加速寿命检验的回归表 - 估计回归方程

该表估计失效时间的最佳拟合模型。加速寿命试验模型的形式为:

预测 = 截距 + 系数(预测变量)+ 尺度(分位数函数),或

Yp = β0 + β1(x) + σΦ-1(p)

其中:
  • 预测 (Yp):对数失效时间(Weibull、指数、对数正态和对数 Logistic)以及极值分布、正态分布和 Logistic 分布的失效时间。
  • 截距 (β0):当变换后的加速变量和分位数函数的百分位数是 0 时的对数失效时间或失效时间(取决于分布)。
  • 系数 (β1):与 x 关联的回归系数。
  • 预测变量 (x):变换后的加速变量。
  • 尺度 (σ):尺度参数。对于 Weibull 分布,尺度 = 1.0/形状。
  • 分位数函数 (Φ-1(p)):标准化寿命分布的第 p 个分位数。

验证模型假设(如分布、相等形状(对于 Weibull 分布和指数分布)、相等尺度(对于其他分布)和变换)是否适合于数据。使用概率图检查模型的假定。这些诊断图可评估模型在温度上升情况下的合适程度。然而,工程知识是验证模型在设计温度条件下是否合适的唯一方法。

由于在设计条件下失效时间的预测具有不确定性,因此应在具有更多信息(如现场数据)时定期对模型进行评估。

示例输出

响应变量初始:开始时间 结束: 结束时间 频率: 计数 删失 删失信息 计数 右删失值 95 区间删失值 58 估计法:极大似然 分布: Weibull 与加速变量的关系: 常规加速
回归表 95.0% 正态置信区间 自变量 系数 标准误 Z P 下限 上限 截距 -17.0990 4.13633 -4.13 0.000 -25.2061 -8.99195 温度 0.755405 0.157076 4.81 0.000 0.447542 1.06327 形状 0.996225 0.136187 0.762071 1.30232 对数似然 = -191.130

解释

对于电子设备数据,在假定使用 Arrhenius 变换的 Weibull 分布情况下,该表提供了最佳拟合模型的估计值。估计模型为:

log(Yp) = −17.0990 + 0.755405 x + (1.0/0.996225) * Φ-1(p)

其中:
  • Yp:电子设备的失效时间
  • x:[11604.83/(Temp + 273.16)](Arrhenius 变换)
  • Φ-1(p):分位数函数(有关更多信息,请转到方程的方法和公式,然后单击“分位数函数”。)
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策