保修数据预处理

保修数据预处理将原始的保修现场退货数据整理为可用于可靠性分析的格式。保修数据通常记录为各时期的退货数量以及在役单位数,必须先重组为单个失效时间和删失标志,才能应用统计模型。

最后审阅

核心要点

保修数据预处理将原始的保修现场退货数据整理为可用于可靠性分析的格式。

本页内容
  1. 什么是保修数据预处理?
  2. 何时使用保修数据预处理?
  3. 正确使用保修数据预处理的指南
  4. 替代方法:何时不宜使用保修数据预处理
  5. 保修数据预处理示例
  6. 如何进行保修数据预处理

什么是保修数据预处理?

保修数据预处理将原始的保修现场退货数据整理为可用于可靠性分析的格式。保修数据通常记录为各时期的退货数量以及在役单位数,必须先重组为单个失效时间和删失标志,才能应用统计模型。该工具将逐时期的退货数量转换为格式规范的可靠性数据集。

简单定义:一种数据准备工具,将以各时期数量形式报告的原始保修退货记录,转换为可直接用于统计可靠性分析的单个失效时间记录。

何时使用保修数据预处理?

  • 当保修退货数据记录为 各时间段的数量 并需要转换为单个失效时间时使用。
  • 在对现场退货数据运行保修预测或参数分布分析之前,将其作为 必须进行的第一步 使用。
  • 当数据中除退货数量外还包括 在役总体(暴露量)数量 时使用。

正确使用保修数据预处理的指南

  • 确保 在役总体数量准确,不准确的暴露量数据会扭曲所有下游的可靠性估计。
  • 正确识别 尚未失效的单位并将其视为右删失,遗漏删失单位会使估计偏向较短的失效时间。
  • 将 因非故障原因(如客户误用或外观问题)产生的退货排除在可靠性数据集之外。

替代方法:何时不宜使用保修数据预处理

  • 如果数据已是 单个失效时间格式,请跳过此步骤,直接进行 参数分布分析。
  • 如果没有暴露量(总体)数据,则无法准确使用该工具 请收集或估计总体数据

保修数据预处理示例

一位可靠性工程师希望通过分析过去一年的月度失效数据,预测由冰箱压缩机缺陷引起的保修索赔。由于原始现场数据按三角矩阵组织,工程师使用保修数据预处理将其转换为有效保修分析所需的标准失效时间格式。步骤如下:

  1. 收集所需数据。
Pre Process Warranty Data — figure 1

2. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。

3. 要找到保修数据预处理,请选择 Statistical module> Reliability>Pre Process Warranty Data.

4. 在工具中,按如下方式输入数据及其他输入项:

Pre Process Warranty Data — figure 2

5. 使用上述工具后,得到的输出如下:

Pre Process Warranty Data — figure 3

如何进行保修数据预处理

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Reliability>Pre Process Warranty Data。
  3. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V),也可以使用 Load Example 选项加载示例数据。
  4. 接下来,需要填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

在保修数据预处理的工具界面中,窗口分为两个部分。

Pre Process Warranty Data — figure 4

左侧是数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

右侧提供以下选项:

  • Data Format: 定义保修数据和出货数据在工作表中的结构。共有两个选项:
    • Shipment values in a column ——每一行代表一个时间段,出货数量和退货数量分别存放在沿工作表向下排列的单独列中。
    • Shipment values in first row of first column ——出货数据横向排列在第一行,退货数据填充其下各行,形成矩阵布局,这是保修报告系统中有时采用的格式。
  • Shipment (Sale) Column: 选择包含各时间段出货(销售)单位数的列。它代表进入现场、面临保修退货风险的单位总体。
  • Return (Failure) Column: 选择包含各相应时间段收到的保修退货数量的列。这些是用于估计失效时间分布的观测失效。

常见问题

保修数据预处理有什么作用?

保修数据预处理将原始的保修现场退货数据整理为可用于可靠性分析的格式。保修数据通常记录为各时期的退货数量以及出货或在役单位数,该工具将其重组为单个失效时间和删失标志,以便应用统计可靠性模型。

什么时候需要对保修数据进行预处理?

当保修退货记录为各时间段的数量(例如月度退货的三角矩阵)并且必须转换为单个失效时间时使用。对现场退货数据运行保修预测或参数分布分析之前,这是必须进行的第一步。如果数据已经是单个失效时间,请跳过此步骤,直接进行参数分布分析。

对保修数据进行预处理需要哪些数据?

需要各时期的出货或销售单位数(即面临风险的总体)以及各时期的保修退货数量。数据可以将出货值排成一列,也可以排在第一行形成矩阵。在役总体数量必须准确,尚未失效的单位应视为右删失,并排除误用等非故障退货。