Utilisez les tests de tendance pour déterminer si le modèle adapté est un procédé de Poisson homogène ou un procédé de Poisson non homogène.
Si vous parvenez à rejeter l'hypothèse nulle, vous pouvez en conclure que vos données dégagent une tendance et vous devez modéliser vos données avec un procédé de Poisson non homogène, tel que le procédé de Power-Law.
Si vous ne parvenez pas à rejeter l'hypothèse nulle, cela signifie que les preuves sont insuffisantes pour rejeter le modèle du procédé de Poisson homogène. Même si le procédé de Power-Law peut encore s'avérer utile, le procédé de Poisson homogène est un modèle plus simple et il constitue de ce fait un meilleur choix.
Dans le cadre de données d'intervalle, Minitab ne propose que le test MIL-Hdbk-189. Minitab utilise la version regroupée du test MIL-Hdbk-189 lorsque les données relatives à différents systèmes se trouvent dans une colonne et qu'une autre colonne fournit des identificateurs système. Lorsque les données se trouvent dans une seule colonne, Minitab suppose que les différents systèmes sont issus de procédés identiques. Minitab utilise la version basée sur TTT du test MIL-Hdbk-189 lorsque les données de différents systèmes se trouvent dans différentes colonnes. Lorsque les données se trouvent dans différentes colonnes, Minitab suppose que les différents systèmes sont issus de procédés différents.
Si les durées changent de manière systématique, il existe une tendance dans le schéma des durées séparant les défaillances. Les tendances peuvent être monotoniques ou non monotoniques
Test | Hypothèse nulle | Rejet des moyennes H0 |
---|---|---|
MIL-Hdbk-189 (regroupement)
Laplace (regroupement) |
HPP (MTBF éventuellement différents) | Tendance monotonique |
MIL-Hdbk-189 (basé sur TTT)
Laplace (TTT) |
HPP (MTBF identiques) | Tendance monotonique ou systèmes hétérogènes |
Anderson-Darling | HPP (MTBF éventuellement différents) | Tendance monotonique ou non monotonique, ou systèmes hétérogènes |