Mendapatkan jawaban sebelum Anda selesai Mengapa. Orang selalu tidak sabar? Mengapa mereka tidak bisa hanya menunggu sampai pengujian selesai sebelum mereka meminta jawaban? Saya kira itu hanya sifat manusia, karena saya telah mendengar pertanyaan bahwa setiap kali saya telah terlibat dalam program pengujian reliabilitas. Dan, meskipun kita akan tahu lebih banyak jika kita menunggu lebih banyak data untuk roll dalam, ada saat-saat dimana kita dapat mengevaluasi mana proyek kami berdiri atas dasar hasil tes parsial.
Pikirkan tentang hal ini. Anda mungkin melihat bahwa dalam percobaan medis kadang-kadang (jarang) hanya sedikit sementara ke penyelidikan multi-tahun ke dalam efektivitas beberapa obat, prosedur medis, atau perangkat sidang dihentikan. Itu karena statistik cukup telah dikumpulkan untuk menentukan bahwa obat atau prosedur yang berbahaya atau sangat bermanfaat. Mereka adalah hasil yang luar biasa untuk datang lebih awal. Para peneliti menghabiskan jumlah besar upaya untuk memastikan bahwa mereka merancang percobaan termasuk jumlah yang tepat orang dan lamanya waktu yang tepat untuk menentukan jawaban. Etika menuntut bahwa eksperimen tidak dilakukan terlalu banyak individu terlalu lama selama periode waktu. Jadi, apa ini memberitahu kita bahwa statistik parsial dari tes yang sedang berlangsung dapat memberikan kami informasi penting.
Mari saya jelaskan situasi yang ideal di mana Anda mungkin harus memberikan jawaban pada hasil tes parsial. Banyak situasi dapat memberikan data kurang bahkan membuat penyediaan jawaban yang sangat lemah di terbaik berdasarkan kredibilitas Anda sebagai seorang analis kehandalan. Katakanlah kita sedang menguji populasi unit (20) dalam uji hidup dipercepat. Pada kehidupan setara dengan 27 siklus dari 100, 6 unit dari total kami 20 telah gagal. Dari pengujian sebelumnya kita mengharapkan faktor bentuk Weibull beta sekitar 2,4, dan waktu kita untuk kegagalan data diplot pada grafik eksponensial konsisten dengan itu ( lihat halaman ini untuk contoh ). Faktor ini akan menjadi sumber ketidakpastian sampai tes selesai. Dan, tentu saja, kita mengasumsikan bahwa tes kami dirancang dengan baik.
Sekarang, dengan menggunakan teknik standar enam sigma ( setidaknya yang dasar ), data kami tidak menambahkan hingga banyak. Tidak ada unit tunggal telah menyelesaikan tes berhasil, dan dengan demikian kita akan memiliki sedikit untuk mengatakan tentang apakah atau tidak setiap unit bahkan dapat bertahan hidup durasi pengujian. Tapi, kita bisa masuk data kami untuk kurva distribusi Weibull diberikan persen kita gagal nilai pada suatu titik waktu tertentu dan nilai beta diasumsikan kita. Sekali lagi, ini tidak akan sama persis apa yang kita menghitung pada akhirnya, tapi mungkin memberikan informasi yang berguna pada tahap menengah.
Menggunakan kalkulator Weibull gratis yang tersedia di situs ini, saya memberikan nilai input saya dan meninjau hasil. Ini merupakan kesempatan yang baik untuk menguji sensitivitas hasil untuk masukan Anda, sebagai informasi kami tidak pasti pada tahap ini. Memvariasikan input sebesar 10% sampai 15% dan mengutip hasil awal sebagai kisaran nilai yang didasarkan pada varians yang dapat memberikan lebih percaya diri bahwa Anda memiliki setidaknya mengidentifikasi wilayah nilai-nilai akhir mungkin. Gambar di bawah ini menunjukkan hasil yang diperoleh dari kalkulator. 
Seperti yang Anda lihat, hasil kami menunjukkan bahwa 99,97% dari unit kami akan gagal sebelum 100 siklus, dengan waktu yang berarti antara kegagalan dari sekitar 42 siklus. Itu bukan situasi yang baik. Kami akan disarankan sekarang untuk menghentikan menguji dan memperbaiki desain kami, meskipun 70% dari unit uji kami beroperasi sempurna. Dalam hal ini, kita memiliki data yang memadai pada tahap ini proses untuk membuat kesimpulan. Jika kita melanjutkan tes, itu benar, kita akan mampu membuat kesimpulan bahkan lebih dan melakukan analisis yang lebih, tapi kenapa pergi pada saat kita tahu akhir cerita.
