Optimale Planung multi-variabler Accelerated-Degradation-Tests

Die rasante Entwicklung moderner Fertigungstechniken zusammen mit den Bedürfnissen der Verbraucher nach hochqualitativen Produkten dienen als Motivation für Industrieunternehmen, Produkte zu entwickeln und herzustellen , die ohne Ausfall über Jahre oder gar Jahrzehnte funktionireren können. Für derartig langlebige Produkte ist es jedoch eine nicht einfache Aufgabe, innerhalb kurzer verfügbarer Zeit Zuverlässigkeitsaussagen zu treffen, da nicht genügend Daten für eine akkurate Schätzung der Lebensdauer gewonnen werden können. Dementsprechend ist eine Lebensdauerprüfung unter Normalbedingungen nicht sinnvoll. Daher werden Ermüdungstests mit wiederholte Messungen ("repeated measures accelerated degradation tests") häufig in der produzierenden Industrie angewendet, um Lebensdauerverteilungen hochzuverlässiger Produkte zu bestimmen, die bei traditionellen oder beschleunigten Lebensdauertests nicht ausfallen würden. In diesen Experimenten werden Beobachtungen bei hohen Belastungsstufen (z.B. Temperatur, Stromspannung oder Druck) mit Hilfe eines physikalisch sinnvollen statistischen Modells extrapoliert, um Schätzungen der Lebensdauer für niedrigere Belastungen unter Normalbedingugnen zu erhalten. Zusätzlich ist zu beachten, dass verschiedene Faktoren wie die Häufigkeit der Messungen, die Stichprobengrößen und die dauer des Experiments Einfluss auf die Kosten und die genauigkeit der Schätzung haben.
Im Rahmen dieses Projektes werden zuerst adäquate und relevante Computerexperimente identifiziert und robuste Methoden der Regressionsanalyse entwickelt. Danach werden Optimalitätskriterien für experimentelle Designs definiert, die auf der Qualität der ausgewählten robusten Methoden basieren, und Simulationsbasierte Designs werden entwickelt, um einen einheitlichen Zugang zur Generierung optimaler oder zumindest effizienter  Designs für die robuste Analyse in Computerexperimenten zu erhalten.

Optimal Design of Experiments for Multi-variable Accelerated Degradation Tests

The rapid advances in modern manufacturing technology, along with consumer needs for high quality products, have motivated the industry to design and manufacture products that can operate without failure for years or even tens of years. However, for such highly reliable products, it is not a trivial task to assess the product reliability within short test durations because sufficient life time data are generally required to accurately estimate product s lifetime distribution. Accordingly, time to failure testing at normal conditions is impractical. Therefore, repeated measures accelerated degradation tests are commonly utilized in manufacturing industries to assess the lifetime distribution of highly reliable products which are not likely to fail under the traditional life tests or accelerated life tests. In this regard, data from tests at high levels of stress (e.g., temperature, voltage, or pressure) are extrapolated, through a physically reasonable statistical model, to obtain estimates of life time at lower, normal levels of stress. In addition, several factors, such as the inspection frequency, the sample size and the termination time, are closely related to the experimental cost and the estimation precision.
In this project first adequate and relevant computer experiments will be identified and robust methods of regression analysis will be developed. Then optimality criteria will be defined for experimental design based on the performance of the selected robust methods nad simulation based design will bedeveloped in order to obtain a unified approach to generate optimal or at least efficient designs for robust analysis in computer experiments.