Robust inference for an interval-monitored step-stress experiment with competing risks for failure with an application to capacitor data
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.
Notice bibliographique
Résumé
Accelerated life-tests (ALTs) are applied for inferring lifetime characteristics of highly reliable products. In some cases, due to cost or product nature constraints, continuous monitoring of devices is infeasible and so the units are inspected at particular inspection time points, resulting in interval-censored responses. Furthermore, when a test unit fails, there is often more than one competing risk. In this paper, we assume that all competing risks are independent and follow an exponential distribution depending on the stress level. Under this setup, we present a family of robust estimators based on the density power divergence (DPD), including the classical maximum likelihood estimator as a particular case. We then derive asymptotic and robustness properties of the minimum DPD estimators (MDPDEs). Based on these MDPDEs, estimates of some lifetime characteristics of the product as well as estimates of some cause-specific lifetime characteristics are developed. Direct, transformed and bootstrap confidence intervals are proposed, and their performance is empirically compared through Monte Carlo simulations. The methods of inference discussed in this work are finally illustrated with a real-data example regarding electronic devices. • Reliability analysis under censorship needs ad-hoc statistical methods. • Different failure (competing risks) causes may lead to system failure. • Accelerated life-tests infer the lifetime of highly reliable devices. • Robust divergence-based estimators resist data contamination.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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