Ez a főbeállítás: az adatok élettartamára vonatkozó szabályt állítja be.
A bevitel formátumának kiválasztása
Öt formátum, attól függően, hogy az adatok valójában milyen formában állnak rendelkezésre. Ez az első döntés, amit meg kell hoznia.
| Formátum | A táblázat felépítése | Alkalmazási esetek |
| Időszakok és cenzúrák | Időszak kezdete, időszak vége, meghibásodások száma, cenzúrák száma | Intervallumok szerint már összesített adatok |
| Értékek és cenzúra | Zavartalan működési idő, leállások, számok | Laboratóriumi vizsgálatok |
| Értékesítési és visszavételi határidők | Eladási dátum, visszavételi dátum, számok, cenzúrázások | Egyedi nyomonkövethetőség |
| Értékesítés dátuma és leállási idő | Értékesítés dátuma, zavartalan működési idő, számok, cenzúrázások | Az előző változat egy olyan változata, amely autózás esetén hasznos, ahol a távolságot kilométerben, nem pedig időben mérjük |
💡 Ne alakítsd át az adataidat egy adott formátumhoz: válaszd azt a formátumot, amelyik illeszkedik a rendelkezésedre álló adatokhoz. Minden kézi átalakítás lehetőséget kínál az adatok elvesztésére.
Az elemzés beállítása
- Az elemzés típusa : 2- vagy 3-paraméteres Weibull-modell, Kaplan–Meier-módszer; ;
- Számítási módszer : legnagyobb valószínűség vagy regresszió ;
- Bizalmi szint az intervallum; ;
- A grafikonok legnagyobb abszcisszaértéke, a képernyő beállításához.
💡 Valószínűség vagy visszafejlődés? A maximális valószínűség statisztikailag hatékonyabb, és jobban kezeli a cenzúrákat; ez az alapértelmezett választás. A regresszió, amely egy egyenest illeszt a Weibull-diagramra, vizuálisabb, és megkönnyíti a magyarázatot harmadik felek számára. Saját adatokon a két módszer eredményei konvergálnak; ha jelentősen eltérnek egymástól, az azt jelzi, hogy az eloszlás nem megfelelő.
Kaplan–Meier
A Kaplan–Meier-módszer nem végez korrekciót nincs törvény : lépésről lépésre felépíti a megfigyelt túlélési görbét, figyelembe véve a cenzúrákat.
- Használata Weibull amikor extrapolálni szeretnénk, 5 évre előre jósolni 1 évnyi visszatekintéssel, vagy értelmezhető β-értéket kapni.
- Használata Kaplan–Meier amikor feltételezések nélkül szeretnénk leírni, vagy amikor a görbe alakja nyilvánvalóan szabálytalan.
La Kaplan–Meier-túlélési összehasonlítás két csoportot állít szembe egymással: két gyártót, két változatot, két használati feltételt. Ez a megfelelő eszköz arra a kérdésre, hogy «az új modell tartósabb-e, mint a régi?».
Az eredmények megtekintése
Le Weibull-papír összehangolja a pontokat, ha az eloszlás megfelelő. Egy egyértelmű görbület arra ösztönöz, hogy próbáljuk ki a 3-paraméteres Weibull-eloszlást, vagy két meghibásodási mód keveredésére utal.
Le a kockázatok ábrázolása bemutatja a nemteljesítési arány időbeli alakulását; a β-vel leírt viselkedés közvetlen leolvasása.
⚠️ Ha két különböző meghibásodási mód keveredik egyazon adathalmazban, az eredmény egy gyenge illeszkedés és egy olyan közbenső β-érték lesz, amely egyik modellt sem írja le megfelelően. Ha ismeri a meghibásodási módokat, az adatokat válasszuk szét a kiigazítás előtt. Egy 1,2-es β-érték mögött rejtőzhet egy 0,6-os β-érték a csecsemőhalandóságra vonatkozóan, valamint egy 3-as β-érték a kopásra vonatkozóan.
Ellistat automatikusan felismeri ezt az esetet, és javasolja egy kétmódos modell illesztését, anélkül, hogy az adatokat előzetesen szét kellene választani. Kétféle modellezési módszer áll rendelkezésre, amelyek közül a termék fizikai tulajdonságai alapján lehet választani:
- Keverék : a populáció két különálló alpopulációból áll, amelyek mindegyike a saját Weibull-eloszlását követi. A termékek p hányada az első módhoz tartozik, a többi pedig a másodikhoz. Ez a helyzet például egy olyan tétel esetében, amelyet részben érint egy gyártási hiba: a hibátlan termékek soha nem fognak ebben a módban meghibásodni.
- Közös hatás: minden termék egyszerre van kitéve mindkét mechanizmusnak, és az elsőként bekövetkező meghibásodás miatt meghibásodik (párhuzamos kockázatok). Ez a helyzet például egy olyan termék esetében, amely egyszerre ki van téve a fokozatos kopásnak és a véletlenszerű meghibásodásnak.
💡 A választás a termékről rendelkezésre álló ismeretek alapján történik, nem pedig az illeszkedés minősége alapján: a két modell gyakran hasonló görbéket ad a megfigyelt adatokra, de az extrapolációk nagyon eltérőek. Keverés esetén az egészséges alpopuláció növeli a hosszú távú megbízhatóságot; egymásra helyezés esetén a két kockázat továbbra is összeadódik. Ha a módok ismertek és az adatokból azonosíthatók, akkor a legérthetőbb megoldás továbbra is az adatsorok szétválasztása.
Az Ellistat jelzi azokat az eseteket, amikor az elemzés nem lehetséges: *«A Weibull-elemzéshez nincs rendelkezésre álló meghibásodás az adott kiválasztás alapján»* – ha nem figyeltek meg meghibásodást, akkor semmilyen eloszlás nem illeszthető.