Pour garantir la validité de vos résultats, vérifiez que les règles suivantes sont respectées lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.
- La variable de réponse doit être continue
- Les données continues sont des mesures susceptibles de correspondre à toutes les valeurs numériques d'une étendue de valeurs le long d'une échelle continue, y compris des valeurs fractionnaires ou décimales. Si les données de réponse sont binaires (deux résultats possibles uniquement), et non des mesures continues de temps de défaillance (ou d'autres unités), utilisez la fonction Analyse
Probit.
- Les données de réponse sont souvent des temps de défaillance
- Pour collecter des données, vous mesurez généralement la durée avant défaillance d'un élément lorsque ce dernier est soumis à diverses conditions représentées par un ou plusieurs facteurs et/ou variables. Par exemple, vous pouvez mesurer la durée avant défaillance d'un élément fonctionnant à différentes températures.
- Les temps de défaillance doivent être indépendants
- Le temps de défaillance d'un élément de doit pas influer sur celui d'un autre élément. Si les temps de défaillance sont dépendants, les résultats peuvent ne pas être exacts. Par exemple, dans le cas d'un système réparable, les durées séparant les défaillances ne sont souvent pas indépendantes.
- Vous devez tenir compte des données tronquées
-
Les données de durée de vie sont souvent tronquées, ce qui signifie que les moments de défaillance exacts de certains éléments sont inconnus. Si vous avez des observations tronquées, vous devez les inclure dans votre analyse pour obtenir des estimations précises de la fiabilité.
-
Utilisez la troncature à droite pour ajouter du temps de succès aux éléments qui ne sont pas encore défaillants. Utilisez la troncature par intervalle ou à gauche pour tenir compte du degré d'incertitude lorsque vous ne connaissez pas les moments de défaillance exacts. Pour plus d'informations, reportez-vous à la rubrique Troncature des données.
- Le modèle peut compter jusqu'à 9 facteurs et 50 covariables
- Les prédicteurs peuvent être des facteurs (variables de catégorie) ou des covariables (variables continues). A moins que vous ne précisiez un prédicteur comme facteur, le prédicteur est supposé être une covariable.
- Les termes du modèle peuvent être créés à partir des variables de prédiction et être considérés comme des facteurs, des covariables, des interactions ou des termes emboîtés. Les facteurs peuvent être croisés ou emboîtés. Les covariables peuvent être croisées entre elles ou avec des facteurs, ou emboîtées dans des facteurs.
- Le modèle doit être correctement ajusté aux données
- Pour obtenir des résultats exacts, les hypothèses du modèle, incluant l'ajustement de la loi ainsi que l'égalité des paramètres de forme (lois de Weibull et exponentielle) ou d'échelle (autres lois), doivent convenir aux données. Utilisez vos connaissances techniques ou historiques pour sélectionner un modèle de loi. Examinez ensuite les diagrammes de probabilité pour les valeurs résiduelles normalisées et de Cox-Snell afin de déterminer si les hypothèses du modèle sont appropriées.
- Le modèle doit être à rang complet et hiérarchisé
- Si un terme d'interaction est inclus dans un modèle hiérarchique, toutes les interactions d'ordre inférieur et tous les prédicteurs qui constituent le terme d'interaction doivent aussi apparaître dans le modèle. Un modèle à rang complet comporte suffisamment de données pour estimer tous les termes qu'il contient. En cas de données manquantes, d'insuffisance des données ou de colinéarité élevée, le modèle peut ne pas être à rang complet. Dans ce cas, Minitab vous alerte lors de l'analyse. Ce problème peut généralement être résolu en supprimant les interactions non importantes d'ordre supérieur du modèle. Pour plus d'informations, reportez-vous à la rubrique Restrictions sur les modèles de régression sur la durée de vie.
