在產品開發階段中, 決策者經常面臨的問題: 如何在幾個設計母群體中, 選擇最佳之 設計, 而評估設計之優劣常用“可靠度”( 或平均壽命 )作為衡量標準。 本文考慮k(k≧ 2)個Increasing Failure Rate(IFR)的母群體, 其分配為F(x;θ ), 其中θ 是尺度參數(Scale Parameter)。 我們常見之IFR 分配有Gamma、Exponenti -al、Weibull等等。而對上述K 個母群體, 我們感興趣的是挑選具有最大尺度參數母 群體。假設θ '……'θ 為(θ '……'θ )經過排序后之有序參數, 我們定 義最佳母群體為具有θ 之母群體。 由於完整資料不易取得( 成本高且實驗時間頗長),因此, 我們經常采用二種截略資料 來縮短時間, 分別是型Ⅰ截略抽樣計劃(type-Ⅰcensoring plan) 及型Ⅱ截略抽樣計 劃(type-Ⅱ censoring plan)。而上述兩種抽樣方法中, 對決策者而言, 究竟以那一 種方法較適合采用? 也就是說, 在決策者給定的要求水準, 那一種方法比較節省時間 ? 一般而言, 正確選擇之機率(Probability of correct selection)是評估挑選法則效 率之常用方法, 本論文在決策者事先給定正確機率P 及錯誤機率α 下, 分別探討Ty -peⅠ,TypeⅡ所需之截略時間、樣本數、截略數, 并比較TypeⅠ,TypeⅡ 所需之截略 時間、樣本數、截略數, 并比較TypeⅠ之截略時間與TypeⅡ之期望截略時間。以期能 提供決策者在實驗當中, 選擇一個較適當的實驗方法。

在產品研究開發階段, 決策者常面臨的分類問題是在給定一標準( 控制 )設計(Stand -ard Design)及K 個可行設計(Competitive Designs) 下, 如何將此K 個設計分類成 三個部分, 分別為:(1)比控制母體好(better than the standard);(2)與控制母體無 差異(indifference to the standard);(3)比控制母體差(Worse than the standard )。 當產品分析為韋伯分配(Weibull distribution),Patel and Kingston(1982) 在型Ⅱ 截略計劃(Type Ⅱcensoring plan) 下提出一直觀的分類法則(Classification Rule ),此法則之優點是很簡捷, 但所需之樣本數及截略數需要經由模擬求得。Tseng and Wu(1989)提出挑選較佳設計之局部最適的法則(Local Optimal Selection Rule)。本 論文擬修改此挑選法則, 來探討上述分類問題。 本文首先, 提出一演算法(Algorithm) 來計算型Ⅱ抽樣計劃所需之樣本數及截略數。 其次, 以模擬試驗來驗證此法則之穩定性。最后和Patel and Kingston方法作一比較 。