MétaCan
Menu
Retour à la cohorte
Enregistrement W1589446810 · doi:10.1002/9781118445112.stat00203

Optimal Sample Size Allocation for Accelerated Degradation Test Based on Wiener Process

2014· other· en· W1589446810 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWiley StatsRef: Statistics Reference Online · 2014
Typeother
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Degradation (telecommunications)Wiener processReliability engineeringComputer scienceAccelerated life testingProduct (mathematics)Process (computing)Variance (accounting)StatisticsMathematicsWeibull distributionEngineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract Degradation tests are widely used to assess the reliability of highly reliable products which are not likely to fail under traditional life tests or accelerated life tests (ALT). However, for some highly reliable products, the degradation may be very slow, and thus it seems impossible to have a precise assessment within a reasonable test time. In such cases, an alternative technique is to use higher stresses to extrapolate the product's reliability at the normal use stress. This is called an accelerated degradation test (ADT). In this article, motivated by a LEDs data, we discuss the optimal allocation problem under accelerated degradation experiment when a Wiener process is used to describe the product's degradation path. We derive the Fisher information and the approximate variance of the estimated mean‐time‐to‐failure (MTTF) under normal use. Three optimality criteria are defined and the optimal allocation of test units are determined. Finally, the LEDs data is illustrated to demonstrate the efficiency of the optimal allocation of test units.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,283
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle