彭建宇 高可靠性产品的最佳分类策略和比较。 （英语） Zbl 1329.62404号 Sankhyá，Ser。B类 77，编号321-358（2015）. 小结：在当前竞争激烈的市场中，制造商需要根据市场需求在短时间内对产品进行分类。因此，制造商面临的挑战是实施分类测试，以快速有效地区分产品的不同等级。对于高度可靠的产品，如果存在质量特征，其随时间的退化可能与产品的寿命有关，则可以基于退化数据构建退化模型。在本研究中，我们提出了一个使用高斯混合过程的通用退化模型，该模型同时考虑了单位间的变异性，以及单位内的变异性和测量误差。然后，采用线性判别分析的概念，提出了一种三步分类策略来确定最佳系数、最佳截止点和最佳测试停止时间。此外，我们使用分析方法将我们提出的程序的效率与先前文献中报道的小样本情况下的方法进行比较。分析比较提供了不同假设下的函数方程。这些解决方案旨在阐明最近研究中提出的不同方法之间的基础。最后，使用几个数据集来说明所提出的分类过程。 MSC公司： 62纳米05 可靠性和寿命测试 62小时30分 分类和区分；聚类分析（统计方面） 关键词：退化模型;函数方程;高度可靠的产品;线性鉴别分析;马氏距离;高斯混合过程 软件：iDEMO公司;斯普林达 PDF格式BibTeX公司 XML格式引用 \textit{C.-Y.Peng}，Sankhyá，爵士。B 77，No.2，321--358（2015；Zbl 1329.62404） 全文： 内政部 参考文献： [1] Bian，L.和Gebraeel，N.（2012年）。计算和更新随机演化退化信号的首次通过时间分布。IIE交易44974-987·doi:10.1080/0740817X.2011.649661 [2] Boldea，O.和Magnus，J.R.（2009）。多元正态混合模型的最大似然估计。《美国统计协会杂志》104，1539-1549·Zbl 1205.62065号 ·doi:10.1198/jasa.2009.tm08273 [3] Chao，M.T.（1999）。退化分析和相关主题：一些想法和综述。国家科学委员会会议记录，第A23部分，555-566。 [4] Cheng，Y.S.和Peng，C.Y.（2012）。使用iDEMO在R中集成降级模型。统计软件杂志49，2，1-22·doi:10.18637/jss.v049.i02 [5] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。通过EM算法获得不完整数据的最大似然。英国皇家统计学会杂志。乙39，1-22·Zbl 0364.62022号 [6] Feng，Q.，Peng，H.和Coit，D.W.（2010）。老化、质量检查和维护联合优化的基于退化的模型：一个光显示设备应用。国际先进制造技术杂志50，801-808·doi:10.1007/s00170-010-2532-7 [7] Hamada，M.S.、Wilson，A.G.、Reese，C.S.和Martz，H.F.（2008年）。贝叶斯可靠性。纽约州施普林格·Zbl 1165.62074号 ·doi:10.1007/978-0-387-77950-8 [8] Johnson，R.A.和Wichern，D.W.（2007年）。应用多元统计分析，第6版，新泽西州普伦蒂斯·霍尔·Zbl 1269.62044号 [9] 赖昌东和谢明（2006）。随机老化和可靠性相关性。纽约州施普林格·Zbl 1098.62130号 [10] Lawless，J.和Crowder，M.（2004）。伽马过程模型中的协变量和随机效应及其在退化和失效中的应用。终身数据分析10，213-227·Zbl 1054.62122号 ·doi:10.1023/B:LIDA.0000036389.14073.dd [11] Lu，C.J.和Meeker，W.Q.（1993）。使用降级措施估计故障时间分布。技术计量学35，161-174·Zbl 0775.62271号 ·doi:10.1080/00401706.1993.10485038 [12] McLachlan，G.J.和Krishnan，T.（2008）。《EM算法和扩展》，第二版，威利出版社，纽约·Zbl 1165.62019号 ·doi:10.1002/9780470191613 [13] Meeker，W.Q.和Escobar，L.A.（1998年）。可靠性数据的统计方法。纽约威利·Zbl 0949.62086号 [14] Nelson，W.（1990年）。加速测试：统计模型、测试计划和数据分析。纽约威利·Zbl 0717.62089号 ·数字对象标识代码：10.1002/9780470316795 [15] 彭春云（2012）。关于第二初等对称函数最优分配的一个注记及其在最优可靠性设计中的应用。海军研究后勤59，278-284·Zbl 1407.90131号 ·doi:10.1002/nav.21487 [16] 彭春云（2015）。退化数据的随机效应和解释变量的逆高斯过程。技术度量57，100-111·doi:10.1080/00401706.2013.879077 [17] Peng，C.Y.和Hsu，S.C.（2012）。关于具有测量误差的维纳过程的注记。应用数学快报25729-732·Zbl 1246.60058号 ·doi:10.1016/j.aml.2011.10.010 [18] Peng，C.Y.和Tseng，S.T.（2009）。线性退化模型的误区分析。IEEE可靠性事务58，444-455·doi:10.1109/TR.2009.2026784 [19] Peng，C.Y.和Tseng，S.T.（2013）。使用斜维纳线性退化模型进行统计寿命推断。IEEE可靠性事务62，338-350·doi:10.1109/TR.2013.2257055 [20] Schott，J.R.（2005）。统计学矩阵分析，第二版，约翰·威利父子出版社，纽约·Zbl 1076.15002号 [21] Singpurwalla，N.D.（1995年）。在动态环境中生存。统计科学10，86-103·Zbl 1148.62314号 ·doi:10.1214/ss/1177010132 [22] Tseng，S.T.和Peng，C.Y.（2004）。使用集成维纳过程的最佳老化策略。IIE交易361161-1170·网址：10.1080/07408170490507701 [23] Tseng，S.T.和Tang，J.（2001）。高可靠性产品的最佳老化时间。国际工业工程杂志8，329-338。 [24] Tseng，S.T.、Tang，J.和Ku，I.H.（2003）。高可靠性产品最佳老化参数和剩余寿命的确定。海军研究后勤50，1-14·Zbl 1044.90022号 ·doi:10.1002/nav.10042 [25] Tsai，C.C.，Tseng，S.T.和Balakrishnan，N.（2011）。使用伽马退化过程的高可靠性产品的最佳老化策略。IEEE可靠性事务60，234-245·doi:10.1010/TR.2010.2087430文件 [26] van Noortwijk，J.M.（2009）。伽马过程在维修中的应用综述。可靠性工程与系统安全94，2-21·doi:10.1016/j.ress.2007.03.019 [27] Whitmore，G.A.（1995）。受测量误差影响的维纳扩散过程的退化估计。终身数据分析1，307-319·Zbl 0960.62540号 ·doi:10.1007/BF00985762 [28] Wu，W.F.和Ni，C.C.（2003）。基于实验数据的随机疲劳裂纹扩展建模研究。概率工程力学18，107-118·doi:10.1016/S0266-8920（02）00053-X [29] Wu，S.和Xie，M.（2007）。使用ROC分析对弱组件和强组件进行分类，并应用于老化。IEEE可靠性事务56，552-561·doi:10.1109/TR.2007.897073 [30] Xiang，Y.，Coit，D.W.和Feng，Q.（2013）。n经历随机退化的子群体：可靠性建模、老化和预防性更换优化。IIE交易45391-408·doi:10.1080/0740817X.2012.689124 [31] Yang，G.B.（2012）。产品比较的最佳降解试验。IEEE可靠性事务61，220-226·doi:10.1109/TR.2011.2182257 [32] Yu，H.F.（2003）。降解路径满足维纳过程的高可靠性产品的最优分类。工程优化35，313-324·网址：10.1080/0305215031000150211 [33] Yu，H.F.和Yu，W.C.（2006）。线性化降解模型下高可靠性产品的最优分类。《工业与生产工程杂志》23，382-392。 [34] Zhou，R.R.、Serban，N.和Gebraeel，N.（2011）。使用功能数据分析进行退化建模和寿命监测。应用统计年鉴1586-1610·兹比尔1223.62156 ·doi:10.1214/10-AOAS448 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。