寿命数据回归

当部分单元为右删失时,寿命数据回归将失效时间或失效循环数与一个或多个数值型协变量联系起来。它用最大似然法拟合具有共同形状参数的威布尔加速失效时间模型。输出包括带 Z 检验和置信区间的系数、威布尔形状参数、用于比较模型的对数似然和 AIC,以及协变量取平均值时的生存图。

最后审阅

核心要点

寿命数据回归拟合威布尔加速失效时间模型,将产品寿命与载荷或温度等数值型因子联系起来,并包含试验停止时尚未失效的右删失单元。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

当部分单元在试验结束时尚未失效(右删失)时,寿命数据回归将产品寿命与一个或多个数值型因子(如载荷、温度、电压或设计尺寸)联系起来。它拟合一个威布尔寿命模型,其特征寿命随因子变化,因此可以看出每个因子使寿命缩短或延长的程度,并预测其他设置下的寿命。适用于在多种条件组合下进行的寿命试验,而不是在单一应力的各水平下进行的试验。

主要功能

  • 带一个或多个数值型协变量的威布尔加速失效时间模型。
  • 处理右删失单元:在失效之前停止的试验。
  • 给出系数及其标准误、Z 检验、p 值和置信区间。
  • 共同的威布尔形状参数及其估计值和区间。
  • 用于比较模型的对数似然和 AIC,以及协变量取平均值时的生存图。

统计方法

该模型假定寿命服从威布尔分布,具有共同的形状参数 β,以及随协变量变化的尺度参数(特征寿命,即 63.2% 的单元失效所经历的时间):ln(η) = b₀ + b₁Z₁ + b₂Z₂ + ...。这是一个加速失效时间模型:协变量的变化会使整个寿命分布按一个因子拉伸或收缩。Zⱼ 增加一个单位,寿命乘以 exp(bⱼ),因此负系数意味着寿命更短。对于 k 个单位的变化,因子为 exp(k · bⱼ)。

形状参数和系数通过最大似然法一起估计。失效单元贡献其失效时间处的威布尔密度,删失单元贡献威布尔生存概率 exp(−(t/η)^β)。标准误来自估计值处负对数似然的 Hessian 矩阵的逆(观测信息),通过数值方法计算。每个系数用 Z = coef / SE 对标准正态分布进行检验,置信区间为所选置信水平下的 coef ± z·SE。AIC = 2k − 2 × 对数似然,其中 k 为参数个数;在考虑项数之后,AIC 越低表示模型越好,因此可通过比较 AIC 来决定某个协变量是否值得保留。

形状参数 β 描述失效率随时间(役龄)的变化:大于 1 时失效率上升(耗损,如疲劳),接近 1 时恒定,小于 1 时下降。在删失列中,等于删失值的行为右删失,其他每一行都是失效。生存图显示每个协变量取样本均值的单元的 exp(−(t/η)^β)。

输入字段和选项

字段

说明

Time variable

必填。失效时间或失效循环数;对于未失效的单元,则为删失时间。

Use censoring column

必填。等于删失值的行为右删失;其他每一行都是失效。每一行都需要有值。

Censoring value

删失列中用于标记试验停止时仍在运行的单元的值。默认为 0,因此 1 = 失效。

Covariates (predictors)

一个或多个数值型预测变量列。按住 Ctrl 或 Command 可选择多个。

Confidence level (%)

用于系数和形状参数的区间。默认为 95;范围 50 至 99.99。

regression-with-life-data-inputs


图 1 — 弹簧示例的选项:失效循环数,以 Status 作为删失列(0 = 存活),载荷和温度作为协变量。

输出说明

  • Model summary —— Distribution(Weibull (AFT))、Log-Likelihood、AIC、N (Observations) 和 N (Events)(失效数)。
  • Shape table —— Shape (Weibull) 及其估计值、标准误和置信限。
  • Coefficients —— Intercept 和每个协变量的 Coef、SE Coef、Z、P 和置信限。
  • Regression with Life Data Survival Plot (at mean covariate values) —— 各协变量取平均值的单元的拟合生存概率随时间变化的曲线。
  • 通过 Download 导出 PDF。

regression-with-life-data-output


图 2 — 弹簧疲劳结果:载荷系数为每 kN −0.166,温度系数为每 °C −0.0112,威布尔形状参数为 2.39(95% CI 为 1.77 至 3.00),并附有平均载荷和平均温度下的生存曲线。

计算示例

一名设计工程师在四种载荷(6、8、10 和 12 kN)和三种温度(25、50 和 75 °C)下对 48 个悬架弹簧进行循环试验。超过 30,000 次循环的弹簧停止试验,为右删失;48 个中有 39 个失效。工程师想知道载荷和温度使疲劳寿命缩短多少。他们设置 Time variable = Cycles to Failure,Use censoring column = Status,Censoring value = 0,并选择 Load kN 和 Temperature C 作为协变量。

载荷系数为每 kN −0.166(SE 0.0313,Z = −5.32,p < 0.001):每增加 1 kN,寿命乘以 exp(−0.166) = 0.85,即缩短约 15%,其 95% 置信区间(−0.228 至 −0.105)使该因子介于 0.80 和 0.90 之间。温度系数为每 °C −0.0112(SE 0.00341,Z = −3.28,p = 0.001;95% CI 为 −0.0179 至 −0.0045):温度每升高 10 °C,寿命乘以 0.89,从 25 °C 升至 75 °C 会使寿命降至 57%。两种效应均显著。共同的威布尔形状参数为 2.39(95% CI 为 1.77 至 3.00),远大于 1,因此失效率随循环数上升:耗损,符合疲劳的预期。

根据拟合模型,在 6 kN 和 25 °C 下特征寿命约为 45,900 次循环,而在 12 kN 和 75 °C 下仅约为 9,670 次循环。生存图显示处于平均试验条件(8.75 kN 和 52.6 °C)下的弹簧。从协变量中去掉 Temperature C,AIC 从 825.1 升至 833.3,因此含温度的模型更好。对于设计而言,在所试验的范围内载荷的影响更大,但在高温下运行的弹簧需要在载荷方面留出额外裕量。

常见问题

何时应使用寿命数据回归?

当产品寿命取决于一个或多个数值型因子(如载荷、温度、电压或设计尺寸),且部分单元在试验结束时尚未失效时使用。它适用于在多种条件组合下进行的寿命试验,而不是在单一应力的各水平下进行的试验,并可预测其他设置下的寿命。

如何解读威布尔加速失效时间模型中的系数?

协变量增加一个单位,寿命乘以其系数的 exp,因此负系数意味着寿命更短;对于 k 个单位,因子为 exp(k 乘以系数)。在计算示例中,载荷系数为每 kN −0.166,表示每增加 1 kN,弹簧寿命乘以 0.85,即缩短约 15%。

寿命数据回归中的威布尔形状参数说明什么?

共同的形状参数描述失效率随役龄的变化。大于 1 时失效率上升,表示耗损(如疲劳);接近 1 时恒定;小于 1 时下降。在弹簧疲劳示例中,形状参数为 2.39,95% 置信区间为 1.77 至 3.00,证实了耗损。

如何处理删失数据并比较模型?

使用删失列:等于删失值(默认为 0)的行是试验停止时仍在运行的右删失单元,其他每一行都是失效。删失单元将其威布尔生存概率贡献给似然。用 AIC 比较模型;在考虑项数之后,AIC 越低表示模型越好。