کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5019469 | 1468203 | 2017 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A nonparametric Bayesian modeling approach for heterogeneous lifetime data with covariates
ترجمه فارسی عنوان
یک مدل غیر پارامتریک مدل سازی بیس برای داده های طول عمر ناهمگن با متغیرها
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل سازی بیزی، مدل مخلوط، رگرسیون طول عمر، نمونه گیبس، انتخاب مدل،
ترجمه چکیده
داده های طول عمر جمع آوری شده در طراحی محصول و مرحله تولید یا مرحله عملیاتی مزرعه اغلب الگوهای ناهمگونی را نشان می دهند و فرض همگنی در مدل های عمر آماری معمولی نامعتبر است. مدل های مخلوط رویکردهای مدل سازی مهم هستند که برای ناهمگنی داده ها استفاده می شود. با این وجود، مدلهای مخلوط موجود با فرض تعدیل تعداد معدودی از جمعیت های زیر محدود می شوند. این مقاله یک مدل آماری جدید بیزی برای تحلیل داده های طول عمر ناهمگن را با فرض تعدیل ناشناخته زیر جمعیت ها پیشنهاد می کند. هر زیرمجموعه با یک مدل زمانبندی شکست شتابانده برای اندازه گیری تأثیر عوامل تأثیر احتمالی قابلیت اطمینان مشخص می شود. مدل پیشنهادی امکان شناسایی همزمان تعداد شمارۀ زیرمجموعه ها و پارامترهای مدل زیر جمعیت ها را فراهم می کند. استراتژی های نمونه گیری مناسب برای حل چالش های برآورد مدل پیشنهاد شده است. هر دو مطالعه عددی و مطالعه موردی واقعی برای نشان دادن رویکرد پیشنهادی و نشان دادن اعتبار آن ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی مکانیک
چکیده انگلیسی
Lifetime data collected at product design and production stage or field operational stage often exhibit heterogeneity patterns, making the homogeneity assumption in conventional statistical lifetime models invalid. Mixture models are important modeling approaches that account for data heterogeneity. However, existing mixture models are constrained by assuming an known number of sub-populations. This paper proposes a new Bayesian statistical model to analyze heterogeneous lifetime data by assuming an unknown number of sub-populations. Each sub-population is characterized by an accelerated failure time model to quantify the effects of possible reliability impact factors. The proposed model allows simultaneous identification of the number of sub-populations and the model parameters of sub-populations. Convenient sampling strategies are further proposed to address the challenges of model estimation. Both numerical case study and real case study are provided to illustrate the proposed approach and demonstrate its validity.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Reliability Engineering & System Safety - Volume 167, November 2017, Pages 95-104
Journal: Reliability Engineering & System Safety - Volume 167, November 2017, Pages 95-104
نویسندگان
Mingyang Li, Hongdao Meng, Qingpeng Zhang,