在 R 语言环境中,关于随机过程在可靠性应用的案例与代码很少。这使得工程师在使用随机过程进行可靠性分析时,存在瓶颈。本项目是对一些经典的退化过程(维纳、逆高斯、伽马、泊松、指数扩散过程)进行学习并将其复现为 R 代码,最后制作成 R 包以及给出简单教程供使用者学习和参考。
-
学习各类经典退化过程,利用 bookdown 整理成一本退化过程笔记本;
-
制作一个相关 R 包(名字初定为:Dagradation Process in Reliability, DPIR);
-
整理成可发表的论文,预计
发表 2 篇 SCI 论文。
序号 | 进程 | 预计完成时间 | 真实完成时间 | 备注 |
---|---|---|---|---|
1 | 汇总退化过程在可靠性中应用案例与方法。 | |||
2 | 编写经典随机过程分析代码,包括(生成随机过程,统计推断,模型比较,可视化等) | |||
3 | 制作成 R 包,并公开发布提供简单教程 |
具体细节流程见 issue #1,#2。
-
该项目与 [
退化数据的收集
] 和 [退化过程综述
] 相结合,同步进行。需要一些合作者一起加入。 -
第二部分需要大量时间,还需要根据第一部分的学习进行细分。例如:
- 具体做哪几个过程(维纳,伽马,逆高斯,指数扩散过程),参考综述《Remaining useful life estimation – A review on the statistical data driven approaches》?
- 拓展模型用哪几个(随机效应,测量误差,多阶段,多失效机制),参考综述《Degradation data analysis and remaining useful life estimation: A review on Wiener-process-based methods Remaining useful life estimation – A review on the statistical data driven approaches》?
- 统计推断方法(极大似然,EM算法,贝叶斯方法以及非参数方法),是否需要使用拓展的方法?
- 能否使用可以共用的统计推断方法?(MLE的话需要每个过程手写对数似然函数,工作量大!)
- 新的推断方法是否可以引进(贝叶斯最新的方法,近似贝叶斯,合成似然?)
- 案例分析(具体使用哪些典型数据和方法)
- 其他拓展(加速退化实验?实验设计?维修优化?)