可靠性增长模型拟合与应用详解
1. 模型拟合前的检验
在进行可靠性增长模型拟合时，需要先对数据进行拟合优度检验。当数据以两个“事件时间”或“时间戳”列的形式输入启动窗口时，会执行卡方拟合优度检验。该检验基于比较定义的时间间隔内观察到的和预期的故障数量。检验统计量的大值会导致拒绝原假设，得出模型不适合的结论。在可靠性增长平台中，卡方拟合优度检验适用于区间删失数据，即数据表中指定的时间间隔覆盖了测试的整个时间段，且一个区间的开始时间是前一个区间的结束时间，尤其要包含没有发生故障的区间。
2. 固定参数Crow - AMSAA模型
- 功能：此选项允许为Crow - AMSAA拟合指定参数值。若在选择该选项前未获得Crow - AMSAA报告，则会同时提供Crow - AMSAA报告和固定参数Crow - AMSAA报告。
- 操作与显示：选择该选项后，累积事件图会更新以显示此模型，模型列表也会更新。固定参数Crow - AMSAA报告将打开，显示Crow - AMSAA拟合的平均故障间隔时间（MTBF）图。除了显示MTBF图，还可选择显示强度图、累积事件图和分析器。
- 参数估计：初始参数估计是Crow - AMSAA拟合的最大似然估计（MLE）。可通过勾选所需参数旁边的框并输入所需值来固定参数，模型会重新估计，MTBF图也会更新以描述该模型。
3. 分段Weibull非齐次泊松过程（NHPP）模型
- 适用条件
