Modeling of recurrent failure time data using two counting process models

Abstract

This study investigates the application of stochastic processes to model recurrent failures in elevators. Elevators, being the most commonly used devices in our daily life, require precise modeling to enhance maintenance and failure prediction. We explore the Nonhomogeneous Poisson Processes (NHPP) and the Generalized Polya Processes (GPP) as suitable counting processes for analyzing failure events. Various baseline intensity functions, including log-normal, inverse Gaussian, and gamma distributions, are examined to identify the best-fit model using evaluation metrics such as Log-likelihood, Akaike Information Criterion (AIC), and Bayesian Information Criterion (BIC). The findings highlight the capability of these models to capture the inherent characteristics of recurrent data, providing insights into optimal modeling approaches for data analysis of recurrent events.;본 연구에서는 확률과정을 활용하여 승강기에서 발생하는 반복적인 고장을 모델링하는 방법을 탐구한다. 승강기는 일상생활에서 가장 빈번하게 사용되는 기기 중 하나로, 유지보수 및 고장 예측을 향상시키기 위해 보다 정밀한 모델링이 필요하다. 이 연구에서는 고장 사건을 분석하기 위한 적합한 카운팅 프로세스로 비동질 포아송 과정(NHPP)과 일반화 폴리야 과정(GPP)을 사용하였다. 로그정규, 역가우시안, 감마 분포를 포함한 다양한 기준 강도 함수를 평가하고, 로그우도(Log-likelihood), 아카이케 정보 기준(AIC), 베이즈 정보 기준(BIC)과 같은 평가 지표를 활용하여 최적의 모델을 선택하였다. 연구 결과는 이러한 모델들이 반복 데이터의 고유한 특성을 효과적으로 포착할 수 있음을 보여주며, 반복적인 사건의 데이터 분석을 위한 최적의 모델링 접근법에 대한 통찰을 제공한다.