逆高斯與伽瑪衰變模型之誤判分析

Mis-specification Analysis of Inverse Gaussian and Gamma Degradation Models

姚禹丞

指導教授 ： 曾勝滄

國立清華大學/理學院/統計學研究所/碩士(2010年)

https://doi.org/10.6843/NTHU.2010.00059

摘要

摘要
高可靠度的時代為了提升產品競爭力，製造商必須即時地提供顧客有關產品可靠度的訊息，唯高可靠度產品之壽命推論，即使利用加速壽命試驗，亦很難在有限的測試時間內獲得產品失效資料。此時，若存在與壽命相關之品質特徵值 (quality characteristics, QC) 且會隨時間逐漸衰變，則可藉由衰變路徑來推估產品壽命相關資訊。因此，對於生產製造商而言，如何建構衰變模型及推論產品壽命分配，將顯得格外重要。文獻上有關衰變模型之建構，大都以隨機效應 (random effect) 或維納 (Wiener) 過程之衰變模型來描述之。然而對於產品的衰變路徑為單調遞增，如金屬疲勞，此時可以考慮伽瑪 (Gamma) 過程及逆高斯 (Inverse Gaussian) 過程來描述產品衰變路徑。故本論文主要針對逆高斯衰變模型探討以下兩個研究主題：
1. 當衰變路徑為逆高斯過程時，如何推導出產品壽命的分配及產品平均壽命。
2. 探討當逆高斯衰變模型與伽瑪衰變模型之間發生誤判，對於產品平均壽命 (mean-time-to failure, MTTF) 之估計準確度 (accuracy) 與精確度 (precision) 的影響。
具體來說，本文在大樣本下，探討當衰變路徑為逆高斯過程，卻被誤判為伽瑪過程時，逆高斯過程的平均 (mean) 參數太大或形狀 (shape) 參數太小時，對於產品平均壽命之估計準確度與精確度的影響皆是不容忽視的。另一方面，當衰變路徑為伽瑪過程，卻被誤判為逆高斯過程時，伽瑪過程的尺度 (scale) 參數太大或形狀參數太小，亦對產品平均壽命之估計準確度與精確度的影響頗巨。 此外，在小樣本或較短測試時間下，本文以模擬方式探討誤判對於產品平均壽命估計值之影響，其模擬結果與大樣本下的結論是差異不大。

關鍵字

逆高斯衰變模型 ； 伽瑪衰變模型 ； 模型誤判分析

並列摘要

無資料

並列關鍵字

Inverse Gaussian Degradation Model ； Gamma Degradation Model ； Misspecification Analysis

參考文獻

[27] Tseng, S. T. and Peng, C. Y. (2007). “Stochastic diffusion modeling of degradation data,” Journal of Data Science, 5, 315–333.

[33] 彭健育 (2008). “高可靠度產品之衰變試驗分析, ”國立清華大學統計學研究所博士論文

[1] Abdel-Hameed, M. (1975). “A gamma wear process,” IEEE Transactionson Reliability, 24, 152–153.

[2] Bae, S. J. and Kvam, P.H. (2004). “A nonlinear random-coefficients model for degradation testing,” Technometrics, 46, 460–469.

[3] Bae, S. J. and Kvam, P. H. (2006). “A change-point analysis for modeling incomplete burn-in for light displays,” IIE Transactions, 38, 489–498.