Regressie met levensduurgegevens (Regression with Life Data)

Regression with Life Data relateert de tijd of het aantal cycli tot falen aan een of meer numerieke covariaten wanneer sommige eenheden rechtsgecensureerd zijn. Het fit met maximum likelihood een Weibull-model met versnelde faaltijd met een gemeenschappelijke vorm. De uitvoer omvat coëfficiënten met Z-toetsen en betrouwbaarheidsintervallen, de Weibull-vorm, log-likelihood en AIC om modellen te vergelijken, en een overlevingsplot bij gemiddelde covariaatwaarden.

Laatst beoordeeld

Belangrijkste conclusie

Regression with Life Data fit een Weibull-AFT-model (versnelde faaltijd) dat levensduur relateert aan numerieke factoren zoals belasting of temperatuur, inclusief rechtsgecensureerde eenheden die bij teststop nog niet waren uitgevallen.

Op deze pagina
  1. Doel
  2. Belangrijkste mogelijkheden
  3. Statistische methoden
  4. Invoervelden en opties
  5. Beschrijving van de uitvoer
  6. Uitgewerkt voorbeeld

Doel

Regression with Life Data relateert de levensduur van een product aan een of meer numerieke factoren, zoals belasting, temperatuur, spanning of een ontwerpafmeting, wanneer sommige eenheden aan het einde van de test nog niet zijn uitgevallen (rechtscensurering). Het fit een Weibull-levensduurmodel waarin de karakteristieke levensduur verandert met de factoren, zodat u kunt zien hoe sterk elke factor de levensduur verkort of verlengt en de levensduur bij andere instellingen kunt voorspellen. Gebruik het voor levensduurtests die bij meerdere combinaties van omstandigheden zijn uitgevoerd, in plaats van bij de niveaus van één stressfactor.

Belangrijkste mogelijkheden

  • Weibull-model met versnelde faaltijd met een of meer numerieke covariaten.
  • Verwerkt rechtsgecensureerde eenheden: tests die vóór falen zijn gestopt.
  • Coëfficiënten met standaardfouten, Z-toetsen, p-waarden en betrouwbaarheidsintervallen.
  • Gemeenschappelijke Weibull-vorm met schatting en interval.
  • Log-likelihood en AIC om modellen te vergelijken, en een overlevingsplot bij de gemiddelde covariaatwaarden.

Statistische methoden

Het model gaat ervan uit dat de levensduur een Weibull-verdeling volgt met een gemeenschappelijke vorm β en een schaal (karakteristieke levensduur, de tijd waarbinnen 63.2% uitvalt) die van de covariaten afhangt: ln(η) = b₀ + b₁Z₁ + b₂Z₂ + .... Dit is een model met versnelde faaltijd: een verandering in een covariaat rekt of krimpt de hele levensduurverdeling met een factor. Een toename van Zⱼ met één eenheid vermenigvuldigt de levensduur met exp(bⱼ), dus een negatieve coëfficiënt betekent een kortere levensduur. Voor een verandering van k eenheden is de factor exp(k · bⱼ).

De vorm en de coëfficiënten worden samen geschat met maximum likelihood. Een uitval draagt de Weibull-dichtheid op zijn tijdstip bij en een gecensureerde eenheid de Weibull-overlevingskans exp(−(t/η)^β). Standaardfouten komen uit de inverse van de Hessiaan van de negatieve log-likelihood in de schatting (de waargenomen informatie), numeriek berekend. Elke coëfficiënt wordt getoetst met Z = coef / SE tegen de standaardnormale verdeling en betrouwbaarheidsintervallen zijn coef ± z·SE op het gekozen betrouwbaarheidsniveau. AIC = 2k − 2 × log-likelihood, waarbij k het aantal parameters is; een lagere AIC betekent een beter model nadat rekening is gehouden met het aantal termen, dus vergelijk de AIC om te beslissen of een covariaat het behouden waard is.

De vorm β beschrijft hoe de faalfrequentie met de leeftijd verandert: boven 1 stijgt die (slijtage, zoals bij vermoeiing), rond 1 is die constant en onder 1 daalt die. In de censureringskolom zijn rijen gelijk aan de censureringswaarde rechtsgecensureerd en is elke andere rij een uitval. De overlevingsplot toont exp(−(t/η)^β) voor een eenheid met elke covariaat op zijn steekproefgemiddelde.

Invoervelden en opties

Veld

Beschrijving

Time variable

Vereist. Tijd of aantal cycli tot falen, of tot censurering voor eenheden die niet zijn uitgevallen.

Use censoring column

Vereist. Rijen gelijk aan de censureringswaarde zijn rechtsgecensureerd; elke andere rij is een uitval. Elke rij heeft een waarde nodig.

Censoring value

De waarde in de censureringskolom die een eenheid markeert die nog liep toen de test stopte. Standaard 0, dus 1 = uitval.

Covariates (predictors)

Een of meer numerieke voorspellerkolommen. Houd Ctrl of Command ingedrukt om er meerdere te selecteren.

Confidence level (%)

Voor de intervallen van de coëfficiënten en de vorm. Standaard 95; 50 tot 99.99.

regression-with-life-data-inputs


Figuur 1 — Opties voor het veervoorbeeld: cycli tot falen, Status als censureringskolom (0 = overleefd), belasting en temperatuur als covariaten.

Beschrijving van de uitvoer

  • Model summary — Distribution (Weibull (AFT)), Log-Likelihood, AIC, N (Observations) en N (Events), het aantal uitvallen.
  • Shape table — Shape (Weibull) met schatting, standaardfout en betrouwbaarheidsgrenzen.
  • Coefficients — Intercept en elke covariaat met Coef, SE Coef, Z, P en betrouwbaarheidsgrenzen.
  • Regression with Life Data Survival Plot (at mean covariate values) — gefitte overlevingskans tegen tijd voor een eenheid op het gemiddelde van elke covariaat.
  • PDF-export via Download.

regression-with-life-data-output


Figuur 2 — Resultaten van veervermoeiing: belastingscoëfficiënt −0.166 per kN en temperatuurcoëfficiënt −0.0112 per °C, Weibull-vorm 2.39 (95%-BI 1.77 tot 3.00), met de overlevingskromme bij de gemiddelde belasting en temperatuur.

Uitgewerkt voorbeeld

Een ontwerpingenieur belast 48 ophangveren cyclisch bij vier belastingen (6, 8, 10 en 12 kN) en drie temperaturen (25, 50 en 75 °C). Veren die 30,000 cycli doorstaan, worden gestopt en zijn rechtsgecensureerd; 39 van de 48 vallen uit. De ingenieur wil weten hoeveel belasting en temperatuur de vermoeiingslevensduur verkorten. Hij stelt Time variable = Cycles to Failure in, Use censoring column = Status met Censoring value = 0, en selecteert Load kN en Temperature C als covariaten.

De belastingscoëfficiënt is −0.166 per kN (SE 0.0313, Z = −5.32, p < 0.001): elke extra kN vermenigvuldigt de levensduur met exp(−0.166) = 0.85, ongeveer 15% korter, en het 95%-betrouwbaarheidsinterval (−0.228 tot −0.105) plaatst die factor tussen 0.80 en 0.90. De temperatuurcoëfficiënt is −0.0112 per °C (SE 0.00341, Z = −3.28, p = 0.001; 95%-BI −0.0179 tot −0.0045): elke 10 °C warmer vermenigvuldigt de levensduur met 0.89, en van 25 naar 75 °C verkort de levensduur tot 57%. Beide effecten zijn significant. De gemeenschappelijke Weibull-vorm is 2.39 (95%-BI 1.77 tot 3.00), ruim boven 1, dus de faalfrequentie stijgt met het aantal cycli: slijtage, zoals bij vermoeiing te verwachten is.

Uit het gefitte model volgt dat de karakteristieke levensduur ongeveer 45,900 cycli is bij 6 kN en 25 °C maar slechts ongeveer 9,670 cycli bij 12 kN en 75 °C. De overlevingsplot toont een veer onder de gemiddelde testomstandigheden (8.75 kN en 52.6 °C). Het verwijderen van Temperature C uit de covariaten verhoogt de AIC van 825.1 naar 833.3, dus het model met temperatuur is beter. Voor het ontwerp heeft belasting over de geteste bereiken het grootste effect, maar een veer die heet draait heeft extra marge op belasting nodig.

Veelgestelde vragen

Wanneer gebruikt u regressie met levensduurgegevens?

Gebruik het wanneer de levensduur van een product afhangt van een of meer numerieke factoren, zoals belasting, temperatuur, spanning of een ontwerpafmeting, en sommige eenheden aan het einde van de test nog niet zijn uitgevallen. Het past bij levensduurtests die bij meerdere combinaties van omstandigheden zijn uitgevoerd in plaats van bij de niveaus van één stressfactor, en laat u de levensduur bij andere instellingen voorspellen.

Hoe interpreteert u coëfficiënten in een Weibull-model met versnelde faaltijd?

Een toename van een covariaat met één eenheid vermenigvuldigt de levensduur met exp van de coëfficiënt, dus een negatieve coëfficiënt betekent een kortere levensduur; voor k eenheden is de factor exp(k maal de coëfficiënt). In een uitgewerkt voorbeeld betekent een belastingscoëfficiënt van -0.166 per kN dat elke extra kN de levensduur van de veer met 0.85 vermenigvuldigt, ongeveer 15% korter.

Wat zegt de Weibull-vormparameter bij regressie met levensduurgegevens?

De gemeenschappelijke vorm beschrijft hoe de faalfrequentie met de leeftijd verandert. Boven 1 stijgt de faalfrequentie, wat wijst op slijtage zoals bij vermoeiing; rond 1 is ze constant; en onder 1 daalt ze. In een voorbeeld van veervermoeiing was de vorm 2.39, met een betrouwbaarheidsinterval van 95% van 1.77 tot 3.00, wat slijtage bevestigt.

Hoe gaat u om met gecensureerde gegevens en hoe vergelijkt u modellen?

Gebruik een censureringskolom: rijen gelijk aan de censureringswaarde, standaard 0, zijn rechtsgecensureerde eenheden die nog liepen toen de test stopte, en elke andere rij is een uitval. Gecensureerde eenheden dragen hun Weibull-overlevingskans bij aan de likelihood. Vergelijk modellen met de AIC; een lagere AIC betekent een beter model nadat rekening is gehouden met het aantal termen.