通用趨勢更新過程及其在可靠度分析之應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：14

、訪客IP：3.145.201.133

姓名

曾柏善(PO-SHAN TSENG) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

通用趨勢更新過程及其在可靠度分析之應用
(Generic Trend Renewal Processes with Application to Reliability Analysis)

相關論文

★ 具Box-Cox轉換之逐步加速壽命實驗的指數推論模型	★ 多元反應變數長期資料之多變量線性混合模型
★ 多重型 I 設限下串聯系統之可靠度分析與最佳化設計	★ 應用累積暴露模式至單調過程之加速衰變模型
★ 串聯系統加速壽命試驗之最佳樣本數配置	★ 破壞性加速衰變試驗之適合度檢定
★ 串聯系統加速壽命試驗之最佳妥協設計	★ 加速破壞性衰變模型之貝氏適合度檢定
★ 加速破壞性衰變模型之最佳實驗配置	★ 累積暴露模式之單調加速衰變試驗
★ 具ED過程之兩因子加速衰退試驗建模研究	★ 逆高斯過程之完整貝氏衰變分析
★ 加速不變原則之偏斜-t過程	★ 花蓮地區地震資料改變點之貝氏模型選擇
★ 颱風降雨量之統計迴歸預測	★ 花蓮地區地震資料之長時期相關性及時間-空間模型之可行性

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 (2026-8-1以後開放)

摘要(中)

可修復系統之特徵為產品故障後經修復可以重複使用，收集到的資料具有循環性，然某些可修復系統之使用性能隨修復次數增加而有遞減的現象，如電池經充放電後之電容量等，因此傳統的更新過程不適合分析此類型資料。此時可將每次修復後的循環資料經趨勢函數轉換，建構趨勢更新過程配適之。然而，當樣本間存在個別差異時，囿於趨勢更新過程模型複雜的概似函數，致使參數不存在共軛結構，使得以隨機效應模型描述樣本差異性的最大概似推論產生困難。本文探討趨勢更新過程模型中參數的可辨別性，經重新參數化提出通用趨勢更新過程，並發現了通用趨勢更新過程模型中的共軛結構，進而發展出通用趨勢更新過程隨機效應模型，不僅可以應用在任一具共軛性的更新分布所衍伸出的通用趨勢更新過程模型，也可以推廣到加速通用更新過程之隨機效應模型。另一方面，本文推導出評估循環性資料壽命之性能終止時間的近似式，使可修復資料之可靠度分析更臻完備與彈性。除經由模擬資料驗證通用趨勢更新過程模型壽命推論的準確性，並將模型應用到飛機空調系統及鋰電池之衰變資料外，更進一步分析一筆鋰電池加速衰變資料，用以評估正常使用條件下的產品壽命，成功的詮釋具差異性的可修復產品之可靠度推論。

摘要(英)

A repairable system can be reused after repairs, but data from such systems often exhibit
cyclic patterns. For instance, in the charge-discharge cycles of a battery, capacity decreases with each cycle, and the system′s performance may not fully recover after each repair.
To address this issue, the trend renewal process (TRP) transforms periodic data using a
trend function to ensure the transformed data satisfy independent and stationary increments.
This study explores random-effects models with a conjugate structure, achieved
by reparameterizing the TRP models, called generic TRP (GTRP). These random-effects
GTRP models, adaptable to any GTRP model with a renewal distribution possessing a conjugate structure, provide enhanced convenience and flexibility in describing sample
heterogeneity. An approximate formula for the end of performance is derived to make life inferences about recurrent systems, with a simulation study confirming the validity of these inferences for GTRP models. Moreover, the proposed random-effects models are extended to accelerated GTRP (AGTRP) for assessing the reliability of lithium-ion battery data, in addition to analyzing aircraft cooling system data and NASA battery data.

關鍵字(中)

★ 可修復系統
★ 趨勢更新過程
★ 通用趨勢更新過程
★ 隨機效應
★ 性能終止時間

關鍵字(英)

★ Repairable system
★ trend renewal process
★ generic trend renewal process
★ random effects
★ end of performance (EOP)

論文目次

摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VI
表目錄 VII
第一章緒論 1
1.1 研究背景與動機 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 文獻探討 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 研究方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 本文架構 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
第二章通用趨勢更新過程 6
2.1 趨勢更新過程與異質趨勢更新過程 . . . . . . . . . . . . . . . . . . . . . . 6
2.2 通用趨勢更新過程及隨機效應模型 . . . . . . . . . . . . . . . . . . . . . . 10
2.3 逆高斯通用更新過程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 通用趨勢更新過程之壽命推論 . . . . . . . . . . . . . . . . . . . . . . . . . 14
第三章加速通用趨勢更新過程之應用 18
3.1 加速通用趨勢更新過程及隨機效應模型 . . . . . . . . . . . . . . . . . . . . 18
3.2 加速通用趨勢更新過程之壽命評估 . . . . . . . . . . . . . . . . . . . . . . 21
第四章模擬研究與實例分析 24
4.1 模擬研究 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.2 實例分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.1 飛機空調故障時間資料分析 . . . . . . . . . . . . . . . . . . . . . . 31
4.2.2 NASA 電池循環充放電資料分析 . . . . . . . . . . . . . . . . . . . 34
4.2.3 鋰離子電池加速衰變資料分析 . . . . . . . . . . . . . . . . . . . . . 36
第五章結論與展望 40
附錄 43
A.1 各模型更新分布期望值之推導 . . . . . . . . . . . . . . . . . . . . . . . . . 43
A.2 加速通用趨勢更新過程 EOP 近似解之推導 . . . . . . . . . . . . . . . . . 44
A.3 隨機效應通用趨勢更新過程 σ_1^2 和 σ_2^2 之推導 . . . . . . . . . . . . . . . . . 44

參考文獻

[1] Aalen, O. O. and Husebye, E. (1991). Statistical analysis of repeated events forming
renewal processes. Statistics in Medicine, 10, 1227-1240.
[2] Akaike, H. (1974). A new look at the statistical model identification. IEEE Trans-
actions on Automatic Control, 19, 716-723.
[3] Ascher, H. and Feingold, H. (1984). Repairable Systems-Modeling, Inference, Mis-
conceptions and Their Causes, New York: Marcel Dekker.
[4] Benjamin, D.; et al. (50+ authors) (2018). Redefine statistical significance. Nature
Human Behaviour, 1, 6-10.
[5] Berman, M. (1981). Inhomogeneous and modulated gamma processes. Biometrika,
68, 143-152.
[6] Cox, D. R. (1972). The statistical analysis of dependencies in point processes.
Stochastic Point Processes, ed. P. A. Lewis, New York: Wiley, 55-66.
[7] Efron, B. (1979). Computers and the theory of statistics: thinking the unthinkable.
SIAM Review, 21, 460-480.
[8] Engelhardt, M. and Bain, L. J. (1987). Statistical analysis of a compound power-law
model for repairable systems. IEEE Transactions on Reliability, 36, 392-396.
[9] Follmann, D. A. and Goldberg, M. S. (1988). Distinguishing heterogeneity from
decreasing hazard rate. Technometrics, 30, 389-396.
[10] Lakey, M. J. and Rigdon, S. E. (1992). The modulated power law process. Annual
Quality Congress Transactions, 46, 559-563.
[11] Lawless, J. F. (1987). Regression methods for Poisson process data. Journal of the
American Statistical Association, 82, 808-815.
[12] Lindqvist, B. H., Elvebakk, G. and Heggland, K. (2003). The trend-renewal process
for statistical analysis of repairable systems. Technometrics, 45, 31-44.
[13] Lindqvist, B. H. (2006). On the statistical modeling and analysis of repairable
systems. Statistical Science, 21, 532-551.
[14] Ng, E. T. M. and Cook, R. J. (1999). Adjusted score tests of homogeneity for
Poisson processes. Journal of the American Statistical Association, 94, 308-319.
[15] Peng, C. Y. (2015). Inverse Gaussian processes with random effects and explanatory
variables for degradation data. Technometrics, 57, 100-111.
[16] Peng, C. Y., Dong, Y. S. and Fan, T. H. (2024). Acceleration invariance principle for
Hougaard processes in degradation analysis. Naval Research Logistics, 71, 318-330.
[17] Proschan, F. (1963). Theoretical explanation of observed decreasing failure rate.
Technometrics, 5, 375-383.
[18] Wang, Y. F., Tseng, S. T., Lindqvist, B. H. and Tsui, K. L. (2019). End of per-
formance prediction of lithium-ion batteries. Journal of Quality Technology, 51,
198-213.
[19] 吳竣楷 (2023). 加速趨勢更新過程於鋰離子電池衰變資料之貝氏分析，國立中央
大學碩士論文。
[20] 吳璟賢 (2016). 電池壽命的 EOP 推論及其最適實驗配置問題，國立清華大學碩士
論文。
[21] 林心玹 (2022). 趨勢更新過程之貝氏可靠度分析及其在鋰電池資料的應用，國立
中央大學碩士論文。
[22] 劉軒彤 (2017). TRP 隨機效應模型之建構與應用，國立清華大學碩士論文。

指導教授

樊采虹(Tsai-Hung Fan)

審核日期

2024-7-25

推文