Denken Sie zunächst immer daran, dass Müll rein = Müll raus; Wenn Ihre Daten also Müll sind, sind Ihre Statistiken Müll.
In dieser Situation wären Ihre optimalen Daten so etwas wie "Ausführen von Stunden bis zum Ausfall", und Ihr gesamter Datensatz wäre bereits fehlgeschlagen. Vor diesem Hintergrund möchten Sie möglicherweise eine konservative Zahl aus der von Ihnen berechneten Statistik auswählen.
Da Sie erst ab dem Verkaufsdatum einen Fehler haben, kann dies zu einer höheren MTTF führen.
Da noch nicht Ihr gesamtes Produkt ausgefallen ist, können Sie sich eine kleinere Teilmenge Ihrer Bevölkerung ansehen, beispielsweise die ersten sechs Produktionsmonate. Ein höherer Prozentsatz davon ist höchstwahrscheinlich gescheitert (da das Produkt, das Sie letzte Woche verkauft haben, diese Woche hoffentlich nicht scheitern sollte).
Wenn Ihr Fehleranteil immer noch zu niedrig ist, müssen Sie möglicherweise versuchen, die Daten an eine Verteilung anzupassen. Beachten Sie dabei, dass Sie nur den geringen Anteil der Verteilung haben, dh Sie müssen aus dem Datensatz auf eine angepasste Kurve extrapolieren.
Beispielsweise würde die Weibull-Verteilung hier gut funktionieren und wird üblicherweise für MTTF-Daten verwendet. Hier geht es darum, den Anteil Ihres Datensatzes, der fehlgeschlagen ist, an einen entsprechenden Anteil einer Verteilung anzupassen. Wenn Ihr Anteil an Produkten in Ihrem Datensatz, die fehlgeschlagen sind, 48,66% betrug, würden Sie ihn an diese Wahrscheinlichkeit in Ihrer hypothetischen Verteilung anpassen, wie durch den schattierten Bereich im folgenden Bild dargestellt.
Dies kann jedoch für alles andere als eine Exponentialverteilung ziemlich intensiv sein.
Eine andere Extrapolationsmethode ist die Degradationsanalyse
