[发明专利]基于多源数据的成败型产品可靠性试验设计和决策方法

摘要

本发明公开了一种基于多源数据的成败型产品可靠性试验设计和决策方法，包括以下几个步骤：步骤一、获取多源数据参数的修正因子；步骤二、建立试验评价模型；步骤三、试验的费用权衡；步骤四、试验方案及规划决策；本发明能够综合利用成败型产品的多源数据信息，并以此为依据制定合理的试验方案；由于能够扩充样本量，使得设计得到的试验方案能够以相对低廉的代价，取得预期的效果。

主权项

基于多源数据的成败型产品可靠性试验设计和决策方法，其特征在于，包括以下几个步骤：步骤二、建立试验评价模型根据二项分布的性质可知，r₀＝n₀·p₀                          (4)亦即r_i＝n_i·p_i＝n_i·k_i·p₀                     (5)也就是说，r_i/n_i＝k_i·r₀/n₀,r_i＝r₀·k_i·n_i/n₀根据二项分布的性质，在置信度γ已知的情况下，可靠度的置信下限R_L为$\underset{R_L}{\overset{1}{\∫}}h\left(p\right)dp=\mathrm{\γ}.---\left(6\right)$其中$h\left(p\right|D)=\frac{p^{r+a-1}{(1-p)}^{b+n-r-1}}{B(r+a,b+n-r)},---\left(7\right)$二项分布的共轭先验分布为Beta分布，a,b为Beta分布中的超参数。根据共轭先验分布的性质：a＝r，b＝n‑r那么在p₀条件下，超参数可以写作：a＝(r_i·n₀)/(k_i·n_i)，b＝n_i‑a，因此对于多源数据而言，可以得到：$a=\underset{i=1}{\overset{m}{\Σ}}\[(r_i\·n_0)/(k_i\·n_i)\]$$b=\underset{i=1}{\overset{m}{\Σ}}(n_i-a)$那么公式(7)可以写作：$h\left(p\right|D)=\frac{p^{r_0+\underset{i=1}{\overset{m}{\Σ}}\[(r_i\·n_0)/(k_i\·n_i)\]-1}{(1-p)}^{\underset{i=1}{\overset{m}{\Σ}}(n_i-(r_i\·n_0)/(k_i\·n_i\left)\right)+n_0-r_0-1}}{B(r_0+\underset{i=1}{\overset{m}{\Σ}}\[(r_i\·n_0)/(k_i\·n_i)\],\underset{i=1}{\overset{m}{\Σ}}\left(n_i-\left(r_i\·n_0\right)/\left(k_i\·n_i\right)\right)+n_0-r_0)}---\left(8\right)$那么公式(6)和(8)即是试验评价模型，可根据试验评价模型来计算满足一定评估精度时所需投入的样本量n₀。步骤三、试验的费用权衡通过公式(6)和(8)可以预计满足一定评估精度时所需投入的样本量n₀。但在设计试验时，除了要考虑样本量还应考虑经费C这一约束条件，C＝(C_s+C_t)·n₀+C_Loss·P_risk其中C_s是每个样本的费用，C_t是每个样本所需的试验费用，P_risk是试验方案存在的风险，C_Loss是试验方案失败所造成的额外损失。P_risk是一个同样本量n₀，评估结果R_L，置信度γ以及修正因子k_i相关的函数，可根据上述参数的情况权衡确定。