近日，由统计与数学学院、统计数据工程技术与应用协同创新中心、之江大数据统计研究院方冠奇博士作为第一作者的论文“A Class of Hierarchical Multivariate WienerProcesses for Modeling Dependent Degradation Data”在国际权威期刊Technometrics上在线发表。Technometrics是工业统计领域顶级期刊。

在工程实践中，许多产品表现出多个以及相关的退化性能特征，而这些特征的初始量往往是非恒定的，并且有时与随后的退化速率相关，这些速率通常也呈现个体差异性。为了拟合个体之间的异质性、特征之间的相依性以及“起始-增长”相关性，本文基于层次多元的维纳过程框架提出了一类广义的多维退化模型，该模型包含了关于初始值和退化速率的双重随机效应。为了推断模型参数，本文开发了期望最大化（EM）算法和几种用于模型验证和选择的工具，并进行了各种模拟研究，以评估推断方法的性能和比较不同的模型。同时，进行了两个案例研究，以展示所提方法的适用性。

方冠奇，毕业于美国亚利桑那州立大学，获工业工程博士和统计学硕士学位，研究方向主要包括工业系统的统计建模和数据分析、数据科学及机器学习等。目前，已在European Journal of Operational Research，IEEE Transactions on Reliability, Reliability Engineering & System Safety等国际学术期刊和国内外知名学术会议发表10余篇论文。