Regressão com dados de vida

A regressão com dados de vida relaciona o tempo ou os ciclos até a falha a uma ou mais covariáveis numéricas quando algumas unidades são censuradas à direita. Ajusta por máxima verossimilhança um modelo de tempo de falha acelerado de Weibull com forma comum. A saída inclui coeficientes com testes Z e intervalos de confiança, a forma de Weibull, log-verossimilhança e AIC para comparar modelos e um gráfico de sobrevivência nos valores médios das covariáveis.

Última revisão

Conclusão principal

A regressão com dados de vida ajusta um modelo de tempo de falha acelerado de Weibull que relaciona a vida do produto a fatores numéricos, como carga ou temperatura, incluindo unidades censuradas à direita que não haviam falhado.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

A regressão com dados de vida (Regression with Life Data) relaciona a vida do produto a um ou mais fatores numéricos, como carga, temperatura, tensão ou uma dimensão do projeto, quando algumas unidades não falharam até o fim do teste (censuradas à direita). Ela ajusta um modelo de vida de Weibull em que a vida característica muda com os fatores, de modo que você possa ver o quanto cada fator encurta ou prolonga a vida e prever a vida em outros ajustes. Use-a para testes de vida realizados em várias combinações de condições, e não nos níveis de um único estresse.

Principais recursos

  • Modelo de tempo de falha acelerado de Weibull com uma ou mais covariáveis numéricas.
  • Trata unidades censuradas à direita: testes interrompidos antes da falha.
  • Coeficientes com erros padrão, testes Z, valores-p e intervalos de confiança.
  • Forma de Weibull comum, com sua estimativa e seu intervalo.
  • Log-verossimilhança e AIC para comparar modelos e um gráfico de sobrevivência nos valores médios das covariáveis.

Métodos estatísticos

O modelo pressupõe que a vida segue uma distribuição de Weibull com uma forma comum β e uma escala (a vida característica, o tempo até o qual 63.2% falham) que depende das covariáveis: ln(η) = b₀ + b₁Z₁ + b₂Z₂ + .... Este é um modelo de tempo de falha acelerado: uma mudança em uma covariável estica ou encolhe toda a distribuição de vida por um fator. Um aumento de uma unidade em Zⱼ multiplica a vida por exp(bⱼ); portanto, um coeficiente negativo significa vida mais curta. Para uma mudança de k unidades, o fator é exp(k · bⱼ).

A forma e os coeficientes são estimados em conjunto por máxima verossimilhança. Uma falha contribui com a densidade de Weibull em seu tempo e uma unidade censurada com a probabilidade de sobrevivência de Weibull exp(−(t/η)^β). Os erros padrão vêm da inversa da Hessiana da log-verossimilhança negativa na estimativa (a informação observada), calculada numericamente. Cada coeficiente é testado com Z = coef / SE em relação à distribuição normal padrão, e os intervalos de confiança são coef ± z·SE no nível de confiança escolhido. AIC = 2k − 2 × log-verossimilhança, em que k é o número de parâmetros; um AIC menor significa um modelo melhor, já considerado o número de termos; portanto, compare o AIC para decidir se uma covariável vale a pena ser mantida.

A forma β descreve como a taxa de falhas muda com a idade: acima de 1 ela aumenta (desgaste, como na fadiga), perto de 1 é constante e abaixo de 1 diminui. Na coluna de censura, as linhas iguais ao valor de censura são censuradas à direita e todas as demais são falhas. O gráfico de sobrevivência mostra exp(−(t/η)^β) para uma unidade com cada covariável em sua média amostral.

Campos de entrada e opções

Campo

Descrição

Time variable

Obrigatório. Tempo ou ciclos até a falha, ou até a censura para as unidades que não falharam.

Use censoring column

Obrigatório. As linhas iguais ao valor de censura são censuradas à direita; todas as demais são falhas. Toda linha precisa de um valor.

Censoring value

O valor na coluna de censura que marca uma unidade ainda em operação quando o teste foi interrompido. Padrão 0, de modo que 1 = falha.

Covariates (predictors)

Uma ou mais colunas numéricas de preditores. Mantenha Ctrl ou Command pressionado para selecionar várias.

Confidence level (%)

Para os intervalos dos coeficientes e da forma. Padrão 95; de 50 a 99.99.

regression-with-life-data-inputs


Figura 1 — Opções do exemplo das molas: ciclos até a falha, Status como coluna de censura (0 = sobreviveu), carga e temperatura como covariáveis.

Descrição da saída

  • Model summary — Distribution (Weibull (AFT)), Log-Likelihood, AIC, N (Observations) e N (Events), o número de falhas.
  • Shape table — Shape (Weibull) com sua estimativa, erro padrão e limites de confiança.
  • Coefficients — Intercept e cada covariável com Coef, SE Coef, Z, P e limites de confiança.
  • Regression with Life Data Survival Plot (at mean covariate values) — probabilidade de sobrevivência ajustada em função do tempo para uma unidade na média de cada covariável.
  • Exportação em PDF por meio de Download.

regression-with-life-data-output


Figura 2 — Resultados de fadiga das molas: coeficiente de carga −0.166 por kN e coeficiente de temperatura −0.0112 por °C, forma de Weibull 2.39 (IC de 95% de 1.77 a 3.00), com a curva de sobrevivência na carga e na temperatura médias.

Exemplo prático

Um engenheiro de projeto submete 48 molas de suspensão a ciclos em quatro cargas (6, 8, 10 e 12 kN) e três temperaturas (25, 50 e 75 °C). As molas que passam de 30,000 ciclos são interrompidas e censuradas à direita; 39 das 48 falham. O engenheiro quer saber o quanto a carga e a temperatura encurtam a vida em fadiga. Ele define Time variable = Cycles to Failure, Use censoring column = Status com Censoring value = 0 e seleciona Load kN e Temperature C como covariáveis.

O coeficiente de carga é −0.166 por kN (SE 0.0313, Z = −5.32, p < 0.001): cada kN extra multiplica a vida por exp(−0.166) = 0.85, cerca de 15% mais curta, e o intervalo de confiança de 95% (−0.228 a −0.105) coloca esse fator entre 0.80 e 0.90. O coeficiente de temperatura é −0.0112 por °C (SE 0.00341, Z = −3.28, p = 0.001; IC de 95% de −0.0179 a −0.0045): cada 10 °C a mais multiplica a vida por 0.89, e ir de 25 a 75 °C reduz a vida a 57%. Os dois efeitos são significativos. A forma de Weibull comum é 2.39 (IC de 95% de 1.77 a 3.00), bem acima de 1, de modo que a taxa de falhas aumenta com os ciclos: desgaste, como esperado para a fadiga.

Pelo modelo ajustado, a vida característica é de cerca de 45,900 ciclos a 6 kN e 25 °C, mas de apenas cerca de 9,670 ciclos a 12 kN e 75 °C. O gráfico de sobrevivência mostra uma mola nas condições médias do teste (8.75 kN e 52.6 °C). Remover Temperature C das covariáveis eleva o AIC de 825.1 para 833.3, de modo que o modelo com temperatura é melhor. Para o projeto, a carga tem o maior efeito nas faixas testadas, mas uma mola que opera quente precisa de uma margem extra de carga.

Perguntas frequentes

Quando usar a regressão com dados de vida?

Use-a quando a vida do produto depende de um ou mais fatores numéricos, como carga, temperatura, tensão ou uma dimensão do projeto, e algumas unidades não falharam até o fim do teste. Ela serve para testes de vida realizados em várias combinações de condições, e não nos níveis de um único estresse, e permite prever a vida em outros ajustes.

Como interpretar os coeficientes em um modelo de tempo de falha acelerado de Weibull?

Um aumento de uma unidade em uma covariável multiplica a vida por exp do seu coeficiente; portanto, um coeficiente negativo significa vida mais curta; para k unidades, o fator é exp(k vezes o coeficiente). Em um exemplo prático, um coeficiente de carga de -0.166 por kN significa que cada kN extra multiplica a vida da mola por 0.85, cerca de 15% mais curta.

O que o parâmetro de forma de Weibull informa na regressão com dados de vida?

A forma comum descreve como a taxa de falhas muda com a idade. Acima de 1, a taxa de falhas aumenta, indicando desgaste, como na fadiga; perto de 1, é constante; e abaixo de 1, diminui. Em um exemplo de fadiga de molas, a forma foi 2.39, com intervalo de confiança de 95% de 1.77 a 3.00, confirmando o desgaste.

Como tratar dados censurados e comparar modelos?

Use uma coluna de censura: as linhas iguais ao valor de censura, 0 por padrão, são unidades censuradas à direita ainda em operação quando o teste foi interrompido, e todas as demais são falhas. As unidades censuradas contribuem para a verossimilhança com sua probabilidade de sobrevivência de Weibull. Compare modelos com o AIC; um AIC menor significa um modelo melhor, já considerado o número de termos.