参数增长曲线的数据注意事项

为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则。

收集可修复系统的失效时间

系统修理数据通常包含多个连续失效（或修理）时间。例如，汽车出现故障、进行修理、返修，之后又出现故障、进行修理、返修，以此类推。数据值表示每次失效的时间（不考虑修理时间）。

确切数据可以是定数截尾数据或定时截尾数据

在达到某个失效次数之后，定数截尾系统就被报废。在定数截尾系统中，系统将在最后一次失效后立即报废。定时截尾系统将在指定的时间段后报废。在定时截尾系统中，最大时间并不是失效时间。如果您既拥有定数截尾数据又拥有定时截尾数据，则必须使用报废列来指示每个时间是失效时间还是报废时间。有关更多信息，请参见“指定报废信息”。

数据可以是确切失效时间或者时间区间内的失效

如果您有确切数据，则确切知道每次失效何时发生。例如，发动机刚好运行到第 490 天时失效，经过修理后又在第 822 天时失效。如果您有区间数据，则仅知道每次失效发生在两个特定时间之间。例如，发动机在第 475 天和 500 天之间失效，经过修理后又在 800 天和 825 天之间再次失效。

标识来自多个系统的数据

要在可修复系统分析中评估多个系统，必须有一个包含失效时间的列，以及标识失效来自哪个系统的相应列。Minitab 假定一列中的所有系统都来自相同过程，并提供合并增长曲线估计值。但是，Minitab 还检验这些系统中的形状或尺度是否相同。如果检验结果指示不同系统的形状或尺度不相同，您应该对来自每个系统的数据单独进行分析。

您使用的模型必须与数据充分拟合

可以针对您的数据使用幂律过程或 Poisson 模型。使用幂律过程可以对以一定速率（该值可能递增、递减或保持不变）发生的失效/修理次数建模。使用 Poisson 模型可以对以一定速率（该值在一段时间内保持稳定）发生的失效/修理次数建模。要确定所选模型是否充分拟合数据，请使用图和趋势检验。如果所选模型无法充分拟合数据，则分析结果可能不准确。在这种情况下，请考虑使用非参数增长曲线。