加速寿命试验的回归表 - 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),或者

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误差项的百分位数是 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。

检查模型假设(如分布、相等形状(对于 Weibull 和指数分布)或相等尺度(对于其他分布)和变换)是否适合于您的数据。使用概率图检验模型的假定。这些诊断图可评估在温度上升的情况下模型的合适程度。然而,工程知识是验证在设计温度条件下模型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)时定期进行评估。

示例输出

回归表






95.0% 正态置信区间
自变量系数标准误ZP下限上限
截距-17.09904.13633-4.130.000-25.2061-8.99195
温度0.7554050.1570764.810.0000.4475421.06327
形状0.9962250.136187    0.7620711.30232

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”。)