威布尔分析及各种删失数据处理
我们平时开展可靠性数据分析、威布尔分析工作时，主要遇到的数据类型包括完全数据/确切失效数据、右删失数据（包括I型和II型，也有一些资料提到III型）、左删失数据、间隔/区间删失数据、批量删失数据、成组删失数据、零失效数据等。开展可靠性数据分析或者威布尔分析工作时，对于包含删失数据的数据处理工作较为复杂，一般可以借助相应的工具（PosWeibull等）进行。对于包含删失数据的可靠性分析，一般可以选择使用最小二乘法（RRX、RRY）、极大似然法进行。需要注意的是，当删失数据较多时，建议选择极大似然法进行分析。
例如汽车部件故障数据（右删失和区间删失数据混合）
现在对新旧两个系列的汽车部件失效数据进行可靠性分析。并估计未来50000公里的返修比例。新旧两个系列的产品每隔10000公里进行一次失效检测。新旧两类产品分别检测了90000公里，每隔10000公里进行检测。
其中旧产品第一次检测是不知道具体开始时间的（左删失），90000公里后还有83个样品是未失效的（即右删失），有965个样品是区间删失的，即只知道开始和结束检测时间，但是不知道具体失效时间。
新产品第一次检测是不知道具体开始时间的（左删失），且所有被检测产品均没有发生失效，90000公里后还有210个样品是未失效的（即右删失），有829个样品是区间删失的，即只知道开始和结束检测时间，但是不知道具体失效时间。
对于这种即存在左删失、右删失，又存在区间删失的多种删失数据、任意删失、大批量删失数据的可靠性分析，首先按照开始检测时间、结束检测时间、故障数量/频数、产品类型（新/旧）对检测数据进行梳理、整理。
将整理的数据录入到工具软件中，使用寿命分析工具进行分析。 本帖最后由 myview 于 2022-12-14 14:26 编辑
中位秩回归可以很好的适应多重复杂删失的处置 1号去佛山上班，卡哇伊 :) 谢谢分享！！！ 谢谢分享！！！ {:1_89:} 感恩分享 谢谢分享 谢谢分享 谢谢分享 谢谢分享！！！