靠性的背景信息,请参见 Escobar et al. (2003) 和 Meeker and Escobar (1998)。

图 8.1 Adhesive Bond.jmp 的破坏性退化模型示例


176 破坏性退化 第8章
“破坏性退化”平台的示例 可靠性和生存方法

“破坏性退化”平台的示例
本例是模仿 Escobar et al. (2003). 数据包含某种粘结剂强度的测量值 (测量单位为牛顿)。温度
被视为加速因子。对产品施加应力,直到粘结剂断裂,并且记录所需的断裂强度。由于单元在
正常使用条件下不容易断裂,所以在较大温度范围内的若干水平下对单元进行了检验。强度小
于 50 牛顿被视为失效。您想要估计在 35 摄氏度的使用条件下,经过 260 周 (5 年)后强度低
于 50 牛顿的单元的比例。
本例分三个阶段:
• 第 176 页的 “执行初始分析”
• 第 177 页的 “更改模型并生成报表”
• 第 180 页的 “使用刻画器进行预测”

执行初始分析
1. 选择帮助 > 样本数据库,然后打开 Reliability/Adhesive Bond.jmp。
2. 选择分析 > 可靠性和生存 > 破坏性退化。
3. 选择强度并点击 Y,响应。
4. 选择周数并点击时间。
5. 选择度数并点击 X。
6. 选择删失并点击删失。
请注意,删失代码设置为 “Right”。
7. 点击确定。

图 8.2 初始退化图
第8章 破坏性退化 177
可靠性和生存方法 “破坏性退化”平台的示例

平台指定默认模型。默认模型假定通过单个正态分布(其位置参数是时间的线性函数)来描
述数据。

更改模型并生成报表
1. 对 Y (强度)变换选择 Log10。
2. 对 “时间”(周数)变换选择平方根。
3. 对 “路径定义”选择 μ = b0x + b1x*f(time)。
下标 “x”表示加速变量,即本例中的度数。

注意:该模型在所有参数中呈线性关系。

图 8.3 显示模型的图

4. 点击生成报表。
178 破坏性退化 第8章
“破坏性退化”平台的示例 可靠性和生存方法

图 8.4 基本模型的报表

斜率 b1 在度数的三个值下的估计值表明在较高温度下会更快地出现退化。依赖化学过程的
失效机制通常使用针对温度的 Arrhenius 模型就可以很好地建模。出于此原因,您现在需要
拟合一个模型,将 Arrhenius 变换应用到用 “摄氏温度”尺度测量的度数。
5. 对 “路径定义”选择 μ = b0 ± Exp(b1 + b2*Arrhenius(X))*f(time)。

注意:该模型在相对参数上不呈线性关系。

6. 选择摄氏温度并点击确定。
第8章 破坏性退化 179
可靠性和生存方法 “破坏性退化”平台的示例

图 8.5 显示应用了 Arrhenius 变换的模型的图

7. 点击生成报表。

图 8.6 包括应用了 Arrhenius 变换的第二个模型的报表


180 破坏性退化 第8章
“破坏性退化”平台的示例 可靠性和生存方法

使用刻画器进行预测
由于 Arrhenius 模型显示拟合效果更好 (可以通过图 8.6 中该模型较小的 AICc 和 BIC 值看
出),您可以使用该模型继续您的分析。
回想一下,强度小于 50 牛顿被视为失效。您关注的是已经在 35 摄氏度的使用条件下使用了 156
周 (三年)的单元。更改刻画器中的设置以反映这些值。点击每个图的水平轴下方的红色值,
然后输入新值。
1. 在 Arrhenius 模型的 “退化刻画器”中,将周数设置为 156,度数设置为 35。

图 8.7 退化刻画器

这些设置下的预测强度为 62.25173, 95% 预测区间介于 50.0318 到 77.4563 之间。在这些设


置或更温和的设置下,不太可能出现失效。
2. 在 “交叉时间分布刻画器”中,将周数设置为 156,度数设置为 35,强度设置为 50。

图 8.8 交叉时间分布刻画器

在 35 摄氏度的温度下,经过 156 周后,“强度”值低于 50 的概率为 0.024668。 95% 置信区


间介于 0.00342 到 0.10995 之间。在这些条件或更温和的条件下的失效概率大约为 2%。
3. 在 “交叉时间分位数刻画器”中,将度数设置为 35,概率设置为 0.02,强度设置为 50。
4. 调整 “交叉时间分位数刻画器”的垂直轴,以便最大值大约为 350。
第8章 破坏性退化 181
可靠性和生存方法 启动 “破坏性退化”平台

图 8.9 交叉时间分位数刻画器

在 35 摄氏度的温度下有 2% 的单元失效所对应的周数估计为 146.0928。 95% 置信区间介于


89.1173 到 277.448 之间。

启动 “破坏性退化”平台
通过选择分析 > 可靠性和生存 > 破坏性退化启动 “破坏性退化”平台。图 8.10 显示了使用
Adhesive Bond.jmp 数据表 (位于 Reliability 文件夹下)的 “破坏性退化”启动窗口。

图 8.10 “破坏性退化”启动窗口

表 8.1 “破坏性退化”启动窗口的说明

角色 说明

Y,响应 输入包含退化测量值的列。若响应值为区间删失数据,您可以输入两列。
请参见第 182 页的 “指定两个 Y 列”。

时间 输入包含时间值的列。
X 输入可选的说明变量。若 Y 的分布不仅随时间变化,还受其他某个变量的
影响,则可将其他变量添加为 X。

频数 输入提供每行频数的可选列。
182 破坏性退化 第8章
启动 “破坏性退化”平台 可靠性和生存方法

表 8.1 “破坏性退化”启动窗口的说明 (续)

角色 说明

删失 输入标识删失的响应测量值的可选列。若 Y 角色中只有一列,该列指示给
定行中的响应 Y 是精确测量值还是右删失测量值。右删失观测是精确测
量值未知但肯定比相应行中的 Y 值要大的观测。
从 “删失代码”菜单中选择用于标识右删失观测的值。与 “删失”列中
的其他值对应的行被视为未删失。包含缺失删失代码值的行将从分析中排
除。 JMP 尝试检测删失代码并将其显示在列表中。

依据 输入可选的 “依据”变量。为该变量的每个水平生成单独的分析。

删失代码 选择 “删失”列中指定右删失的值。默认情况下,该值为 1。

指定两个 Y 列

若某些退化测量值为区间删失或左删失数据,您可以指定两个 Y 列。对于给定行,两个 Y 列的
值按如下方式处理:
• 若两个 Y 值相等且均不缺失,则共同的测量值被视为精确测量值。
• 若两个 Y 值不相等且均不缺失,则测量值为区间删失数据并假定介于两个值之间。
• 若只是第一个值缺失,则测量值为左删失数据并假定小于第二个值。
• 若只是第二个值缺失,则测量值为右删失数据并假定大于第一个值。

注意:在 “破坏性退化”平台中拟合左删失测量值的唯一方法就是使用两个 Y 列。
第8章 破坏性退化 183
可靠性和生存方法 “破坏性退化”图选项和模型

“破坏性退化”图选项和模型
“退化数据分析”图显示当前基于 “分布”、“变换”和 “路径定义”的选择所指定的模型的数
据和图形化表示。图 8.11 中所示的图针对 Adhesive Bond.jmp 数据表,表示一个包含可选 X 变
量的模型。

图 8.11 “破坏性退化”图和选项

请注意以下关于图的事项:
• 数据值通过标记来表示。

表 8.2 标记说明

图标 说明

精确测量值。

左删失观测,指示删失测量值位于小三角之下。
注意:在“退化”平台中,仅当观测为区间删失数据时才会出现左删失。
请参见第 182 页的 “指定两个 Y 列”。

右删失观测,指示删失测量值位于小三角之上。

区间删失观测,指示删失值位于指定区间内。
184 破坏性退化 第8章
“破坏性退化”图选项和模型 可靠性和生存方法

注意:默认情况下,标记无颜色。要对其着色以匹配模型颜色方案,请选择行 > 按列设定颜


色或标记。选择 X 列。取消选择连续尺度。从 “颜色”菜单中选择 JMP 默认。

• 为 X 的每个水平都显示一个着色带。若模型不包含 X 变量,则显示在一个着色带。对于给
定的 “时间”值,着色带的上下限是 Y 的拟合分布的 0.05 和 0.95 百分位数。着色带的颜色
对应于 X 值,正如图右上方的图例所示。

注意:标记颜色对应于在数据表中指定的颜色状态。

• 着色带中央的实曲线是针对 X 的相应值 Y 的拟合分布随时间变化的中位数。若模型不包含


X 变量,则曲线标绘 Y 随时间变化的中位数。

图选项
分布 选择位置 - 尺度或对数 - 位置 - 尺度分布。
变换 为响应 Y 和时间变量选择变换函数。

注意:若将 “Log10”或 “平方根”变换应用到包含非正值的列,则将从模型拟合中省略


包含非正值的行。

路径定义 选择回归模型的线性或非线性路径。有关每个模型的详细信息,请参见第 184 页的


“模型”。
生成报表 创建指定模型的报表。首次选择 “生成报表”后,会创建一个 “模型列表”分级显
示项。选择 “生成报表”拟合其他模型时,“模型列表”分级显示项随之更新,并为每个
模型添加一个分级显示项。

模型
下表提供了 “路径定义”列表中每个模型的方程。有关每个模型的说明,请点击相应的链接。

注意:每个方程左侧显示的缩略图显示位置参数 μ 随时间变化的一般行为图。在报表的主图中,
根据您的 “分布”和 “变换”选择,有关估计中位数的图可能不同于缩略图。

表 8.3 模型方程

模型 方程

“带截距的共同 μ = b0 + b1 * f(time)
路径”

“不带截距的共 μ = b1 * f(time)
同路径”
第8章 破坏性退化 185
可靠性和生存方法 “破坏性退化”图选项和模型

表 8.3 模型方程 (续)

模型 方程

“共同斜率” μ = b0X + b1 * f(time)

“带截距的单个 μ = b0X + b1x * f(time)


路径”

“不带截距的单 μ = b1X * f(time)


个路径”

“共同截距” μ = b0 + b1X * f(time)

“一阶动力学 μ = b0 - b1 * Exp[-b2 * Exp[b3 * [Arrhenius(X0) - Arrhenius(X)]] * f(time)]


1 型”

“一阶动力学 μ = b0 * [1 - Exp[-b1 * Exp[b2 * [Arrhenius(X0) - Arrhenius(X)]] * f(time)]]


2 型”

“一阶动力学 μ = b0 + b1 * Exp[-b2 * Exp[b3 * [Arrhenius(X0) - Arrhenius(X)]] * f(time)]


3 型”

“一阶动力学 μ = b0 * Exp[-b1 * Exp[b2 * [Arrhenius(X0) - Arrhenius(X)]] * f(time)]


4 型”

“Arrhenius μ = b0 ± Exp[b1 + b2 * Arrhenius(X)] * f(time)


速率”

“多项式速率” μ = b0 ± Exp[b1 + b2 * Log(X)] * f(time)

“指数速率” μ = b0 ± Exp[b1 + b2 * X] * f(time)

在变换时间中呈线性关系的模型

带截距的共同路径
该模型拟合单个分布,其中的位置参数随变换时间线性变化。该模型拟合共同截距和共同斜率,
不论是否有 X 变量。

不带截距的共同路径
该模型拟合单个分布,其中的位置参数随变换时间线性变化,但参数值在时间 0 处为 0。基于
“分布”和 “变换”的选择,中位数曲线可能不是直线,可能未穿过原点。该模型拟合 0 截距
和共同斜率,不论是否有 X 变量。
186 破坏性退化 第8章
“破坏性退化”图选项和模型 可靠性和生存方法

共同斜率
在该模型中,位置参数是变换时间的线性函数,X 各值的截距不同,但具有共同斜率。基于“分
布”和 “变换”的选择,该模型拟合可能显示为曲线。例如,选择 “对数正态”分布将生成图
8.12 中的图。

图 8.12 使用对数正态分布的共同斜率模型

带截距的单个路径
在该模型中,位置参数是变换时间的线性函数, X 各值的截距和斜率均不同。

不带截距的单个路径
在该模型中,位置参数是变换时间的线性函数, X 各值的截距为 0,且斜率不同。

共同截距
在该模型中,位置参数是变换时间的线性函数, X 各值的截距相同,但斜率不同。

一阶动力学模型

提供四个一阶动力学模型,其中的位置参数是基于温度的 Arrhenius 变换的非线性函数。以上


每个位置模型为可选说明变量 X 的每个值拟合不同的模型。
首次选择以上任意模型时,您需要指定温度的测量值尺度,并为 X0 (典型使用条件下的温度)
指定一个值。X0 的值用于构造时间加速因子 (Meeker and Escobar, 1998)。若您随后选择另一个
一阶动力学模型或 Arrhenius 速率模型(请参见第 188 页的“Arrhenius 速率”),该平台会记
住并使用这些指定内容。
第8章 破坏性退化 187
可靠性和生存方法 “破坏性退化”图选项和模型

一阶动力学 1 型

在该模型中,b1 和 b2 为正。在线性尺度上,当时间趋向于无穷大时,曲线在 b0 处具有上渐近线。

一阶动力学 2 型

在该模型中,位置参数在时间 0 处为 0。 b0 和 b1 为正。在线性尺度上,当时间趋向于无穷大
时,曲线在 b0 处具有上渐近线。您可以认为 2 型模型是 1 型模型的垂直偏移版本。

一阶动力学 3 型

在该模型中,b1 和 b2 为正。由于 b1 前面的符号正好与 1 型模型中 b1 前面的符号相反,该模型


是 1 型模型的反转版本。在线性尺度上,当时间趋向于无穷大时,曲线在 b0 处具有下渐近线。
鉴于数据随时间呈现负斜率,拟合模型可生成类似图8.13 的图。该图针对 Adhesive Bond.jmp。
选定的温度测量值尺度为 “摄氏温度”,典型使用条件下的指定温度为 35 度。

图 8.13 一阶动力学 3 型模型的示例

一阶动力学 4 型

该模型是 3 型模型的垂直偏移版本。在线性尺度上,当时间趋向于无穷大时,曲线在 0 处具有


下渐近线。

速率模型

提供三个模型,其中位置参数是变换后的 X 变量的指数函数。以上每一个位置模型为可选说明
变量 X 的每个值拟合共同的截距和不同的斜率模型。对于以上每个模型,在线性尺度上,位置
参数在变换后的时间值中呈线性关系。
188 破坏性退化 第8章
“破坏性退化”报表 可靠性和生存方法

Arrhenius 速率

该模型涉及 Arrhenius 变换构成的指数函数乘以变换时间。选择该模型后,您需要指定温度的


测量值尺度,除非您已经提供了该信息。

多项式速率
该模型涉及 X 取对数后的线性函数构成的指数函数乘以变换时间。

指数速率
该模型涉及 X 的线性函数构成的指数函数乘以变换时间。

“破坏性退化”报表
“破坏性退化”报表为您拟合的每个模型包含一个分级显示项。在您拟合某个模型时,“模型列
表”将使用该模型对应的行进行更新。

注意:所有模型都使用最大似然法拟合。

图 8.14 “模型列表”和 “模型”分级显示项

模型列表
“模型列表”中的前三列反映您在图选项中所做的选择。 - 对数似然、 AICc 和 BIC 统计量是可
用于模型比较的基于信息的测度。有关这些测度的说明,请参见 《拟合线性模型》。
只要所比较的模型具有相同的“实际观测数”,“模型列表”中这前三个基于信息的测度在不同
的模型之间就可进行比较。若情况并非如此,则需要谨慎操作,因为不同的模型可能使用不同
的子集。“实际观测数”可能因选择的分布或变换而减少。选择对数 - 位置 - 尺度分布将排除所
有非正的 Y 值。此外,“Log10”和 “平方根”变换会排除所有非正值。
“模型列表”表的每行都包含具有以下选项的红色小三角菜单:
滚动至 使报表窗口滚动至相应的模型分级显示项。
删除 从 “模型列表”中删除模型并从报表中删除相应的模型分级显示项。
第8章 破坏性退化 189
可靠性和生存方法 “破坏性退化”报表

“模型”分级显示项
每个模型的分级显示项都包含具有以下选项的红色小三角菜单:
删除 从报表中删除模型分级显示项并从 “模型列表”中删除模型。
每个模型的分级显示项都包含以下报表:
公式图形 显示位置参数的方程。
估计值 显示参数估计值及其标准差。该报表还包含基于 Wald 的 95% 参数置信区间。
分布、分位数和逆预测 有关刻画器的详细信息,请参见第 190 页的 “刻画器”。
残差图 有关残差图的详细信息,请参见。

图 8.15 “模型”分级显示项中的报表
190 破坏性退化 第8章
“破坏性退化”报表 可靠性和生存方法

刻画器

有三个刻画器显示在模型报表中。

退化刻画器
“退化刻画器”显示给定模型的 “退化数据分析”图的刻画器视图。响应为退化响应 Y。该刻
画器包括一个针对 “时间”变量标绘的图和一个针对可选的说明变量 X (若您指定了该变量)
标绘的图。针对 “时间”标绘的图将 Y 的拟合分布的中位数显示为一条实曲线。虚曲线显示 Y
的拟合分布的 0.025 和 0.975 百分位数。

交叉时间分布刻画器
使用 “交叉时间分布刻画器”可确定退化测量值在某个时间点降至给定阈值以下的概率。
该刻画器将响应 Y 的估计累积分布函数标绘为 “时间” 、可选的 X 变量以及 Y 的函数。针对
“时间”和 Y 标绘的图显示 Wald 置信区间。

交叉时间分位数刻画器
使用 “交叉时间分位数刻画器”可确定指定比例的测量值降至给定阈值以下的时间点。
该刻画器将估计的 “时间”标绘为可选的 X 变量、 Y 的分位数值 (概率)以及 Y 的函数。针对
“概率”和 Y 标绘的图显示 Wald 置信区间。

残差图

四个残差图显示在模型报表中。使用这些图来验证模型的分布假设。有关标准化残差的详细信
息,请参见第 191 页的 “破坏性退化模型的统计详细信息”。

Cox-Snell 残差 P-P 图

若数据点大幅度地偏离对角线,则分布假设可能不成立。“Cox-Snell 残差 P-P 图”红色小三角


菜单包含名为保存残差的选项,该选项支持您将残差数据保存到数据表中。有关 Cox-Snell 残差
的讨论,请参见 Meeker and Escobar (1998, sec. 17.6.1)。

标准化残差的概率图
若数据点大幅度地偏离对角线,则分布假设可能不成立。“标准化残差的概率图”红色小三角菜
单包含名为保存残差的选项,该选项支持您将残差数据保存到数据表中。

标准化残差相对时间
使用 “标准化残差相对时间”图来检查一段时间内变异性的不同。“标准化残差相对时间”红
色小三角菜单包含名为保存残差的选项,该选项支持您将残差数据保存到数据表中。

标准化残差相对预测值
使用 “标准化残差相对预测值”图来检查一组预测值范围内变异性的不同。“标准化残差相对
预测值”红色小三角菜单包含名为保存残差的选项,该选项支持您将残差数据保存到数据表中。
第8章 破坏性退化 191
可靠性和生存方法 “破坏性退化”平台选项

“破坏性退化”平台选项
“退化数据分析”红色小三角菜单提供以下选项。
图形选项 提供用于修改平台图形的选项。
着色 启用或禁用着色。默认情况下,每个着色带针对给定时间值的上下限分别对应于 Y 分布
的 0.025 和 0.975 分位数。
着色覆盖率 若启用了着色,您可以输入一个比例,用于增大或减小着色覆盖率。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
本地数据过滤器 显示或隐藏本地数据过滤器,该过滤器使您可以过滤特定报表中使用的数据。
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。

破坏性退化模型的统计详细信息
破坏性退化模型可表示如下:

g ( Y ) ∼ F ( μ, σ )

μ = h ( f ( Time ), X )

其中:
• g(Y) 是变换后的 Y 变量
• F 是选择的概率分布
• μ 是由 h 定义的位置参数
• h 是将变换后的 “时间”变量与说明变量 X 关联的函数
• σ 是分布的尺度参数
• f(Time) 是变换后的 “时间”变量
• X 是可选的说明变量
标准化残差通过以下方式获取:
• 对于位置 - 尺度分布,标准化残差为 (y-μ)/σ。
• 对于对数 - 位置 - 尺度分布,标准化残差为 (log(y)-μ)/σ。
192 破坏性退化 第8章
破坏性退化模型的统计详细信息 可靠性和生存方法
第9章
可靠性预测
使用生产和失效数据预测产品失效

“可靠性预测”平台可帮助您预测将来失效的次数。JMP 使用生产日期、失效日期和产量估计寿
命分布的参数。
使用交互式图形,您可以调整将来产量和合同期限之类的因子,以便估计将来失效。维修成本
可并入分析,以便预测所有故障单元的维修总成本。

图 9.1 可靠性预测的示例
194 可靠性预测 第9章
“可靠性预测”平台概述 可靠性和生存方法

“可靠性预测”平台概述
“可靠性预测”平台可帮助您预测将来失效的次数。JMP 使用生产日期、失效日期和产量估计寿
命分布的参数。使用交互式图形,您可以调整将来产量和合同期限之类的因子,以便估计将来
失效。维修成本可并入分析,以便预测所有故障单元的维修总成本。

使用 “可靠性预测”平台的示例
您有七个月的生产和退回数据。您需要使用该信息预测直到 2011 年 2 月期间退回维修的总单元
数。该产品的合同期限为 12 个月。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Small Production.jmp。
2. 选择分析 > 可靠性和生存 > 可靠性预测。
3. 在 Nevada 格式选项卡上,选择已售数量并点击生产计数。
4. 选择销售月份,然后点击时间戳角色。
5. 选择其他列,然后点击失效计数。
6. 点击确定。
随即显示 “可靠性预测”报表 (图 9.2)。
在左下方,“观测数据”报表显示以前失效的条形图。累积失效数显示在线形图上。请注意,
生产水平相当一致。随着时间的推移,生产的数量累积多了,更多的产品可能失效,因此累
积失效率逐渐上升。一致的生产水平也导致类似的累积失效率和计数。
第9章 可靠性预测 195
可靠性和生存方法 使用 “可靠性预测”平台的示例

图 9.2 “观测数据”报表

7. 点击寿命分布展开图标。
JMP 使用 “寿命分布”平台拟合生产和失效数据的 Weibull 分布。 ( 图 9.3). JMP 随后使用
拟合的 Weibull 分布来预测未来 5 个月的退回数量 (图 9.4)。

图 9.3 “寿命分布”报表

“预测”报表在左侧图上显示以前的生产数据(图 9.4)。在右侧图上,您看到以前的失效数
随时间平稳增加。
196 可靠性预测 第9章
使用 “可靠性预测”平台的示例 可靠性和生存方法

图 9.4 “预测”报表

8. 在 “预测”报表中,为 “合同期限”键入 12。这是合同期限。


9. 在左侧的“预测”图中,将动画热区拖到 2010 年 7 月,然后将它向上拖到大约 3500 的位置。
橙色直条显示在左侧图上来表示将来的生产。右侧图中每月退回数逐渐增加一直到 2010 年
8 月 (图 9.5)。

图 9.5 生产和失效估计值

10. 将 2010 年 2 月热区拖到大约 3000 的位置,然后将 2010 年 3 月热区拖到大约 3300 的位置。


11. 在右侧图中,将右边的热区拖到 2011 年 2 月。
JMP 估计退回数逐渐上升一直到 2010 年 8 月,然后逐渐下降直到 2011 年 2 月 (图 9.6)。
第9章 可靠性预测 197
可靠性和生存方法 启动 “可靠性预测”平台

图 9.6 将来的生产计数和预测的失效数

启动 “可靠性预测”平台
通过选择分析 > 可靠性和生存 > 可靠性预测来启动 “可靠性预测”平台。

图 9.7 “可靠性预测”启动窗口

该启动窗口针对每种合同数据格式各包含一个选项卡:“Nevada” 、“日期”和 “事件时间”


(针对失效时间数据)。以下小节介绍了这些格式。
198 可靠性预测 第9章
启动 “可靠性预测”平台 可靠性和生存方法

Nevada 格式

合同数据通常以 Nevada 格式储存:装运或生产日期以及指定期间内的失效计数的形状类似内


华达州。图 9.8 显示了 Small Production.jmp 样本数据表。

图 9.8 Nevada 格式的示例

“Nevada 格式”选项卡包含以下选项:
区间删失失效 考虑退回数量是区间删失数据。区间介于最后记录的时间和观测到失效的时间
之间。默认选中该选项。
寿命时间单位 所有时间戳的实际日期 - 时间格式,包括退回计数的列标题。平台在预测步进增
量时使用该设置。
生产计数 生产的单元数
时间戳 生产日期
失效计数 失效的单元数
组 ID 观测值按其分组的变量。每个组具有各自的分布拟合和预测。还包括组合的预测。

日期格式

日期格式侧重于生产日期和失效日期。一个数据表指定每个时间期间的生产计数。另一个表提
供失效日期、失效计数以及相应的失效产品生产时间。
图 9.9 显示了 Small Production part1.jmp 和 Small Production part2.jmp 样本数据表。

图 9.9 日期格式的示例
生产数据 失效数据

“日期格式”选项卡分为 “生产数据”和 “失效数据”两部分。


第9章 可靠性预测 199
可靠性和生存方法 启动 “可靠性预测”平台

生产数据
选择表 包含单元数和生产日期的表

失效数据
选择表 包含失效数据 (例如失效单元数、生产日期和失效日期)的表
左删失 标识删失观测的列
时间戳 将生产观测关联到失效观测的列,指示失效的单元来自哪个批次。
删失代码 删失观测的代码。仅当您分配删失变量时才可用。
有关删失数据的详细信息,请参见 “寿命分布”一章中第 35 页的 “事件图”。
其他选项与“Nevada 格式”选项卡上的选项相同。详细信息,请参见第198 页的“Nevada 格式”。

事件时间格式

事件时间格式显示生产数据和失效数据。与 Nevada 格式和日期格式不同,“事件时间”数据不


包括日期时间信息,如生产日期或失效日期。这种格式还支持在数据中包含任意删失模式。请
参见第 202 页的 “使用事件时间数据定义风险集合”。
图 9.10 显示 Small Production Time to Event.jmp 样本数据表。

图 9.10 事件时间格式的示例
开始时间 结束时间 失效计数

“事件时间格式”选项卡包含以下选项:
预测开始时间 预测开始的时间。输入要放在水平轴上的第一个值。
删失代码 删失观测的代码。仅当您分配删失变量时才可用。
其他选项与“Nevada 格式”选项卡上的选项相同。详细信息,请参见第198 页的“Nevada 格式”。
200 可靠性预测 第9章
“可靠性预测”报表 可靠性和生存方法

“可靠性预测”报表
“可靠性预测”报表包含 “观测数据”报表、“寿命分布”报表和 “预测”报表。这些工具可
帮助您查看当前数据,比较分布以找到合适的拟合,然后调整影响预测的因子。在数据表中保
存预测后,您可以将数据导入 Microsoft Excel 以便在财务预测中使用。有关报表的示例,请参
见第 193 页的图 9.1 “可靠性预测的示例”。
红色小三角菜单提供按日期过滤观测数据并以另一格式保存数据的选项。详细信息,请参见第
204 页的 ““可靠性预测”平台选项”。

“观测数据”报表
“观测数据”报表使您能快速查看 Nevada 数据和日期数据 (图 9.11)。
• 条形图显示指定生产期间的生产计数和失效计数。
• 线图按生产期间显示累积预测。

注意:“事件时间”数据不包括日期时间信息 (如生产日期或失效日期),因此平台不为该格式
创建 “观测数据”报表。

“寿命分布”报表
通过 “寿命分布”报表,您可以比较分布并使用刻画器来找到合适的拟合。在 “预测”报表中
选择一个分布时,“寿命分布”报表会相应进行更新。有关该报表的详细信息,请参见第 29 页
的 “寿命分布”一章。“寿命分布”一章中所述的某些选项在 “可靠性预测”平台的 “寿命分
布”报表中不可用。

“预测”报表
“预测”报表提供帮助您预测失效数的交互式图形。通过拖动热区,您可以添加预期生产计数并
查看它们是如何影响预测的。

调整风险集合

将来的生产
在左侧图中,蓝色直条表示以前的生产计数。要添加预期生产,请执行以下步骤:
1. 将热区拖到右侧以添加一个或多个生产期间 (图 9.11)。
橙色直条表示将来的生产。
第9章 可靠性预测 201
可靠性和生存方法 “可靠性预测”报表

图 9.11 添加生产期间

热区

2. 向上或向下拖动每个直条以更改每个期间的生产计数 (图 9.12)。

图 9.12 调整生产计数

提示:您可以通过从 “预测报表”红色小三角菜单中选择以电子表格方式配置风险集合来调整
将来的生产计数。请参见第 203 页的 “以电子表格方式配置风险集合”。

现有生产
右击蓝色直条并选择排除可从预测结果中删除该风险集合。之后您仍可以右击并选择包括使该
数据回到风险集合。

提示:您可以通过从 “预测报表”红色小三角菜单中选择以电子表格方式配置风险集合来调整
现有的生产计数。请参见第 203 页的 “以电子表格方式配置风险集合”。
202 可靠性预测 第9章
“可靠性预测”报表 可靠性和生存方法

预测失效

当您在左侧图中调整生产时,右侧图会相应更新来估计将来的失效数 (图 9.13)。通过拖动热
区可更改预测周期,随后橙色线条会缩短或伸长来显示估计的失效计数。

图 9.13 调整预测周期

使用事件时间数据定义风险集合

您可以使用“事件时间格式”选项卡获取任意风险集合的预测。在启动窗口的“事件时间格式”
选项卡中,必须将 “寿命时间单位”选作 “数值”,必须将 “预测开始时间”设置为 0。按需
输入 “事件时间”、“删失”、“频数”和 “组 ID”等列。
左图提供表示现有生产的直条的位置。将位于 0 的热区拖至左侧以创建现有风险集合。将位于 1
的热区拖至右侧以创建将来的生产风险集合。
也可以使用“以电子表格方式配置风险集合”选项指定现有和将来的风险集合。必须使用负时间
值输入事件时间数据的现有风险集合的值。请参见第 203 页的“以电子表格方式配置风险集合”。

“预测”图选项

使用这些图形时,您可以更改合同期限、分布类型和其他选项以进一步探索您的数据。
• 要预测其他合同期限的失效数,请在使用合同期限旁边输入数字。根据需要更改时间单位。
• 要更改分布拟合,请从选择分布列表中选择一个分布。随后将在将来风险的图形上拟合分
布。分布拟合将显示在“寿命分布”报表图上,并添加一个新的刻画器。请注意,更改“寿
命分布”报表中的分布拟合不会更改 “预测”图中的拟合。
• 若您更关注一段时间内的总失效数,请选择累积计数。否则,JMP 以增量方式显示失效数,
这可以使趋势更易于识别。
• 要显示预期失效数的置信限,请选择显示区间。
第9章 可靠性预测 203
可靠性和生存方法 “可靠性预测”报表

“预测”报表选项

以下选项位于红色小三角菜单中:
动画 控制热区的闪现。您也可以在现有风险集合中右击蓝色直条并选择或取消选择动画。
交互式配置风险集合 确定您是否可以在图中拖动热区。
以电子表格方式配置风险集合 允许您指定生产计数和期间 (而非将它们添加到交互式图形
中)。您也可以从分析中排除生产期间。
‒ 要从分析中删除现有时间期间,请在 “现有风险”区域中突出显示该期间并点击鼠标,
然后选择排除。或选择包括使该期间重新回到预测。
‒ 要编辑生产,请在相应的 “将来风险”字段中双击,然后输入新值。
‒ 要将生产期间添加到预测,请在 “将来风险”区域中右击,然后选择一个附加选项。
(附加一行用于添加一行;附加 N 行允许您指定行数。)
随着您更改这些值,图形会相应更新。

注意:若使用 “事件时间格式”选项卡启动了该平台,则必须在 “将来风险”区域中使用


负时间值输入现有风险集合的值。

导入将来风险集合 允许您从另一打开的数据表导入将来的生产数据。新的预测随后显示在将
来风险图中。导入的数据必须具有时间戳列和数量列。
显示区间 在图形上显示或隐藏置信限。该选项的作用与选择图形旁边的显示区间的作用相同。
选择显示区间后,将在菜单上显示预测区间类型选项。选择以下期间类型之一:
‒ 插件区间仅考虑给定固定分布下的预测误差。
‒ 预测区间考虑使用估计误差估计分布时 (例如,使用不固定的分布)的预测误差。
若选择“预测区间”,预测区间设置选项将显示在菜单上。近似区间最初显示在图形中。选
择 Monte Carlo 样本大小或随机种子来指定这些值。要使用系统时钟,请输入缺失数字。
使用合同期限 确定是否在预测中考虑指定的合同期限。该选项的作用与选择图形旁边的使用
合同期限的作用相同。
使用失效成本 在将来风险图上显示失效成本而非失效计数。
选择使用失效成本后,设置失效成本选项显示在菜单上。该选项支持您设置每个失效的成
本。若在启动窗口中指定了 “分组”变量,则可使用 “设置失效成本”窗口为每组中的失
效指定单独的成本。
保存预测数据表 在新数据表中保存累积退回数和增加的退回数,并保存您在启动窗口中选择
的变量。对于分组的分析,表名称包括组 ID 和“聚合”一词,而现有退回数包含在聚合的
数据表中。
204 可靠性预测 第9章
“可靠性预测”平台选项 可靠性和生存方法

“可靠性预测”平台选项
“可靠性预测”报表的红色小三角菜单具有以下选项:
按事件时间格式保存数据 在事件时间格式的表中保存 Nevada 数据或日期数据。
显示图例 显示或隐藏 “观测数据”报表的图例。对 “事件时间”数据不可用。
显示图形过滤器 显示或隐藏 “图形过滤器”,以便您可以选择要在 “观测数据”图上显示哪
些生产期间。未选择的期间对应的直条变淡。取消选择这些期间可以按原始状态显示图形。
对 “事件时间”数据不可用。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。
第 10 章
可靠性增长
随着变更的实现对系统可靠性建模

“可靠性增长”平台可随着单个可修复系统不断接受系统设计的改进而对系统可靠性的变化建
模。可靠性增长检验计划尝试通过在发现失效时集成设计改进来增加系统的平均失效间隔时间
(MTBF)。
“可靠性增长”平台拟合 Crow-AMSAA 模型。这些是具有 Weibull 强度函数的非齐次 Poisson
过程。不同的模型可以包含可靠性增长计划的各个阶段。该平台还拟合多个系统的模型。

图 10.1 三阶段可靠性增长模型的图示例
206 可靠性增长 第 10 章
“可靠性增长”平台概述 可靠性和生存方法

“可靠性增长”平台概述
“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。
第 10 章 可靠性增长 207
可靠性和生存方法 使用 “可靠性增长”平台的示例

使用 “可靠性增长”平台的示例
假定您要检验新型涡轮发动机的原型。检验计划历时一年多,分为三个阶段。
数据包含在 Reliability 子文件夹下的 TurbineEngineDesign1.jmp 样本数据表中。对于出现的每
个失效,在列日中记录了距离检验开始的天数。在列纠正次数中记录了给定日的失效数或相等价
的所需纠正次数。
计划的前 100 天称为初始检验阶段。使用积极的设计变更来解决失效问题,这使得对设计进行
了大量修改。接着是另一个 100 天的阶段,在此阶段,通过对子系统的设计变更来解决修改后
设计中的失效问题。第三个阶段是最后检验阶段,它持续 250 天。在这个最后阶段,通过局部
设计变更来解决失效问题。
根据指定的天数来终止每个检验阶段,因此阶段是定时截尾。具体而言,给定的阶段在下一阶
段的开始时间处定时截尾。但是,失效时间是精确的 (未删失)。
1. 选择帮助 > 样本数据库,然后打开 Reliability/TurbineEngineDesign1.jmp。
2. 选择分析 > 可靠性和生存 > 可靠性增长。
3. 在事件时间格式选项卡上,选择日,然后点击事件时间。
4. 选择纠正次数并点击事件计数。
5. 选择设计阶段并点击阶段。
6. 点击确定。
随即显示 “可靠性增长”报表 (图 10.2)。“累积事件”图显示按天划分的累积失效数。蓝
色垂直虚线显示三个阶段之间的两个转换。

图 10.2 “观测数据”报表
208 可靠性增长 第 10 章
使用 “可靠性增长”平台的示例 可靠性和生存方法

7. 点击平均失效间隔时间展开图标。
这将提供一个图,其中的水平线位于在预定大小的区间上计算的平均失效间隔时间处 (图
10.3)。使用红色小三角菜单中的选项可以指定区间大小。

图 10.3 平均失效间隔时间图

8. 点击 Duane 图展开图标。
这将提供一个图,它在 Y 轴上显示累积 MTBF 估计值,在 X 轴上显示事件时间变量。若数
据符合 Duane 模型,则在重对数坐标纸上绘图时点应落在一条直线附近 (图 10.4)。

图 10.4 Duane 图

9. 从可靠性增长红色小三角菜单上,选择拟合模型 > 分段 Weibull NHPP。


第 10 章 可靠性增长 209
可靠性和生存方法 使用 “可靠性增长”平台的示例

这将为检验计划的三个阶段拟合 Weibull NHPP 模型,将这些阶段视为单个可靠性增长计划


的多个阶段。(请参见图 10.5。) “分段 Weibull NHPP”红色小三角菜单中的选项可提供
各种其他图和报表。

图 10.5 “分段 Weibull NHPP”报表


210 可靠性增长 第 10 章
启动 “可靠性增长”平台 可靠性和生存方法

启动 “可靠性增长”平台
通过选择分析 > 可靠性和生存 > 可靠性增长来启动 “可靠性增长”平台。使用
TurbineEngineDesign1.jmp 中的数据的启动窗口如图 10.6 中所示。

图 10.6 “可靠性增长”启动窗口

该启动窗口为以下四种数据格式各包含一个选项卡:“事件时间格式”、“日期格式”、“并发系
统”和 “并联系统”。
• “日期格式”假定使用日期 / 时间格式记录时间,用来指示一个绝对日期或时间。在 “日期
格式”选项卡上,为一个或多个时间列分配 “时间戳”角色。
• 其他三种数据格式假定将时间记录为时间单位数,例如自系统最初启动以来的天数或小时
数。检验开始时间假定为时间 0。在 “事件时间格式”选项卡上,为一个或多个时间列分配
“事件时间”角色。
分析中不包括 “事件时间”、“时间戳”、“事件计数”、“阶段”或 “系统 ID”列中具有缺失
数据的行。

注意:“可靠性增长”平台的所有数据格式都要求以非降序指定时间或时间间隔。

启动窗口角色
可用于 “可靠性增长”启动窗口中的变量的角色由指定的数据格式选项卡确定。本节对这些角
色进行了说明。

事件时间

“事件时间”是检验开始和发生事件 (失效或检验终止)之间间隔的时间单位数。检验开始时
间假定为时间 0。请注意,“事件时间”角色仅在 “事件时间格式”选项卡上可用。
允许两个规则 (详细信息,请参见第 212 页的 “精确失效时间与区间删失”):
• 可以输入单个列。在这种情况下,假定该列给出发生事件时精确的经过时间。
第 10 章 可靠性增长 211
可靠性和生存方法 启动 “可靠性增长”平台

• 可以输入两列,给出区间开始时间和结束时间。若区间的开始时间和结束时间不同,假定
“事件计数”列中给出的相应事件发生在该区间内的某个未知时间。我们称之为数据是区间
删失的。若区间的开始时间和结束时间相同,则假定相应的事件发生在该特定时间点,因此
时间是精确的 (未删失)。
平台要求时间列以非递减的顺序排序。当提供了区间开始时间和结束时间的两列时,这些区间
不能重叠 (端点除外)。事件计数为零的区间可以忽略 (这些事件计数严格位于某个阶段内),
因为它们不影响似然函数。

时间戳

“时间戳”是一个绝对时间 (例如,日期)。与 “事件时间”一样,“时间戳”允许使用一列或


两列来输入时间。请注意,“时间戳”角色仅在 “日期格式”选项卡上可用。
对于输入为 “时间戳”的时间,认定表的第一行给出检验开始时间:
• 输入单个列时,对应于检验开始的事件计数为 0 的时间戳应显示在第一行。
• 输入给出时间区间的两列时,第一列中的第一个条目应是检验开始时间戳。(详细信息,请
参见第 211 页的 “阶段”。)
其他详细信息与第 210 页的 “事件时间”一节中关于 “事件时间格式”的那些信息类似。详细
信息,另请参见第 212 页的 “精确失效时间与区间删失”。

事件计数

“事件计数”是在指定时间或指定时间区间内发生的事件数,通常为被纠正措施(纠正次数)解
决的失效数。若没有将任何列作为 “事件计数”输入,则假定每行的 “事件计数”为 1。

系统 ID

“系统 ID”标识多原型数据的观测的原型。“系统 ID”角色仅在 “并发系统”和 “并联系统”


数据格式中可用。它是这两种数据格式所要求的角色。

阶段

可靠性增长计划通常涉及积极检验的几个期间或阶段。可以在可选的 “阶段”列中指定这些检
验阶段。对于 “事件时间格式”和 “日期格式”数据格式,“阶段”变量可以是任意数据或建
模类型。对于 “并联系统”数据格式,“阶段”变量的数据类型必须是 “数值” 。有关构造多
阶段数据的详细信息,请参见第 212 页的 “检验阶段”。 有关示例,请参见第 232 页的 “使用
区间删失数据进行分段 NHPP Weibull 模型拟合”。

依据

这将为列中显示的每个值生成单独的分析。
212 可靠性增长 第 10 章
启动 “可靠性增长”平台 可靠性和生存方法

数据表结构
“事件时间格式”和 “日期格式”允许您分别为为 “事件时间”或 “时间戳”输入单个列或两
列。“并发系统”和“并联系统”支持您输入与“系统 ID”变量的每个水平对应的一列。Sample
Data 文件夹的 Reliability 文件夹中包含多原型数据表的示例:Concurrent Systems.jmp 用于
“并发系统”,前缀为 Parallel Systems 的四个表用于 “并联系统”。
本节将介绍如何使用这两种方法来指定检验结构。

精确失效时间与区间删失

在某些检验情况下,所检验系统会定期接受失效检查。在这种情况下,已知在时间区间内发生
失效,但是不知道精确的失效时间。我们称失效时间是区间删失的。
“可靠性增长”平台接受精确、未删失的失效时间数据以及区间删失的数据。将单个列作为“事
件时间”或 “时间戳”输入时,时间会被视为精确时间 (未删失)。
输入两列时,平台会将它们视为定义时间区间的开始点和结束点。若区间的开始时间和结束时
间不同,则在该区间内发生的失效的时间视为区间删失的。若结束点相同,则假定相应失效的
时间是精确的并且等于该共同的时间值。因此,您可以使用两个时间列来表示精确失效时间和
区间删失的失效时间。
特别是精确失效时间可以用以下两种方式之一表示:时间用单个时间列给出,或用两个时间列
给出具有相同端点的区间。
“可靠性增长”平台中的模型拟合依赖于似然函数。似然函数会考虑是否存在区间删失。因此,
允许同时存在区间删失的失效时间和精确失效时间。

定数截尾和定时截尾

当达到特定失效数或某一时间段过去后,检验计划可以要求检验终止。例如,检验计划可以在
发生 50 次失效后终止检验。另一计划可以在 6 个月过后终止检验。
若基于指定的失效次数终止检验,我们称该检验为定数截尾。若基于指定的时间区间终止检验,
我们称该检验为定时截尾。“可靠性增长”平台中使用的似然函数反映检验阶段是定数截尾还是
定时截尾。

检验阶段

可靠性增长检验通常涉及几个检验阶段。例如,正在开发的系统或检验计划在特定时间点可能
经历大量的变更。数据表指示每个阶段的开始时间以及每个阶段是定数截尾还是定时截尾,如
下所述。

单个检验阶段
有单个检验阶段时,平台会根据数据表最后一行中的时间和事件计数条目来推断检验是定数截
尾还是定时截尾。
• 若最后一行包含具有非零事件计数的精确失效时间,则该检验被视为定数截尾。
第 10 章 可靠性增长 213
可靠性和生存方法 “可靠性增长”报表

• 若最后一行包含具有零事件计数的精确失效时间,则该检验被视为定时截尾。
• 若最后一行包含具有非零宽度的区间,则该检验被视为定时截尾并且终止时间等于该区间的
右端点。

注意:要指示某个检验已定时截尾,请确保包含数据表中的最后一行来显示检验终止时间。若
您要输入单个列作为 “事件时间”或 “时间戳”,则最后一行应显示零事件计数。若您要输入
两列作为“事件时间”或“时间戳”,则最后区间的右端点应是检验终止时间。在这种情况下,
若在最后区间中没有失效,您应输入零事件计数。

多个检验阶段
使用 “事件时间格式”时,除第一个之外的任何阶段的开始时间应包含在时间列中。使用 “日
期格式”时,所有阶段的开始时间应包含在时间列中。若在阶段开始时间没有发生任何事件,则
“事件计数”列中的相应条目应为零。对于用两列给定的时间,使用具有相同端点的区间和零事
件计数反映阶段开始时间可能是必要的。
在多阶段检验情形下,平台会根据某阶段变更前的最后一行中的条目推断除最后一个阶段外的
每个阶段是定数截尾还是定时截尾。假定阶段 A 结束且阶段 B 在时间 tB 开始。在这种情况下,
对应于阶段 B 的第一行包含时间 tB 的条目。
• 若阶段 A 中最后一个失效的失效时间是精确的且该时间不同于 tB,则阶段 A 被视为定时截
尾。终止时间等于 tB。
• 若阶段 A 中最后一个失效的失效时间是精确的且等于 tB,则阶段 A 被视为定数截尾。
• 若阶段 A 中的最后一个失效是区间删失的,则阶段 A 被视为定时截尾且终止时间等于 tB。
平台会根据数据表最后一行中的条目推断最后阶段是定数截尾还是定时截尾。
• 若最后一行包含具有非零事件计数的精确失效时间,则该检验被视为定数截尾。
• 若最后一行包含具有零事件计数的精确失效时间或具有非零宽度的区间,则该检验被视为定
时截尾。在包含区间的情况下,终止时间被视为右端点。

“可靠性增长”报表
默认显示 “观测数据”报表。若在启动窗口中指定了 “并联系统”数据格式,默认还显示 “模
型描述和可行性”报表。

模型描述和可行性
“模型描述和可行性”报表列出并联系统模型的名称和描述。它还包含显示模型是否可用于当前
数据的一列。若所列模型不可用,则在该表最右侧的列中报告原因。

“观测数据”报表
“观测数据”报表包含累积事件图、平均失效间隔时间图和 Duane 图。这些图如图 10.7 所示,
在该图中打开了 “平均失效间隔时间”报表和 “Duane 图”报表。要生成该报表,请按第 207
页的 “使用 “可靠性增长”平台的示例”中的说明操作。
214 可靠性增长 第 10 章
“可靠性增长”报表 可靠性和生存方法

图 10.7 “观测数据”报表
第 10 章 可靠性增长 215
可靠性和生存方法 “可靠性增长”报表

“累积事件”图

该图显示事件如何随时间累积。“累积事件”图上每个点的垂直坐标等于截至该点的水平坐标给
出的时间发生的总事件数。
只要拟合模型,就会在 “累积事件”图上表示该模型。具体而言,模型估计的累积事件用一条
曲线表示,用纯色置信带表示 95% 置信区间。图右侧的复选框可用于控制所显示的模型。
对于 “并联系统”数据格式,“累积事件”图在图中为 “系统 ID”变量的每个水平都提供单独
的面板。它还在图底部包含一个面板,用来叠加 “系统 ID”变量的所有水平的累积事件。“系
统 ID”变量的各个水平用颜色来指定。

“平均失效间隔时间”图

“平均失效间隔时间”图显示在相等长度的小时间区间上获得的平均失效间隔时间。它们与阶段
没有关系。长度相等的区间的默认数跟行数有关系。

“平均失效间隔时间”图选项
点击 “平均失效间隔时间”红色小三角菜单,然后点击 “选项”,这将打开一个窗口,允许您
指定要进行平均的区间。
提供两种平均类型:
• 等区间平均 MTBF (平均失效间隔时间),允许您指定共同的区间大小。
• 定制平均 MTBF,允许您指定时间区间的截止点。
‒ 在表单元格内双击以更改其值。
‒ 在表中右击以打开一个菜单,可以使用该菜单添加和删除行。

Duane 图

“Duane 图”显示针对“事件时间”变量标绘的累积 MTBF 估计值,两个轴均采用 log10 尺度。


若数据符合 Duane 模型,则在重对数坐标纸上绘图时点应成一条直线。

注意:仅当失效时间是精确的且使用 “事件时间格式”时,“Duane 图”才可用。该图不适用


于区间删失数据或在 “日期格式”下输入的数据。

图上显示的线是以 log10 尺度表示的累积 MTBF 对以 log10 尺度表示的 “事件时间”变量做回


归得到的最小二乘回归线。

注意:“Duane 图”不反映 “阶段”变量。对于 “事件时间”变量定义了阶段变更的一些行,


在构造图和拟合回归线时会忽略它们。
216 可靠性增长 第 10 章
“可靠性增长”平台选项 可靠性和生存方法

截距和斜率
截距和斜率值显示在图的右侧。
• 因为历史原因给出的截距值为自然对数尺度下进行拟合所得到的截距。具体而言,在自然对
数尺度下的 “累积 MTBF”对自然对数尺度下的 “事件时间”进行回归。截距值是该回归
方程在 log(1) = 0 处预测的值,其中 log 是自然对数。要获取以 10 为底的对数尺度下拟合的
截距,请将截距值除以 log(10)。请参见 Tobias and Trindade (2012) 的第 13 章。
• 斜率值是自然尺度或对数尺度下拟合的斜率。它遵循对数的属性。

“可靠性增长”平台选项
“可靠性增长”红色小三角菜单包含以下选项:
拟合模型 若在启动窗口中指定了 “事件时间格式”、“日期格式”或 “并发系统”数据格式,
则该菜单包含用于拟合各种非齐次 Poisson 过程 (NHPP) 模型的选项,详细信息如下所述。
根据在启动窗口中所做的选择,可能的选项是:
‒ 第 217 页的 “Crow AMSAA”
‒ 第 223 页的 “使用修改 MLE 的 Crow AMSAA”
‒ 第 224 页的 “固定参数 Crow AMSAA”
‒ 第 225 页的 “分段 Weibull NHPP”
‒ 第 229 页的 “重新初始化 Weibull NHPP”
‒ 第 231 页的 “分段 Weibull NHPP 变点检测”
拟合并联系统模型 若在启动窗口中指定了 “并联系统”数据格式,则该菜单包含用于拟合各
种多原型数据模型的选项。该菜单中的可能选项取决于启动窗口中所做的选择。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。

模型列表
拟合模型后,将显示 “模型列表”报表。该报表提供各种统计测度来描述模型拟合。当拟合其
他模型时,它们会添加到 “模型”列表,这提供了便利的模型比较汇总。模型按 AICc 值的升
序方式排序。“模型列表”报表包含以下统计量:
参数数目 模型中的参数数目。
第 10 章 可靠性增长 217
可靠性和生存方法 模型报表

-2 对数似然 似然函数是在给定估计的模型参数时对观测数据可能性的度量。一般来讲,似然
值越大,模型拟合效果越好。由此判定:-2 倍的对数似然 (-2 对数似然)的较小值指示模
型拟合效果较好。
AICc 校正的 Akaike 信息准则。
BIC Bayes 信息准则。
有关 -2 对数似然、AICc 和 BIC 的详细信息,请参见《拟合线性模型》手册中的“统计详细信
息”附录。

模型报表
本节说明拟合可用模型时生成的报表以及这些模型报表中提供的选项。

Crow AMSAA

该选项拟合 Crow-AMSAA 模型 (MIL-HDBK-189, 1981)。 Crow-AMSAA 模型是一个非齐次


Poisson 过程,其失效强度是时间 t 的函数,满足 ρ(t) = λβtβ-1。其中, λ 是尺度参数, β 是增长
参数。该函数也称为 Weibull 强度,该过程本身也称为幂次定律过程(Rigdon and Basu, 2000 ;
Meeker and Escobar, 1998)。请注意,“再现”平台拟合幂次非齐次 Poisson 过程,该过程等价
于 Crow-AMSAA 模型,尽管它使用不同的参数化方法。详细信息,请参见 “复发分析”一章
中第 134 页的 “拟合模型”。
强度函数是适用于可修复系统的概念。它在时间 t 处的值是 t 附近的小区间中失效概率的限值除
以该区间的长度;当区间长度趋近零时取该限值。您可以将强度函数视为测量系统在给定时间
失效的可能性。若 β < 1,系统将随时间改进。若 β > 1,系统将随时间退化。若 β = 1,失效的发
生率为常数。
选择 Crow AMSAA 选项时,“累积事件图”会相应更新以显示模型估计的累积事件曲线。对于
每个时间点,该曲线周围的着色带定义了在该时间真实累积事件数的 95% 置信区间。“模型列
表”报表也会相应更新。图 10.8 显示了 TurbineEngineDesign1.jmp 中数据的“观测数据”报表。
218 可靠性增长 第 10 章
模型报表 可靠性和生存方法

图 10.8 Crow AMSAA 的 “累积事件”图和 “模型列表”报表

“Crow-AMSAA”报表

“Crow-AMSAA”报表在“模型”报表内打开。若使用“事件时间格式”,则“Crow AMSAA”
报表显示两个轴均为对数尺度的 MTBF 图。请参见第 218 页的 “MTBF 图”。

MTBF 图

默认显示平均失效间隔时间 (MTBF) 图(图 10.9)。对于每个时间点,MTBF 图周围的着色带定


义了在时间 t 处的真实 MTBF 的 95% 置信区间。若使用 “事件时间格式”,则该图的两个轴均
采用对数尺度。在该尺度下,MTBF 图为线性的。若使用“日期格式”,则该图不采用对数尺度。
第 10 章 可靠性增长 219
可靠性和生存方法 模型报表

图 10.9 MTBF 图

要了解为何使用对数尺度时 MTBF 图是线性的,请考虑以下因素。平均失效间隔时间是强度函


数的倒数。对于 Weibull 强度函数, MTBF 为 1/(λβtβ-1),其中 t 表示自检验开始以来经历的时
间。由此可见, MTBF 的对数是 log(t) 的线性函数,其斜率为 1 - β。 通过用估计值替换参数 λ
和 β 来定义估计的 MTBF。因此估计的 MTBF 的对数是 log(t) 的线性函数。

估计值
lambda (λ))、beta (β)) 和可靠性增长斜率 (1 - β) ) 的最大似然估计值显示在图下方的“估计值”
报表中。(请参见图 10.9。) 此外还给出了 λ,、 β 和 1 - β 的标准误差和 95% 置信区间。有关计
算的详细信息,请参见第 236 页的 “Crow-AMSAA 模型的参数估计值”。

协方差矩阵
拟合模型参数估计值的协方差估计值矩阵。默认关闭该报表。

Crow AMSAA 选项

本节说明拟合 “Crow AMSAA”模型时在 “Crow-AMSAA”红色小三角菜单中提供的选项。

显示 MTBF 图

该选项显示或隐藏 MTBF 图。请参见第 218 页的 “MTBF 图”。

显示强度图
该图显示估计的强度函数 (图 10.10)。 Weibull 强度函数由 ρ(t) = λβtβ-1 给出,因此 log( 强度 )
是 log(t) 的线性函数。若使用 “事件时间格式”,两个轴的尺度均为对数。
220 可靠性增长 第 10 章
模型报表 可靠性和生存方法

图 10.10 强度图

显示累积事件图
该图显示估计的累积事件数 (图 10.11)。观测的累积事件数也显示在该图上。若使用 “事件时
间格式”,两个轴的尺度均为对数。

图 10.11 累积事件图

对于 Crow-AMSAA 模型,时间 t 处的累积事件数由 λtβ 给出。由此可见,累积事件数的对数是


log(t) 的线性函数。因此,针对采用对数尺度的轴绘图时,估计的累积事件图是线性的。

显示刻画器
显示三个刻画器,分别显示估计的 MTBF、失效强度和累积事件 (图 10.12)。这些刻画器不使
用对数尺度。通过在任何刻画器中拖动红色垂直虚线,您可以探索各个时间点的模型估计值;
第 10 章 可靠性增长 221
可靠性和生存方法 模型报表

选定的时间点值用红色显示在图下面。通过在图中点击时按住 Ctrl 键,您还可以将时间轴设置


为特定值。蓝色垂直虚线表示最后观测到失效的时间点。
刻画器还显示估计量的 95% 置信带。对于指定的时间设置,估计量 (用红色表示)和 95% 置信
限(用黑色表示)显示在刻画器的左侧。有关进一步的详细信息,请参见第 237 页的“刻画器”。
请注意,您可以通过从任意刻画器的红色小三角菜单中选择因子设置 > 关联刻画器来关联这些
刻画器。有关刻画器的使用和解释的进一步详细信息,请参见 《拟合线性模型》手册中的 “标
准最小二乘法”一章。另请参见 《刻画器指南》手册中的 “刻画器”一章。

图 10.12 刻画器

可达 MTBF

检验结束时相应点的 MTBF 的置信区间通常很受关注。对于未删失的失效时间数据,该报表给


出 “可达 MTBF”的估计值及其 95% 置信区间。您可以通过输入 Alpha 的值指定 100*(1-α)%
置信区间。该报表如图 10.13 中所示。对于删失数据,仅报告检验终止时的估计 MTBF。

图 10.13 “可达 MTBF”报表

来自 NHPP 有无限多可能的失效时间序列;观测的数据仅表示其中之一。假定该检验在第 n 次
失效时定数截尾。在 “可达 MTBF”报表中计算的置信区间考虑到 n 个失效时间是随机的。若
检验是定时截尾,则失效次数和失效时间都是随机的。正因为如此,“可达 MTBF”的置信区间
不同于 “MTBF 刻画器”在最后观测到的失效时间提供的置信区间。详细信息,请参见 Crow
(1982) 和 Lee and Lee (1978)。
222 可靠性增长 第 10 章
模型报表 可靠性和生存方法

检验是定数截尾时,“可达 MTBF”的置信区间是精确的。但是,当检验是定时截尾时,无法获
取精确的区间。这时在区间包含“可达 MTBF”的概率至少为 1-α 的意义上,该限值是保守的。

拟合优度
“拟合优度”报表检验数据服从具有 Weibull 强度的 NHPP 这个原假设。根据输入的是一个还
是两个时间列,执行 Cramér-von Mises 检验 (请参见第 222 页的 “具有未删失失效时间的数
据的 Cramér-von Mises 检验”)或卡方检验 (请参见第 222 页的 “区间删失的失效时间的卡
方拟合优度检验”)。

具有未删失失效时间的数据的 Cramér-von Mises 检验

在启动窗口中将数据输入为单个“事件时间”或“时间戳”列时,拟合优度检验是 Cramér-von
Mises 检验。对于 Cramér-von Mises 检验,大的检验统计量值会导致拒绝原假设并得出模型拟
合效果不好的结论。该检验使用 beta 的无偏估计值,在报表中会给出该值。检验统计量的值位
于 “Cramér-von Mises”标题下方。
“p 值”标题下方的条目指示若数据来自 Weibull NHPP 模型,检验统计量与观测值一样大的不
可能性有多大。平台计算得到的 p 值最大为 0.25。若检验统计量小于对应于 p 值等于 0.25 的值,
则该报表指示其 p 值 >=0.25。有关该检验的详细信息,请参见 Crow (1975)。
图 10.14 显示了对 TurbineEngineDesign1.jmp 中的数据进行 Crow-AMSAA 模型拟合的拟合优
度检验。计算出的检验统计量对应于小于 0.01 的 p 值。我们可以得出结论:Crow-AMSAA 模
型未能很好地拟合数据。

图 10.14 “拟合优度”报表 - Cramér-von Mises 检验

区间删失的失效时间的卡方拟合优度检验
在启动窗口中将数据输入为两个 “事件时间”或 “时间戳”列时,执行卡方拟合优度检验。卡
方检验基于在定义的时间区间内比较观测的失效数和期望的失效数。大的检验统计量值导致拒
绝原假设并得出模型未拟合的结论。
在 “可靠性增长”平台中,卡方拟合优度检验专为区间删失数据设计,在数据表中指定的时间
区间覆盖了该检验的整个时间期间。这意味着区间的开始时间是前一区间的结束时间。特别是,
未发生失效的区间应包括在数据表中。若一些区间是不相邻的或一些区间具有相同的开始时间
和结束时间,则算法会进行相应的调整。但是,生成的检验仅是近似正确的。
第 10 章 可靠性增长 223
可靠性和生存方法 模型报表

使用修改 MLE 的 Crow AMSAA

在 Crow-AMSAA 模型中, β 的最大似然估计值 (MLE) 有偏。该选项可拟合 β 经过偏倚调整的


Crow AMSAA 模型。

注意:仅当在启动窗口将数据输入为单个 “事件时间”或 “时间戳”列时该选项才可用。它不


适用于区间删失数据。

图 10.15 显示了使用修改 MLE 的 Crow-AMSAA 拟合 TurbineEngineDesign1.jmp 中的数据。

图 10.15 “使用修改 MLE 的 Crow-AMSAA”报表

针对 β 的修正偏倚的估计值的公式取决于该检验是定数截尾还是定时截尾。详细信息,请参见
第 236 页的 ““使用修改 MLE 的 Crow-AMSAA”的参数估计值”。
选择 “使用修改 MLE 的 Crow-AMSAA”选项时,“累积事件”图会更新以显示该模型。“模
型列表”随之更新。将打开 “使用修改 MLE 的 Crow-AMSAA”报表以显示 “使用修改 MLE
的 Crow-AMSAA”拟合的 MTBF 图、估计值和协方差矩阵;该图将在第 230 页的“MTBF 图”
一节中进行介绍。
除了 “显示 MTBF 图”外,可用的选项包括:“显示强度图”、“显示累积事件图”、“显示刻
画器”、“可达 MTBF”和 “拟合优度”。第 217 页的 “Crow AMSAA”中介绍了这些报表。
有关如何使用修改的 MLE 构造这些报表的详细信息,请参见第 236 页的 ““使用修改 MLE 的
Crow-AMSAA”的参数估计值” 。 下面将详细说明针对修改的 MLE 选项的 “拟合优度”和
“可达 MTBF”报表。
224 可靠性增长 第 10 章
模型报表 可靠性和生存方法

拟合优度
因为仅当将数据输入为单个“事件时间”或“时间戳”列时“使用修改 MLE 的 Crow-AMSAA”
选项才可用,因此 “拟合优度”检验是 Cramér-von Mises 检验。因为在该检验中使用的 β 估
计值已修正偏倚,因此该检验结果与 Crow-AMSAA 模型的拟合优度检验结果相同。

可达 MTBF

可达 MTBF 使用修改的 MLE 进行估计。但是,可达 MTBF 的置信区间使用真实 MLE 且与


Crow AMSAA 模型给出的区间相同。

固定参数 Crow AMSAA

该选项允许您指定 Crow-AMSAA 拟合的参数值。若在选择 “固定参数 Crow-AMSAA”选项


前 未 获 得 “Crow-AMSAA”报 表,则 同 时 提 供 “Crow-AMSAA”报 表 和 “固 定 参 数
Crow-AMSAA”报表。
选择 “固定参数 Crow-AMSAA”选项时,“累积事件”图会更新以显示该模型。“模型列表”
随之更新。将打开 “固定参数 Crow-AMSAA”报表以显示 Crow-AMSAA 拟合的 MTBF 图;
该图将在第 230 页的 “MTBF 图”一节中进行介绍。
除了 “显示 MTBF 图”外,可用的选项包括:“显示强度图” 、“显示累积事件图”和 “显示
刻画器”。有关这些图的构造和解释,请参见第 217 页的 “Crow AMSAA”。

估计值
初始参数估计值是 Crow-ASMAA 拟合的 MLE。通过选中所需参数旁边的复选框并输入所需的
值,可以固定其中一个参数。该模型将重新估计并且 MTBF 图会相应更新来描述该模型。图
10.16 显示了对 TurbineEngineDesign1.jmp 中的数据进行的固定参数 Crow-AMSAA 拟合,其
中 beta 的值设置为 0.4。
第 10 章 可靠性增长 225
可靠性和生存方法 模型报表

图 10.16 “固定参数 Crow AMSAA”报表

分段 Weibull NHPP

当在启动窗口中输入至少指定了两个值的 “阶段”列时,可以拟合分段 Weibull NHPP 模型。


在阶段开始时的累积事件数与前一阶段结束时的事件数相一致这一约束条件下,对每个阶段进
行 Crow-AMSAA 模型拟合。为了正确显示阶段转换时间,除第一阶段外的每个阶段的第一行
必须给出该阶段的开始时间。请参见第 213 页的 “多个检验阶段”。
运行报表时,“累积事件”图会更新以显示分段模型。蓝色垂直虚线显示每个阶段的转换时间。
“模型列表”随之更新。请参见图 10.17,其中已对 TurbineEngineDesign1.jmp 中的数据进行了
Crow-AMSAA 模型和分段 Weibull NHPP 模型拟合。请注意,在 “模型列表”报表中会比较
这两个模型。
226 可靠性增长 第 10 章
模型报表 可靠性和生存方法

图 10.17 “累积事件”图和 “模型列表”报表

“分段 Weibull NHPP”报表

默认情况下,“分段 Weibull NHPP”报表显示估计的 MTBF 图。不同阶段用不同颜色区分开


来。“估计值”报表和 “协方差矩阵”报表显示在图的下方。(请参见图 10.18。)
第 10 章 可靠性增长 227
可靠性和生存方法 模型报表

图 10.18 “分段 Weibull NHPP”报表

MTBF 图

选择 “分段 Weibull NHPP”选项时,默认显示 MTBF 图和 “估计值”报表 (图 10.18)。使


用 “事件时间格式”时,轴的尺度为对数。有关该图的进一步详细信息,请参见第 218 页的
“MTBF 图”。

估计值
“估计值”报表给出模型参数的估计值。请注意,仅给出对应于第一个阶段的 λ 值的估计值。在
分段模型中,一个阶段结束时的累积事件数必须与后续阶段开始时的累积事件数相一致。因为
这些约束,第一个阶段的 λ 估计值和 β 的估计值决定其余的 λ。
用于计算估计值、它们的标准误差和置信限的方法类似于简单 Crow-AMSAA 模型所使用的方
法。有关进一步的详细信息,请参见第 236 页的“Crow-AMSAA 模型的参数估计值”。似然函
数反映其他参数和有关累积事件数的约束。

协方差矩阵
拟合模型参数估计值的协方差估计值矩阵。默认关闭该报表。
228 可靠性增长 第 10 章
模型报表 可靠性和生存方法

分段 Weibull NHPP 选项

本节说明 “分段 Weibull NHPP”红色小三角菜单中可用的选项。

显示 MTBF 图

该选项显示或隐藏 MTBF 图。请参见第 218 页的 “MTBF 图”。

显示强度图
强度图显示在设计阶段上估计的强度函数和置信带。强度函数在阶段转换处通常是不连续的。
颜色编码有助于区分不同阶段。若使用 “事件时间格式” ,轴的尺度为对数。有关进一步的详
细信息,请参见第 219 页的 “显示强度图”。

显示累积事件图
累积事件图显示在设计阶段上估计的累积事件数以及置信带。该模型要求一个阶段结束时的累积
事件数与后续阶段开始时的累积事件数相一致。颜色编码有助于区分不同阶段。若使用“事件时
间格式”,轴的尺度为对数。有关进一步的详细信息,请参见第 220 页的 “显示累积事件图”。

显示刻画器
显示三个刻画器,分别显示估计的 MTBF、失效强度和累积事件。这些刻画器不使用对数尺度。
有关解释和使用这些刻画器的更多详细信息,请参见第 220 页的 “显示刻画器”一节。
请务必注意,由于刻画器图的默认分辨率,在 “MTBF 刻画器”或 “失效强度刻画器”中不能
清晰显示不连续性。在阶段转换附近,刻画器迹显示几乎垂直但是略有倾斜的线条;该线条表
示不连续性。(请参见图 10.19。) 像这类在阶段转换处的线条不应该用于估计。您可以按以下
方式获得更高分辨率的显示,使这些线条显得更垂直:在刻画器图中点击时按住 Ctrl,然后在
对话框窗口中为 “标绘的点数”输入更大的值。(请参见图 10.20,在其中我们指定了 500 作为
“标绘的点数”。)

图 10.19 刻画器
第 10 章 可靠性增长 229
可靠性和生存方法 模型报表

图 10.20 “因子设置”窗口

重新初始化 Weibull NHPP

该选项对每个检验阶段的数据进行独立的增长模型拟合。当在检验或工程方面影响增长率的因
子在两个阶段间变化很大时,采用这种方式拟合模型会很有用。在这样的情况下,您可能要独
立比较检验阶段。当在启动窗口中输入至少指定了两个阶段的 “阶段”列时,可以使用 “重新
初始化 Weibull NHPP”选项。
对于拟合该模型的算法,包含新阶段第一次出现的每个行必须包含开始日期。
• 假定将单个列输入为 “事件时间”或 “时间戳”,则具有零事件计数的新阶段的开始时间
必须显示在该阶段的第一行中。有关示例,请参见 Reliability 子文件夹中的样本数据表
ProductionEquipment.jmp。
• 若输入两列,则其左端点是该开始时间的区间必须显示在第一行中且包含相应的事件计数。
有关示例,请参见 Reliability 子文件夹中的样本数据表 TurbineEngineDesign2.jmp。另请参
见第 232 页的 “使用区间删失数据进行分段 NHPP Weibull 模型拟合”。
有关进一步信息,请参见第 213 页的 “多个检验阶段”。
对每个阶段的数据进行独立的 Crow AMSAA 模型拟合。运行该报表时,“累积事件”图会更新
以显示重新初始化的模型。蓝色垂直虚线显示每个阶段的转换点。“模型列表”随之更新。

“重新初始化 Weibull NHPP”报表

默认情况下,“重新初始化 Weibull NHPP”报表显示估计的 MTBF 图。不同阶段用不同颜色区


分开来。“估计值”报表和 “协方差矩阵”报表显示在图的下方。(请参见图 10.21,它使用
Reliability 子文件夹中的 ProductionEquipment.jmp 样本数据文件。)
230 可靠性增长 第 10 章
模型报表 可靠性和生存方法

图 10.21 “重新初始化 Weibull NHPP”报表

MTBF 图

选择“重新初始化 Weibull NHPP”选项时,默认打开 MTBF 图。有关该图的进一步详细信息,


请参见第 218 页的 “MTBF 图”。

估计值
“估计值”报表给出每个阶段的 λ 和 β 估计值。对于给定的阶段,仅使用该阶段的数据估计 λ 和
β。计算假定阶段从时间 0 开始并反映该阶段是定数截尾还是定时截尾,这由数据表结构定义(请
参见第 212 页的 “检验阶段” ) 。此外还显示标准误差和 95% 置信限。这些值按第 236 页的
“Crow-AMSAA 模型的参数估计值”中所述的那样计算。

协方差矩阵
拟合模型参数估计值的协方差估计值矩阵。默认关闭该报表。

重新初始化 Weibull NHPP 选项

本节说明 “重新初始化 Weibull NHPP”红色小三角菜单中可用的选项。

显示 MTBF 图

该选项显示或隐藏 MTBF 图。请参见第 218 页的 “MTBF 图”。


第 10 章 可靠性增长 231
可靠性和生存方法 模型报表

显示强度图
强度图显示阶段的估计强度函数以及置信带。因为仅根据阶段内的数据计算强度函数,它们在
阶段转换处是不连续的。颜色编码有助于区分不同阶段。有关进一步的详细信息,请参见第 219
页的 “显示强度图”。

显示累积事件图
“重新初始化 Weibull NHPP”模型的累积事件图按以下方式在设计阶段上描述估计的累积事件
数和置信带。假定 t 表示检验的第一个阶段开始以来经历的时间。在时间 t 有效的阶段的模型在
时间 t 处计算。特别是,有效阶段的模型的计算时间点不是自特定阶段开始以来经历的时间处,
而是自检验的第一个阶段开始以来经历的时间处。
在阶段转换处,累积事件函数是不连续的。“累积事件”图将一个阶段开始时的估计累积事件数
与前一阶段结束时的累积数相匹配。该匹配允许用户比较观测的累积事件函数与估计的累积事
件函数。颜色编码有助于区分不同阶段。

显示刻画器
显示三个刻画器,分别显示估计的 MTBF、失效强度和累积事件。请注意,“累积事件刻画器”
按 “累积事件图”一节中所述的那样构造。特别是,一个阶段开始时的累积事件数与前一阶段
结束时的事件数相一致。有关进一步的详细信息,请参见第 228 页的 “显示刻画器”。

分段 Weibull NHPP 变点检测

“分段 Weibull NHPP 变点检测”选项尝试找到一个可靠性模型发生变化的时间点。若您怀疑在


检验期间可靠性增长有变化,则该选项会很有用。请注意,检测仅查找单个变点,它对应于两
个潜在阶段。
仅当在启动窗口中未输入 “阶段”并且以下之一成立时,该选项才可用:
• 在启动窗口中将单个列输入为 “事件时间”或 “时间戳”(指示失效时间是精确的)。
• 在启动窗口的 “并发系统”面板中将两列输入为 “事件时间”。
选择 “分段 Weibull NHPP 变点检测”选项时,估计的模型图和置信带会添加到 “观测数据”
下的 “累积事件”报表中。“模型列表”会相应更新,给出在估计的变点条件下的统计量。在
“模型”下方,提供了 “分段 Weibull NHPP 变点检测”报表。
默认 “分段 Weibull NHPP 变点检测”报表显示 MTBF 图、“估计值”和“协方差矩阵”。(请
参见图 10.22,它使用 Reliability 子文件夹下的 BrakeReliability.jmp 中的数据。)请注意,显示
在 “估计值”报表底部的变点被估计为 12/21/2011。标准误差和置信区间将变点视为已知的。
该图和 “估计值”报表在第 225 页的 “分段 Weibull NHPP”一节中进行介绍。
232 可靠性增长 第 10 章
“可靠性增长”平台的更多示例 可靠性和生存方法

图 10.22 “分段 Weibull NHPP 变点检测”报表

可用的选项包括:“显示 MTBF 图”、“显示强度图”、“显示累积事件图”、“显示刻画器”。


这些选项在第 230 页的 “重新初始化 Weibull NHPP 选项”一节中进行介绍。
估计变点所用的过程在第 237 页的 ““分段 Weibull NHPP 变点检测”报表的统计详细信息”
一节中进行介绍。

“可靠性增长”平台的更多示例
本节包含使用 “可靠性增长”平台的两个更多示例。第一个示例说明区间删失数据,第二个示
例说明未删失数据的日期格式。

使用区间删失数据进行分段 NHPP Weibull 模型拟合

Reliability 子文件夹下的样本数据文件 TurbineEngineDesign2.jmp 包含有关在检验计划的三个


阶段中涡轮发动机设计失效的数据。前两列给出发生失效的时间区间。这些区间记录为自检验
以来的天数。精确失效时间未知,只知道失效发生在这些区间内。
通常以每周作为一个时间区间来提供失效数报表。没有发生失效并严格位于一个阶段内的区间
不包括在数据表中 (例如,表中未显示区间 106 到 112)。因为这些区间对似然函数没有影响,
在估计模型参数时不需要它们。
但是,要拟合 “分段 Weibull NHPP”或 “重新初始化 Weibull NHPP”模型,请务必在 “事
件时间”或 “时间戳”列中提供所有阶段的开始时间。
第 10 章 可靠性增长 233
可靠性和生存方法 “可靠性增长”平台的更多示例

在本例中,三个阶段分别从第 0 天(“初始”阶段)、第 91 天(“修改”阶段)和第 200 天(“最


后”阶段)开始。在 “初始”阶段和 “修改”阶段开始的几周内有发生失效。但是,在第 196
天到第 231 天没有报告失效。因此,开始天数和结束天数等于 200 的区间已包括在表中 (第 23
行),它反映 0 次失效。这是必要的,这样 JMP 才能知道 “最后”阶段的开始时间。
该检验在第 385 天终止。这是具有定时截尾阶段的区间删失失效时间的示例。

注意:阶段开始时间对于正确显示 “分段 Weibull NHPP”模型的转换时间是必需的,对于估


计 “重新初始化 Weibull NHPP”模型是必需的。对于区间删失数据,算法定义阶段的开始时
间为包含该阶段标明的第一次出现的行中记录的开始日期。在我们的示例中,若第 23 行不在表
中,则 “最后”阶段的开始时间会被视为 231。

1. 选择帮助 > 样本数据库,然后打开 Reliability/TurbineEngineDesign2.jmp。


2. 选择分析 > 可靠性和生存 > 可靠性增长。
3. 在事件时间格式选项卡上,选择列区间开始和区间结束,然后点击事件时间。
4. 选择纠正次数并点击事件计数。
5. 选择设计阶段并点击阶段。
6. 点击确定。
7. 从 “可靠性增长”的红色小三角菜单,选择拟合模型 > 分段 Weibull NHPP。
“观测数据”报表中的 “累积事件图”如图 10.23 中所示。蓝色垂直虚线指示阶段转换点。列设
计阶段中第一次出现 “Revised”是在第 14 行。因此,“修改”阶段的开始时间取第 14 行中的
区间开始值,即第 91 天。类似,列设计阶段中第一次出现 “Final”是第 23 行,因此 “最后”
阶段的开始时间取第 23 行中的区间开始值,即第 200 天。

图 10.23 累积事件图
234 可靠性增长 第 10 章
“可靠性增长”平台的更多示例 可靠性和生存方法

“分段 Weibull NHPP”报表位于 “模型”分级显示项节点下方 (图 10.24)。在这里我们看到


平均失效间隔时间在三个阶段上递增。从 “估计值”报表中,我们看到 beta 估计值在三个检验
阶段上递减。

图 10.24 MTBF 图

时间采用日期格式的 “分段 Weibull NHP 变点检测”


Reliability 子文件夹下的文件 BrakeReliability.jmp 包含刹车系统的纠正次数数据。日期列给出
第二列中指定的纠正次数实施的日期。对于该数据,失效时间是已知的。请注意,日期列必须
采用升序顺序。
检验开始时间是日期列中的第一个条目 09/29/2011,对应的纠正次数值设置为 0。需要用它指示
检验的开始时间。若这个第一行中有纠正次数的非零值,则相应日期将被视为检验开始时间,但
是在分析中纠正次数的值将被视为 0。
在最后一行给出检验终止时间为 05/31/2012。因为最后一行中的纠正次数值为 0,检验被视为在
5/31/2012 定时截尾。若这个最后一行中有纠正次数的非零值,则检验被视为定数截尾。
1. 选择帮助 > 样本数据库,然后打开 Reliability/BrakeReliability.jmp。
2. 选择分析 > 可靠性和生存 > 可靠性增长。
3. 选择日期格式选项卡。
4. 选择日期并点击时间戳。
5. 选择纠正次数并点击事件计数。
6. 点击确定。
第 10 章 可靠性增长 235
可靠性和生存方法 “可靠性增长”平台的更多示例

7. 从 “可靠性增长”的红色小三角菜单,选择拟合模型 > Crow AMSAA。


“观测数据”报表中的 “累积事件图”会相应更新以显示模型 (图 10.25)。该模型看起来拟合
数据的效果不好。

图 10.25 具有 Crow AMSAA 模型的 “累积事件”图

8. 从 “可靠性增长”的红色小三角菜单中,选择拟合模型 > 分段 Weibull NHPP 变点检测。


“观测数据”报表中的 “累积事件图”会相应更新以显示使用变点检测的分段模型拟合。这两
个模型均显示在图 10.26 中。尽管数据颇为稀疏,分段模型看起来可以更好地拟合数据。
236 可靠性增长 第 10 章
“可靠性增长”平台的统计详细信息 可靠性和生存方法

图 10.26 具有两个模型的 “累积事件”图

“可靠性增长”平台的统计详细信息
本节包含 “可靠性增长”平台的统计详细信息。

“Crow-AMSAA”报表的统计详细信息
本节包含 “Crow-AMSAA”报表中显示的参数估计值和刻画器的详细信息。

Crow-AMSAA 模型的参数估计值

除 “使用修改 MLE 的 Crow-AMSAA”选项外, λ 和 β 的估计值是最大似然估计值,它们按


如下方式进行计算。使用 Meeker and Escobar (1998) 中的方法得到的该似然函数。它根据
param1 = log(λ) 和 param2 = log(β) 重新进行了参数化。这样就可以使用不受约束的优化算法,
即在 - ∞ 到 + ∞ 范围上进行搜索的算法。此外还会得到 param1 和 param2 的 MLE。
λ 和 β 的标准误差根据 Fisher 信息矩阵获得。使用 Wald 统计量基于 MLE 的渐近分布计算
param1 和 param2 的置信限。然后使用指数函数将这些估计值和它们的置信限转换回原始单位。

“使用修改 MLE 的 Crow-AMSAA”的参数估计值

对于“使用修改 MLE 的 Crow-AMSAA”选项,已针对偏倚修正了 β 的估计值。针对 β 的修正


偏倚的估计值的公式取决于该检验是定数截尾还是定时截尾。
用 β̂ 表示 β 的 MLE,假定 n 是观测数, T 是总检验时间。
第 10 章 可靠性增长 237
可靠性和生存方法 “可靠性增长”平台的统计详细信息

β 的修正偏倚的估计值 (修改的 MLE)是 β ,其中:

n–2
β =  ------------ β̂ 用于定数截尾的检验
 n 

n–1
β =  ------------ β̂ 用于定时截尾的检验
 n 

根据似然函数给出的表达式 (采用调整的 beta 值)计算 λ 的修改 MLE (用 λ 表示):

β
λ = n⁄T

使用 Fisher 信息矩阵估计参数的协方差矩阵 (请参见第 236 页的 “Crow-AMSAA 模型的参数


估计值”)。但是,在生成的公式中用 MLE 替换 λ 和 β 的修正偏倚的估计值。图中的所有置信
带和报表中的置信区间均基于该过程。

刻画器

对于 Crow-AMSAA 模型,通过用来自 MLE 的参数替换理论表达式中的参数 λ 和 β,得到刻画


器中给出的 MTBF、强度和累积事件的估计值。选择 “使用修改 MLE 的 Crow-AMSAA”选项
时,使用修改的 MLE。通过将 delta 方法应用到相关表达式的对数,得到置信限。
例如,考虑累积事件函数。自检验开始以来在时间 t 处的累积事件数由 N(t) = λtβ 给出。它满足
log(N(t)) = log(λ) + βlog(t)。用 MLE (或修改的 MLE)替换 log(N(t)) 中的参数 λ 和 β 来估计
log(N(t))。将 delta 方法应用到该表达式来获得其方差的估计值。该估计值用于构造基于 Wald
的 95% 置信区间。然后使用指数函数转换所得的置信限以给出在 t 时间处估计的累积事件数的
置信限。

“分段 Weibull NHPP 变点检测”报表的统计详细信息

按以下方式估计变点:
• 使用连续事件时间,定义不相交的区间。
• 这样的区间中的每个点可以视为定义具有两个阶段的分段 Weibull NHPP 模型的一个变点。
只要该点定义的两个阶段均至少包含两个事件,算法就可以计算该模型的参数的 MLE。还
可以计算该模型的对数似然。
• 在每个不相交的区间内,使用带约束的优化例程来求得似然函数的局部最优值。
• 比较这些局部最优值,并选择对应于最大值的点作为估计的变点。
请注意,该过程不同于 Guo et al, 2010 中所述的基于网格的方法。
238 可靠性增长 第 10 章
“可靠性增长”平台的统计详细信息 可靠性和生存方法
第 11 章
可靠性框图
设计系统可靠性

“可靠性框图”平台仅在 JMP Pro 中提供。


“可靠性框图”平台显示系统元件之间的可靠性关系。若为元件指定了可靠性分布,则平台会通
过分析对可靠性行为建模。“可靠性框图”(也称为 “依赖性关系图”)说明元件可靠性如何影
响系统的成功或失效。

图 11.1 “可靠性框图”的示例
240 可靠性框图 第 11 章
“可靠性框图”平台概述 可靠性和生存方法

“可靠性框图”平台概述
使用 “可靠性框图”平台,您可以绘制系统及其相关元件的关系图,以显示元件可靠性如何影
响整个系统的成功。可靠性框图中的每个方框表示系统中的一个元件,它与系统中的其他元件
相连。
可靠性框图可以包含以串联或并联方式连接的元件。任何串联元件中的失效将导致整个系统失
效。在并联连接 (或冗余)的系统中,只有所有并联元件失效时整个系统才失效。此外,关系
图可以包含 “N 中取 K 个”元件,其中 n 中的 k 个元件必须正常使用,系统才能正常使用。
“可靠性框图”模板在关系图左侧放置 “开始”方框,在关系图右侧放置 “结束”方框。使用
“形状”工具,您可以对系统绘制关系图,使分析从 “开始”方框开始,然后连接各元件直到
“结束”方框。

使用 “可靠性框图”平台的示例
在本例中,您将了解如何创建新的 “可靠性框图”。
1. 选择分析 > 可靠性和生存 > 可靠性框图。
随即显示空白的 “可靠性框图”窗口。
第 11 章 可靠性框图 241
可靠性和生存方法 使用 “可靠性框图”平台的示例

图 11.2 新的 “可靠性框图”
“形状”工具栏 “刻画器”面板
“设计”面板

“结 束”
方框
“开始”
方框

“逻辑库”面板
“预览”窗口
工作区

注意:默认显示 “分布”刻画器。

2. 在 “设计”面板中,选择 “新建 ‘关系图 1’”并将其重命名为 “计算机”。


工作区现在被命名为 “系统关系图 [ 计算机 ]”。
3. 取消选择 “开始”方框下的运行。
在选择运行的情况下,平台将在每次系统关系图更改后更新关系图的可靠性计算。这些更改
可包括添加或删除元件、更改元件的配置以及添加或删除连接。
在取消选择运行的情况下,平台在任何更改后不更新可靠性计算。

提示:当您对大型系统绘制关系图时请取消选择运行。关系图绘制完成后再选择运行。

4. 继续执行第 242 页的 “添加元件”的操作。


242 可靠性框图 第 11 章
使用 “可靠性框图”平台的示例 可靠性和生存方法

添加元件
位于工具栏中的 “可靠性框图”绘制元素称为形状。元件一词是指表示系统组成部分的形状。
1. 点击 “形状”工具栏上的 “基本”图标 ,将该形状拖到系统关系图中 “开始”
方框的右侧。
2. 选择该标签,用 “电源”替换 “新建基本 1”,然后按 Enter 键。

图 11.3 “基本”形状

点击标签或形状后,连接箭头随即出现。这些箭头将在点击模板中的其他位置后消失。
3. 将第二个 “基本”形状拖到 “电源”形状的右侧。
4. 选择标签并键入 “CPU”。

图 11.4 “系统关系图”示例

注意:您稍后将在第 244 页的 “对齐形状”一节中对齐形状。

5. 将一个 “并联”形状 拖到 “CPU”形状右下方的位置。


6. 选择标签并键入 “外设”。
7. 将 “N 中取 K 个”形状 拖到 “CPU”形状右上方的位置。
8. 选择标签并键入 “硬盘驱动器”。

图 11.5 部分系统关系图
第 11 章 可靠性框图 243
可靠性和生存方法 使用 “可靠性框图”平台的示例

9. 将 “结点”形状 拖到以前形状的右侧。
10. 选择标签并键入 “连接”。
11. 将 “串联”形状 拖到 “结点”形状右侧的位置。
12. 选择标签并键入 “输入设备”。

图 11.6 部分系统关系图

13. 将 “基本”形状拖到 “输入设备”形状右侧的位置。


14. 选择标签并键入 “显示器”。
图 11.7 显示输入了所有形状的关系图。

图 11.7 显示所有形状的系统关系图

15. 继续执行第 244 页的 “对齐形状”的操作。


244 可靠性框图 第 11 章
使用 “可靠性框图”平台的示例 可靠性和生存方法

对齐形状

1. 要垂直对齐 “硬盘驱动器”和 “外设”对应的形状,请选择以下元件:


‒ 硬盘驱动器
‒ 外设

提示:要选择形状,请围绕形状拖动光标或按 Shift 键并点击每个形状。

2. 选择形状后,右击其中一个形状并选择垂直对齐选定顶点。
3. 要水平对齐其余形状,请选择以下元件:
‒ 开始
‒ 电源
‒ CPU
‒ 连接
‒ 输入设备
‒ 显示器
‒ 结束
4. 选择形状后,右击其中一个形状并选择水平对齐选定顶点。

图 11.8 水平对齐形状

5. 继续执行第 245 页的 “连接形状”的操作。


第 11 章 可靠性框图 245
可靠性和生存方法 使用 “可靠性框图”平台的示例

连接形状

要连接形状,请选择某个形状以显示其连接箭头。假定您想要将形状 A 连接到形状 B。选择形


状 A。将右箭头拖至形状 B 以指示形状 A 在形状 B 之前。将左箭头拖至形状 B 以指示形状 B 在
形状 A 之前。要连接关系图中的形状,请选择右箭头以连接到序列中的下一个形状。
1. 选择 “开始”方框 (蓝箭头)以显示连接箭头。
2. 选择单个连接箭头 并将箭头拖到 “电源”元件。

图 11.9 连接形状

3. 对于以下每个元件,点击第一个元件,选择其右连接箭头,然后将该箭头拖至第二个元件:
1. 电源 → CPU
2. CPU → 硬盘驱动器
3. CPU → 外设
4. 硬盘驱动器 → 连接
5. 外设 → 连接
6. 连接 → 输入设备
7. 输入设备 → 监视器
8. 监视器 → “结束”方框
图 11.10 显示连接了所有形状的关系图。

图 11.10 完成的系统关系图

4. 继续执行第 246 页的 “配置元件”的操作。


246 可靠性框图 第 11 章
使用 “可靠性框图”平台的示例 可靠性和生存方法

配置元件

1. 在“配置”面板中,输入元件的“配置”设置。详细信息,请参见第 252 页的“配置设置”。

表 11.1 配置设置

元件 设置

电源 • 分布—指数
• Theta—1

CPU • 分布—指数
• Theta—1

外设 • 分布—Weibull
• Alpha—1
• Beta—2
• N—3

硬盘驱动器 • 分布—Weibull
• Alpha—2
• Beta—1
• K—1
• N—4

连接 最小可用 —1

输入设备 • 分布—Fréchet
• 位置—0
• 尺度—1
• N—2

显示器 • 分布—指数
• Theta—1

“可靠性框图”已完成 (图 11.11)。
2. 选择运行。
该系统的可靠性信息随之更新。这反映在 “刻画器”窗格的 “分布”图中。
3. 要将 “可靠性框图”保存为 JMP 脚本语言 (JSL) 文件,请选择文件 > 保存并将其命名为
exampleRBDcomplete.jsl。
第 11 章 可靠性框图 247
可靠性和生存方法 “可靠性框图”窗口

图 11.11 “可靠性框图”示例

“可靠性框图”窗口
“可靠性框图”窗口包含以下面板:
• 设计:列出使用 “可靠性框图”平台创建的系统关系图。
• 逻辑库:列出可在创建新系统关系图时重新使用的子系统设计。

注意:在 “设计”和 “逻辑库”面板中显示的每个系统关系图都包含它自己的红色小三角


菜单。以上每个红色小三角菜单中的选项都在第 255 页的 “用于 “设计”和 “逻辑库”项
的选项”中说明。

• 工作区:显示 “形状”工具栏、“系统关系图”和 “预览”窗口。

提示:要隐藏 “预览”窗口,请在 “工作区”中右击,然后取消选择 “预览”。

• “刻画器”面板:显示“分布”刻画器、“配置”设置,以及各种系统和元件的刻画器和图,
供您从 “关系图”红色小三角菜单中选择。
248 可靠性框图 第 11 章
“可靠性框图”窗口 可靠性和生存方法

图 11.12 “可靠性框图”的示例

“形状”工具栏包括以下绘制工具:
将单个方框形状添加到系统关系图。
添加串联方框形状,该形状表示串联在一起的一组元件。所有元件都必须正常使用,
整个系统才能正常使用。
添加并联方框形状,表示并联的一组元件。必须至少有一个元件正常使用,整个系
统才能正常使用。
添加 “n 中取 k 个”方框形状,您要在其中指定 k 和 n。必须至少有 k 个元件
正常使用,整个系统才能正常使用。
向系统关系图添加一个结点形状,以便连接具有不同 “分布”属性设置的 “并联”
或 “N 中取 K 个”元件。
第 11 章 可靠性框图 249
可靠性和生存方法 “可靠性框图”窗口

“预览”窗口

若系统关系图太大而无法显示在工作区中,“预览”窗口可支持您重新放置显示在工作区中的系
统关系图部分。拖动 “预览”窗口中白色背景所示的查看区,将 “工作区”的视图位置变换为
系统关系图的另一部分。

图 11.13 在白色背景中显示部分关系图的 “预览”窗口

“可靠性框图”平台选项

“可靠性框图”红色小三角菜单包含以下用于 “可靠性框图”窗口的选项。
“保存”和 “另存为” 允许您保存一个可靠性框图,或使用新名称将现有可靠性框图另存为
JMP 脚本语言 (JSL) 脚本,每当您在 JMP 中打开该脚本时它将自动执行。有关自动提交脚
本的详细信息,请参见 Scripting Guide 中的 “Getting Started ”一章。

注意:“保存”和 “另存为”红色小三角选项等同于 “文件” > “保存”和 “文件” > “另


存为”。这些选项位于红色小三角菜单中,以便于使用。

显示设计关系图 若选择了显示设计比较,则使用该选项可以在 “工作区”中隐藏或显示系统


关系图。
显示设计比较 为选定的系统关系图显示“分布叠加”刻画器和“剩余寿命分布叠加”刻画器。
详细信息,请参见第 250 页的 “显示设计比较”。
新建设计项 允许您向 “设计”面板添加新的设计关系图。详细信息,请参见第 251 页的 “添
加新设计项”。
250 可靠性框图 第 11 章
“可靠性框图”窗口 可靠性和生存方法

新建逻辑库项 允许您向 “逻辑库”面板添加新项。使用 “逻辑库”面板,您可以创建子系统


关系图以供在多个系统设计中使用。详细信息,请参见第 251 页的 “添加新逻辑库项”。

注意:逻辑库项仅可用于包含在 JSL 文件的 “设计”面板中的关系图。它们不能用于其他


JSL 文件的其他关系图中。

显示设计比较

显示设计比较选项显示 “分布叠加”图和 “剩余寿命分布叠加”图。这些图显示在系统关系图


下方的工作区中。请参见图 11.14 和图 11.15。
• “分布叠加”图显示 “设计”面板中每个设计的系统失效概率。
• “剩余寿命分布叠加”图显示 “设计”面板中每个设计的失效条件概率,前提是系统存续到
指定的生存时间。在图右侧的框中输入 “生存时间”。或者,选择原点处的小矩形,并将其
拖至右侧以便动态设置 “生存时间”。
复选框允许您选择在图中表示哪些设计。这样您就可以比较一部分设计的失效概率。

提示:要在 “工作区”中隐藏系统关系图,请从 “可靠性框图”红色小三角菜单中取消选择显


示设计关系图。或者,要显示更多设计比较,可向上重新定位水平拆分条。

图 11.14 “分布叠加”示例
第 11 章 可靠性框图 251
可靠性和生存方法 “可靠性框图”窗口

图 11.15 “剩余寿命分布叠加”示例

添加新设计项

新建设计项命令可将新系统设计添加到 “设计”面板列表中。
• 从 “可靠性框图”红色小三角菜单中,选择新建设计项。
• 名为 “新建关系图 X”的设计 (其中 X 是标识关系图名称的编号)将添加到 “设计”面板
列表中。
• 要命名该设计,请选择标签并输入名称。
• 使用 “形状”工具栏绘制系统关系图。

提示:您还可以从另一个框图模板复制和粘贴关系图主体,但不能复制 “开始”和 “结束”


形状。粘贴关系图后,您必须重新连接 “开始”和 “结束”形状。

• 配置元件。
• 保存该文件。
要在 “系统关系图”窗口中显示某个设计并查看其 “刻画器”面板,可在 “设计”面板中双击
其图标。

添加新逻辑库项

新建逻辑库项选项可将新的子系统添加到 “逻辑库”面板列表。

提示:将一个系统设计从“设计”面板拖到“逻辑库”面板可将它作为子系统添加到“逻辑库”。

• 从 “可靠性框图”红色小三角菜单中,选择新建逻辑库项。
• 名为 “新建关系图 X”的子系统 (其中 X 是标识关系图名称的编号)将添加到 “逻辑库”
面板列表中。
252 可靠性框图 第 11 章
配置设置 可靠性和生存方法

• 要命名该子系统,请选择标签并输入名称。
• 使用 “形状”工具栏绘制子系统关系图。
• 配置元件。
• 创建从 “开始”方框到 “结束”方框的连接。
• 保存该文件。

“工作区”选项

“工作区”面板支持几个用于调整面板视图的右击命令。以下是一些可用的命令:
放大 允许您放大系统关系图。
缩小 允许您缩小系统关系图。

提示:使用鼠标滚轮放大和缩小关系图。

缩放比例 打开 “设置缩放比例”窗口,以便您可以使用尺度因子进行放大或缩小。尺度因子
的范围从 0.75 (75%) 到 5.0 (500%)。
预览 允许您在 “工作区”面板中隐藏或显示 “预览”窗口。
垂直对齐选定顶点 允许您在垂直线上对齐形状。
水平对齐选定顶点 允许您在水平线上对齐形状。
创建串联关系图 允许您使用关系图中的节点创建串联关系图。串联的顺序由创建节点的顺序
决定。仅当关系图不包含任何箭头时该选项才可用。
创建并联关系图 允许您使用关系图中的节点创建并联关系图。仅当关系图不包含任何箭头时
该选项才可用。

配置设置
可为“可靠性框图”中的每个元件都分配一个失效分布。可用失效分布列在第 253 页上的表 11.2
中。要查看这些失效分布的公式和参数化信息,请参见“寿命分布”一章中第 70 页的“分布”。

分布配置

向关系图添加某个元件时,该元件的分级显示项显示在 “配置”分级显示项下方。

注意:您可以通过选中 “忽略”旁边的框从分析中忽略某个元件。
第 11 章 可靠性框图 253
可靠性和生存方法 配置设置

选择某个分布并输入必需的参数值。
表 11.2 分布和参数

属性类型 所需的输入信息

指数 Theta

Weibull Alpha、 Beta

对数正态 位置、尺度

对数 Logistic
Fréchet

广义 Gamma mu、 sigma、 lambda

缺陷子总体 Weibull Alpha、 Beta、缺陷概率

缺陷子总体对数正态 位置、度、缺陷概率

缺陷子总体对数 Logistic

缺陷子总体 Fréchet

非参数 数据或数据文件

要查看选定设计或子系统中元件的 “配置”设置,请执行以下操作:
• 要查看特定元件的 “配置”设置,请选择该元件的形状。
• 要查看多个元件的 “配置”设置,请使用箭头工具或 “Ctrl+ 点击”选择多个元件的形状。
• 要查看所有元件的 “配置”设置,请通过点击工作区中的空白部分取消选择所有形状。
对于关系图中的每个元件,您可以通过选中 “省略”旁边的框在计算中忽略该元件,或者:
‒ 从分布列表中,选择适当的分布。对于 “非参数”之外的所有选择,输入分布的参数
值。对于 “非参数”,请参见第 254 页的 “指定非参数分布”。
‒ 对于 “串联”和 “并联”元件,您还必须输入 N 的值 (N 是串联或并联形状中包含的
元件总数)。
‒ 对于 “N 中取 K 个”元件,您还必须输入 K (系统正常使用所需的最少正常使用元件
数),以及 N (形状中的元件总数)。
‒ 对于“结点”元件,输入最小可用依赖性。“结点”形状支持您配置“n 中取 k 个元件”
形状,其中连接的形状具有不同的分布。最小依赖项数目为 k,即可正常使用的以便系
统运行的通向结点的最小路径数。
254 可靠性框图 第 11 章
配置设置 可靠性和生存方法

图 11.16 示例:针对 “N 中取 K 个”形状的 Weibull 配置

指定非参数分布

“分布”下的“非参数”选项支持您近似任意分布。输入数据或导入包含大型数据集的文件。该
数据用于近似分布。
选择 “非参数”后,点击 “数据”旁边的 图标。随即显示 “提供数据”窗口,您可以在
其中输入数据或导入数据文件。一旦导入或输入数据,即使用数据计算元件的非参数分布。

图 11.17 “提供数据”窗口

要从文件导入数据,请执行以下操作。
1. 打开包含要导入的数据的 JMP 数据表。
2. 在 “提供数据”窗口中,点击导入。
随即显示 “选择数据表”窗口。
3. 从 “数据表”列表中,选择该数据表。
4. 点击确定。
第 11 章 可靠性框图 255
可靠性和生存方法 用于 “设计”和 “逻辑库”项的选项

5. 在数据网格下方的面板中,指定哪些列表示 “事件时间”数据以及 “删失”和 “频数”数


据 (若适用)。
6. 在 “提供数据”窗口中,点击确定。
要手动输入数据,请执行以下操作。
1. 创建用于 “事件时间”数据的列以及 “删失”和 “频数”数据的列 (若适用)。
2. 在列中输入数据。
3. 在数据网格下方的面板中,指定哪些列表示 “事件时间”数据以及 “删失”和 “频数”数
据 (若适用)。
4. 在 “提供数据”窗口中,点击确定。

用于 “设计”和 “逻辑库”项的选项
可用于 “设计”和 “逻辑库”项的选项如下所列:
• 显示 “配置”。请参见第 256 页的 “显示 “配置””。
• 用于显示各种刻画器的选项。请参见第 256 页的 “刻画器”和以下信息:
‒ 第 256 页的 ““分布”刻画器”
‒ 第 257 页的 ““剩余寿命分布”刻画器”
‒ 第 257 页的 ““可靠性”刻画器”
‒ 第 257 页的 ““分位数”刻画器”
‒ 第 257 页的 ““密度”刻画器”
‒ 第 257 页的 ““危险率”刻画器”
‒ 第 257 页的 ““累积危险率”刻画器”
• 用于显示元件重要性测度和平均失效时间的图的选项。请参见第 258 页的“元件重要性和失
效时间”和以下信息:
‒ 第 258 页的 “Birnbaum 元件重要性”
‒ 第 259 页的 “剩余寿命 BCI”
‒ 第 259 页的 “元件综合重要性”
‒ 第 260 页的 “平均失效时间”
• 用于显示系统关系图中的元件叠加图的选项。请参见第 260 页的 “元件图”和以下信息:
‒ 第 260 页的 “元件分布函数”
‒ 第 261 页的 “元件可靠性函数”
‒ 第 261 页的 “元件密度函数”
‒ 第 262 页的 “元件危险率函数”
‒ 第 262 页的 “元件累积危险率函数”
256 可靠性框图 第 11 章
用于 “设计”和 “逻辑库”项的选项 可靠性和生存方法

• 第 263 页的 “打印代数可靠性公式”
• 第 263 页的 “复制和删除”

显示 “配置”

显示或隐藏 “配置”分级显示项。有关进一步的详细信息,请参见第 252 页的 “配置设置”。

刻画器

提供多种刻画器来帮助您分析系统的可靠性属性。您可以查看列在 “设计”和 “逻辑库”面板


中的每个系统关系图的刻画器。本节对这些刻画器进行说明。这些刻画器显示在报表的 “刻画
器”面板中。

刻画器的红色小三角选项
每个刻画器都有一个包含以下命令的红色小三角菜单:
重置因子网格 显示一个对话框,您可在其中输入用于控制显示的当前设置和值。有关设置因
子网格的详细信息,请参见 《刻画器指南》手册中的 “刻画器”一章。
因子设置 选择该选项可配置刻画器的设置并链接这些刻画器。有关因子设置的详细信息,请
参见 《刻画器指南》手册中的 “刻画器”一章。

注意:调整刻画器的 X 和 Y 轴可查看所需的图形部分。

“分布”刻画器

“分布”刻画器显示系统作为时间函数的失效概率。默认显示系统的 “分布”刻画器。

图 11.18 分布
第 11 章 可靠性框图 257
可靠性和生存方法 用于 “设计”和 “逻辑库”项的选项

“剩余寿命分布”刻画器

系统的 “剩余寿命分布”刻画器显示系统的失效概率,前提是系统存续到指定的时间 (指定为


“生存时间”)。默认情况下,“生存时间”设置为 0,此时剩余寿命分布函数等同于分布函数。
输入生存时间的值,指示系统无故障生存的时间。作为输入值的替代方法,您可以选择图中原
点处的小矩形并将它拖到右侧,以便动态地设置 “生存时间”。

图 11.19 剩余寿命分布

“可靠性”刻画器

系统的“可靠性”刻画器显示系统作为时间函数的正常使用的概率。可靠性函数亦称生存函数。

“分位数”刻画器

系统的 “分位数”刻画器显示作为失效概率函数的时间。请注意,“分位数”函数是 “分布”


函数的反函数。

“密度”刻画器

系统的 “密度”刻画器显示与系统的失效分布函数关联的概率密度函数。

“危险率”刻画器

系统的 “危险率”刻画器显示给定时间的瞬间失效率。

“累积危险率”刻画器

系统的 “累积危险率”刻画器显示作为时间的函数的累积危险率函数。
258 可靠性框图 第 11 章
用于 “设计”和 “逻辑库”项的选项 可靠性和生存方法

图 11.20 累积危险率

元件重要性和失效时间

针对列在 “设计”和 “逻辑库”面板中的每个系统关系图都提供用于分析元件重要性和平均失


效时间的图。本节说明元件重要性测度和平均失效时间。这些图和统计量显示在报表的 “刻画
器”面板中。

注意:使用每个元件重要性图的图例中的复选框,您可以选择要在该图中查看哪些元件。

Birnbaum 元件重要性

选择显示 BCI 可为选定系统关系图的每个元件显示 Birnbaum 元件重要性测度的叠加图。在给


定时间处的元件 BCI 是当元件失效时系统失效的概率。具有较大 BCI 的元件对于系统可靠性至
关重要。

图 11.21 Birnbaum 元件重要性


第 11 章 可靠性框图 259
可靠性和生存方法 用于 “设计”和 “逻辑库”项的选项

剩余寿命 BCI

选择显示剩余寿命 BCI 可显示剩余寿命 Birnbaum 元件重要性的叠加图。剩余寿命 BCI 是若元


件失效而造成系统失效的概率,前提是系统存续到指定的时间 (指定为 “生存时间”)。默认
情况下,“生存时间”设置为 0,此时剩余寿命 BCI 等同于 Birnbaum 元件重要性。
输入生存时间的值,指示系统无故障生存的时间。作为输入值的替代方法,您可以选择图中原
点处的小矩形并将它拖到右侧,以便动态地设置 “生存时间”。

图 11.22 剩余寿命 Birnbaum 元件重要性

元件综合重要性

选择显示元件综合重要性可为 “可靠性框图”的元件显示综合重要性测度的叠加图。每个元件
的综合重要性测度都考虑到元件的失效率以及瞬间失效的可能性。请参见 Si et al. (2012)。

图 11.23 元件综合重要性
260 可靠性框图 第 11 章
用于 “设计”和 “逻辑库”项的选项 可靠性和生存方法

平均失效时间

选择显示 MTTF 可查看系统的 “平均失效时间 (MTTF)”。

注意:用于计算 “平均失效时间”的公式取决于指定的失效分布和系统中每个元件的 “配置”


设置。

元件图

系统关系图通常包含许多单个元件。可以在叠加图中检查这些元件中每一个元件的可靠性函
数。您可以查看列在 “设计”和 “逻辑库”面板中的每个系统关系图的元件叠加图。本节说明
元件叠加图。这些图显示在报表的 “刻画器”面板中。

注意:使用每个元件图的图例中的复选框,您可以选择要在该图中查看哪些元件。

元件分布函数

选择显示元件分布函数可显示 “可靠性框图”元件的分布函数的叠加图。

图 11.24 元件分布函数
第 11 章 可靠性框图 261
可靠性和生存方法 用于 “设计”和 “逻辑库”项的选项

元件可靠性函数

选择显示元件可靠性函数可显示 “可靠性框图”元件的可靠性函数的叠加图。

图 11.25 元件可靠性函数

元件密度函数

选择显示元件密度函数可显示 “可靠性框图”元件的密度函数的叠加图。

图 11.26 元件密度函数
262 可靠性框图 第 11 章
用于 “设计”和 “逻辑库”项的选项 可靠性和生存方法

元件危险率函数

选择显示元件危险率函数可显示 “可靠性框图”元件的危险率函数的叠加图。

图 11.27 元件危险率函数

元件累积危险率函数

选择显示元件累积危险率函数可显示 “可靠性框图”元件的累积危险率函数的叠加图。

图 11.28 元件累积危险率函数
第 11 章 可靠性框图 263
可靠性和生存方法 用于 “设计”和 “逻辑库”项的选项

打印代数可靠性公式

将代数可靠性打印至日志窗口命令可以将所选系统关系图的可靠性公式打印至 “日志”窗口。
1. (仅限 Windows)选择视图 > 日志。

(仅限 Macintosh)选择窗口 > 日志。
2. 打开您创建的 exampleRBDcomplete.jsl 文件。
3. 在 “设计”面板中,选择计算机。
4. 从 “计算机”红色小三角菜单中选择将代数可靠性打印至日志窗口。
“日志”窗口显示选定框图的代数可靠性的公式。

图 11.29 “日志”窗口中的代数可靠性

注意:可靠性公式使用 “R”表示元件的可靠性,使用 “F”表示元件失效的概率。

复制和删除

列在 “设计”和 “逻辑库”面板中的每个系统关系图都包含一些选项,可协助管理设计和逻辑
库项。本节说明复制和删除操作。

复制设计或逻辑库项

复制选项可创建与选定的系统设计或逻辑库子系统相同的新系统设计或逻辑库子系统。
• 从红色小三角菜单中选择复制,以便复制设计或逻辑库项。
新的设计或逻辑库项会添加到 “设计”或 “逻辑库”列表中。
• 保存该文件。

删除设计或逻辑库项

删除选项可从面板中删除选定的系统设计或逻辑库子系统。
• 从红色小三角菜单中选择删除,以便删除设计或逻辑库项。
指定的设计或逻辑库项将从 “设计”或 “逻辑库”列表中删除。
• 保存该文件。
264 可靠性框图 第 11 章
用于 “设计”和 “逻辑库”项的选项 可靠性和生存方法
第 12 章
可修复系统模拟
估计复杂系统的中断时间

“可修复系统模拟”平台仅在 JMP Pro 中提供。


“可修复系统模拟” (RSS) 平台支持您探索复杂可修复系统内部的可靠性。可修复系统由因老化
而需要维修的各个元件构成。可修复系统的状态会随着其元件失效并因此需要修复而发生变化。
可修复系统渗透到现代生活中的很多方面。从冰箱到房屋到电厂和电话通信网络,可修复系统
的规模大小不一。
RSS 平台支持您模拟不同的系统配置以便优化您的可修复系统。例如,您可以在保持安全系统
操作的同时,延长昂贵元件的使用寿命或最大化生产输出。

图 12.1 示例:可修复系统模拟关系图
266 可修复系统模拟 第 12 章
“可修复系统模拟”平台概述 可靠性和生存方法

“可修复系统模拟”平台概述
“可修复系统模拟”(RSS) 平台支持您模拟可修复系统并分析其中断时间。中断时间是系统因为
计划内维护或意外故障而未处于 “开”状态的总时间。
通过系统关系图来表示可修复系统。系统关系图中的方框形状表示连接到其他元件的一个或多
个元件。在方框中执行操作的元件被称为正常使用。可以串连或并连元件。串连元件时,系统
将在串连中的任何元件失效后失效。并连元件时,系统将在并连中的所有元件失效后失效。
若 “开始”方框和 “结束”方框之间至少有一个路径未通过方框形状失效,即称元件路径为未
中断。在模拟过程中,只要有未中断的元件路径,系统即一直保持 “开”状态。若方框形状失
效中断了元件路径,则系统设置为 “关闭”状态。若方框形状失效但元件路径未中断,则系统
会保持 “开”状态。
您可以添加唯一事件和操作以便表征各个元件的可修复本质的特性。事件是指系统中特定事件
的发生,如元件失效、计划的维护或开始模拟迭代。事件触发一个或多个操作的执行,这些操
作可表述元件的行为。操作可改变元件或整个系统的状态。

示例:使用 “可修复系统模拟”平台
在本例中,您运行 100 次小汽车系统的模拟迭代,并且分析该系统在 10 年间的估计中断时间。
1. 选择帮助 > 样本数据,点击打开示例脚本目录,然后打开 Car Repair Simulation.jsl。

图 12.2 小汽车修复系统关系图

随即显示绘制小汽车系统关系图的 RSS 窗口。在该关系图中,左侧第一个方框是 “开始”


方框。注意在 “配置”面板中, RSS 窗口的右侧,模拟设置为运行 3650 天。
2. (可选)在 “种子”旁边输入 555。
由于模拟涉及随机元件失效,该操作确保您可以得到以下所示的精确结果。
第 12 章 可修复系统模拟 267
可靠性和生存方法 示例:使用 “可修复系统模拟”平台

3. 点击 “开始”方框下的绿色小三角模拟小汽车系统。
随即显示包含模拟结果的数据表。
4. 点击 “启动可修复系统模拟结果分析器”脚本旁边的绿色箭头。
随即显示包含“可修复系统模拟结果”报表的窗口。有关如何解释这些结果的详细信息,请
参见第 278 页的 “可修复系统模拟结果”。

图 12.3 部分 RSS 报表

您预测该汽车在未来 10 年内可用的天数为 3,600 到 3,640 天之间。由于“系统可用性的点估


计”图中显示的值接近 1,所以您推断该汽车在未来 10 年的大多数时间内都可以驾驶。而您
关注的是哪些元件导致了大多数的系统关闭。
5. 点击 “可修复系统模拟结果 - 数字”旁边的红色小三角,然后选择按组件划分的系统总关闭
时间的箱线图。

图 12.4 部分显示的 “按组件划分的系统总关闭时间的箱线图”

您推断轮胎导致了大多数的汽车系统关闭。要提高平均的系统总可用性,您可以考虑使用更
耐磨的轮胎或另外增加一个备胎。
268 可修复系统模拟 第 12 章
“可修复系统模拟”窗口 可靠性和生存方法

“可修复系统模拟”窗口
通过选择分析 > 可靠性和生存 > 可修复系统模拟启动 “可修复系统模拟”平台。“可修复系统
模拟”窗口分为以下几个面板:
• 第 268 页的 “系统关系图”
• 第 269 页的 ““形状”工具栏”
• 第 269 页的 ““配置”面板”
• 第 271 页的 ““添加事件”面板”
• 第 272 页的 ““添加操作”面板”

图 12.5 “可修复系统模拟”窗口
“形状”工具栏 “结束”方框 “配置”面板

“开始”方框

“添加事件”面板和“添加操作”面板 系统关系图

系统关系图

系统关系图是您可以在其中绘制可修复系统的空间。新的系统关系图包含 “开始”方框和 “结
束”方框。

提示:要显示 “预览”窗口,在系统关系图中右击并选择关系图操作 > 预览。


第 12 章 可修复系统模拟 269
可靠性和生存方法 “可修复系统模拟”窗口

“形状”工具栏

“形状”工具栏包含用于表示系统关系图中元件的方框形状。通过点击方框形状对应的图标并将
其拖到系统关系图上,可以将方框形状添加到系统关系图中。“形状”工具栏包括以下方框形状
图标:
添加表示单个元件的单个方框形状。
添加串联方框形状,该形状表示串联在一起的一组相同元件。所有元件都必须能正
常使用,方框才能正常使用。
添加一个并联方框形状,该形状表示并联在一起的一组相同元件。必须至少有一个
元件能正常使用,方框才能正常使用。
添加一个 “n 中取 k 个”方框形状,该形状表示并联在一起的一组 n 个相同元
件。 n 中必须至少有 k 个元件能正常使用,方框才能正常使用。
添加一个备用方框形状,该形状表示并联在一起的一组 n 个相同元件。只有 k 个元
件活动,或是在系统中执行操作。其余不活动的元件充当备用元件,这些元件将在 k 个活
动元件中有任何元件失效后激活。该方框必须至少包含 k 个正常使用的已激活元件才能正
常使用。
添加一个应力共享方框形状,该形状表示并联在一起的 n 个相同元件。元件一次
失效一个,其余元件以更快的速率失效。该方框必须至少有一个正常使用的元件,并且该
方框必须成功地在其余元件之间重新分配应力,该方框才能正常使用。
添加一个结点方框形状,该形状表示指向结点的方框形状组合。必须至少有指定数
量的指向结点的方框形状正常使用,结点才能正常使用。
有关可用于方框形状的设置的信息,请参见第 269 页的 ““配置”面板”。

“配置”面板

“模拟设置”报表显示在“配置”面板的顶部。每个选定的元件的元件设置显示在“模拟设置”
分级显示项下方。选定的事件和操作的配置设置显示在该操作或事件所属的方框形状的下方。

模拟设置

在 “模拟设置”报表中更改模拟的设置,该报表在 “配置”面板中提供。提供以下设置:
持续时间 在每次迭代中模拟的时间长度。
时间单位 用于模拟的时间单位。

注意:循环事件和非立即操作使用在 “模拟设置”中指定的时间单位。

N 个模拟 模拟中的迭代次数。
270 可修复系统模拟 第 12 章
“可修复系统模拟”窗口 可靠性和生存方法

种子 (可选)确保再现模拟结果的随机种子。默认情况下,“种子”设置为 “缺失”,即不生
成再现结果。将分析保存到脚本时,您输入的随机种子将保存到脚本中。

警告:若通过右击并选择运行多线程模拟来运行模拟,结果不可再现,即便您指定了随机种子
也是如此。

方框设置

选择系统关系图中的某个方框形状以查看其在 “配置”面板中的设置。
每个方框形状 (结点方框除外)都具有可确定方框形状的各个元件的随机失效率的失效分布。
基本方框的失效分布确定方框的失效率,因为基本方框仅表示一个元件。有关可用的失效分布
选项的详细信息,请参见第 275 页的 “分布选项”。

串联和并联
当串联方框中的某一元件失效时,该串联方框即失效。当并联方框的所有元件失效时,该并联
方框才失效。以下选项可用于串联和并联方框:
N 指定方框中包含的相同元件数。

N 中取 K 个

“N 中取 K 个”方框包含 n 个相同元件。若正常使用的元件不足 k 个时,该方框将失效。以下


选项可用于 “N 中取 K 个”方框:
K 指定方框保持正常使用所需的正常使用元件的最小数目。
N 指定方框中包含的相同元件数。

备用
备用方框包含不活动的从属元件 (称为备用元件) 。活动元件在备用方框内执行操作。不活动
元件不在备用方框内执行操作,但会随着活动元件失效而激活,一个激活一个不活动元件。激
活过程有时并不成功。在激活某个备用成分时,元件开关可能失效。若 n 个相同元件中有不足
k 个处于活动状态,则备用方框失效。以下选项可用于备用方框:
K 指定最初活动的元件数。这也是方框保持正常使用所需的活动元件的最小数目。
N 指定方框中包含的相同元件总数。 k 和 n 之间的差值等于备用元件数。
开关类型 指定在任何活动元件失效后用于激活单个备用元件的机制。
单一开关 方框中存在单一开关。若某个备用元件激活失败,则该方框也随之失效。
各个开关 每个备用元件都对应一个开关。若某个备用元件激活失败,则无法激活该备用元
件。备用方框尝试激活下一个备用元件,直到某个备用元件被激活。若其余所有开关都
无法正常使用并且活动元件不足 k 个,则该方框失效。
开关可靠性 指定当有任何活动元件失效时成功激活备用元件的概率。
第 12 章 可修复系统模拟 271
可靠性和生存方法 “可修复系统模拟”窗口

备用类型 指定备用元件的状态和失效分布。
冷 备用元件在激活后才会老化。
暖 备用元件根据其不活动期间的次失效分布而老化。备用元件在激活后将根据主失效分布
而老化。使用次失效分布可模拟没有在备用方框中执行操作的备用元件上的折算应力。

应力共享
应力共享方框在其元件之间均等分布应力。随着元件失效,仍能正常使用的元件承受的应力会
越来越高,因此失效率会增加。
N 指定方框中包含的相同元件总数。
开关可靠性 指定在仍能正常使用的元件之间成功重新分配应力的概率。若重新分配应力失
败,则该方框将失效。
应力共享类型 指定如何在正常使用的元件之间共享应力。
基本 (默认) 指定在仍能正常使用的元件之间均等共享应力。这种应力共享类型称为负载
共享。单个元件的特征寿命与共享工作负载的元件数成比例。
定制 指定元件根据 “共享公式”选项中显示的 JSL 代码共享应力。“共享公式”定义应力
如何随着元件失效而变化。

结点
结点方框不具有失效分布。仅当连接的正常使用的方框形状数目不足指定的最小数目时,结点
方框才失效。以下选项可用于结点方框:
最小可用 指定为使结点保持正常使用而必须指向该结点方框的正常使用方框的最小数目。

“添加事件”面板

事件表示模拟中的离散发生次数。您可以使用事件触发操作。对于单个事件可触发的操作数并
没有限制。“添加事件”面板中提供以下选项:

注意:某些方框形状不一定具有所有可用的事件类型。

方框失效 在方框失效时出现。若元件路径中断,则系统将设置为 “关闭”状态。


已计划 在指定的循环区间出现。“最大出现次数”选项对该事件在模拟中出现的次数设置限
值。默认情况下,“最大出现次数”设置为缺失。在这种情况下,该事件会持续出现,直到
模拟结束。请参见第 277 页的 “事件设置”。
基于服役 在元件达到指定寿命时出现。元件寿命是元件一直正常使用和处于活动状态的累积
时间。当某个元件失效或其方框被关闭后,寿命即停止增加。“最大出现次数”对该事件在
模拟中发生的次数设置限值。默认情况下,该事件会持续出现,直到模拟结束。请参见第
277 页的 “事件设置”。
272 可修复系统模拟 第 12 章
“可修复系统模拟”窗口 可靠性和生存方法

系统已关闭 在系统设置为 “关闭”或 “关”状态时出现。系统状态的更改可能是有意的也可


能是无意的。
初始化 在每次模拟迭代开始时出现。使用该事件可安排在系统运行前必须完成的操作。

创建事件
1. 要创建事件,请在 “系统关系图”中选择一个方框形状,以便在 “系统关系图”底部显示
“添加事件”和 “添加操作”面板。
2. 选择 “添加事件”面板中的某一选项,为选定的方框形状定义事件。

图 12.6 方框失效事件

一个橙色方块,表示在元件上方显示的新事件。请注意,选定的事件的右侧会显示一个连接
箭头。

“添加操作”面板

操作可以定义元件和由连接的事件或连接的操作所触发的系统行为。一完成前一操作即触发连
接的操作。“添加操作”面板中提供以下选项:

注意:某些方框形状不一定具有所有可用的操作类型。

表 12.1 操作选项

操作名称 可使用该操作的方框 起始行为 完成行为

关闭系统 全部 关闭所有方框。若系统尚未进入
“关闭”状态,则将系统设置为
“关”状态。

启动系统 全部 启动所有尚未失效的方框。若元
件路径未中断,则系统设置为
“开”状态。

全新更换 全部 若 元 件 路 径 中 断, 方框变为新的方框。其寿命将重
则关闭原始方框并 置,方框将被启动。若元件路径未
将系统设置为 “关 中断,则系统设置为“开”状态。
闭”状态。
第 12 章 可修复系统模拟 273
可靠性和生存方法 “可修复系统模拟”窗口

表 12.1 操作选项 (续)

操作名称 可使用该操作的方框 起始行为 完成行为

最少量的 “基本”和 “串联” 等同于“全新更换” 启动该方框。若元件路径未中


维修 操作的起始行为。 断,则系统设置为 “开”状态。
不重置该方框的寿命。

启动 全部 若方框处于“关闭” 启动该方框会使“启动计数”增
状态或当前已从系 加 1。
统中删除,则取消
该操作。

关闭 全部 关闭该方框。若元件路径中断,
则系统设置为 “关闭”状态。

删除 全部 从系统中删除该方框。若元件路
径中断,则系统设置为 “关闭”
状态。

安装新件 全部 等同于“全新更换” 关闭该方框。重置该方框的寿命。


操作的起始行为。

安装已用件 基本 等同于“全新更换” 关闭该方框。您要为该方框指定


操作的起始行为。 新的寿命和失效分布。

更改分布 基本 关闭该方框。若元 更改该方框的失效分布。使用该


件路径中断,则系 行为可模拟一段时间内的操作
统 设 置 为 “关 闭” 变化或针对该方框的累积损坏。
状态。

检查失效 全部 若该方框已失效或已从系统中
删除,则触发连接的操作。
If 全部 若指定的条件脚本成立,则触发
连接的操作。

计划 全部 触发指定间隔处的连接操作。您可
以限制已计划间隔的数目,或允许
该操作持续到模拟迭代结束。

创建操作
1. 要创建操作,请在 “系统关系图”中选择一个方框形状,以便显示位于 “系统关系图”底
部的 “添加事件”和 “添加操作”面板。
2. 选择 “添加操作”面板中的某一选项,为选定的方框形状定义操作。
274 可修复系统模拟 第 12 章
“可修复系统模拟”窗口 可靠性和生存方法

将在选定的方框形状上方创建一个蓝色操作方块。出现连接的事件时即触发操作。创建触发
您定义的操作的事件。
3. 选择 “添加事件”面板中的某一选项,为选定的方框形状定义事件。
将在方框形状上方创建一个橙色事件方块。请注意事件右侧的连接箭头。
4. 点击连接箭头并将其拖至您在步骤 2 中创建的蓝色操作方块。
将有一个绿色箭头将该事件与操作方块连接起来。当该事件出现在模拟迭代中时,它就会触
发连接的操作。
5. 选择您在步骤 2 中创建的蓝色操作方块。
通过使用选定事件的右侧出现的加号,您可以连接完成前一操作后即触发的其他操作。
6. 点击加号并将其拖至系统关系图中的空白区域。
随即显示可用操作的列表。
7. 从操作列表中选择某一选项,以创建与第一个操作连接的操作。

图 12.7 创建操作

将有一个绿色箭头将这两个操作连接起来。完成第一个操作后即触发第二个操作。

“可修复系统模拟”平台选项

“可修复系统模拟”红色小三角菜单包含以下选项:
“保存”和“另存为” 支持您将 “可修复系统模拟”保存到一个 JMP 脚本语言 (JSL) 脚本,
在 JMP 中 打 开 该 脚 本 时 会 自 动 执 行 该 脚 本。有 关 自 动 提 交 脚 本 的 详 细 信 息,请 参 见
Scripting Guide 中的 “Getting Started”一章。

注意:“保存”和“另存为”红色小三角选项分别等同于选择文件 > 保存和文件 > 另存为。


这些选项位于红色小三角菜单中,以便于使用。
第 12 章 可修复系统模拟 275
可靠性和生存方法 用于方框项的选项

用于方框项的选项
要查看选定设计或子系统中元件的设置,请执行以下操作:
• 要查看某个方框形状的 “配置”设置,请在系统关系图中选择该方框形状。
• 要查看不止一个方框形状的 “配置”设置,请使用箭头工具,在按 Ctrl 的同时点击多个方
框形状来选择多个方框形状。

分布选项

每个方框形状根据其指定的失效分布随机失效。此外,您可以指定分布的时间单位。方框形状
的时间单位可以不同于您在模拟设置中指定的时间单位选项。“启动计数”选项基于单个方框形
状设置为 “开”状态的次数。
提供以下失效分布:

表 12.2 分布和其他参数

属性类型 所需的输入信息

指数 Theta

Weibull Alpha、 Beta

对数正态 位置、尺度

对数 Logistic 位置、尺度
Fréchet 位置、尺度

广义 Gamma mu、 sigma、 lambda

缺陷子总体 Weibull Alpha、 Beta、缺陷概率

缺陷子总体对数正态 位置、尺度、缺陷概率

缺陷子总体对数 Logistic 位置、尺度、缺陷概率

缺陷子总体 Fréchet 位置、尺度、缺陷概率

非参数 数据或数据文件

估计 估计的分布、数据或数据文件

要查看这些失效分布的公式和参数化信息,请参见 “寿命分布”一章中第 70 页的 “分布”。


276 可修复系统模拟 第 12 章
用于方框项的选项 可靠性和生存方法

指定非参数或估计分布

“分布”下的 “非参数”和 “估计”选项支持您近似任意分布。您可以手动输入数据或导入包


含数据的文件。这些数据用于近似分布。
选择 “非参数”或 “估计”后,点击 “数据”旁边的 图标。随即显示 “提供数据”窗口,您
可以在其中输入数据或导入数据文件。导入或输入数据后,即可使用这些数据计算元件的分布。

图 12.8 “提供数据”窗口

要从文件导入数据,请执行以下操作:
1. 点击 图标前,打开包含要导入数据的 JMP 数据表。
2. 点击 “数据”旁边的 图标。
3. 在 “提供数据”窗口中,点击导入。
随即显示 “选择数据表”窗口。
4. 从 “数据表”列表中,选择一个数据表。
5. 点击确定。
6. 在数据网格下方的面板中,指定表示事件时间数据的列。
7. 按需指定 “删失”列和 “频数”列。
8. 在 “提供数据”窗口中,点击确定。
要手动输入数据,请执行以下操作:
1. 创建 “事件时间”数据列。
2. 按需创建 “删失”列和 “频数”数据列。
第 12 章 可修复系统模拟 277
可靠性和生存方法 用于方框项的选项

3. 在这些列中输入数据。
4. 在数据网格下方的面板中,指定哪些列表示 “事件时间”数据以及 “删失”和 “频数”数
据 (若适用)。请参见上面的步骤 5 和步骤 6。
5. 在 “提供数据”窗口中,点击确定。

事件设置

选择系统关系图中的某个事件以查看其在 “配置”面板中的设置。您可以更改 “事件名称”设


置以便将该事件与其他事件区分开来。只有 “已计划”和 “服役”事件具有其他设置,这些设
置如下所列:

已计划
已计划事件具有以下选项:
循环区间 指定事件各次发生之间的时间间隔长度。
最大出现次数 指定该事件可出现的最大次数。

服役
服役事件具有以下选项:
服役 指定发生该事件之前等待的元件运行时间的间隔。

注意:仅当系统设置为 “开”状态并且元件可正常使用时,才会积累元件运行时间。

最大出现次数 指定该事件可出现的最大次数。

操作设置

选择系统关系图中的某个操作以查看其在 “配置”面板中的设置。您可以更改 “操作名称”设


置以便将该操作与其他操作区分开来。默认情况下,操作立即完成。“完成时间选项”菜单中提
供非立即完成时间选项。

图 12.9 操作设置

以下选项显示在 “完成时间选项”列表中:
立即 (默认) 指定在开始和完成行为之间无时间传递。
278 可修复系统模拟 第 12 章
可修复系统模拟结果 可靠性和生存方法

常数 指定时延始终为指定的 “完成时间”。
选择 指定从指定的逗点分隔值列表中随机选取时延。
均匀 指定从具有指定的最小值和最大值的均匀分布中随机选取时延。
三角 指定从具有指定的最小值、众数和最大值的三角形分布中随机选取时延。
正态 指定从具有指定的均值和标准差的正态分布中随机选取时延。

可修复系统模拟结果
“可修复系统模拟”平台生成以下结果:
• 第 278 页的 “结果表”
• 第 279 页的 “结果分析器”

结果表

当您点击 “开始”方框下方的绿色箭头以运行模拟后,模拟结果将显示在数据表中。该表说明
在每次模拟迭代中出现的事件和后续操作。
结果表包含以下列:
模拟 ID 标识事件或操作所属的模拟迭代。
时间 提供事件或操作在模拟中发生的确切时间。
对象 提供事件或操作连接到的方框形状的名称;若为系统事件和操作,则提供系统的名称。
表述 提供发生的事件或操作的名称。
状态 提供对象在该确切时间的状态。每个操作的初始化和终止都分别用 “开始”和 “完成”
来表示。
注释 提供关于某个操作的补充说明。每个模拟迭代的末尾都用 “结束”来表示。
第 12 章 可修复系统模拟 279
可靠性和生存方法 可修复系统模拟结果

图 12.10 RSS 结果表

请注意,图 12.10 中的第一个条目是 Initialization Spare in Trunk 操作的开始,该操作具有


立即完成时间。该操作关闭 Spare 元件,然后在时间仍为 0 时完成。
下一事件是在第一次模拟迭代经过大约 65 天后发生的 Tire 2 is Unrepairable。在第五行中,
系统意外设置为 “关闭”状态,因为只有三个轮胎能正常使用。 Need 4 Tires to Drive 结点
要求至少有四个轮胎 (包括备胎)才能正常使用。 Tire 2 is Unrepairable 事件同时触发了
Replace Tire 2 操作和 Use Spare 操作。第 11 行中触发了 Drive with Spare 操作,系统被设
置为 “开”状态。
请注意, Tire 2 失效的同时被 Spare 更换。在系统被设置为 “关闭”状态和系统恢复 “开”
状 态 两 个 时 间 点 之 间 未 占 用 任 何 时 间。由 于 后 续 操 作 具 有 立 即 完 成 时 间, Tire 2 is
Unrepairable 事件未造成任何系统中断时间。结果分析器显示系统中断时间会在操作为“非
立即”时累积。

结果分析器

点击结果数据表中的 “启动可修复系统模拟结果分析器”脚本旁边的绿色箭头后,将会显示一
个包含模拟结果分析的报表。

图 12.11 部分 RSS 资源管理器报表

默认情况下,该报表包含两类图形。第一类图形 (显示在图 12.11 的左侧)是点估计图形。点


估计图形显示针对 x 轴上的模拟迭代时间标绘的 y 轴上的聚合模拟结果。 x 轴的范围是您在模
拟设置中指定的持续时间。某一给定时间可用的系统的估计概率在 y 轴旁边显示为红色。点估
计的下方是该点估计的 95% 置信区间。
280 可修复系统模拟 第 12 章
可修复系统模拟结果 可靠性和生存方法

提示:要查看模拟迭代中特定时间的系统可用性的点估计,请点击 x 轴下方的红色数字。指定
模拟持续时间范围中的某个时间,然后按 Enter 键。

第二类图形 (显示在图 12.11 的右侧)是模拟迭代中的系统可用时间的直方图。直方图中的箱


代表以下之一:
• 总模拟时间。
• 模拟持续时间的比例。

提示:选择图形旁边的导出数据选项以创建包含图形使用数据的数据表。

默认情况下,该报表包含以下图形:
系统可用性的点估计 显示模拟迭代期间,系统处于 “开”或 “关”状态的估计概率随时间变
化的图形。
系统可用时间分布 显示每次模拟迭代系统可用总时间的直方图。
系统可用性分布 显示每次模拟迭代系统可用总时间除以模拟持续时间的直方图。该分布与
“系统可用时间分布”相同,只不过该分布显示为模拟持续时间的比例。
系统服役概率的点估计 显示模拟迭代期间,系统处于“开”状态的估计概率随时间变化的图形。
系统服役时间分布 显示每次模拟迭代系统处于 “开”状态的总时间的直方图。
系统服役概率分布 显示每次模拟迭代系统处于 “开”状态的总时间除以模拟持续时间的直方
图。该分布与 “系统服役时间分布”相同,只不过该分布显示为模拟持续时间的比例。
系统计划外中断的点估计 显示模拟迭代期间,系统处于 “关闭”状态的估计概率随时间变化
的图形。
系统计划外中断分布 显示每次模拟迭代系统处于 “关闭”状态的总时间的直方图。
系统计划外中断百分比分布 显示每次模拟迭代系统处于 “关闭”状态的总时间除以模拟持续
时间的直方图。该分布与 “系统计划外中断分布”相同,只不过该分布显示为模拟持续时
间的比例。

可修复系统模拟结果选项

“可修复系统模拟结果”红色小三角菜单包含以下选项:
元件可用性的点估计 对于系统关系图中的每个方框形状,该选项都显示以下报表。
‒ 可用性的点估计
‒ 可用时间分布
‒ 可用性分布
‒ 计划外中断的点估计
第 12 章 可修复系统模拟 281
可靠性和生存方法 可修复系统模拟结果

‒ 计划外中断时间分布
‒ 计划外中断分布
按周期划分的系统可用性 显示一个图形,该图形支持您检查指定时间期间的平均系统可用
性。使用 “按时间”面板可将时间期间定义为时间的间隔。使用 “按事件”面板可将时间
期间定义为一个事件的指定出现次数。点击执行后,该报表显示每个期间的平均系统可用
性条形图。
按组件划分的系统总关闭时间的箱线图 显示个别元件导致系统处于“关闭”或“关”状态的总
时间的箱线图。元件按照从最长中断时间到最短中断时间的贡献来排序,与 Pareto 图类似。
按组件划分的系统计划外中断总时间的箱线图 显示各个元件导致系统处于“关闭”状态的总时
间的箱线图。元件按照从最长中断时间到最短中断时间的贡献来排序,与 Pareto 图类似。
请参见 《使用 JMP》手册中的 “JMP 报表”一章,获取有关下列选项的信息:
恢复 包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中,“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置重新生成报表。
保存 “依据”组脚本 包含使您可以保存脚本的选项,该脚本可在多个指定位置为 “依据”变
量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。

RSS 结果分析器点估计刻画器

“可修复系统模拟结果分析器”报表中的每个点估计刻画器都有一个红色小三角菜单,其中包含
以下选项:
置信区间 显示或隐藏点估计图形的 95% 置信区间。
重置因子网格 打开 “因子设置”窗口,可在该窗口中修改点估计图形的参数。有关设置因子
网格的详细信息,请参见 《刻画器指南》手册中的 “刻画器”一章。
因子设置 提供影响 “因子网格”的其他选项。有关因子设置的详细信息,请参见 《刻画器指
南》手册中的 “刻画器”一章。
282 可修复系统模拟 第 12 章
可修复系统模拟结果 可靠性和生存方法
第 13 章
生存分析
分析生存时间数据

生存数据包含直到发生特定事件的持续时间,有时称为事件时间响应数据。事件通常是指失效,
如发动机故障或患者死亡。若在观测的研究结束前未发生事件,则我们称观测为删失的。
“生存”平台拟合表示事件时间 (或失效时间)的单个 Y 变量。使用 “生存”平台来检查失效
时间的分布。

提示:要拟合解释性模型,请使用 “拟合参数生存”平台或 “拟合比例风险”平台。

图 13.1 生存图的示例
284 生存分析 第 13 章
生存分析概述 可靠性和生存方法

生存分析概述
出于以下两个原因,需要使用专门的方法来分析生存数据:
1. 生存时间通常具有专门的非正态分布,如指数、 Weibull 和对数正态。
2. 一些数据可能是删失的。
将非参数 Kaplan-Meier 方法用于一组或多组完整或右删失数据来计算生存函数。完整数据没
有删失值。右删失是指您不知道精确的生存时间但是知道它大于指定的值。当研究结束但并非
所有单元都发生故障或者在完成研究前患者必须退出研究时,就会发生右删失。若不在分析中
引入偏倚,将无法忽略删失的观测。生存模型的元素包括:
• 一个时间,指示还要多长时间单元 (或患者)才会经历事件或删失。时间是模型响应 (Y)。
• 一个指示符,表示观测值是经历了事件还是删失的。JMP 使用以下约定:删失单元的代码为
1,非删失事件的代码为 0。
• 说明变量 (若使用回归模型)。
• 区间删失是指数据点位于两个值构成的区间中的情形。若需要区间删失,则两个 Y 变量指定
界定事件时间的上限和下限。
用于可靠性和生存数据的常见术语包括:寿命、生存、失效时间、事件时间和持续时间。
“生存”平台计算一个或多个组的乘积限 (Kaplan-Meier) 生存函数估计值。可将其用作完整分
析或用作探索性分析,以便获取关于更复杂的模型拟合的信息。“Kaplan-Meier 生存”平台完
成以下工作:
• 显示每个组的估计生存函数图,以及整个样本的估计生存函数图 (此为可选项)。
• 计算并列出每个组以及合并样本的生存函数估计值。
• 显示指数、 Weibull 和对数正态诊断失效图,以图形方式检查使用这些分布是否适合进行进
一步的回归建模。一经要求便可得到参数估计值。
• 计算对数秩和广义 Wilcoxon 卡方统计量,以在不同组之间进行估计的生存函数的齐性检验。
• 分析竞争原因、提示失效原因变量,并为对应于每个原因的删失模式估计 Weibull 失效时间
分布。

生存分析的示例
采用一个实验来探索两个治疗组中接触致癌物的老鼠的生存时间特点。数据位于 Rats.jmp 样本
数据表中。该示例中的事件是死亡。目标是查看一个治疗组中的老鼠是否比另一个治疗组中的
老鼠活得更长 (活更多天数)。
1. 选择帮助 > 样本数据库,然后打开 Rats.jmp。
“天数”列中的数据是生存时间。请注意,一些观测是删失的。
2. 选择分析 > 可靠性和生存 > 生存。
第 13 章 生存分析 285
可靠性和生存方法 生存分析的示例

3. 选择天数并点击 Y,事件时间。
4. 选择组并点击分组。
5. 选择删失并点击删失。
6. 点击确定。

图 13.2 Rats.jmp 数据的 “生存图”

看起来治疗组 1 中的老鼠比治疗组 2 中的老鼠活得更长。


286 生存分析 第 13 章
启动 “生存”平台 可靠性和生存方法

启动 “生存”平台
通过选择分析 > 可靠性和生存 > 生存来启动 “生存”平台。

图 13.3 “生存”启动窗口

Y,事件时间 (必需)包含事件时间或删失时间。若您有区间删失,指定两个 Y 变量,分别表


示上限和下限。
分组 将数据分为单独拟合的组。
删失 标识删失的值。在删失代码框中输入标识删失的值。该列在以下条件下可以包含两个以
上的不同值:
‒ 所有删失行具有在 “删失代码”框中所输入的值。
‒ 非删失行具有 “删失代码”框中之外的值。
频数 指示当记录多个单元时其值是每行的观测频数的列。若值为 0 或正整数,则该值表示每
行的观测频数或计数。
依据 为分类或分组变量的每个水平执行单独的分析。
标绘失效图而非生存图 显示失效概率图而非与它相反的生存概率图。
删失代码 指定表示删失值的代码。
第 13 章 生存分析 287
可靠性和生存方法 生存图

生存图
“生存”平台显示每个组的估计生存函数的叠加阶梯图。图例按颜色和线条类型标识各组。

图 13.4 生存图

图下面的报表显示生存时间的汇总统计量和分位数。计算各组中每个观测的估计生存时间。计
算合并样本的生存时间。当有多个组时,统计检验比较生存曲线。

“生存”平台选项
“乘积限生存拟合”旁边的红色小三角菜单包含以下选项:
生存图 显示每个组的叠加生存图。
失效图 按照可靠性文献的传统,显示每个组的叠加失效图 (在一段时间上失效的比例) 。失
效图反转 y 轴来显示失效数而非生存者数。

注意:“失效图”选项替换了旧版本的 JMP 中的 “反转 Y 轴”选项 (该选项在脚本中仍


提供)。
288 生存分析 第 13 章
“生存”平台选项 可靠性和生存方法

图选项 包含以下选项:

注意:前七个选项 (显示点、显示 Kaplan Meier、显示合并、显示置信区间、显示联合置


信区间、显示着色点态置信区间和显示着色联合置信区间)和最后两个选项 (拟合生存置
信区间、拟合失效置信区间)与初始生存图和失效图有关。其他五个 (阶梯中部位置分位
数点、连接分位数点、拟合分位数、拟合分位数置信区间线、拟合着色分位数置信区间)只
与分布图有关。

‒ 显示点用于显示生存图每步的样本点。失效显示在阶梯底部,删失由阶梯之上的点表示。
‒ 显示 Kaplan Meier 用于显示 Kaplan-Meier 曲线。默认启用该选项。
‒ 显示合并用于在 “生存图”中显示合并组的生存曲线。
‒ 显示置信区间用于在 “生存图”上显示各组的 95% 点态置信带,当该选项与显示合并
选项一起使用时,则显示合并图的 95% 点态置信带。
‒ 当您选择显示点和显示合并时,总样本或合并样本的生存图显示为灰线。点也显示在每
个组的图阶梯中。
‒ 显示联合置信区间用于在图上显示所有组的联合置信带。 Meeker 和 Escobar (1998,
chap. 3) 介绍了点态和联合置信区间以及生存分析中为何需要联合置信区间。
‒ 阶梯中部位置分位数点用于更改绘图位置以使用修改的 Kaplan-Meier 绘图位置,这些位
置等价于取 Kaplan-Meier 曲线的阶梯中部位置而非阶梯底部位置。推荐使用该选项,
因此默认启用它。
‒ 连接分位数点用于在图中显示线条。默认启用该选项。
‒ 拟合分位数用于在拟合的 Weibull、对数正态或指数图上显示直线拟合。默认启用该选项。
‒ 拟合分位数置信区间线用于显示拟合的 Weibull、对数正态或指数图的 95% 置信带。
‒ 拟合着色分位数置信区间用于将拟合的 95% 置信带显示为着色区域或虚线。
‒ 拟合生存置信区间用于在 “生存图”上显示拟合分布的置信区间。
‒ 拟合失效置信区间用于在 “失效图”上显示拟合分布的置信区间。
指数图 为每个组绘制时间 - 累积指数失效概率图。近似呈线性的线条从经验上表明使用指数模
型适合进行进一步的分析。例如,在图 13.5 中,“指数图”中的 Group 1 和 Group 2 对应
的线条是曲线而非直线。这表明指数分布不适合该数据。请参见第 290 页的“指数、Weibull
和对数正态图以及拟合”。
指数拟合 生成 “指数参数”表并在 “指数图”中生成指数累积分布函数的线性拟合。请参见
图 13.5。 参数 Theta 对应于失效时间均值。请参见第 290 页的 “指数、 Weibull 和对数正
态图以及拟合”。
Weibull 图 为每个组绘制 log( 时间 )- 累积 Weibull 失效概率图。具有近似平行的直线的
Weibull 图指示 Weibull 生存分布模型可能适合用于进一步分析。请参见第 290 页的 “指
数、 Weibull 和对数正态图以及拟合”。
Weibull 拟合 在 “Weibull 图”中生成 Weibull 累积分布函数的线性拟合和两个常用形式的
Weibull 估计值。这些估计值显示在 “极值参数估计值”表和 “Weibull 参数估计值”表
第 13 章 生存分析 289
可靠性和生存方法 “生存”平台选项

中。请参见图 13.5。Alpha 参数是失效时间分布的 0.632 分位数。“极值”表显示同一拟合


的另一参数化,其中 Lambda = ln(Alpha), Delta = 1/Beta。请参见第 290 页的 “指数、
Weibull 和对数正态图以及拟合”。
对数正态图 为每个组绘制 log( 时间 )- 累积对数正态失效概率图。具有近似平行的直线的对数
正态图指示对数正态分布适合用于进一步分析。请参见第 290 页的 “指数、 Weibull 和对
数正态图以及拟合”。
对数正态拟合 在 “对数正态图”中生成对数正态累积分布函数的线性拟合以及 “对数正态参
数估计值”表,如图 13.5 中所示。Mu 和 Sigma 对应于服从正态分布的时间变量自然对数
的均值和标准差。请参见第 290 页的 “指数、 Weibull 和对数正态图以及拟合”。
拟合分布图 与拟合选项一起使用以显示对应于以下拟合分布的三个图:“生存”、“密度”和
“危险率”。若您未执行拟合,则不显示任何图。请参见第 293 页的 “拟合分布图”。
竞争原因 使用指定的原因来指示失效事件并使用其他原因来指示删失,以便执行 Weibull 模
型的估计。拟合的分布在 “生存图”中显示为虚线。请参见第 293 页的 “竞争原因”。
估计生存概率 估计您指定的时间值所对应的生存概率。
估计时间分位数 估计您指定的每个生存概率所对应的时间分位数。
保存估计值 创建一个数据表,它包含生存估计值和失效估计值、置信区间以及其他分布统计量。
290 生存分析 第 13 章
“生存”平台选项 可靠性和生存方法

指数、 Weibull 和对数正态图以及拟合

对于 JMP 支持的这三种分布,提供相应的图命令和拟合命令。使用图命令可查看事件标记是否
遵循直线轨迹。当分布拟合适合数据时,标记倾向于遵循直线轨迹。然后,使用拟合命令来估
计参数。

图 13.5 指数、 Weibull 和对数正态图以及报表

下表显示要绘制什么来生成该分布的直线拟合:

表 13.1 分布的直线拟合

分布图 X轴 Y轴 解释

指数 时间 -log(S) 斜率是 1/theta


Weibull log( 时间 ) log(-log(S)) 斜率是 beta

对数正态 log( 时间 ) Probit(1-S) 斜率是 1/sigma

注意:S = 生存分布的乘积限估计值。
第 13 章 生存分析 291
可靠性和生存方法 “生存”平台选项

指数分布最简单,只有一个参数 (称为 theta)。它是危险率为常数的分布,不记得生存时间长


短对事件可能性的影响。参数 theta 是预期寿命。
Weibull 分布对于事件时间数据是最常见的。不同作者有很多方式来参数化该分布 (如表 13.2
中所示)。JMP 报告了两个参数化方式,标记为 lambda-delta 极值参数化和 Weibull alpha-beta
参数化。在可靠性文献中使用 alpha-beta 参数化。请参见 Nelson (1990)。将 Alpha 解释为
63.2% 的单元失效时的分位数。按以下方式解释 Beta:若 beta>1,则危险率随时间增加;若
beta<1,则危险率随时间下降;若 beta=1,则危险率为常数,这表示它是指数分布。

表 13.2 依照 JMP 的 alpha 和 beta 的各种 Weibull 参数

JMP Weibull alpha beta

Wayne Nelson alpha=alpha beta=beta

Meeker 和 Escobar eta=alpha beta=beta

Tobias 和 Trindade c = alpha m = beta

Kececioglu eta=alpha beta=beta

Hosmer 和 Lemeshow exp(X beta)=alpha lambda=beta

Blishke 和 Murthy beta=alpha alpha=beta

Kalbfleisch 和 Prentice lambda = 1/alpha p = beta

JMP 极值 lambda=log(alpha) delta=1/beta

Meeker 和 Escobar s.e.v. mu=log(alpha) sigma=1/beta

对数正态分布也很常见。您对值取对数后服从正态分布,即为对数正态分布。若您要拟合数据
的正态分布,可以取它的 exp() 并将它作为对数正态分析。请参见 “拟合参数生存”一章中第
309 页的 “拟合参数生存的更多示例”。

其他选项

要查看指数、 Weibull 和对数正态拟合的其他选项,请按住 Shift 键,点击乘积限生存拟合菜单


的红色小三角菜单,然后点击所需的拟合。
使用这些选项可以:
• 设置限值的置信水平。
• 设置 theta (指数拟合)、 sigma (对数正态拟合)或 beta (Weibull 拟合)的约束值。请
参见第 292 页的 “WeiBayes 分析”。
• 获取 Weibull 和对数正态拟合 (没有约束值时)的置信等高线图。请参见图 13.6。
292 生存分析 第 13 章
“生存”平台选项 可靠性和生存方法

图 13.6 置信等高线图

WeiBayes 分析

在拟合相应分布时,JMP 可以约束 Theta(指数)、Beta (Weibull) 和 Sigma(对数正态)参数


的值。在 WeiBayes 情形中需要该功能,例如:
• 有很少的失效或没有失效
• 有 beta 的现有历史值
• 仍需要估计 alpha
有关 WeiBayes 情形的更多详细信息,请参见 Abernethy (1996)。
在没有失效时,标准方法是在末尾添加失效,估计值将反映 alpha 值的下限类型而非真实估计
值。 WeiBayes 功能允许真实估计值。
第 13 章 生存分析 293
可靠性和生存方法 “生存”平台选项

拟合分布图
使用“拟合分布图”选项可以查看指数、Weibull 和对数正态分布的生存、密度和危险率图。这
些图共享相同的轴尺度以便可以轻松比较各分布。

图 13.7 三种分布的拟合分布图

通过使用图形脚本,可以将这些图转换为其他图形。要复制图形,请在要复制的图中右击并选
择编辑 > 复制框架内容。在目标图中右击并选择编辑 > 粘贴框架内容。

竞争原因
有时系统中有多个失效原因。例如,假定制造过程有几个阶段,任何阶段的失效都可能导致整
个系统失效。若不同原因是独立的,可以用每个原因的生存分布估计值对失效时间建模。通过
将所有不来自给定原因的事件时间视为删失观测,执行针对该原因的删失估计。
“竞争原因”旁边的红色小三角菜单包含以下选项:
忽略原因 删除指定的原因值并重新计算生存估计值。
294 生存分析 第 13 章
生存分析的更多示例 可靠性和生存方法

保存原因坐标值 将名为 log(–log(Surv)) 的新列添加到当前表。该信息通常用于针对具有分组


变量 (例如用于失效类型的代码)的时间变量绘图。
Weibull 线 将 Weibull 线添加到图中。
危险率图 添加危险率图。
模拟 创建一个新数据表,它包含通过数据估计的 Weibull 分布的时间和原因信息。

生存分析的更多示例
Nelson (1982, p. 133) 和 Meeker and Escobar (1998, 附录 C1)研究了柴油发电机风扇故障。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Fan.jmp。
2. 选择分析 > 可靠性和生存 > 生存。
3. 选择时间并点击 Y,事件时间。
4. 选择删失并点击删失。
5. 选中标绘失效图而非生存图复选框。
6. 点击确定。

图 13.8 风扇初始输出
第 13 章 生存分析 295
可靠性和生存方法 生存分析的更多示例

请注意失效概率随时间增加。通常下一步是探索分布拟合 (如 Weibull 模型) 。从红色小三角


菜单中,选择 Weibull 图和 Weibull 拟合。

图 13.9 风扇数据的 Weibull 输出

因为拟合是合理的且 Beta 估计值接近 1,您可以推断出它看起来类似指数分布,该分布的危险


率为常数。从红色小三角菜单中,选择拟合分布图。随即显示 Weibull 拟合的三个视图。

图 13.10 拟合分布图

竞争原因的示例
Nelson (1982) 讨论了有很多失效原因的小电器的失效时间。数据的一个组(第 2 组)用 JMP 样
本数据表 Appliance.jmp 来表示。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Appliance.jmp。
296 生存分析 第 13 章
生存分析的更多示例 可靠性和生存方法

2. 选择分析 > 可靠性和生存 > 生存。


3. 选择时间周期并点击 Y,事件时间。
4. 点击确定。
5. 从红色小三角菜单中,选择竞争原因。
6. 点击原因编号,然后点击确定。
7. 从 “竞争原因”旁边的红色小三角菜单中,选择危险率图。

图 13.11 “竞争原因”报表和危险率图

整个系统的生存分布仅是生存概率之积。“竞争原因”表显示每个失效原因的 Alpha 和 Beta 的


Weibull 估计值。
在本例中,大多数失效是由于原因 9 造成的。原因 1 只出现过一次且不能生成好的 Weibull 估
计值。原因 15 出现的时间很短而且导致很小的 beta 和很大的 alpha。回想一下 alpha 是失效时
间的 63.2% 分位数估计值,这意味着前期失效的原因通常有很大的 alpha ;若这些原因不导致
前期失效,则也通常不会导致后期失效。
图 13.12 显示了在 “分位数”选项有效时按 “原因编号”划分的 “时间周期”的 “以 X 拟合
Y”图。该图进一步说明 alpha 和 beta 与失效分布之间的关系。
第 13 章 生存分析 297
可靠性和生存方法 生存分析的更多示例

图 13.12 按 “原因编号”划分的 “时间周期”的 “以 X 拟合 Y”图

在本例中,回想一下原因 9 导致了大多数失效。若更正了原因 9 的问题,这将如何影响其他原


因导致的生存概率呢?选择忽略原因选项可删除原因值并重新计算生存估计值。
图 13.13 显示了具有所有竞争原因的生存图和没有原因 9 的生存图。您可以看到不含原因 9 的生
存率 (用虚线表示)在 2,000 个周期前没有大的改进,但是之后变得好许多,甚至在 10,000 个
周期后仍有改进。

图 13.13 具有忽略原因的生存图
298 生存分析 第 13 章
生存分析的更多示例 可靠性和生存方法

区间删失的示例
有区间删失数据时,您只知道事件在某个时间区间内发生。 Turnbull 方法用于获取生存函数的
非参数估计值。
在这个来自 Nelson (1990, p. 147) 的示例中,在不同时间测试和检查了微处理器单元并记录了故障
单元的数目。其中一列中的缺失值表示您不知道下限或上限,因此事件相应为左删失或右删失。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Microprocessor Data.jmp。
2. 选择分析 > 可靠性和生存 > 生存。
3. 选择开始时间和结束时间并点击 Y,事件时间。
4. 选择计数并点击频数。
5. 选中标绘失效图而非生存图旁边的复选框。
6. 点击确定。
7. 从红色小三角菜单中,选择对数正态拟合。

图 13.14 区间删失输出
第 13 章 生存分析 299
可靠性和生存方法 生存分析的统计报表

显示生成的 Turnbull 估计值。Turnbull 估计值可能有无法估计生存概率的时间间隙,例如,在


本例中看到的 6 和 12、 24 和 48、 48 和 168 之间的间隙。
此时,选择一个分布以查看它的拟合估计值 — 在本例中,拟合的是对数正态分布。请注意失效
图显示这些数据的失效率很小。

生存分析的统计报表
对于非区间删失的数据,初始报表显示 “汇总”和 “分位数”数据 (图 13.15)。“汇总”数据
显示每个组 (存在组的情况下)和整个研究的失效数以及删失观测数。还针对删失调整了均值
和标准差。有关这些统计量的计算详细信息,请参见 SAS/STAT User’s Guide (2001)。
“分位数”数据显示单个组和合并组的失效时间统计量,其中包括中位数生存时间 (带 95% 置
信上限和置信下限)。中位数生存时间是一半对象失效时的时间(天数)。还包括四分位数生存
时间 (25% 和 75%)。

图 13.15 一元生存分析的汇总统计量

“汇总”报表给出生存时间均值的估计值以及该均值的标准误差。估计的生存时间均值如下所示:

D m -D – 1 A i2
μ̂ =  Sˆ ( t i – 1 ) ( t i – t i – 1 ) ,其标准误差为 σ̂ ( μ̂ ) = m – 1  ni ( ni – di )
------------ -------------------------
-,
i=1 i=1

i  d j D–1 D
其中 Sˆ ( t i ) = ∏  1 – ----- ,A i =  Sˆ ( t ) ( t – t ) 且m =  d 。
n j j j+1 j
j = 1
j
j=i j=1

Sˆ ( t i ) 是时间 ti 处的生存分布
D 是不同的事件时间数
ni 是恰好在 ti 前的生存单元数
di 是在 ti 处失效的单元数
t0 定义为 0
300 生存分析 第 13 章
生存分析的统计报表 可靠性和生存方法

有多个组时,“组间检验”表会提供各组的齐性统计检验。Kalbfleisch and Prentice (1980, chap. 1)、


Hosmer and Lemeshow (1999, chap. 2) 以及 Klein and Moeschberger (1997, chap. 7) 讨论了生
存曲线的统计量和比较。

图 13.16 组间检验

检验 命名两个统计检验,它们假设生存函数在不同组之间是相同的。
卡方 提供统计检验的卡方近似。
对数秩检验赋予较大生存时间更大的权重,当要比较的组中的危险率函数之比近似为常数
时,它会更加有用。危险率函数是给定时间处的瞬间失效率。它也称为死亡率或死亡力。
Wilcoxon 检验赋予前期生存时间更大的权重,若误差分布为 Logistic 分布,则该检验是最
佳秩检验 (Kalbfleisch and Prentice, 1980)。
自由度 提供统计检验的自由度。
概率 > 卡方 列出当生存函数对于所有组相同时,随机得到卡方值大于计算值的概率。
图 13.17 显示了一个组的乘积限生存函数估计值的示例。

图 13.17 “生存估计值”表的示例

注意:记录的最后时间是删失观测时,该报表会指示有偏均值估计值。有偏均值估计值是真实
均值的下限。
第 14 章
拟合参数生存
使用回归模型拟合生存数据

生存时间可表示为一个或多个变量的函数。在这种情况下,使用回归平台在拟合线性回归模型
的同时将生存分布和删失考虑在内。“拟合参数生存”平台使用可涉及位置和尺度效应的线性回
归模型拟合事件时间 Y(具有删失)。使用 Weibull、对数正态、指数、Fréchet 和对数 Logistic
分布来执行拟合。

注意:“拟合参数生存”平台是略微经过定制化的 “拟合模型”平台。您还可以使用 “非线性”


平台拟合参数生存模型。

图 14.1 “参数生存拟合”的示例
302 拟合参数生存 第 14 章
拟合参数生存概述 可靠性和生存方法

拟合参数生存概述
生存时间可表示为一个或多个变量的函数。在这种情况下,使用回归平台在拟合线性回归模型
的同时将生存分布和删失考虑在内。“拟合参数生存”平台使用可涉及位置和尺度效应的线性回
归模型拟合事件时间 Y(具有删失)。使用 Weibull、对数正态、指数、Fréchet 和对数 Logistic
分布来执行拟合。

参数回归生存拟合的示例
数据表 Comptime.jmp 包含计算机程序执行时间的分析数据,其执行时间的对数正态分布依赖
于效应负载。

注意:Comptime.jmp 中的数据来自 Meeker and Escobar (1998, p. 434)。

1. 选择帮助 > 样本数据库,然后打开 Reliability/Comptime.jmp。


2. 选择分析 > 可靠性和生存 > 拟合参数生存。
3. 选择执行时间并点击事件时间。
4. 选择负载并点击添加。
5. 将分布从 Weibull 更改为对数正态。
6. 点击运行。
第 14 章 拟合参数生存 303
可靠性和生存方法 参数回归生存拟合的示例

图 14.2 计算时间输出

只有一个效应时,三个生存概率的生存分位数图显示为该效应的函数。
当 90% 的作业是在系统负载 5 下完成时需要使用时间分位数。请参见 Meeker and Escobar, p. 438。
7. 从红色小三角菜单中,选择估计时间分位数。
8. 键入 5 作为负载。
9. 键入 0.1 作为生存概率。
10. 点击执行。

图 14.3 时间分位数估计值

报表估计 90% 的作业在系统负载 5 下的执行时间不超过 571 秒。


304 拟合参数生存 第 14 章
启动 “拟合参数生存”平台 可靠性和生存方法

启动 “拟合参数生存”平台
通过选择分析 > 可靠性和生存 > 拟合参数生存来启动 “拟合参数生存”平台。

图 14.4 “拟合参数生存”启动窗口

提示:要更改 alpha 水平,请点击红色小三角菜单并选择设置 Alpha 水平。

事件时间 包含事件时间或删失时间。在区间删失时,指定两个 Y 变量,其中一个 Y 变量提供


每个单元的下限,另一个 Y 变量提供每个单元的上限。
删失 指定一列用指示符来标识右删失观测。从 “删失代码”菜单中选择用于标识右删失观测
的值。仅当输入一个 “事件时间”列时才使用 “删失”列。
频数 指定记录多个单元时其值为每行的观测频数或计数的列。
原因 指定包含多个失效原因的列。该列对于估计竞争原因特别有用。为每个原因值执行单独
的参数拟合。可以使用数值或分类 (标签)值对失效事件编码。
依据 为分类或分组变量的每个水平执行单独的分析。
位置和尺度效应 使用这些选项指定位置和尺度效应。有关“构造模型效应”选项的详细信息,
请参见 《拟合线性模型》手册中的 “模型规格”一章。
特质 指示拟合方法。应始终选择 “参数生存”。
第 14 章 拟合参数生存 305
可靠性和生存方法 “参数生存拟合”报表

分布 选择适合您的数据所需的响应分布。选择 “所有分布”选项可拟合所有分布并比较拟合
效果。若选择 “所有分布”,该报表显示分布拟合的对比。请参见第 306 页的 ““参数生
存 - 所有分布”报表”。

注意:默认情况下,“所有分布”选项针对 “分布”菜单中的 “所有分布”上方显示的对


数 - 位置 - 尺度分布拟合模型。选择首选项 > 平台 > 拟合参数生存 > 在所有分布中包含位
置尺度分布以更改 “所有分布”选项的行为,使其同时包括位置 - 尺度分布。

删失代码 选择 “删失”列后,从列表中选择指定右删失观测的值。缺失值会从分析中排除。
JMP 尝试检测删失代码并将其显示在列表中。

“参数生存拟合”报表
若在启动窗口中选择 “所有分布”,则为每个分布显示 “参数生存拟合”报表。若在启动窗口
中指定 “原因”列,则为每个原因显示 “参数生存拟合”报表。否则,仅显示一个 “参数生存
拟合”报表。每个 “参数生存拟合”报表都包含以下信息:
效应汇总 显示一个交互式报表,该报表允许您在模型中添加或删除效应。请参见 《拟合线性
模型》手册中的 “标准最小二乘法”一章。
模型拟合详细信息 “事件时间”显示所指定的 Y 列,“分布”显示所拟合的分布。“AICc”、
“BIC”和 “-2* 对数似然”都是模型拟合的测度。可以使用这些测度来进行与其他模型拟
合的比较。“使用的观测”和 “未删失值”是数据的汇总统计量。
整体模型检验 将完整拟合与仅截距拟合作比较。若只有一个截距项,则拟合结果与 “寿命分
布”平台的拟合结果相同。
参数估计值 显示回归参数的估计值。
一个链接,用于启动在 “参数估计值”表下方显示的 “广义回归”平台。该链接支持
您使用 “广义回归”平台执行变量选择,在以下条件下显示该链接:
‒ 模型没有尺度效应。
‒ 在启动窗口中未指定 “原因”列。
‒ 在启动窗口中指定的 “分布”为 “正态”、“对数正态”或 Weibull。
备择参数 (仅适用于 Weibull 分布。)显示 Weibull 分布的 α 和 β 参数化的参数估计值。有关
该参数化的详细信息,请参见 “寿命分布”一章中第 72 页的 “Weibull”。
Wald 检验 为模型中的每一项显示 Wald 卡方检验。
效应似然比检验 比较拟合模型的对数似然与分别从模型删除每个项时的对数似然。
标绘生存分位数 显示使用 0.1、 0.5 和 0.9 分位数标绘的数据点。
306 拟合参数生存 第 14 章
“参数生存 - 所有分布”报表 可靠性和生存方法

图 14.5 “参数生存拟合”报表

“参数生存 - 所有分布”报表
仅当在启动窗口中选择 “所有分布”时才会显示 “参数生存 - 所有分布”报表。默认情况下,
该报表包含 “模型比较”报表和 “分布叠加”图。“分位数函数叠加”图在 “参数生存 - 所有
分布”旁边的红色小三角菜单中提供。
模型比较 列出拟合分布的拟合统计量 (AICc 和 BIC)的表。具有最小 AICc 和 BIC 值的分布
标注在最右侧的列中。若有一个分布同时具有最小的 AICc 和 BIC 值,则该分布将标注为
“最佳”。默认打开与具有最小 AICc 的分布对应的 “参数生存拟合”报表。有关这些统计
量的详细信息,请参见 《拟合线性模型》手册中的 “统计详细信息”附录。
分布叠加 指定效应值处的拟合分布的叠加分布函数图。
分位数函数叠加 指定效应值处的拟合分布的叠加分位数函数图。
第 14 章 拟合参数生存 307
可靠性和生存方法 “参数竞争原因”报表

“分布叠加”图和 “分位数函数叠加”图都为在同一图形上叠加的每个拟合分布显示曲线。默
认情况下,每条曲线具有基于 Wald 的着色置信区间。每个图的右侧都有一个图例、一个显示置
信区间着色的选项,以及支持您指定不同效应值的控件。图 14.6 显示了 “分布叠加”图的一个
示例。

注意:可以从启动窗口修改着色置信区间的 alpha 水平。 95% 是默认设置。

图 14.6 “分布叠加”图

“参数竞争原因”报表
若您在启动窗口中指定了 “原因”列,则会显示 “参数竞争原因”报表。若还在启动窗口中指
定了 “所有分布”,该报表将标记为 “参数竞争原因 - 所有分布”。“参数竞争原因”报表包含
以下信息:
按原因汇总 列出每个原因的拟合统计量 (AICc 和 BIC)的表。若在启动窗口中为 “分布”选
项选定了 “所有分布”,则该表将包括每个分布拟合中每个原因的拟合统计量。
模型比较 (仅当在启动窗口中为 “分布”选项选定 “所有分布”时才可用。 )显示列出拟合
分布的拟合统计量 (AICc 和 BIC)的表。具有最小 AICc 和 BIC 值的分布标注在最右侧的
列中。若有一个分布同时具有最小的 AICc 和 BIC 值,则该分布将标注为 “最佳” 。默认
打开与具有最小 AICc 的分布对应的 “参数生存拟合”报表。
有关 AICc 和 BIC 统计量的详细信息,请参见《拟合线性模型》手册中的“统计详细信息”附录。
308 拟合参数生存 第 14 章
“拟合参数生存”选项 可靠性和生存方法

“拟合参数生存”选项
“参数生存拟合”旁边的红色小三角菜单包含以下选项:
似然比检验 生成一些检验,用于比较拟合模型的对数似然与分别从模型删除每个项时的对数
似然。
Wald 检验 为检验每个参数是否为 0 的 Wald 检验生成卡方检验统计量和 p 值。
似然置信区间 为每个参数指定 “参数估计值”表中所示的置信区间的类型。选定该选项后,
即显示边侧似然置信区间;否则显示 Wald 区间。在该报表中,“参数估计值”表的下方会
注明区间类型。若边侧似然置信区间的计算时间不长,则默认启用该选项。

注意:可以从启动窗口修改 alpha 水平。 95% 是默认设置。

估计值的相关性 生成模型效应之间以及模型效应与拟合分布的参数之间的相关性矩阵。
估计值的协方差 生成模型效应之间以及模型效应与拟合分布的参数之间的协方差矩阵。
估计生存概率 指定效应值以及一个或多个时间值。 JMP 然后计算条目的所有可能组合的 95%
置信限下的生存和失效概率。
估计时间分位数 指定效应值以及一个或多个生存值。 JMP 然后计算条目的所有可能组合的时
间分位数和 95% 置信限。

注意:对于 “估计生存概率”选项和 “估计时间分位数”选项,您可以更改默认的 95%


alpha 水平。

残差图 显示标准化残差的概率图。
保存残差 将残差保存到数据表中的新列。
分布刻画器 显示失效概率针对各个说明变量和响应变量的响应曲面。
分位数刻画器 显示响应变量针对说明变量和失效概率的响应曲面。
按水平组合划分的分布图 显示用于评估模型拟合的三个概率图。这些图针对 X 水平的每个组
合显示不同的线。
不同位置 是假定尺度参数相等而位置参数不同的概率图。这对于评估平行性假设很有用。
不同位置和尺度 是假定不同尺度和位置参数的概率图。这对于评估分布对于数据是否合适
很有用。“指数”分布不显示该图。
回归 是分布参数是 X 变量的函数的概率图。
保存概率公式 将估计的概率公式保存到数据表中的新列。
保存分位数公式 将估计的分位数公式保存到数据表中的新列。选择该选项将显示一个弹出对
话框,要求您输入所需分位数的概率值。
模型对话框 重启启动窗口。
第 14 章 拟合参数生存 309
可靠性和生存方法 非线性参数生存模型

效应汇总 显示交互式“效应汇总”报表,该报表允许您在模型中添加或删除效应。请参见《拟
合线性模型》手册中的 “效应汇总”报表一节。

非线性参数生存模型
在以下情形下将 “非线性”平台用于生存模型:
• 模型是非线性的。
• 您需要除 Weibull、对数正态、指数、 Fréchet 或对数 Logistic 之外的分布。
• 您的删失不是通常的右删失、左删失或区间删失。
“非线性”平台具有估计所指定的损失函数中参数的能力,因此成为拟合最大似然模型的强大工
具。有关“非线性”平台的完整信息,请参见《预测和专业建模》手册中的“非线性回归”一章。
要在数据删失时拟合非线性模型,您必须首先使用公式编辑器来创建一个参数方程来表示针对
删失观测调整的损失函数。然后通过 “非线性”平台使用最大似然估计参数。

拟合参数生存的更多示例
本节包含使用 “拟合参数生存”平台的更多示例。

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 & 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。
310 拟合参数生存 第 14 章
拟合参数生存的更多示例 可靠性和生存方法

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。

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。
13. 选择分析 > 可靠性和生存 > 拟合参数生存。
14. 选择小时数并点击事件时间。
第 14 章 拟合参数生存 311
可靠性和生存方法 拟合参数生存的更多示例

15. 选择 x 并点击添加。
16. 选择删失并点击删失。
17. 选择权重并点击频数。
18. 将分布类型改为对数正态。
19. 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。
312 拟合参数生存 第 14 章
拟合参数生存的更多示例 可靠性和生存方法

‒ 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。
20. 从红色小三角菜单中,选择估计生存概率。
21. 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

22. 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。

区间删失的加速失效时间模型
ICdevice02.jmp 数据显示在检查间隔之间发生的失效数。该模型使用两个 y 变量,包含失效时
间的上限和下限。右删失时间显示为上限缺失。

注意:ICdevice02.jmp 中的数据来自 Meeker & Escobar (1998, p. 640)。

1. 选择帮助 > 样本数据库,然后打开 Reliability/ICdevice02.jmp。


2. 选择分析 > 可靠性和生存 > 拟合参数生存。
3. 选择 HoursL 和 HoursU 并点击事件时间。
4. 选择计数并点击频数。
5. 选择 x 并点击添加。
第 14 章 拟合参数生存 313
可靠性和生存方法 拟合参数生存的更多示例

6. 点击运行。

图 14.12ICDevice 输出

生成的回归显示度数 - 时间图。
314 拟合参数生存 第 14 章
拟合参数生存的更多示例 可靠性和生存方法

使用 “非线性”平台分析删失数据
您可以使用 “非线性”平台分析左删失数据。对于左删失数据,零是删失值,因为它也表示观
测的最小已知时间。

注意:对于必须为正数或零的响应 (零表示删失点), Tobit 模型在经济领域很常见。

请注意有关 Tobit2.jmp 数据表的以下信息:


• 响应变量是产品耐用性的测度,不能小于零 (耐久性在零处左删失)。
• 寿命和流动性是自变量。
• 该表还包含模型和 tobit 损失函数。残差形式的模型为耐久性 -(b0+b1* 寿命 +b2* 流动性 )。
要查看与 Tobit 损失关联的公式,请右击该列并选择公式。
继续执行以下操作:
1. 选择帮助 > 样本数据库,然后打开 Reliability/Tobit2.jmp。
2. 选择分析 > 专业建模 > 非线性。
3. 选择模型并点击 X,预测变量公式。
4. 选择 Tobit 损失并点击损失。
5. 点击确定。
6. 点击执行。
7. 点击置信限。

图 14.13 “解”报表

左删失数据
Tobit 模型是正态的,在零处截断。但是,对于左删失问题,您可以对响应取指数并设置区间。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Tobit2.jmp。
2. 选择分析 > 可靠性和生存 > 拟合参数生存。
3. 选择 YLow 和 YHigh 并点击事件时间。
第 14 章 拟合参数生存 315
可靠性和生存方法 拟合参数生存的更多示例

4. 选择寿命和流动性并点击添加。
5. 将分布类型改为对数正态。
6. 点击运行。

图 14.14Tobit 模型结果

报表对该对数正态模型拟合进行估计。

使用 “非线性”平台的 Weibull 损失函数

在本例中,使用 Weibull、对数正态和指数分布拟合生存时间模型。模型拟合包括只有两个效应
的简单生存模型,包含所有效应的更复杂模型,以及为离散效应细胞类型创建虚拟变量以包括
在完全模型中。
“非线性”模型拟合通常对于您指定的模型参数初始值很敏感。在本例中,找到合理初始值的一
个方法是首先使用 “非线性”平台仅拟合线性模型。该模型收敛时,参数的解值变为非线性模
型的初始参数值。
1. 选择帮助 > 样本数据库,然后打开 VA Lung Cancer.jmp。
第一个模型和所有损失函数已创建为数据表中的公式。模型列具有以下公式:
Log(: 时间 ) - (b0 + b1 * 年龄 + b2 * 诊断时间 )
2. 选择分析 > 专业建模 > 非线性。
3. 选择模型并点击 X,预测变量公式。
316 拟合参数生存 第 14 章
拟合参数生存的更多示例 可靠性和生存方法

4. 点击确定。
5. 点击执行。

图 14.15 “非线性拟合”控制面板中的初始参数值

报表计算该模型的最小二乘参数估计值。
6. 点击保存估计值。
公式列中的参数估计值设置为该初始非线性拟合过程估计的那些值。
Weibull 列包含第 320 页的 “Weibull 损失函数”中所述的 Weibull 公式。
要继续拟合过程,请执行以下步骤:
7. 再次选择分析 > 专业建模 > 非线性。
8. 选择模型并点击 X,预测变量公式。
9. 选择 Weibull 损失并点击损失。
10. 点击确定。
随即显示图 14.16 中左侧的 “非线性拟合”控制面板。现在损失函数中新增一个称为 sigma
的参数。因为它在分数的分母中,起始值 1 对于 sigma 是合理的。使用除默认值之外的任何
损失函数时,默认选中控制面板上的损失为负的对数似然框。
第 14 章 拟合参数生存 317
可靠性和生存方法 拟合参数生存的更多示例

11. 点击执行。
拟合过程收敛情况如图 14.16 中右侧所示。

图 14.16 具有定制损失函数的非线性模型

拟合过程通过使 Weibull 似然函数的负对数最大化来估计参数。


12. (可选)点击置信限以在 “解”表中显示参数的 95% 置信上限和下限。

图 14.17 “解”报表

注意:因为置信限是边侧似然置信区间而非标准渐近置信区间,计算它们可能需要一些时间。

还可以运行具有预定义的指数和对数正态损失函数的模型。在拟合另一模型前,将参数估计
值重置为最小二乘估计值,否则它们可能不收敛。要重置参数估计值,请执行以下步骤:
13. (可选)从 “非线性拟合”旁边的红色小三角菜单中,选择恢复原始参数。
318 拟合参数生存 第 14 章
拟合参数生存的更多示例 可靠性和生存方法

使用 “非线性”平台拟合简单生存分布
以下示例显示如何使用最大似然法估计除删失状态外没有其他效应时的时间删失数据的分布。
Loss Function Templates 文件夹包含具有指数、极值、对数 Logistic、对数正态、正态以及单
参数和双参数的 Weibull 损失函数公式的模板。要使用这些损失函数,请将您的时间和删失值
复制到损失函数模板的时间和删失列。要运行模型,请选择非线性并将损失列分配为损失变量。
因为响应模型和删失状态均包含在损失函数中且没有其他效应,您不需要预测列(模型变量)。

指数、 Weibull 和极值损失函数

Fan.jmp 数据表可用于说明 Nelson (1982) 中所述的指数损失函数、 Weibull 损失函数和极值损


失函数。该数据来自对 70 个累积使用了 344,440 小时的柴油机风扇的研究。这些风扇是在不同
的时间投入使用的。响应是风扇的失效时间或运行时间 (若数据删失)。

提示:要查看 Fan.jmp 数据表中损失函数的公式,请右击指数、Weibull 和极值列,然后选择公式。

1. 选择帮助 > 样本数据库,然后打开 Reliability/Fan.jmp。


2. 选择分析 > 专业建模 > 非线性。
3. 选择指数并点击损失。
4. 点击确定。
5. 确保选中损失为负的对数似然复选框。
6. 点击执行。
7. 点击置信限。
8. 重复这些步骤,但是选择的是 Weibull 和极值而非指数。
第 14 章 拟合参数生存 319
可靠性和生存方法 拟合参数生存的更多示例

图 14.18 “非线性拟合”结果

对数正态损失函数

Locomotive.jmp 数据可用于说明对数正态损失。当数据范围为 e 的若干次幂时,对数正态分布


很有用。

提示:要在 Locomotive.jmp 数据表中查看损失函数的公式,请右击对数正态列,然后选择公式。

对数正态损失函数可能对参数的初始值很敏感。因为对数正态分布与正态分布相似,您可以创
建是时间的自然对数的新变量并使用分布来查找该列的均值和标准差。然后,使用这些值作为
“非线性”平台的起始值。在本例中,时间的自然对数的均值是 4.72,标准差为 0.35。
1. 选择帮助 > 样本数据库,然后打开 Reliability/Locomotive.jmp。
2. 选择分析 > 专业建模 > 非线性。
3. 选择对数正态并点击损失。
4. 点击确定。
5. 点击执行。
6. 点击置信限。
320 拟合参数生存 第 14 章
“拟合参数生存”的统计详细信息 可靠性和生存方法

图 14.19 “解”报表

对数正态参数 Mu 和 Sigma (自然对数)的最大似然估计值分别为 5.11692 和 0.7055。相应的


对数正态分布的中位数估计值是 5.11692 的反对数 (e5.11692),它大约为 167,表示机车发动机的
一般寿命。

“拟合参数生存”的统计详细信息
本节包含 “拟合参数生存”平台的统计详细信息。

生存分布的损失公式
以下公式是拟合常见参数模型的负对数似然公式。每个公式使用计算器 if 条件函数(未删失时
执行第一个条件,右删失时执行 Else 子句)。您可以从样本数据的 Loss Function Templates 文
件夹下的表中复制这些公式并将它们粘贴到您的数据表。

指数损失函数

在此处显示的指数损失函数中, sigma 表示指数分布的均值,时间是失效时的寿命。

指数损失函数

指数分布的一个特点是瞬间失效率不随时间变化。这意味着无论对象处于研究中多长时间,在
给定的时间长度内任何对象的失效机会是相同的。

Weibull 损失函数

Weibull 密度函数通常提供寿命分布的合适模型。您可以将 “生存”平台用于数据的初始调查


以确定 Weibull 损失函数对您的数据是否合适。
第 14 章 拟合参数生存 321
可靠性和生存方法 “拟合参数生存”的统计详细信息

Weibull 损失函数

在 Loss Function Templates 文件夹中有单参数函数、双参数函数和极值函数的示例。

对数正态损失函数

下面显示的公式是对数正态损失函数,其中正态分布 ( 模型 /sigma) 是标准正态分布函数。危险


率函数在 t = 0 处的值为 0,逐渐增大到最大值,然后减小。危险率函数随着 t 变大逐渐趋近 0。

对数正态损失函数

对数 Logistic 损失函数

若 Y 服从 Logistic 分布,则 Exp(Y) 服从对数 Logistic 分布。

对数 Logistic 损失函数
322 拟合参数生存 第 14 章
“拟合参数生存”的统计详细信息 可靠性和生存方法
第 15 章
拟合比例风险
使用半参数回归模型拟合生存数据

“拟合比例风险”平台拟合 Cox 比例风险模型,该模型假定协变量 (预测变量)与危险率函数


之间存在相乘关系。
比例风险模型对于具有协变量的生存数据来说是常见的回归模型。该模型是半参数模型。估计
线性模型,但不估计危险率函数的形式。不支持时变协变量。

注意:“拟合比例风险”平台是略微经过定制化的 “拟合模型”平台。

图 15.1 “拟合比例风险”的示例
324 拟合比例风险 第 15 章
“拟合比例风险”概述 可靠性和生存方法

“拟合比例风险”概述
比例风险模型是 D. R. Cox (1972) 提出的特殊半参数回归模型,用来检查说明变量对生存时间的
影响。假定总体的每个成员的生存时间遵循各自的危险率函数。
比例风险在某种意义上来说是非参数的,因为它涉及未指定的任意基准危险率函数。它又是参
数的,因为它采用了协变量的参数形式。基准危险率函数采用与时间无关的协变量模型的函数
来统一尺度以给出一般危险率函数。与 Kaplan-Meier 分析不同,比例风险计算每个协变量的参
数估计值和标准误差。使用最大似然法估计与说明变量关联的回归参数 (β) 及其标准误差。还从
参数估计值计算条件风险比 (或危险比)。
使用经验法生成比例风险的生存估计值。请参见 Lawless (1982)。它们表示生存函数 S(t) 的经验
累积危险率函数估计值 H(t),可以表示为 S0 = exp(-H(t)),其中危险率函数按以下公式计算:

dj
H( t) =  ----------------------ˆ-
j:t j < t xl β
 e
l ∈ Rj

响应中有结值 (表示在给定的时间事件处有多个失效)时,使用 Breslow 似然。

“拟合比例风险”平台的示例
以下示例说明具有两个水平的一个名义型效应。有关具有多个效应和多个水平的示例,请参见
第 329 页的 “使用多个效应和多个水平的示例”。
1. 选择帮助 > 样本数据库,然后打开 Rats.jmp。
2. 选择分析 > 可靠性和生存 > 拟合比例风险。
3. 选择天数并点击事件时间。
4. 选择删失并点击删失。
5. 选择组并点击添加。
6. 点击运行。
第 15 章 拟合比例风险 325
可靠性和生存方法 “拟合比例风险”平台的示例

图 15.2 Rats.jmp 数据的 “拟合比例风险”报表

在 Rats.jmp 数据中,只有两个组。因此,在 “参数估计值”报表中,不包括零的置信区间指示


组间存在着 alpha 水平的显著差异。此外,在 “效应似然比检验”报表中,检验 “整体模型”
检验表中所示的组间没有差异这个原假设与检验组的回归系数为零这个原假设是等效的。

具有两个水平的一个名义型效应的风险比
要显示效应的风险比,请从红色小三角菜单中选择风险比选项。在本例中,只有一个效应,该
效应只有两个水平。比较 “Group 2”与 “Group 1”的风险比并将结果显示在 “‘组’的风险
比”报表中。请参见图 15.3。 该表中的风险比按以下方式得到:计算 “Group 2”的参数估计
值的指数并除以 “Group 1”的参数估计值的指数。
326 拟合比例风险 第 15 章
“拟合比例风险”平台的示例 可靠性和生存方法

请注意以下事项:
• “Group 1”参数估计值显示在 “参数估计值”表中。请参见图 15.2。
• 通过取 “Group 1”参数估计值的负值来计算 “Group 2”参数估计值。
• “倒数”显示 “1/ 风险比”的值。

提示:要查看倒数值,请在 “风险比”报表中右击,然后选择列 > 倒数。

对于本示例, Group 2/Group 1 的风险比计算如下:


exp[-(-0.2979479)] /exp(-0.2979479) = 1.8146558

该风险比值指示 “Group 2”的死亡风险比 “Group 1s”高 1.81 倍。

图 15.3 “' 组 ' 的风险比”表

有关如何在有多个效应或分类效应包含两个以上水平时计算风险比的信息,请参见第 331 页的
“多个效应和多个水平的风险比”。
第 15 章 拟合比例风险 327
可靠性和生存方法 启动 “拟合比例风险”平台

启动 “拟合比例风险”平台
通过选择分析 > 可靠性和生存 > 拟合比例风险来启动 “拟合比例风险”平台。

图 15.4 “拟合比例风险”启动窗口

事件时间 包含事件时间或删失时间。
删失 删失列中的非零值指示删失观测。(删失值的编码通常等于 1。)未删失值必须编码为 0。
频数 当记录多个单元时其值是每行的观测频数或计数的列。
依据 为分类或分组变量的每个水平执行单独的分析。
构造模型效应 使效应进入模型。有关 “构造模型效应”选项的更多详细信息,请参见 《拟合
线性模型》手册中的 “模型规格”一章。
特质 指示拟合方法。应始终选择 “比例风险”。
删失代码 将对应于删失观测的值输入到删失列。
328 拟合比例风险 第 15 章
“拟合比例风险”报表 可靠性和生存方法

“拟合比例风险”报表
计算比例风险模型的参数估计值是一个迭代过程。拟合完成时,将显示图 15.5 中的报表。

图 15.5 “拟合比例风险”报表

迭代历史记录 列出在模型计算期间得到的迭代结果。
整体模型 显示有和没有协变量时的模型的似然函数的自然对数的负数(– 对数似然)。它们的正
差值的两倍用于执行以下假设的卡方检验:不同效应之间的生存时间没有差异。自由度 (DF)
等于完全模型和简化模型之间参数数目的差值。
参数估计值 显示协变量的参数估计值、其标准误差以及 95% 置信上限和置信下限。连续列不
包括零的置信区间指示效应是显著的。分类列中某水平不包括零的置信区间指示该水平和
所有水平的平均值之间的差异是显著的。
第 15 章 拟合比例风险 329
可靠性和生存方法 “拟合比例风险”选项

效应似然比检验 显示协变量效应的参数估计值是零这个原假设的似然比卡方检验。
在均值的基准生存 标绘数据中每个事件时间的基准函数估计值。在此处标绘“表”报表中的值。

“拟合比例风险”选项
“拟合比例风险”旁边的红色小三角菜单包含以下选项:
似然比检验 生成一些检验,用于比较拟合模型的对数似然与分别从模型删除每个项时的对数
似然。
Wald 检验 为检验每个参数是否为 0 的 Wald 检验生成卡方检验统计量和 p 值。
似然置信区间 为每个参数指定 “参数估计值”表中所示的置信区间的类型。选定该选项后,
即显示边侧似然置信区间;否则显示 Wald 区间。在该报表中,“参数估计值”表的下方会
注明区间类型。若边侧似然置信区间的计算时间不长,则默认启用该选项。

注意:可以从启动窗口修改 alpha 水平。 95% 是默认设置。

风险比 显示效应的风险比。对于连续列,计算单位风险比和范围风险比。单位风险比为 Exp(


估计值 ),范围风险比为 Exp[ 估计值 *(x 最大值 – x 最小值 )]。单位风险比显示回归变量的一
个单位上的风险变化,范围风险比显示回归变量的整个范围上的风险变化。对于分类列,在
单独的报表中显示每个效应的风险比。请注意,对于包含 k 个水平的分类变量,仅使用 k -1
个设计变量或水平。

提示:要在 “风险比”报表中查看倒数值,请在报表中右击并选择列 > 倒数。

模型对话框 显示当前分析的已完成的启动窗口。
效应汇总 显示交互式“效应汇总”报表,该报表允许您在模型中添加或删除效应。请参见《拟
合线性模型》手册中的 “效应汇总”报表一节。

使用多个效应和多个水平的示例
本例对样本数据 VA Lung Cancer.jmp 使用比例风险模型。该数据是从随机化的临床试验收集
的,在这些试验中对无法手术的男性肺癌患者实施了标准或新的 (检验)化学疗法 (治疗)。该
试验的主要目的是评估治疗类型是否对生存时间有影响,特别关注肿瘤类型 (细胞类型)的影
响。有关该数据集的其他详细信息,请参见 Prentice (1973) 和 Kalbfleisch and Prentice (2002)。
对于比例风险模型,协变量包括以下项:
• 患者以前是否进行过这样的治疗 (之前治疗)
• 患者的年龄 (年龄)
• 从肺癌诊断到开始研究的时间 (诊断时间)
• 常规医疗状况测度 (KPS)
330 拟合比例风险 第 15 章
使用多个效应和多个水平的示例 可靠性和生存方法

年龄、诊断时间和 KPS 是连续测量值,细胞类型、治疗和之前治疗是分类 (名义型)变量。细


胞类型的四个名义型水平包括 “Adeno”、“Large”、“Small”和 “Squamous”。
本例说明具有多个效应且一个名义型效应具有两个以上水平的模型结果。还演示了风险比,给
出计算连续效应的风险比和具有两个以上水平的效应的风险比的示例。
1. 选择帮助 > 样本数据库,然后打开 VA Lung Cancer.jmp。
2. 选择分析 > 可靠性和生存 > 拟合比例风险。
3. 选择时间作为事件时间。
4. 选择删失作为删失。
5. 选择细胞类型、治疗、之前治疗、年龄、诊断时间和 KPS 并点击添加。
6. 点击运行。
7. 从红色小三角菜单中,选择风险比。
8. (可选)点击 “在均值的基准生存”标题栏上的展开图标以关闭图,然后点击 “整体模型”
上的展开图标以关闭报表。

图 15.6 具有多个效应和水平的比例风险模型的报表窗口
第 15 章 拟合比例风险 331
可靠性和生存方法 使用多个效应和多个水平的示例

请注意以下有关结果的事项:
• 在 “整体模型”报表中,较低的 “概率 > 卡方”值 (<.0001) 指示当模型中至少包含一个效
应时生存时间存在差异。
• 在 “效应似然比检验”报表中,“概率 > 卡方”值指示 KPS 和细胞类型的至少一个水平是
显著的,而治疗、之前治疗、年龄和诊断时间效应是不显著的。

多个效应和多个水平的风险比
图 15.6 显示了连续效应 (年龄、诊断时间、 KPS)以及名义型效应 (细胞类型、治疗、之前治
疗)的风险比。为了便于说明,我们侧重 VA Lung Cancer.jmp 样本数据的连续效应年龄和具有
四个水平的名义型效应 (细胞类型)。
对于 VA Lung Cancer.jmp 样本数据中的连续效应年龄,按以下方式计算风险比:

单位风险比
exp(β) = exp(-0.0085494) = 0.991487

范围风险比
exp[β(xmax - xmin)] = exp(-0.0085494 * 47) = 0.669099

对于名义型效应细胞类型,计算所有水平对并将结果显示在“‘细胞类型’的风险比”表中。请
注意,对于包含 k 个水平的分类变量,仅使用 k -1 个设计变量或水平。在“参数估计值”表中,
只显示了细胞类型四个水平中的三个水平(“Adeno”、“Large”和“Small”)的参数估计值。
未显示 “Squamous”水平,但是它是其他估计值之和的负数。此处是 “细胞类型的风险比”
计算的两个示例:
Large/Adeno = exp(βLarge)/exp(βAdeno) = exp(-0.2114757)/exp(0.57719588) = 0.4544481
Squamous/Adeno = exp[-(βAdeno + βLarge + βSmall)]/exp(βAdeno)
= exp[-(0.57719588 + (-0.2114757) + 0.24538322)]/exp(0.57719588) = 0.3047391

“倒数”显示 “1/ 风险比”的值。


332 拟合比例风险 第 15 章
使用多个效应和多个水平的示例 可靠性和生存方法
附录 A
参考文献

Abernethy, Robert B. (1996) The New Weibull Handbook. Published by the author: 536 Oyster
Road North Palm Beach, Florida 33408.
Akaike, H. (1974), “Factor Analysis and AIC,” Pschychometrika, 52, 317–332.
Akaike, H. (1987), “A New Look at the Statistical Identification Model,” IEEE Transactions on
Automatic Control, 19, 716–723.
Andrews, D.F. and A. M. Herzberg (1985), Data: A Collection of Problems from Many Fields for the
Student and Research Worker. New York: Springer-Verlag.
Burnham and Anderson. (2004), Model Selection And Multimodel Inference: A Practical
Information Theoretic Approach. Springer, New York.
Chow, Shein-Chung. (2007), Statistical Design and Analysis of Stability Studies, Boca Raton, FL:
Chapman & Hall/CRC.
Cox, D.R. (1972), “Regression Models And Life-tables”, Journal Of The Royal Statistical Society
Series B-statistical Methodology. 34 (2): 187–220, 1972.
Crow, L. H., (1975), “Reliability Analysis for Complex, Repairable Systems,” AMSAA
Technical Report No. 138, Dec. 1975, U.S. Army Materiel Systems Analysis Activity, Aberdeen
Proving Ground, MD.
Crow, L. H., (1982), “Confidence Interval Procedures for the Weibull Process with
Applications to Reliability Growth,” Technometrics, Feb. 1982, 24:1, 67-72.
Escobar, L.A., Meeker, W.Q., Kugler, D.L., & Kramer, L.L. (2003). Accelerated Destructive
Degradation Tests: Data, Models, and Analysis. In B. H. Lindqvist & K. A. Doksum (Eds.),
Mathematical and Statistical Methods in Reliability (pp. 319-338). London, England: World
Scientific Publishing Company.
Guo, H., Mettas, A., Sarakakis, G., and Niu, P. (2010), “Piecewise NHPP Models with
Maximum Likelihood Estimation for Repairable Systems,” Reliability and Maintainability
Symposium (RAMS), 25-28 Jan. 2010 Proceedings, San Jose, CA.
Kalbfleisch, J.D. and Prentice, R.L. (1980), The Statistical Analysis of Failure Time Data, New
York: John Wiley and Sons.
Kalbfleisch, J.D. and Prentice, R.L. (2002), 2nd Edition, The Statistical Analysis of Failure Time
Data, New York: John Wiley and Sons, pp 71-73.
Kaminskiy, Mark. P. and Krivtsov, Vasiliy. V., “A Simple Procedure for Bayesian Estimation of
the Weibull Distribution,” IEEE Transactions on Reliability, Vol. 54, No. 4, December 2005.
Lawless, J.F. (1982), Statistical Models and Methods for Lifetime Data, New York: John Wiley and
Sons.
334 参考文献 附录 A
可靠性和生存方法

Lawless, J.F. (2003), Statistical Models and Methods for Lifetime Data, 2nd Edition, pp. 33–34. New
York: John Wiley and Sons.
Lee, L. and Lee S. K., (1978), “Some Results on Inference for the Weibull Process,”
Technometrics, Feb. 1978, 20:1, 41-45.
Liu, Peng and Wang, Peng, “Competing failure modes modeling with limited wearout
failures,” Reliability and Maintainability Symposium (RAMS), 2013 Proceedings - Annual,
Jan 2013, 28-31 1, 6.
Meeker, W. Q. and Escobar, L. A., (1998), Statistical Methods for Reliability Data, John Wiley &
Sons.
MIL-HDBK-00189 (1981), Military Handbook: Reliability Growth Management, U.S. Department
of Defense, Washington DC.
Nair, V.N. (1984), “Confidence Bands for Survival Functions with Censored Data: A
Comparative Study,” Technometrics, 26:3, 265-275.
Nelson, W.B. (1982), Applied Life Data Analysis, New York: John Wiley and Sons.
Nelson, W.B. (1990), Accelerated Testing: Statistical Models, Test Plans, and Data Analysis, New
York: John Wiley and Sons.
Nelson, W.B. (2004), Accelerated Testing: Statistical Models, Test Plans, and Data Analysis, New
York: John Wiley and Sons.
Nelson, W.B. (2003), Recurrent Events Data Analysis for Product Repairs, Disease Recurrences, and
Other Applications, Philadelphia: Society for Industrial Mathematics.
Nelson, W. B. (1985), “Weibull Analysis of Reliability Data with Few or No Failures,” Journal of
Quality Technology, 17:3, 140-146.
Prentice, R.L. (1973), “Exponential survivals with censoring and explanatory variables,”
Biometrika, 60:2, 279–288.
Rigdon, S. E. and Basu, A. P., (2000), Statistical Methods for the Reliability of Repairable Systems,
John Wiley & Sons.
Robert, C.P. and Casella, G. (2004), Monte Carlo Statistical Methods, 2nd Edition,
Springer-Verlag, New York.
Si, S., Dui, H., Zhao, X., Zhang, S., & Sun, S. (2012), “Integrated Importance Measure of
Component States Based on Loss of System Performance,” IEEE Transactions on Reliability,
Mar. 2012, 61:1.
Tobias, P.A. and Trindade, D.C. (1995), Applied Reliability, 2nd Edition. New York: Van
Nostrand Reinhold Company.
Tobias, P.A. and Trindade, D.C. (2012), Applied Reliability, 3rd Edition. Taylor and Francis
Group, LLC, CRC Press.
索引
可靠性和生存方法

A 乘积限生存拟合 299
Appliance.jmp 295 重新初始化 Weibull NHPP 229
创建并联关系图 252
Arrhenius 华氏温度 92
创建串联关系图 252
Arrhenius 绝对温度 92
创建可靠性框图 240
Arrhenius 模型 309
垂直对齐选定顶点 244, 252
Arrhenius 摄氏温度 92

B D
Devalt.jmp 309
Bladder Cancer.jmp 137
Blenders.jmp 63, 68 Duane 图 215
Box-Cox 92 代数可靠性
打印至 “日志” 263
报表中的 MCF 图 131
倒数 92
保存残差 308
电压 92
保存估计值 289, 316
“迭代历史记录”报表 328
保存原因坐标值 294
定数截尾和定时截尾 , 可靠性增长 212
比较分布 38
定制损失函数 317
比较准则 48
对数 Logistic 73
比例风险 324–331
对数 Logistic 损失函数 320
变动应力实验 116
对数变换 92
变换
对数正态 71
以 X 拟合寿命 92
对数正态分布 284
标绘 MCF 差值图 134, 139
对数正态拟合 289
标签,系统 ID 133
对数正态损失函数 315–317, 319–321
“标签”角色 34, 91
对数正态图 289
步进应力实验 116
对数秩 300

C E
comptime.jmp 302
Engine Valve Seat.jmp 130
Cramér-von Mises 检验 222
Crow AMSAA 模型 217
Crow-AMSAA F
参数估计值 236 Fan.jmp 318
修正偏倚的 beta 223 Fréchet 73
残差分位数图 308 “反转 Y 轴”命令 287
“参数估计值”表 328 放大 252
参数回归 302 方框设置 , 可修复系统模拟 270
336 索引
可靠性和生存方法

非参数 71, 254 tobit 模型 314


非线性 318 一元 (K-M) 生存 284–289, 295
非线性模型库 160 再现 130
“非线性拟合”平台 “结束”节点 240
生存模型 320, 324 阶梯中部位置分位数点 288
示例 314, 318–319 经济模型 314
“非线性”平台 314–316, 318–319 竞争原因 289
生存模型 309
示例 315–320 K
“分布叠加”刻画器 249–250
“分布”平台 319 K 值 253
“分布”属性 252 Kaplan-Meier 请参见生存 , 一元
分段 Weibull NHPP 变点检测 231 “开始”节点 240
分段序进应力实验 116 刻画器 , 子分布 60
“分位数”表 299 “刻画器”面板 247
分组 133 可靠性 , 系统 239
“分组”角色 286 可靠性框图 239
创建 240
对齐元件 244
G 复制 263
概率 > 卡方 300 连接元件 245
更改置信水平 48, 109 删除 263
公式 , 非线性参数生存 315 添加新设计 251
“工作区”面板 247 新建逻辑库项 251
估计生存概率 289, 308, 312 选项 249
估计时间分位数 289, 303, 308 “可靠性框图”窗口
估计值的相关性 308 “工作区”面板 247
估计值的协方差 308 “刻画器”面板 247
“观测数据”报表 , 可靠性增长 213 “逻辑库”面板 247
关系模型选项 , 累积损坏 121 “设计”面板 247
系统关系图 247
H “形状”工具栏 247
“预览”窗口 247
“汇总”表 299 “可靠性框图”平台 239
可靠性预测
I 报表 200–203
icdevice02.jmp 312 启动 197
示例 194–197
选项 204
J 可靠性增长
“极值参数估计值”表 288 报表 213
极值损失函数 318 概述 206
加速试验模型 88 启动 210
检验 300 示例 207, 232, 234
教程示例 数据结构 212
比例风险生存 324–331 统计详细信息 236
非线性参数生存 314–320 选项 216
索引 337
可靠性和生存方法

“可靠性增长”平台 210 拟合正态 109


“可靠性增长”中的 “平均失效间隔时间” 215 拟合最大极值 109
“可靠性增长”中的删失数据 212 拟合最小极值 109
“可靠性增长”中的 “时间戳” 211
“可靠性增长”中的 “事件计数” 211 P
“可靠性增长”中的 “事件时间” 210
扩展到类别,选择列 160 配置
扩展广义 Gamma (GenGamma) 77 设置 252
“频数”角色 34, 91, 286, 304, 327
平方根变换 92
L 破坏性退化
Locomotive.jmp 319 变换 184
Logistic 75 分布 184
Logit 变换 92 刻画器 190
累积事件图 , 可靠性增长 215 路径定义 184
连接分位数点 288 模型 184–188, 191
“逻辑库”面板 247 模型列表 188
频数 181
M 启动窗口 181
删失 182
MCF 图 134 删失代码 182
MCF 置信限 134 生成报表 184
“模拟配置”面板 126 时间 181
模拟设置 , 可修复系统模拟 269 示例 176
模型库 160 图 183
图形选项 191
N 图选项 184
X 181
N 值 253
Nevada 保修数据 198 Y 列 182
Nonlinear Templates 文件夹 318 Y,响应 181
拟合 Frechet 109 依据 182
拟合 Logistic 109
拟合 Weibull 109 Q
拟合比例风险 323 卡方 300, 328
拟合参数生存 301 区间类型 48
拟合对数 Logistic 109 区间删失模型 312
拟合对数正态 109
拟合分布图 289
拟合分位数 288 R
拟合分位数置信区间线 288 Rats.jmp 284, 324
拟合生存置信区间 288
拟合失效置信区间 288 S
拟合所有非负分布 47
拟合所有分布 47, 109 删失代码 34, 91
拟合所有缺陷子总体分布 47 “删失”角色 33, 286, 304, 327
拟合着色分位数置信区间 288 删失数据 283–284, 309, 314, 318
“设计”面板 247
338 索引
可靠性和生存方法

设置 W
配置 252
Weibayes 分析 292
设置时间加速基线 109
Weibayes, 寿命分布 40, 46, 55
“生存”平台 130–133 Weibull
比例风险 324–331
“参数估计值”表 288
参数 302
分布 284, 291
非线性参数 309, 320, 324
损失函数 315–318, 320
简介 284
统计详细信息 72
示例 130, 284–289, 295, 324–331
阈值 79
再现 130
Weibull 拟合 288
生存图 287
Weibull 图 288
“剩余寿命分布叠加”刻画器 249–250 Wilcoxon 300
事件时间 304, 327
危险比 324
事件时间数据 283–284
危险率函数 324
事件图 35, 131, 134
另见 “比例风险”
失效数据 283
位置 92
失效图 287
位置和尺度 92
“失效原因”角色 33
使用修改 MLE 的 Crow-AMSAA 223
参数估计值 236 X
可达 MTBF 224 X 角色 314–316
拟合优度 224 系统可靠性 239
“寿命分布”平台 29–80 显示 Kaplan Meier 288
水平对齐选定顶点 244, 252 显示点 47, 59, 109, 160, 288
似然比检验 308 显示分位数函数 47
死亡率 300 显示合并 288
损失 316, 318 显示联合置信区间 288
损失函数 309, 318 显示曲面图 109
缩放比例 252 显示设计比较 249
缩小 252 显示设计关系图 249
显示生存曲线 47
T 显示统计学 47
显示危险率函数 47
tobit 示例 314
Tobit2.jmp 314–315 显示置信区间 288
TurbineEngineDesign1.jmp 207 显示置信区域 48
TurbineEngineDesign2.jmp 232 线性变换 92
“效应似然比检验”表 329
添加逻辑库项 250
协变量 323
添加设计项 249
新建逻辑库项 251
条件风险比 324
新建设计项 251
图选项 288
序进应力实验 116
退化
虚拟编码 315
破坏性退化 148
选项
稳定性检验 148
可靠性框图 249
重复测量退化 148
选项卡式报表 47, 59, 109
索引 339
可靠性和生存方法

Y 子分布刻画器 60
自由度 300
Y, 事件寿命 133
“组间检验”表 300
“Y,事件时间”角色 33, 91
最大极值 (LEV) 76
以 X 拟合寿命 91
最大似然 309, 318, 320
变换 92
最小极值 (SEV) 74
依赖性关系图 239
最小可用依赖性 253
隐藏
左删失 314
“预览”窗口 247
有偏均值估计值 300
右删失 284
有阈值的 Fréchet 80
有阈值的对数 Logistic 80
有阈值的对数正态 79
“预测变量”角色 314–316
预测列 318
预览 252
“预览”窗口 247
隐藏 247
阈值参数 78
元件
并联 248
串联 248
“分布”属性 252
基本 248
结点 248
N 中取 K 个 248
“形状”工具 248
原因 304

Z
再现 129–130
正态 74
正态分布 319, 321
正态分布 321
“整体模型”检验表 325, 328
正弦曲线应力实验 116
指数 76
“指数参数”表 288
指数分布 284
指数拟合 288
指数损失函数 315–318, 320
指数图 288
置信区间 308
置信限 317
执行 316–317
340 索引
可靠性和生存方法

You might also like